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…

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 :

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 :

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.

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 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.

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.

Mon projet : intégrer un LLM au sein de la classe, avec mes élèves de 4e et de 3e.
L’an dernier, j’avais expérimenté ponctuellement l’utilisation de corrections réalisées par un LLM. Cette année, je souhaite inscrire cette pratique dans une démarche plus régulière et structurée.
C’est ce qu’Arnaud va appeler : « Education avec l’IA » (le prof reste maitre de ce qui se passe), d’ailleurs, allez jeter un coup d’œil sur son article qui permet de clarifier les différentes places de l’IA dans l’éducation.

Constat de départ :

Un LLM commet des erreurs, propose parfois des réponses pertinentes et « sait » également expliquer ses choix, comme un élève somme tout.
Mon intention est donc de le présenter aux élèves sous cet angle : quelque chose de faillible et tordre le cou à ce dogme de l’IA a toujours raison. Tout Chatbot est faillible et le présenter autrement me parait dangereux.
( Cet article est écrit en 2025, si des lecteurs des années 2040 se marrent en tombant sur cet article, il faut le mettre dans le contexte, peut-être que plus tard, les LLM ou autres modèles seront gages de vérité, pour le moment ce n’est pas le cas, dixit les ingénieurs d’OpenIA : Modèles de langage : aux origines des hallucinations | OpenAI)

Pré-requis :

Au préalable, il faut un compte sur un LLM, afin d’avoir un suivi de cet élève virtuel.

Bien évidemment, quand Albert ( l’IA) sera là, je la prendrai. Par défaut, je vais le tourner vers un LLM privé ( je ne mettrai pas de données personnelles, seulement mes cours et exercices vont être donnés au modèle. )

J’afficherai régulièrement au tableau l’interface du LLM pour montrer son travail à la classe.

je vais décider ( je changerai peut-être d’avis sur ce point) de ne pas sélectionner en amont les réponses du LLM, je veux garder la surprise, pour moi comme pour eux.

Je n’ai pas de doute, il aura par moment raison et par moment tord. Je ne veux pas tomber dans le travers de ne montrer que des démarches fausses, favoriser l’esprit critique passe par voir du faux mais aussi voir du vrai.

Les objectifs :

• Développer l’esprit critique des élèves face aux productions d’une intelligence artificielle.
• Favoriser la verbalisation des raisonnements et la justification des démarches.
• Améliorer la compréhension des erreurs et les dédramatiser.
• Promouvoir un usage réfléchi, éthique et éducatif de l’IA en classe.

Déroulement de ma première séance.

Ma présentation tout en affichant au tableau l’interface du LLM :
« Nous accueillons un nouvel élève, Albert, qui suivra le même programme de mathématiques que nous. Il réalisera les exercices demandés, tant en classe qu’à la maison, et passera les mêmes évaluations, que je corrigerai. »

Je préciserai ensuite que, comme pour chacun d’entre eux, il sera parfois interrogé sur son travail et que celui-ci fera l’objet de remarques collectives. Il pourra également, à certaines occasions, apporter son aide à ses camarades et, inversement, bénéficier de leur soutien lorsqu’il en aura besoin.
L’idée est d’en faire un véritable pair d’apprentissage, ni modèle, ni rival, mais un interlocuteur commun.

Apports du dispositif

Alors, oui, il va y avoir l’effet « WAHOU », qui je l’espère, se dissipera avec le temps pour tirer pleinement du dispositif :

• Permet de dédramatiser l’erreur en l’attribuant à un tiers virtuel.
• Développe l’esprit critique et l’argumentation entre pairs.
• Introduit l’IA de façon responsable et éducative.
• Donne à voir les limites des modèles de langage (problème d’alignement, prompting.)

J’espère également favoriser une meilleure qualité des échanges entre pairs, en encourageant des dialogues constructifs fondés sur l’argumentation, l’écoute et le respect mutuel.

