Éléa, sur le papier, c’est franchement une belle promesse.
On peut y créer des parcours, différencier, proposer des exercices, intégrer des vidéos, suivre les élèves, organiser le travail, reprendre en classe ce qui a été commencé ailleurs. Bref, tout ce qu’on aime quand on veut construire autre chose qu’un simple dépôt de fichiers.
Mais il y a un truc tout bête.
Un outil pédagogique, aussi puissant soit-il, ne vaut vraiment que s’il est simple d’accès.
Et là, soyons honnêtes : pour beaucoup d’élèves, l’entrée par navigateur, ENT, authentification, menus, sous-menus, plateforme, cours, activité… ça peut vite devenir un petit parcours du combattant. Pas forcément insurmontable, mais suffisant pour perdre une partie des élèves en route.
Alors forcément, l’idée d’une application mobile Éléa fait rêver.
Pas parce qu’il faudrait tout faire sur téléphone. Non. On ne va pas faire croire qu’un smartphone est l’outil idéal pour rédiger un long devoir ou produire un travail complexe.
Mais pour retrouver une activité, consulter une consigne, revoir une vidéo, répondre à un quiz, vérifier un travail à faire ou reprendre un parcours commencé en classe, le téléphone est souvent l’objet le plus accessible.
Il est là. Dans la poche. Allumé. Utilisé tous les jours.
Autant s’en servir intelligemment.

Une appli, ce n’est pas du gadget

Une application mobile bien pensée, ce n’est pas juste “faire moderne”.
C’est réduire la friction.
Et en numérique éducatif, la friction, c’est l’ennemi numéro un.
Quand il faut cinq étapes pour retrouver une activité, certains élèves décrochent avant même d’avoir commencé. Quand l’accès est direct, clair, fluide, on gagne du temps. Et ce temps-là, on peut enfin le remettre là où il devrait être : dans les apprentissages.
Avec une application Éléa, l’élève pourrait retrouver plus facilement ses parcours, ses activités, ses notifications, ses échéances. L’enseignant pourrait aussi vérifier rapidement un contenu, consulter un retour, guider un élève, sans forcément devoir ressortir l’ordinateur.
Ce n’est pas révolutionner la pédagogie.
C’est juste rendre l’outil utilisable dans la vraie vie.
Et parfois, c’est déjà énorme.

Le vrai sujet : l’usage réel des élèves

On peut discuter longtemps de la place du smartphone à l’école. On peut aussi avoir des réserves légitimes.
Mais il faut regarder les choses en face : les élèves vivent déjà dans un monde mobile. Leur rapport au numérique passe massivement par des applications. Quand un service est simple, ils y vont. Quand il est compliqué, ils l’évitent.
Ce n’est pas une question de paresse.
C’est une question d’ergonomie.
Si l’on veut qu’Éléa devienne un vrai outil de travail, il faut qu’il soit aussi simple à ouvrir qu’un cahier. Ou presque.
Une application mobile ne remplacerait pas le travail en classe, ni l’accompagnement du professeur, ni la nécessité d’apprendre aux élèves à s’organiser. Mais elle pourrait devenir une porte d’entrée plus naturelle vers les parcours.
Et ça change beaucoup de choses.

Pour les profs aussi, ce serait un vrai confort

Côté enseignant, on sait très bien comment ça se passe.
On prépare un parcours. On le teste. On le modifie. On veut vérifier un lien. On veut regarder rapidement si un élève a avancé. On veut projeter, corriger, ajuster.
Pouvoir accéder simplement à Éléa depuis son téléphone ou sa tablette, sans se perdre dans des authentifications pénibles, ce serait un vrai gain.
Pas pour travailler moins.
Pour travailler mieux.
Et surtout pour éviter que l’outil numérique devienne plus lourd que l’activité pédagogique qu’il est censé servir.

Attention quand même : une appli ne fait pas une pédagogie

Évidemment, il ne suffit pas de mettre Éléa dans une application pour que tout fonctionne miraculeusement.
Une appli peut faciliter l’accès. Elle ne garantit pas la qualité du parcours. Elle ne remplace pas la scénarisation pédagogique. Elle ne transforme pas automatiquement un dépôt de PDF en activité intéressante.
Le cœur du sujet reste le même : que veut-on faire apprendre ? À quel moment ? Avec quelle progression ? Quelle place pour l’erreur ? Quel retour pour l’élève ? Quelle autonomie réelle ?
Mais une fois que ce travail pédagogique est fait, il serait dommage que l’accès technique vienne tout gâcher.

Éléa a besoin d’être simple

Éléa peut devenir un outil puissant pour les enseignants et les élèves.
Mais pour cela, il doit être simple, visible, accessible.
Une application mobile, ou au minimum un accès mobile vraiment fluide, irait clairement dans ce sens.
Parce qu’au fond, le numérique éducatif ne devrait pas être une épreuve d’orientation dans des menus.
Il devrait être un raccourci vers les apprentissages.
Et si Éléa veut vraiment entrer dans les usages quotidiens, il doit peut-être commencer par entrer dans la poche des élèves et des enseignants.

Dans le cadre d’une activité sur la littératie de l’IA, j’ai voulu travailler avec les élèves une compétence essentielle : critiquer.

Pas critiquer au sens de “rejeter”, mais au sens de questionner une production, d’en comprendre les limites, les choix implicites et les représentations.

Le point de départ est volontairement simple : demander à un générateur d’images une photo réaliste de “deux personnes mariées en France” (Merci GEMINI)

L’image produite semble parfaitement correcte :

• un couple homme-femme,
• une robe blanche,
• un costume,
• un village,
• une église,
• des invités souriants,
• le temps ensoleilé.

Mais justement : elle semble « trop » correcte.

Car en France, deux personnes mariées peuvent aussi être deux hommes, deux femmes, se marier civilement, dans une mairie, sans référence religieuse, dans un cadre urbain, sobre, différent, sous la pluie…

->L’image n’est donc pas “fausse”, elle est partielle.

Le format de l’activité

L’activité est construite sur un format très contraint : deux pages, en recto-verso.

Au recto, une seule image. Aucun contrepoint. Le regard est orienté, volontairement, vers une représentation dominante et familière. Ce cadrage n’est pas anodin : il reproduit exactement le mécanisme par lequel une IA renforce des normes implicites.

Au verso, d’autres images apparaissent. Le contraste crée un décalage, qui ouvre la discussion.

-> On ne “corrige” pas immédiatement, on prépare la prise de conscience.

Les élèves observent d’abord librement, puis débattent. L’objectif n’est pas de leur donner tout de suite le mot “biais”, mais de leur faire éprouver le décalage entre une réponse plausible et une réalité plus complexe.

Le bilan

Le bilan que je propose est simple :

Une IA apprend à partir de données.

Si ces données ne représentent pas toute la réalité, alors ses réponses seront elles aussi partielles.

Elle propose ensuite la réponse la plus probable.

Elle ne ment pas, mais elle simplifie.

On peut alors introduire deux notions :

• biais de représentation : les données utilisées ne montrent pas toute la réalité.
• biais de sélection : l’IA choisit une réponse parmi plusieurs possibles.

Cette activité s’inscrit pleinement dans la littératie de l’IA : apprendre à utiliser, comprendre, mais aussi critiquer.