Comment garder trace ? :

Je vais leurs donner des cartouches comme celle-ci (je vais surement retravailler la forme en fonction de retours élèves :

Bilan de l’expérimentation

Un bilan sera réalisé à la fin du semestre, incluant un retour des élèves sur le dispositif.
Je prévois même d’aller (si ça fonctionne bien) jusqu’à rédiger un bulletin semestriel pour Albert, en concertation avec la classe, comme pour n’importe quel élève.

Alors pourquoi la webapp?

En fait, mon besoin c’était de le montrer en formation IA (j’en fais pas mal, et je trouve que le jeu en mode cartes et plateau c’est bien mais fastidieux quand on a 25 collègues dans une salle pour ce jeu), du coup je me suis dit que le projeter, ça serait pas mal, voir en version numérique !

Un gros problème, je suis une chèvre pour coder, j’ai bien quelques notions certes, mais point le temps de réactiver mes connaissances. Naturellement, j’ai demandé à l’IA

Quand ChatGPT code…

Bon ce n’est pas la panacée non plus, des trucs sophistiqués, ça ne fonctionne pas.

J’ai donc du mettre les mains dedans pour que ce soit fonctionnel, et le pire c’est qu’Arnaud est passé derrière pour corriger des trucs (je pense que sur mon écran, ça fonctionnait, Arnaud a du voir que ce n’était pas responsive sur d’autres types d’écran, il rajouté les ombres sur les cartes. bref il a rendu publiable (un GROS MERCI à LUI), bref vous avez un projet DUDU.

Mon bilan est globalement positif. Certes, l’IA ne fait pas tout à ma place, mais elle m’a réellement aidé à coder, rendant le projet réalisable. Alors oui, certains diront que je n’ai pas véritablement « appris », mais je nuancerais cette critique : on est tout de même obligé de lire, de comprendre et d’adapter le code. L’un des atouts majeurs, c’est que le HTML généré reste lisible et accessible, même pour un non-spécialiste.

Triche or not Triche.

Il est accessible à cette adresse : https://mathix.org/IA-triche-or-not-triche/
Petit détail : Si on clique sur les cartes ça les agrandit afin d’améliorer la lisibilité du texte, si on reclique, elle reprend sa taille originelle.

Déroulé de l’activité « Triche or Not Triche » version webaap avec les élèves

• 1. Mise en situation

Présentation du jeu et de son objectif : classer différentes situations d’usage de l’IA sur la double flèche Triche or not Triche

• 2. Lancement du jeu

Un élève volontaire prend la souris et déplace les cartes (situations) une par une.

Rappel des règles du débat : respect de la parole, écoute, argumentation, droit au désaccord.

À chaque carte, débat rapide en classe (avis, arguments).

Le professeur régule les échanges, recentre si besoin, reformule.

• 3. Validation du classement

Une fois toutes les cartes placées, retour global sur les choix.

Le professeur acte le classement final, éventuellement en nuançant certaines positions :

→ Ce qui est clairement de la triche,

→ Ce qui dépend du contexte,

→ Ce qui est acceptable et même encouragé.

• 4. Cadre d’usage de l’IA dans le travail personnel

Définition claire de ce qui est autorisé ou non pour les devoirs maison :

Est-ce qu’on peut utiliser ChatGPT ?

Pour quoi faire (réviser, vérifier, s’entraîner…) ?

Ce qui n’est pas accepté (copier-coller sans compréhension, générer une rédaction sans y toucher, etc.).

Attentes claires : ce qu’on attend d’un élève qui utilise l’IA intelligemment (traces de réflexion, reformulation, appropriation).

J’ai une pépite pédagogique à partager avec vous. Vivien Mirebeau, un collègue philosophe de l’académie de Nantes, m’a glissé un message sur Matermost (notre chat maison) pour me présenter le fruit de son travail. Curieux et séduit, je vous propose de découvrir EduBot.fr, une plateforme qui permet aux enseignants de créer des chatbots sur mesure pour leurs élèves. Si vous aimez l’innovation éducative simple et puissante, cet article est pour vous !

EduBot.fr : Qu’est-ce que c’est ?