Car former les élèves à l’IA, ce n’est pas seulement leur apprendre à produire plus vite.
C’est leur apprendre à regarder autrement ce qui est produit.

Et parfois, une simple image suffit à ouvrir une vraie discussion sur le monde que les machines nous donnent à voir.

Voici l’activité qui inclut un petit corrigé pour le bilan, cela peut toujours aider…

Mais au fait, c’est quoi l’agentivité ?

Avant de plonger dans le vif du sujet, un petit rappel théorique s’impose. L’agentivité (concept théorisé notamment par le psychologue Albert Bandura) est la capacité d’un individu à être l’agent de sa propre vie, à exercer un contrôle sur les événements qui l’affectent, en somme pour l’élève à être acteur dans ses apprentissages.

Face à une IA qui semble tout savoir, le risque est de voir l’agentivité de l’élève s’effondrer : pourquoi réfléchir si la machine le fait pour moi ?

Le dispositif « Albert » propose exactement l’inverse.

Le dispositif : L’IA comme miroir, pas comme béquille

Pour rappel, Albert est un LLM (type ChatGPT) présenté comme un camarade de classe faillible. Il réalise les mêmes exercices que les élèves, et ses productions sont projetées au tableau pour être critiquées, comme un élève peut montrer son travail au tableau.

En analysant cette expérience sous l’angle des 4 piliers de l’agentivité, on comprend mieux pourquoi les élèves reprennent le pouvoir :

1. L’Intentionnalité (Phase AMONT)
   Dès le début de l’activité, l’intention de l’élève change. Son but n’est plus d’obtenir la « bonne réponse », mais de devenir un juge. Il s’engage dans la tâche pour pouvoir confronter son résultat à celui d’Albert. Cette intentionnalité nouvelle le place d’emblée dans une posture active de recherche de la vérité.
2. La Pensée Prospective (Phase AMONT)
   L’élève apprend à anticiper les erreurs. « Je parie qu’Albert va encore mal analyser la figure, car il ne sait pas analyser une figure ». En prévoyant les failles potentielles de l’IA, l’élève mobilise ses propres connaissances de manière préventive. Il prépare son argumentation avant même que le résultat d’Albert ne soit affiché.
3. L’Autoréaction (Phase PENDANT)
   C’est le cœur du réacteur : la phase de confrontation. Quand le travail d’Albert s’affiche au tableau, l’élève n’est plus devant un corrigé type, mais face à un miroir. Il compare, ajuste et régule son propre raisonnement en temps réel, selon ce qu’il observe. C’est une phase de régulation métacognitive :
   • S’il a suivi la même démarche juste qu’Albert, sa confiance grimpe : il conforte sa logique par cette validation croisée.
   • S’il partage la même erreur que l’IA, le choc visuel et l’analyse collective l’obligent à réajuster son tir immédiatement, transformant l’erreur d’Albert en un levier de remédiation pour lui-même.
   • S’il détecte l’erreur d’Albert alors que son propre travail est exact, il consolide définitivement sa maîtrise en se plaçant en position de supériorité cognitive face à la machine.
4. L’Autoréflexion (Phase AVAL)
   C’est le bilan de l’action. En réussissant à corriger une IA, l’élève valide son propre sentiment de compétence. La conclusion est puissante pour l’estime de soi : « Si je peux identifier des erreurs d’Albert, c’est que je maîtrise le concept mathématique et les attendus. » En créant une trace écrite de cette expérience, on inscrit durablement ce sentiment et le savoir associé dans le parcours de l’élève.

Au-delà de l’agentivité : L’auto-détermination

Ce regain d’agentivité nourrit directement l’auto-détermination des élèves (théorie de Deci & Ryan). En agissant sur Albert, ils satisfont trois besoins fondamentaux :

L’appartenance : La classe fait bloc pour analyser « le travail du copain virtuel ».

L’autonomie : Ils sont critiques face à l’outil.

La compétence : Ils se sentent capables de surpasser la machine.

Conclusion : L’humain reste le maître du jeu

Le dispositif Albert montre que l’IA, loin de remplacer la réflexion, peut devenir un levier incroyable pour la renforcer. Mais cela demande un cadre strict : l’enseignant reste le médiateur exclusif et le garant de l’éthique (aucune donnée élève n’est transmise).

En transformant l’IA en un « pair faillible », nous ne formons pas seulement des élèves bons en maths, nous formons des citoyens capables de discernement critique face aux algorithmes.

Comment faire comprendre aux élèves le lien entre une modélisation mathématique et la prédiction statistique d’un Large Language Model (LLM) ?

Cette activité propose d’utiliser un exercice de traitement de données pour mettre en lumière les « hallucinations » de l’intelligence artificielle face au bon sens.

Le point de départ : Un nuage de points « presque » alignés.

L’activité commence par une tâche familière : on fournit aux élèves un tableau de données numériques. Ce qu’on ne leur dit pas immédiatement, c’est que ces données représentent la croissance d’un enfant (âge en haut, taille en cm en bas).
La consigne : Représenter ces données graphiquement et deviner les valeurs manquantes pour x=0, x=20 et x=30.

Le scénario : Les points fournis (de 4 à 13 ans) sont quasi-alignés.

Le réflexe de l’élève : Tracer une droite de régression pour extrapoler.

L’erreur de modélisation : Le piège du hors-contexte

Sans le contexte « humain », l’élève se comporte comme une machine : il prolonge la droite.

AU verso de la feuille d’activité se trouve l’origine de données.

À 0 an, il trouve une taille qui lui semble plausible (oui, oui 78cm pour les élèves, ça passe).
Il y a moins de doute à 20 ou 30 ans, la modélisation linéaire l’amène à prédire des tailles absurdes (comme 2m40).

C’est ici que réside le cœur de l’activité : modéliser sans contexte peut conduit à l’absurde.

L’agentivité de l’élève : Apprendre de son propre modèle

Le dispositif s’appuie sur quatre piliers de l’apprentissage :

• Intentionnalité : L’élève veut prédire.
• Pensée Prospective : Il utilise son graphique pour prédire.
• Autoréaction : Il est confronté au verso (la réalité).
• Autoreflexion : Il comprend pourquoi son modèle a echoué.

Conclusion : L’élève apprend à ne plus faire confiance aveuglément à un « prolongement logique », il doit questionner ses propres manières de modéliser.

Et si on demandait à l’IA ?

Proposition : Faire faire l’exercice à un LLM (ici Gemini) devant les élèves.

Observation : Gemini prédit aussi 2m57,

On passe de la curiosité de l’élève sur ce que va répondre un LLM à la nécessité d’une vigilance accrue.

La réponse d’un LLM est statistiquement correcte au regard de ses données d’entrainement et celui-ci, mais elle n’est pas vérité, car le LLM appose le même modèle que l’élève.
L’erreur vient du manque de contexte.
C’est bien le coeur du problème dans l’utilisation des LLM, s’assurer qu’ils ont le contexte et l’entrainement suffisant pour pouvoir apposer le bon modèle, sans quoi il y aura des hallucinations. Cela permet d’insister sur l’importance du prompt

Corrélation ne vaut pas causalité.

Ce qu’on en retient en classe de maths

Cette activité permet de travailler des points essentiels du programme tout en développant l’esprit critique :

• La limite de l’extrapolation : Un modèle mathématique n’est valide que dans un intervalle donné (ici, la période de croissance) et sous certaines conditions réelles.
• Corrélation n’est pas causalité : Ce n’est pas parce que deux variables semblent liées sur un échantillon qu’elles le sont de manière universelle et infinie.
• La nature des LLM : La réponse d’une IA est statistiquement correcte au regard de ses données d’entraînement, mais elle n’est pas « la vérité ».

En confrontant leurs propres erreurs à celles de la machine, les élèves comprennent que la mathématique est un outil de compréhension du monde, et non une simple manipulation de symboles. Pour ne pas « halluciner » comme une IA, il faut garder les yeux ouverts sur le réel !

Voici l’activité :

En un an, le paysage a profondément évolué.

Les modèles de langage se sont perfectionnés.
Le cadrage institutionnel s’est précisé.
Les usages élèves se sont banalisés.
Les inquiétudes des enseignants se sont structurées.

La formation que j’animais il y a un an ne ressemble plus à celle d’aujourd’hui.

Elle s’est enrichie :

• au fil des évolutions techniques des LLM,
• à la lumière des textes officiels,
• à partir d’expérimentations menées en classe,
• grâce aux échanges parfois très francs avec les collègues rencontrés lors des FIL.
• grâce aux discussions approfondies avec mon binôme de toujours, Arnaud, avec qui je confronte régulièrement les idées,
• et dans le cadre de la DRANE (sous couvert de l’EAFC), au sein de laquelle je travaille depuis huit ans comme animateur au numérique, et qui m’a permis de conduire ces formations.

Aujourd’hui, j’ai décidé de (re)mettre ce diaporama à disposition.

Pourquoi partager ?

Parce que l’IA en éducation n’est pas un sujet individuel.

Chaque établissement se pose les mêmes questions :

• Que peut-on autoriser ?
• Que doit-on interdire ?
• Comment gérer la triche ?
• Que dit réellement le RGPD ?
• Peut-on faire créer un compte IA aux élèves ?
• Faut-il détecter les productions générées ?

Laisser chacun reconstruire seul un cadre serait une perte d’énergie collective.

Mutualiser, c’est accélérer la réflexion.

Ce que contient réellement ce support

Ce n’est pas que un tutoriel d’outil.

Le diaporama aborde :

• le fonctionnement réel des LLM (pré-entraînement, fine-tuning, alignement),
• leurs limites (hallucinations, biais),
• le cadre institutionnel récent,
• les enjeux RGPD,
• la question de la triche et de l’évaluation,
• l’esprit critique à développer auprès des élèves
• l’impact environnemental,
• la nécessité d’une charte d’établissement.

Former à l’IA ne consiste pas à apprendre à “faire un bon prompt”.

Former à l’IA consiste à comprendre ce que l’on fait et ce que l’on en fait.

Un partage encadré

Le support est publié sous licence CC-BY-NC-SA :

• utilisation libre,
• adaptation possible,
• citation obligatoire,
• pas d’usage commercial,
• partage sous la même licence.

Il s’agit d’une version datée (mars 2026).
Le sujet évoluant rapidement, le document continuera d’être ajusté.

Et soyons clairs :
un diaporama, à lui seul, ne suffit pas pour se former.

Seule une formation encadrée et un travail collectif permettent d’aborder sereinement les enjeux pédagogiques, juridiques et éthiques liés à l’IA.

Un enjeu de pilotage

La DRANE de Nantes et l’EAFC proposent des FIL IA à destination des établissements.

Ces formations permettent :

• de poser un cadre juridique clair,
• d’ouvrir un débat structuré,
• d’accompagner les équipes,
• de travailler à une charte IA contextualisée.

À l’heure de l’IA, piloter un établissement, ce n’est pas simplement gérer des outils numériques.

C’est structurer une vision et sécuriser les pratiques.

Le véritable risque

Le risque n’est pas que les élèves utilisent l’IA.

Le risque serait que les adultes ne soient pas formés.

Partager ce support n’est pas un aboutissement.
C’est une contribution à une réflexion collective qui doit continuer.

Les retours sont les bienvenus.

C’est aussi cela, l’esprit Mathix.

Voici le diaporama :

CartesMD est sans aucun doute plus complet, mais mon besoin est très orienté flashcards.
Et sur ce point, FlashMD va clairement à l’essentiel.

FlashMD, c’est :

• un outil simple et léger,

• disponible sur la Forge,

• basé sur un Markdown minimaliste,
• avec la possibilité d’attribuer une couleur aux cartes, par exemple pour repérer le niveau de difficulté ou structurer une progression.
• immédiatement exploitable en classe ou à la maison, en version papier ou interactive (pour les projeter au tableau et pouvoir les retourner à la demande

Depuis quelque temps, je l’utilise en combinaison avec l’IA générative.
Pas pour déléguer la réflexion pédagogique, mais pour accélérer la production tout en gardant la main.

Concrètement :

• l’IA peut générer rapidement des questions scolaires, produire un Markdown conforme, proposer des variantes ou une progression ;

• FlashMD structure le contenu et permet une visualisation immédiate (PDF ou interactif) ;

• le professeur valide, corrige, reformule.

Dans cette logique, j’ai rédigé un tutoriel accompagné d’un prompt (reverse prompting) montrant comment articuler concrètement les deux outils.

Point de vigilance indispensable
L’IA n’est jamais une garantie de justesse : erreurs, questions mal formulées, imprécisions…
Le fond comme la forme peuvent être discutables.

L’IA reste un outil d’aide, pas un auteur, encore moins un didacticien.
Mais utilisée avec méthode et esprit critique, elle constitue un bon brouillon de travail.

Voici un résultat qu’il faudra découper, puis plier puis insérer dans des protections de cartes pour jeux (cela évite la phase plastifieuse)

Voici le tuto :

et voici le prompt :

L’idée est simple : faire vivre aux élèves une expérience concrète pour comprendre ce que signifie vraiment donnée anonyme… et surtout pourquoi ce terme est souvent trompeur.

Chaque élève remplit d’abord un questionnaire anonyme (sur pronote, moui par facilité ) : lieu de naissance, ancien professeur, centre d’intérêt, information personnelle non sensible. Pris séparément, ces éléments semblent anodins. Inexploitables. Inoffensifs.

Ensuite, par groupes, les élèves reçoivent plusieurs fiches « données » et doivent répondre à une question très précise :
Peut-on retrouver l’auteur de la fiche uniquement en recoupant les informations ?
Et surtout : expliquer le raisonnement.

Et là, sans magie ni technologie, les identifications apparaissent. Non pas parce qu’une information est sensible, mais parce que leur accumulation réduit drastiquement le nombre de possibilités. Les élèves ne devinent pas : ils raisonnent, éliminent, croisent.

C’est exactement le mécanisme utilisé par les intelligences artificielles :
elles ne « connaissent » personne, mais exploitent des volumes massifs de données pour établir des liens.

La conclusion s’impose d’elle-même : ce n’est pas la donnée isolée qui pose problème, mais le recoupement.

Et c’est précisément ce que vise le RGPD : limiter les croisements non maîtrisés, pas empêcher toute donnée.