EduBot est une plateforme en ligne permettant aux enseignants de concevoir et de paramétrer leurs propres chatbots éducatifs de manière simple et conviviale. Ces assistants virtuels offrent une nouvelle dimension à l’apprentissage, rendant les interactions plus engageantes pour les élèves.

Fonctionnalités principales

• Partage et mutualisation des chatbots : L’une des grandes forces d’EduBot réside dans la possibilité de partager ses créations avec d’autres enseignants. Une communauté dynamique est en train de naître autour de la plateforme, favorisant les échanges de bonnes pratiques, de ressources et de chatbots prêts à l’emploi.

• Création de chatbots personnalisés : On peut créer très simplement un chatbot à partir d’un prompt et de NOS propres ressources (documents, liens, contenus pédagogiques), selon le principe du RAG (Retrieval-Augmented Generation). On peut l’agrémenter de QCM, cartes mentales interactives (Markmap), ou encore des liens et vidéos : autant d’éléments qui transforment ce chatbot en véritable compagnon d’apprentissage pour vos élèves. Et pour le matheux que je suis, le LaTeX est pris en charge. Quand je vous dis que ce Vivien, il nous bichonne !

• Constitution de vos classes : On peut créer et organiser nos classes d’élèves directement sur la plateforme pour un suivi centralisé et une gestion facilitée.

• Suivi de la progression des élèves : Grâce à un compte enseignant, on peut suivre les avancées de nos élèves et ajuster vos contenus en conséquence. Ce suivi se fait notamment par l’accès aux conversations que les élèves choisissent de transmettre — avec leur consentement explicite, conformément au RGPD — permettant ainsi une analyse de leur compréhension et de leurs besoins. Un petit plus malin : le chatbot évalue la qualité de l’expression écrite de l’élève grâce à une pastille colorée (verte, orange ou rouge), un retour visuel simple et efficace.

Tarification

EduBot propose plusieurs plans adaptés aux besoins des enseignants et des institutions :

• Plan gratuit : Idéal pour débuter, avec la possibilité de gérer jusqu’à 40 élèves et de créer 5 chatbots.
• Plan enseignant : Pour 10€ par mois, gérez jusqu’à 250 élèves et créez jusqu’à 100 chatbots.

Des packs avantageux sont également disponibles pour les établissements souhaitant équiper plusieurs enseignants.

Données personnelles et sécurité

La protection des données est une priorité pour EduBot. La plateforme s’engage à être transparente sur la collecte et l’utilisation des informations personnelles, assurant ainsi une utilisation en toute confiance. Vivien veille personnellement à ce que les données soient protégées au maximum. Certes, la plateforme utilise des API de modèles américains, mais les clauses d’utilisation stipulent clairement que les données ne sont pas réutilisées à des fins externes. Un vrai plus dans le contexte actuel, même si je resterai prudent pour ma part.
Les données élèves (nom prénom) demeure en France. 

Et l’homme derrière EduBot.fr

Derrière cette belle aventure numérique se trouve Vivien Mirebeau, professeur de philosophie dans l’académie de Nantes, qui développe seul cette plateforme avec passion et une sacrée dose de persévérance depuis octobre (ça n’a même pas un an). Il a su, à lui seul, concevoir un outil puissant, intuitif et prometteur, qui mérite d’être découvert par un plus grand nombre d’établissements. C’est un véritable exemple d’innovation pédagogique portée par le terrain.

On ne peut que souhaiter que les institutions éducatives prennent la mesure de cette initiative : en accompagnant ce projet, en épaulant son développement ou même en finançant une partie des dépenses, elles contribueraient à pérenniser un outil à fort potentiel au service des enseignants et des élèves.