Une activité simple, sans écran, mais qui permet aux élèves de ressentir ce qu’ils entendent souvent de manière abstraite : « anonymisé » ne veut pas dire « non identifiable » et qui met du sens dans la réglementation de protection des données.(RGPD)

Cette activité sera testée la semaine prochaine avec ma collègue de Français en soutien (on se fait une semaine pleine avec les 3e sur l’IA et la sécurité.
Voici l’activité :

En fin de 5e, une question finira par émerger :
« En 4e, on pourra utiliser l’IA ? » question directement liée au cadre posé par la lettre de cadrage.

Pour cette 5e activité IA, j’ai fait un choix volontairement différent :
Ne pas commencer par des règles, mais par une expérience de recherche.

L’activité s’inspire d’une étude récente de Bastani et al. (2024) sur l’impact des assistants IA sur l’apprentissage.

Le protocole est évidemment adapté au cadre scolaire : 90 élèves au lieu de 1000, répartis en trois groupes :

• sans IA,
• avec IA utilisée comme « béquille »,
• avec IA utilisée comme guide explicatif.

Les élèves analysent ensuite les résultats comme de vrais statistiens :
moyennes, pourcentages, écarts entre entraînement et évaluation finale.

Une fois les résultats établis, ils pourront les analyser comme de vrais chercheurs en herbe

C’est l’occasion d’introduire, à hauteur d’élèves de 5e :

• le biais de confiance,
• et l’endettement cognitif : déléguer trop tôt à l’IA et perdre la maîtrise.

L’activité se termine par une consigne simple, mais exigeante :

Quel conseil donneriez-vous aux futurs élèves de 4e sur l’usage de l’IA ?

Les réponses doivent s’appuyer sur leurs calculs et leurs analyses, pas sur un discours tout fait.

Objectif : ne pas interdire l’IA, mais former avant d’autoriser.

Vous trouverez les deux ressources : le tableau des résultats des 90 élèves (les données statistiques) ainsi que la fiche d’activité sur 2 pages.

Après trois activités mathématiques sans utiliser l’IA mais autour de l’IA, voici la quatrième.
Son titre : « La pollution silencieuse ».

L’objectif n’est pas d’asséner une vérité du type « les LLM polluent beaucoup ».
L’objectif est plus modeste :
Permettre aux élèves de manipuler des ordres de grandeur, afin qu’ils se construisent une représentation chiffrée, raisonnée et discutable de l’impact écologique des usages des LLM.

Le point de départ est volontairement leur propre usage : leur nombre de requêtes.
Cela permet de sortir d’un débat abstrait et lointain. L’impact n’est plus “celui des autres”, “des entreprises”, ou “des data centers aux États-Unis” : ils en sont parties prenantes, à leur échelle bien sûr.

Il ne s’agit ni de culpabiliser, ni de moraliser. Il s’agit de faire réfléchir, avec des mathématiques.

Une hypothèse essentielle (et assumée)

Un point est posé explicitement dès le départ : À l’heure actuelle, personne ne connaît précisément la consommation réelle des LLM.

Les modèles évoluent très vite. Les usages aussi. Les méthodes d’estimation diffèrent.

Tout indique que les volumes augmentent, même si les modèles deviennent plus efficaces, avec, en toile de fond, le paradoxe de Jevons : améliorer l’efficacité peut conduire… à consommer davantage.

Résultat : les études disponibles aboutissent à des résultats très contrastés.

Deux hypothèses, deux mondes

J’ai donc fait un choix volontairement didactique :

• une estimation issue des entreprises concernées, plutôt optimiste ;
• une estimation issue de travaux universitaires, nettement plus alarmante.

Les élèves effectuent alors les calculs dans les deux cas.
Et ils constatent que les ordres de grandeur varient fortement.

C’est précisément là que se situe l’enjeu mathématique :
– comprendre que l’on ne travaille pas avec une valeur, mais avec une fourchette,
– les hypothèses conditionnent les résultats.

Faire des mathématiques pour penser le réel

Cette activité ne cherche pas à produire une conclusion définitive.
Elle cherche à produire du raisonnement, et même du débat mais éclairé. Apprendre à raisonner dans l’incertitude, plutôt qu’à répéter des slogans, qu’ils soient catastrophistes ou rassurants, sans les avoir interrogés mathématiquement.

WARNING : Afin de rendre l’exercice accessible, j’ai supposé que :

le ratio d’utilisateurs par pays est identique au ratio de requêtes par pays.

C’est une hypothèse simplificatrice, et elle est discutable. Elle peut d’ailleurs servir de point d’appui pour prolonger la réflexion avec les élèves : un utilisateur américain formule-t-il plus de requêtes qu’un utilisateur français ? Les usages sont-ils comparables selon les contextes culturels, scolaires ou professionnels ?

Là encore, les mathématiques ne tranchent pas tout.
Mais elles permettent de poser les bonnes questions, et de comprendre ce que valent et ce que ne valent pas, les nombres que l’on manipule.

Assez vite, une difficulté revient systématiquement :
on parle beaucoup d’IA, d’outils, de scénarios pédagogiques… mais le cadre réglementaire est souvent perçu comme flou, y compris pour des personnels qui en sont pourtant directement responsables.

Entre RGPD, AI Act (RIA), outils institutionnels, décisions algorithmiques, responsabilités respectives de l’enseignant, de l’établissement ou de l’institution, on mélange facilement tout. Et ce flou est rarement rassurant : soit on n’ose rien faire, soit on fait sans trop savoir sur quoi on s’appuie.

Un besoin simple : un document lisible et synthétique

En préparant cette intervention, je me suis donc posé une question très pragmatique :
comment présenter, sur une seule page, l’essentiel de ce que doit savoir un chef d’établissement ?

L’objectif n’était pas de produire un document juridique exhaustif, mais plutôt :

• de clarifier les rôles (qui est responsable de quoi ?),

• de distinguer clairement le RGPD et le RIA,

• de rappeler quelques principes non négociables (contrôle humain, décisions importantes, reconnaissance des émotions),

• d’éviter les raccourcis du type « c’est interdit » ou « on n’a pas le droit à l’IA à l’école ».

RGPD ≠ RIA : deux cadres différents, deux logiques

Un point revient souvent dans les échanges :
le RGPD et le RIA (AI Act) sont régulièrement confondus, alors qu’ils ne portent pas sur la même chose.

Le RGPD concerne les données personnelles : qui les traite, pourquoi, comment, combien de temps.

Le RIA concerne les systèmes d’IA eux-mêmes : leurs usages, leurs risques, leur gouvernance, et les garde-fous à imposer.

En éducation, ces deux cadres se croisent, mais ne se substituent pas l’un à l’autre.
Comprendre cette distinction change complètement la lecture des usages possibles ou non.

Un document de travail, pas un outil de contrôle

Le document que j’ai construit est avant tout un outil d’appui à la réflexion, destiné :

• aux chefs d’établissement,
• aux RUPN
• aux formateurs (qui mettent souvent des outils numériques en avant)
• à tous ceux qui cherchent à sécuriser les pratiques sans les figer.

Il ne s’agit ni d’un vade-mecum officiel, ni d’un texte normatif de plus, mais d’un support pour poser les bonnes questions, au bon niveau.

Ma volonté est plutot d’outiller, clarifier, rendre le cadre lisible, pour que le pédagogique puisse ensuite reprendre toute sa place.

Si ce travail peut aider à apaiser certaines discussions autour de l’IA à l’école, alors il aura déjà rempli son rôle.

De la fin de Flash à une nécessité pédagogique

L’origine du projet est simple et contrainte : l’arrêt de la technologie Flash a rendu inopérantes plusieurs ressources pédagogiques de grande qualité. Parmi elles figurait une application de l’IREM Paris‑Nord permettant de construire des assemblages de cubes pour travailler la vision dans l’espace et le volume par dénombrement.

Si l’outil était techniquement obsolète, ses fondements didactiques restaient pleinement pertinents. Il est alors apparu nécessaire de recréer une solution compatible avec les standards actuels du web, afin de préserver ces usages en classe.

Une première recréation, puis une co‑construction

J’ai developpé une première version expérimentale de cette ressource en m’appuyant sur l’IA.

Ce travail a ensuite été repris et consolidé avec Stéphan Petitjean de l’IREM Paris‑Nord. Cette collaboration a permis de transformer le prototype initial en un outil stabilisé, documenté et diffusé sous licence CC‑BY‑SA : SCÈNE3D/Cubes disponible ici.

Un outil aligné avec les programmes de 6e (2025)

La genèse de SCÈNE3D/Cubes est pleinement en phase avec les programmes actuels de 6e.

l’élève découvre l’unité de volume cm³. En lien avec des problèmes de dénombrement d’assemblages de cubes, il détermine des volumes

SCÈNE3D/Cubes permet précisément cette approche : les élèves construisent des assemblages de cubes, repèrent des cubes visibles ou cachés et déterminent des volumes par comptage, avant toute introduction de formules.

Présentation rapide de l’outil

SCÈNE3D/Cubes est une application web accessible directement dans un navigateur. Elle permet :

• de construire des solides à partir de cubes, plaques et pavés ;
• de manipuler la scène (rotation, zoom, vues multiples) ;
• de sauvegarder et charger des constructions ;
• d’exporter des images ou des fichiers 3D.

Les fonctionnalités sont volontairement limitées à l’essentiel afin de garantir une prise en main rapide et une utilisation réaliste en classe.

J’avais initialement développé une manipulation possible par clavier (utile pour les profs qui souhaitent générer des image de solides, mais l’outil est prioritairement orienté vers les élèves, et un nombre excessif de fonctionnalités peut freiner la prise en main et détourner l’attention des objectifs mathématiques.

Activités proposées

L’outil s’accompagne d’un ensemble d’activités structurées publiées par l’IREM Paris Nord, exploitables du Cycle 2 à la 6e :

Type d’activité	Exemples	Image	Objectifs principaux
Exploration libre	Construction libre		Appropriation
Construction dirigée	Croix, Escalier		Repérage spatial, structuration
Volume par comptage	Cube écorné, Pavé évidé		Cubes cachés, volume
Défis progressifs	Défi Construction (1 à 12)		Visualisation, stratégies
Activités « ludiques »	Éléphant, Pingouin		Engagement, rigueur

Ces activités peuvent être utilisées en découverte, en entraînement ou en évaluation formative.

Exemple d’usage en 6e

En 6e, une séance type consiste à faire construire un solide (cube écorné ou pavé évidé), à identifier les cubes non visibles, puis à déterminer le volume par comptage. La mise en commun permet d’introduire explicitement l’unité cm³ et de construire le sens du volume.

Conclusion

SCÈNE3D/Cubes est né d’une contrainte technologique – la disparition de Flash – mais il a surtout grandi grâce à une logique de partage et de continuité pédagogique. L’idée initiale était de ne pas laisser disparaître une ressource efficace pour travailler le volume ; sa forme actuelle dépasse largement cette intention première.

Je tiens ici à adresser un remerciement appuyé et sincère à Stéphan Petitjean, qui a su reprendre cette idée, l’enrichir, la structurer et lui donner une place pleinement assumée au sein des ressources de l’IREM Paris-Nord. La qualité de la ressource finale, tant sur le plan technique que didactique, montre ce que peut produire un travail réellement collaboratif.

SCÈNE3D/Cubes illustre parfaitement ce que signifie le REL : non pas une appropriation ou un effacement des idées, mais une mutualisation, un prolongement et une mise en valeur au service de tous. En ce sens, cette ressource mérite d’être connue, utilisée et diffusée largement.

C’est aussi, à titre personnel, un très joli cadeau de Noël.

Stéphan, un grand

Enfin, ce projet rappelle le rôle essentiel joué par les IREM. À une période où ces structures peuvent être fragilisées par des arbitrages budgétaires, il est important de souligner que c’est précisément grâce à leur existence que peuvent émerger, se consolider et se diffuser des projets de cette qualité. Soutenir les IREM, c’est soutenir une recherche ancrée dans le terrain, au service des enseignants et des élèves.

Les élèves y manipulent une petite machine d’IA qui génère un début de phrase en deux étapes : un sujet, puis un verbe, choisis selon des probabilités.

Ils doivent représenter toutes les issues dans un arbre de probabilités, calculer les probabilités des issues possibles et identifier la phrase la plus probable.

J’ai volontairement simplifié le modèle : les IA utilisent en réalité des « tokens », des unités qui ne sont pas forcément des mots mais entrer dans ces détails aurait détourné l’objectif principal de l’activité, je pense malgré tout l’évoquer à l’oral pour les plus curieux d’entre eux.

Comme indiqué dans la seconde page, cette machine fonctionne comme un modèle de langage : Elle ne raisonne pas ; elle applique mécaniquement les probabilités apprises.

Le point clé de n’activité est sur « l’erreur » de conjugaison possible de l’IA.
Tout l’enjeu est de montrer que l’IA ne commet pas d’erreur en tant que tel, mais son entrainement sur des données (possiblement erronnées) peut conduire à reproduire cette tendance.

Objectifs de l’activité

Mathématiques

• Construire et interpréter un arbre de probabilité.
• Calculer des probabilités conditionnelles.

Culture numérique et IA

• Comprendre que les IA génèrent des prédictions en appliquant des calculs probabilistes.
• Prendre conscience que ces prédictions dépendent fortement de la qualité des données d’entraînement.
• Développer l’esprit critique face aux productions automatiques.

Cette approche répond à une inquiétude récurrente des collègues :

le programme est dense, et l’on doit malgré tout intégrer la sensibilisation à l’IA, le PIX, l’éducation aux médias, etc.

L’enjeu est donc de proposer des activités qui restent disciplinaires, tout en ouvrant la réflexion : « d’une pierre deux coups. ».

Voici donc la première, disponible en fin d’article. Elle est conçue pour être imprimée en recto-verso.

Dans cette première activité, les élèves commencent par représenter un tableau de valeurs sur un repère (page 1). Une fois les points placés, ils doivent deviner les valeurs manquantes en prolongeant la tendance.