Quelques limites à garder en tête quoique…

Comme tout projet en développement indépendant, EduBot.fr a aussi ses petits « hics » :

• Des modèles d’IA modestes : Les modèles utilisés ne sont pas les plus performants du marché, mais ce choix s’explique par des contraintes budgétaires — et un vrai souci de sobriété numérique. Il faut saluer l’équilibre entre accessibilité, efficacité et écologie. Vivien travaille par ailleurs à améliorer la fiabilité des réponses grâce à une option « correctif » éditable, offrant ainsi à l’enseignant un « possible contrôle » des modèles.
• Accessibilité et ergonomie : Actuellement, l’interaction avec les chatbots se fait uniquement par écrit. Cela peut avoir son charme au début, mais devient rapidement fastidieux, surtout pour les élèves qui ne sont pas à l’aise avec un clavier. Mais en même temps sur téléphone, la dictée vocale peut dépanner (et en plus le site est responsive.)

Une piste d’avenir : intégration dans ELEA

Pour aller encore plus loin, une intégration d’EduBot.fr dans ELEA, l’espace de e-éducation de l’académie de Nantes, serait une avancée majeure. Elle permettrait aux enseignants de tirer parti des fonctionnalités de la plateforme tout en l’inscrivant dans un environnement numérique de travail familier, sécurisé et déjà utilisé par nombre d’établissements. Un pont naturel entre innovation individuelle et écosystème institutionnel.

En résumé

Avec Edubot.fr, Vivien Mirebeau offre aux enseignants une opportunité unique d’intégrer des chatbots éducatifs dans leur pédagogie. Une manière ludique et interactive d’accompagner nos élèves et de faciliter leur apprentissage.

Alors, prêts à  enseigner en mode 2.0 ? Rendez-vous sur EduBot.fr pour découvrir cette pépite pédagogique !

À vos chatbots, prêts, innovez ! (c’est mon côté pâtissier)

Pour y voir plus clair, un détour par la taxonomie de Bloom peut être efficace et éclairant (J’ai pu voir une présentation de Basille Sauvage à Strasbourg qui avait porté ses propos sur celle-ci et l’IA, c’était très intéressant).

Ce cadre  nous aide à penser la progression cognitive des élèves : de la mémorisation à la création, en passant par la compréhension, l’application, l’analyse et l’évaluation.

Ce que l’IA risque de court-circuiter

Voici, niveau par niveau, les effets potentiels d’un usage excessif ou non encadré de l’IA :

• Connaissance : l’IA donne des réponses immédiates. L’élève peut se contenter de recopier sans intégrer, confondant accès à l’information et maîtrise réelle.
• Compréhension : reformuler, expliquer, illustrer… autant d’étapes que l’IA peut réaliser à la place de l’élève. Le risque : une compréhension superficielle, voire absente.
• Application : résoudre un problème, adapter une méthode, faire un lien concret ? Si l’IA est utilisée trop tôt, l’élève ne fait plus l’effort de transposition. Il devient spectateur.
• Analyse : l’IA peut détecter les liens, les contradictions, les structures. Mais si elle le fait à la place de l’élève, celui-ci ne développe pas sa pensée critique.
• Évaluation : l’élève peut avoir tendance à accepter les réponses de l’IA sans recul. Moins d’argumentation, moins de confrontation des idées.
• Création : l’IA produit des contenus. Des textes, des schémas, des idées. Mais créer, c’est aussi prendre des décisions, explorer, s’approprier. Ce que l’IA ne fait pas à la place de l’élève.

Le constat : une surutilisation de l’IA peut mener à une passivité intellectuelle. L’élève délègue sa pensée, contourne l’effort, perd peu à peu la maîtrise des processus cognitifs essentiels à l’apprentissage.

Bon, j’enfonce des portes ouvertes, mais ça m’a permis de réfléchir qu’à chaque étape l’IA peut avoir un impact significatif.