Ensuite, ils découvrent en tournant la page d’où proviennent réellement les données : la courbe représente la taille d’un enfant (moi d’ailleurs ).
C’est le moment clé de l’activité (en tout cas sur l’IA)
Ils comparent leur prédiction avec la réalité, puis se questionnent sur la pertinence de leur estimation.
Cette prise de conscience permet d’expliquer, de façon intuitive, le phénomène d’hallucination des IA : comme les élèves, les modèles ne font que prolonger une tendance à partir des données disponibles. Et lorsqu’ils extrapolent trop loin, ils se trompent.

Objectifs explicites de l’activité

1. Objectifs mathématiques
   – Lire et compléter un tableau de valeurs.
   – Représenter des données dans un repère orthonormé.
   – Identifier une tendance graphique et effectuer une prédiction.
2. Objectifs culture numérique et IA
   – Comprendre que les modèles d’IA analysent des données pour repérer des régularités.
   – Découvrir que la prédiction algorithmique, comme celle des humains, peut être erronée lorsqu’elle se base sur une extrapolation trop lointaine.
   – Introduire la notion d’hallucination : une prédiction fausse produite avec aplomb.
   – Renforcer l’esprit critique face aux productions des IA.

Je vous présente une activité autour du jeu de Nim simplifié (8 allumettes), destinée aux élèves de 4e et 3e, qui permet d’introduire de manière ludique la notion d’apprentissage par renforcement.

Cette activité vise à vulgariser le concept ; elle fait partie des nombreuses expérimentations que j’ai menées ou que je vais mener en classe.

Elle est bien sûr perfectible, mais offre une base intéressante pour aborder l’IA avec les élèves.
L’idée originale de l’activité ne vient pas de moi : elle circule depuis une dizaine d’années et a notamment été reprise par Jean-Baptiste Caillau, Christophe Cazanave et Marc Monticelli (Université Côte d’Azur, CNRS, LJAD, France).

J’ai simplement conçu un document élève, accompagné de quelques définitions et pistes de réflexion, que je compte réutiliser pour d’autres activités.
Je m’appuie sur quelques gobelets et jetons et sur le simulateur du CNRS disponible à cette adresse :
https://projet.liris.cnrs.fr/~mam/machine

Voici le document Elève :

Bon, les collègues, pour ceux qui ne connaissent pas encore Plan-Classe-offline, c’est ce petit bijou qui permet de gérer ses plans de classe avec les photos importées depuis Pronote, sans jamais envoyer la moindre donnée sur un serveur.
Tout se fait en local, sur votre machine, en toute tranquillité. Bref : vos données restent à la maison.

Et bonne nouvelle : le logiciel passe en version 4.1.1

Nouveautés et fonctionnalités

• Plusieurs dispositions possibles pour une même classe : tables individuelles, doubles, triples (pour les sciences) ou même en îlots (oui, les fans de pédagogie coopérative, c’est pour vous ).
• Gestion de plusieurs classes : pratique quand on enchaîne les 6e, 5e, 4e, 3e.
• Import automatique des prénoms et l’initiale du Nom et des photos Pronote.
• Suivi des actions élèves : aide à un camarade, participation, bavardage, oubli… avec export de l’historique par élève. (Franchement, un must have pour les rendez-vous parents !)
• Bouton “interroger un élève au hasard” : parfait pour éviter les « il prend toujours les mêmes ! ».
• Refonte complète des procédures internes : plus simple, plus fluide, plus agréable à utiliser.
• Installation locale possible (via Chrome ou Edge) : l’application peut tourner sans connexion Internet.
• Impression des plans de classe directement depuis l’application (pour les nostalgiques du papier ou les inspections).
• Optimisation pour tablette (oui, c’est notre utilisation, et ça marche au top)

En résumé

Une mise à jour bien pensée, qui garde l’esprit du projet : utile, local, respectueux de la confidentialité.
C’est typiquement le genre d’outil qu’on se demande comment on faisait sans.

Si vous ne l’avez pas encore testé, c’est peut-être le moment de passer à la V4.1.1 !
Le tuto en dessous, rendez-vous à l’adresse : https://www.mathix.org/plan-classe/

Arnaud a travaillé d’arrache-pied durant la première semaine des vacances (et il continue à corriger les bugs que je lui signale ^^).
J’ai donc réalisé un tutoriel, car il a entièrement revu l’ergonomie : boutons, intitulés, etc.

Nouveautés :

• Révision du système de bons points et mauvais points (actions prédéfinis identiques au carnet de correspondance ou pronote)
• Possibilité d’exporter l’historique des points sous forme de tableau — pratique pour les rendez-vous parents.
• On peut désormais quitter le mode édition pour obtenir un plan statique servant uniquement à la gestion des points.

• L’application gère plusieurs dispositions d’une même classe, utile quand on change de salle.
• Les élèves sont identifiés par leur prénom et l’initiale de leur nom.
• Il est possible de mettre à jour la classe en cas d’arrivée d’un nouvel élève sans perdre les points existants, à condition de réimporter la classe sous le même nom.

Bref, un gros travail a été accompli !
Si vous repérez des bugs, n’hésitez pas à les signaler.

Plan-classe est dispo à cette adresse : https://mathix.org/plan-classe/

Et voici le tuto (il n’explique pas tout mais l’essentiel ) :

Je viens de lire Métamorphoses à l’ère de l’intelligence artificielle de S. Amarsy (qu’un ami m’a donné hier).

Je ne rentrerai pas dans une analyse détaillée de l’ouvrage : certains passages dépassent mon champ d’expertise, et d’autres m’ont paru déjà familiers si l’on a suivi les débats récents autour de l’IA.
L’ensemble comporte quelques redondances, mais l’ouvrage a le mérite de proposer une vision accessible et d’ouvrir des pistes de réflexion pour celles et ceux qui découvrent le sujet.
Le livre se veut avant tout une réflexion sur l’impact de l’IA dans la société, et j’avoue être resté sur ma faim concernant le lien entre IA et enseignement.
L’auteur soulève de belles questions, mais sans vraiment proposer de pistes concrètes. On reste davantage dans une réflexion sur l’épanouissement personnel des élèves que sur l’École comme lieu d’apprentissage.
Cependant, j’ai poursuivi la lecture et j’y ai trouvé un outil intéressant : basé sur la matrice de Staley, que l’auteur nomme Matrice des Métamorphoses (je pense qu’il s’appuie aussi sur la fenêtre d’Overton).

J’ai donc décidé d’en créer une version adaptée à l’IA et à l’école.

Cela m’a permis de visualiser les glissements qui pourraient s’opérer.
En vulgarisant, les concepts ont tendance à descendre (de l’impensable vers le populaire) et à se déplacer vers la droite (de l’exploratoire vers le déployé).
Tous ne suivront pas ce chemin, heureusement, mais cette matrice me semble être un outil utile pour observer et anticiper les transformations à venir, notamment celles que l’Éducation nationale devra nécessairement entreprendre.

J’y ai ajouté, en rouge, les quatre visions de l’IA que je dois à Arnaud, pour compléter la lecture.

Et oui, pour la première case, je me suis amusé à la compléter : on est en plein dans les concepts un peu loufoques, entre Matrix (c’est de ma génération) et les implants neuronaux qui peuplent désormais la pop culture.
Je crois qu’on pourrait d’ailleurs la remplir de bien d’autres références issues de la culture scientifique et fictionnelle… mais ça, c’est une autre histoire.
À vos retours.