De vraies usages pédagogiques avec l’IA : un enjeux

L’objectif n’est pas de bannir l’IA, mais de l’intégrer de manière raisonnée, pour soutenir — et non remplacer — les étapes de l’apprentissage. Voici quelques pistes concrètes :

• Réserver l’IA aux tâches bien ciblées : Utiliser l’IA comme soutien à la mémorisation ou comme source d’exemples, sans la laisser faire tout le travail de compréhension ou d’application.
• Stimuler l’esprit critique : Proposer aux élèves de comparer leurs productions avec celles de l’IA, d’en détecter les limites ou erreurs, de les améliorer ou de les discuter.
• Favoriser les niveaux supérieurs de Bloom : Proposer des exercices où l’élève analyse, évalue ou améliore des réponses produites par l’IA, stimulant ainsi ses capacités d’analyse critique et d’évaluation. Encourager la créativité en utilisant l’IA comme un assistant ou un collaborateur plutôt qu’un substitut. Par exemple : produire une première ébauche avec l’IA, puis la retravailler personnellement.
• Alterner les modalités : Privilégier des temps sans IA pour travailler l’autonomie. Alterner productions individuelles, collectives, assistées et non assistées.
• Encadrer et former : Intégrer à nos pratiques des moments où l’on parle de l’IA, de ses usages, de ses limites.Demander aux élèves de justifier régulièrement leur usage de l’IA : pourquoi l’ont-ils utilisé ? Qu’est-ce que cela leur a apporté ? Auraient-ils pu le faire sans ? Intégrer des temps d’échanges en classe pour discuter explicitement de l’impact de l’IA sur leur apprentissage.Montrer comment bien l’interroger, comment prompter, comment croiser les sources, comment douter.

Pour conclure

L’IA est un outil. Puissant, certes. Mais comme tout outil, c’est l’usage qu’on en fait qui compte.

En nous appuyant sur la taxonomie de Bloom, on peut garder un cap clair : ne pas sacrifier l’effort intellectuel à la facilité, mais utiliser l’IA pour enrichir les apprentissages, ouvrir des perspectives, diversifier les approches.

Former des élèves capables de penser avec l’IA, et non par l’IA. C’est tout l’enjeu.

Hier, j’ai eu le plaisir de mener une formation sur l’intelligence artificielle à destination des professeurs de lycée sous l’étiquette DRANE (étant Animateur Au Numérique depuis 7ans, être dans un réseau de profs geeks mais profs avant tout accompagné de Catherine, David et Isabelle qui nous pilotent entre autres, sans oublier les IANs, dont mon petit Seb avec qui je fais les formations RUPNs. C’est d’ailleurs là que j’ai fait mes premières armes en tant que formateur). Le lycée, c’est celui de mon secteur (je leurs envoie mes élèves pour le meilleur et pour le pire).

Cette formation d’initiative locale (FIL pour les intimes) visait à réfléchir sur les défis que l’IA pose dans les classes, mais aussi les opportunités qu’elle peut offrir.

Au programme, trois axes principaux : démystifier son fonctionnement ( pour les profs qui pourront démystifier à leurs tous aux élèves),comment l’IA peut enrichir notre pédagogie, comment l’expliquer et l’utiliser avec les élèves.

L’idée n’était pas de livrer un cours magistral (quoique, j’ai quand même beaucoup trop parlé), mais de semer des graines d’idées et de pratiques concrètes, inspirées de mes propres expérimentations en classe.
Une cours sur l’IA, son fonctionnement, le cadrage institutionnel accompagné atelier prompt centré sur une aide à la préparation pour les nous les profs.

L’après-midi était tourné vers des expérimentations que je fais avec mes 3e sur l’IA (quelques séances avaient fait l’objet d’articles sur le site.) afin que les élèves prennent de la distance sur l’IA, puis un temps de réflexion sur des scénario pédagogiques basés sur les 5 postures du ABC LEARNING.

J’insiste : prendre le temps de se former et de réfléchir collectivement aux nouvelles approches pédagogiques est essentiel. Ce document ne peut en aucun cas remplacer un moment collectif.

Le travail de préparation a été conséquent (30h surement plus dirait ma femme), j’espère que ceux qui piocheront dans le document auront la sincérité de nommer la paternité (CC by NC SA).
Comme disait une collègue, certains en auraient fait un livre, j’ai décidé d’en faire un partage.

Je dois refaire une FIL au collège et une autre au même lycée (je complèterai cette formation et la ferai évoluer), j’ai d’autres idées, et vous ?