Face à l’enquête TALIS, notre prudence française face à l’IA est-elle une forme d’arrogance intellectuelle ?, ou une forme de sagesse collective ?

I. La défiance française : héritage culturel ou résistance salutaire ?

N’est-ce pas là une exception française ? A l’image de notre cinéma français, qui était est une exception mondiale avec des financements publics pour permettre de mettre en avant des projets pas bankables mais pourtant essentiels à notre culture.
Notre cinéma est souvent celui qu’on mérite, pas forcément celui qu’on veut (par confort ou facilité ) et il nous pousse à réfléchir.
Peut-être en va-t-il de même avec l’IA : la société (le monde de la Tech) nous propose ce qu’elle peut vendre, pas forcément ce dont l’éducation a besoin.

Ne faut-il pas y voir simplement cela? les érudits français qui prennent de la distance avec les IA, précisons les IA (basées sur du machine learning), voire même les LLMs.
Les arguments de la défiance sont nombreux :

• Un prof est un sachant, point besoin de machine (oui c’est un peu la position qu’on a envie de prendre et moi le premier, on a fait des études et on sait),
• Un manque de fiabilité (toutes les enquêtes le montrent, dont la dernière avec France Info)
• L’homogéinisation de la pensée,
• L’endettement cognitif,
• Absence de confrontation à la friction cognitive essentielle pour l’apprentissage.
• Développement des biais de représentation.

Cette méfiance, associée (à tort ou à raison) à notre culture française, peut être vue comme une résistance éclairée. Mais elle peut aussi masquer un certain retard, voire une frilosité face aux transformations en cours.
D’où une deuxième lecture possible…

II. Les promesses et limites réelles de l’IA dans nos métiers.

Ou alors, on est en retard, on ne prend pas la mesure de la technologie qui peut nous :

• faire gagner du temps,
• corriger nos fautes d’orthographe et même proposer des tournures de phrases permettant de mieux exprimer nos idées.
• nous permettre d’être efficace plus facilement ( rapidité d’écriture)
• permettre de répondre au besoin croissant de différenciation et d’individualisation ( je n’aime pas le dernier terme, il me renvoie à l’individu, or je préfère faire société…).
• produire des images pour illustrer nos propos,
• rendre plus abordables ou plus attrayant les notions à travailler avec des illustrations explicatives
  

M’étant penché sur la question depuis presque 2ans, j’ai eu la hype, ce moment déraisonné où l’on voit la Terra incognita s’étendre devant soi, et de se dire que des nouveaux possibles sont à portée de main…
Comme toujours, les désillusions arrivent, et en masse :

La didactique appartient « encore » à l’Homme. Certains me diront que ça permet de générer des quantités d’exerices ou de cours, des corrigés etc… mais qu’il faut relire, corriger, réadapter. Pascal Picq disait que toute évolution ne conduisait pas à moins de travail, mais à un déport de celui-ci, je crois assez à cela, on va devenir expert en relecture, mais relire ne permet pas d’innover, et l’IA n’innove pas car elle ne peut que générer ce qu’elle a absorbé.

En conséquence, un LLM est entrainé à manipuler du texte, il le fait bien.
Il est bon pour « remanier un texte », le rendre accessible à des allophones, ou des élèves « dys » ou « peu lecteurs « . Mais attention il ne l’est certainement pas pour donner des « nouvelles » idées, il donne du réchauffé voir du déformé, cela génère (IA générative)

III. Les bots : entre promesse sociale et mirage technologique

Sur ce point, je suis très partagé, je ne parviens pas à chosir un camps, je vais rester sur un « je ne sais pas » mais avec un éclairage malgré tout. Les Bots peuvent permettre de répondre à la fracture sociale, les élèves peuvent continuer d’apprendre à l’aide de cette nouvelle interaction. Les feedbacks instantanés, l’engagement ( par l’effet Wahou) réel, cela représente 2 des 4 piliers de l’apprentissage .

Cependant, sur l’engagement nécessaire aussi (1 autre des piliers de l’apprentissage), cela reste à voir, car celui-ci peut devenir superficiel (on consomme).

Un autre argument vient du fond on doit aussi les alerter sur les biais de représentation, la consommation écologique, la pensée normée, l’absence de fiabilités de sources.

Les défendeurs des Bots, viendront me préciser que les RAG permettent de limiter les hallucinations, mais on peut glisser vers une confusion pour les élèves entre Bots-RAG et LLM grand public. Je trouve cela dangereux.

En somme, cela pourrait être intéressant MAIS… Je suis dans le dilemme.

Le débat sur l’apport de l’IA est faussé dès le départ : on met en avant les réussites spectaculaires, rarement les échecs. J’en suis moi-même parfois complice, emporté par la hype. Arnaud m’a éclairé sur ce point (c’est ma caution quand je dérive et que je m’enflamme, c’est bien ce qui fait notre force, notre « contradiction lucidifiante »). De plus la plupart des défenseurs sont ceux issus des EdTech qui souhaitent vendre leurs services. Attention aux arguments commerciaux.

IV.La dissonance cognitive pour moi

Arnaud m’a remis en avant le syndrome du survivant, il y a aussi le biais d’ancrage.

C’est vrai que l’an passé, je commençais mes formations par « l’IA ne me fait toujours pas gagner de temps dans mon travail de prof », et c’est toujours le cas. La relecture est toujours dense, et on finit souvent par tout reprendre, MAIS, on s’enfermant dans la « logique de pensée du LLM » (je devrai plutot dire dans le machin que le LLM écrit), prisonnier d’une certaine norme.

En fait ce qu’il y a de plus bizarre, c’est que je prends conscience des dangers de l’IA et ma peur grandit de ne pas contrôler cette utilisation, et de l’autre, je reste enthousiaste face aux possibilités offertes (on ne s’enflamme pas, la scénarisation péda reste à ma charge, mais pour les reformulations, c’est pas mal, non ? Alors faut-il freiner l’utilisation ? Je serai tenté de dire oui, mais pour mieux y réfléchir.

Les enjeux économiques sont énormes : Les Edtech se pressent à nos portes. Entre promesse et réalité, il serait temps de prendre… le temps.

V.Conclusion

Face à l’enquête TALIS, peut-être notre prudence n’est-elle pas de l’arrogance, mais une forme de sagesse collective. L’IA reflète peut-être simplement notre société : fascinée par la perfection et l’instantanéité.

Mais l’apprentissage, lui, se nourrit d’imperfection, d’erreurs, d’essais et de temps.

Freiner, non pour refuser, mais pour comprendre, s’imprégner.

Car si l’IA nous pousse à aller plus vite, notre plus grand acte de résistance sera peut-être de continuer à penser… lentement.

Alors oui, ma position n’est pas confortable, tiraillée entre réflexions, envies et doutes.
Mais elle est sincère : j’expérimente, je doute, j’apprends, en prenant le temps, n’est ce pas ce qu’on demande à nos élèves ?

Depuis mars dernier, j’ai retravaillé le diaporama que je présente dans le cadre du FIL (Formation Initiative Locale) consacré à l’intelligence artificielle et à l’éducation.
Ce travail est le fruit de nombreux échanges – avec Arnaud Durand, la DRANE de Nantes, et mes collègues Benjamin et Annelyse (si vous me lisez ), et d’une conviction renforcée : avant d’intégrer l’IA dans nos classes, il faut d’abord s’y acculturer.

L’objectif de cette formation est clair : comprendre comment fonctionne l’IA pour mieux en parler avec nos élèves et mieux choisir quand et comment l’utiliser.
Le diaporama s’articule autour de quatre axes (Merci Arnaud Durand pour cette restructuration):

– Éducation à l’IA : donner aux enseignants et aux élèves une culture éclairée sur les principes, les biais, les impacts sociaux et les enjeux écologiques de ces technologies. Comprendre, avant tout, ce qu’il y a derrière la “magie”.
Les faire réfléchir à ce que ces outils peuvent réellement apporter à l’apprentissage. Comment influencent-ils la motivation, l’attention, la posture d’élève ?

– Éducation enrichie par l’IA : L’IA comme soutien pour l’enseignant afin de l’aider dans la recherche de différenciation, adaptation. L’IA pour le prof. Attention, l’IA ne remplace pas le travail pédagogique, elle peut seulement l’éclairer sous un autre angle.

– Éducation par l’IA : imaginer des scénarios pédagogiques où les élèves deviennent acteurs avec des bots : conception de chatbots disciplinaires, apprendre avec l’IA mais avec prudence.
Je reste sceptique sur l’idée d’une “éducation par l’IA”, qui, en l’état, manque encore d’une véritable réflexion didactique. Trop souvent, les productions de l’IA (exercices, activités, séquences) oublient la progressivité, la posture d’élève, et la finalité d’apprentissage.

Ce diaporama n’est donc pas un mode d’emploi, mais une invitation à la réflexion collective.
Apprendre à s’emparer de ces outils, à en mesurer les apports, à en critiquer les angles morts.
Parce qu’avant d’enseigner avec l’IA, il faut surtout apprendre à enseigner sur l’IA — et à garder notre discernement d’enseignant face à la tentation de l’automatisme.

En découvrant PlanClasse, créé par Sébastien Henriot (IAN éco-gestion, académie de Besançon), j’ai été bluffé par la qualité de l’outil : fluide, ergonomique, bien pensé… bref, du beau travail !

Il est présent ici.

Mais j’avoue avoir ressenti une petite frustration : il faut que Pronote tourne en arrière-plan et c’est pas ce que je souhaitais. Sébastien voulait éviter toute utilisation de données.

Or, je cherchais une solution 100 % hors ligne : utiliser Pronote une seule fois pour importer la liste et les photos des élèves, puis tout gérer en local.
On manipule bien sûr des données personnelles, mais rien de plus sensible que lorsqu’on garde un trombiniscope en PDF sur une clé USB.
En somme, tout reste stocké en local, sur l’ordinateur, sans aucun envoi en ligne et cela va sans dire : ce fichier ne doit jamais être partagé ou mis en ligne.

Du coup, je me suis retroussé les manches et j’ai modifié PlanClasse pour répondre à ce besoin.
Je ne m’attribue aucun mérite : l’idée de départ est celle de Sébastien, et j’ai simplement travaillé avec l’aide de l’IA pour adapter le code. Après quelques heures de bidouillage, j’ai obtenu une version qui colle à mes usages.

Et c’est justement ce que j’aime dans ces projets : la logique du partage et de la co-construction.
On s’inspire, on adapte, on améliore, et chacun apporte sa pierre à l’édifice.

On appelle ça les REL (Ressources Educatifs Libres) : Retenir, Réutiliser, Réviser, Remixer, Redistribuer.

Si le sujet vous intérésse, l’UNESCO a publié une brochure sur cela : Ressources éducatives libres (REL) accessibles: document d’information – UNESCO Bibliothèque Numérique

C’est vraiment cette logique de partage qu’il faut garder à l’esprit.
Et qu’on soit bien clairs : Sébastien reste l’auteur de PlanClasse. Il n’y a aucune perte de paternité dans cette démarche.
Son outil est juste en train d’évoluer grâce à des idées venues d’ailleurs, comme cela devrait toujours se passer dans une communauté éducative ouverte.

Je sais que c’est souvent une crainte chez les enseignants : qu’on leur “pique” leur travail.
Mais honnêtement, la plupart d’entre nous sont droits et respectueux du travail des autres.
Je préfère mille fois miser sur cette confiance collective que de se méfier de ceux qui voudraient simplement se faire mousser sans rien apporter.

Arnaud, de son côté, a ajouté sa touche (sans IA !) pour affiner le style et la gestion des tables (il a déjà quelques idées en stock, comme on se dit souvent quand on a un truc qui tient la route, le fameux « Ouais c’est pas mal. »)

Prochaine étape : rendre l’application compatible avec la BOOX Ultra, cette tablette e-ink avec stylet qu’on adore tous les deux.
Objectif : pouvoir prendre des notes rapidement sur les élèves, directement depuis la tablette.
D’autres versions viendront, et pourquoi pas la vôtre ?

Comment on l’utilise ?

Démarrage

• Ouvre le fichier « planclasse_offline – v3.6.1.1.html » dans ton navigateur (Chrome, Edge ou
  Firefox).
• L’application charge automatiquement une disposition complète (18 tables de 2 élèves).
• Tout est local : aucune donnée n’est envoyée sur Internet.

Importer les élèves depuis Pronote (à ne faire qu’une fois par classe)

• Clique sur « import-de-pronote », puis on fait glisser Bookmarklet sur les favoris du navigateur.
• Ouvre dans un autre onglet Pronote et on se place sur le trombinoscope d’une classe et on clique sur le favori Bookmarklet.
• Enregistre le fichier JSON ainsi créé.
• Importe le fichier JSON

Gérer les tables et les placements

• « + Ajouter une Table » : ajoute une nouvelle table.
• « Configuration rapide » : choix d’une disposition (standard, U, îlots, etc.).
• « Placement aléatoire » : place les élèves automatiquement.
• Chaque table peut être tournée , renommée , redimensionnée ou supprimée .

Gérer les élèves

• Recherche : tape un nom pour filtrer la liste.
• Double-clique sur un élève pour ouvrir ses notes sur l’élève.
• Active le mode « points » pour attribuer des actions positives ou négatives.
• Historique et total de points visibles sur chaque fiche élève.

Sauvegarder et restaurer

• Exporter : crée un fichier JSON avec le plan complet (élève, disposition des tables, photo, points )
• Importer : recharge un plan ou des élèves à partir d’un JSON.

Impression

Imprimer : génère une version papier du plan de classe.

Interroger un élève

Sélectionne un élève aléatoirement et le met en surbrillance.

RGPD

• Toutes les données sont traitées localement sur l’appareil.
• Aucune transmission ni stockage externe.
• Conforme au RGPD pour un usage individuel en classe.

J’allais oublier, voici la bête :

Le plan de classe n’aura jamais été aussi simple !

Update : des nouveautés grâce à Arnaud, on peut avoir des boutons raccourcis qui permet de jongler entre différentes salles/classes (sauvegarde de l’ensemble dans le cache du navigateur)

Et voici le tuto qui va avec (j’avais des captures avec l’ancienne mouture), import et export sont devenu importer la base et exporter la base