J’OUBLIAIS, cette formation n’aurait pas pu être si riche le jour sans l’aide de ma collègue de français Mme Deroef-Perronet, sans elle, les expérimentations auraient été moins nombreuses.

EDIT : Je rajoute un petit up pour Cedric Eysette (prof de philo ) qui crée des petits outils numériques qui deviennent encore plus accessibles avec l’IA : dem_map et cartes_MD, tous les deux dispos sur la forge de l’éducation nationale : C’est une plateforme où se concentre tous les outils numériques créés par les profs pour les profs et les élèves et soutenus par le ministère, pour ceux qui ne connaissent pas encore, il faut y faire un petit tour.

J’ai presque envie de dire que l’IA m’a permis d’accéder à ces outils facilement et maintenant je me passe d’elle pour les utiliser (maîtrise du Markdown notamment qui peut rebuter au début), comme quoi, l’IA peut être vecteur d’apprentissage si on adopte la bonne posture.

Contenu de formation :

Déroulé du jeu :

Phase 1 :

• Former des groupes de 3 ou 4 élèves.
• Distribuer à chaque groupe un jeu de cartes présentant différentes situations où un élève utilise l’IA pour réaliser ou aider son travail de mathématiques.
• Demander aux groupes de discuter et de positionner chaque carte sur un axe qui va de « Triche » à « Not triche ».

Phase 2 :

Faire un retour collectif :

L’enseignant recueille au tableau les arguments des élèves pour justifier leurs choix (avec la double flèche affichée au tableau)

L’objectif n’est pas de donner une réponse unique et définitive, mais d’éclairer les nuances entre une utilisation légitime (pour comprendre, s’entraîner, vérifier son travail…) et une utilisation qui s’apparente à de la triche (copier-coller, faire faire entièrement son devoir à l’IA…).

Vous trouverez ci-dessous le jeu.

Bien qu’on diverge sur certains points, on est d’accord sur un truc, c’est une « terra incognita« , et il faut s’en saisir, tels des explorateurs intrépides (on n’est pas les premiers sur le terrain)

Intelligence artificielle et communication : l’alignement.

Arnaud axe sa réflexion sur le fait que l’IA ne « comprend » pas les taches complexe où l’implicite a sa place et pense régler le problème si on prompt correctement en décomposant un problème en sous problème n’ayant aucun implicite et permettant d’obtenir ‘selon lui’ des résultats justes.(Edit D’Arnaud Non pas vraiment ça, Julien quand m’écouteras-tu ? , Je propose juste le fait de travailler le prompt ce qui permet de faire travailler des compétences auprès des élèves , notamment l’explicitation, la décomposition en sous problème, la modélisation et également le fait prendre conscience d’un rétro-contrôle à avoir sur le résultat fourni par l’IA : l’esprit critique, on subit ici la même révolution qu’avec l’arrivée de Google comme moteur de recherche, Google sait-il tout, doit-on plutôt croiser les sources, vérifier la cohérence, ai-je bien entré les bons mots?)
Mon premier argument, trivial simpliste (mais j’en ai d’autres), en testant, il l’entraîne donc les résultats deviennent justes parce qu’entraîner, mais l’est-elle suffisamment pour répondre à tous les problèmes de mathématiques explicites, j’ai envie de dire oui à 90%, mais que fait-on si elle se plante.
C’est comme si on s’appuyait sur une calculatrice qui pouvait se planter par moment sans trop savoir pourquoi, et c’est bien ce qui me gêne.
De plus Arnaud amène implicitement le fait qu’une IA doit comprendre (Edit D’Arnaud non je n’ai jamais dit cela…Une IA conversationnelle ne sait que produire du texte qu’elle rend cohérent par un apprentissage, j’ai toujours dit qu’elle ne comprenait pas intrinsèquement la requête.) , il renforce l’image qu’ont les élèves de l’IA (c’est un truc qui comprend, qui réfléchit, qui se trompe), mais ces trois verbes appartiennent aux hommes (et quelques animaux) et non pas une IA.
Est-ce que l’IA peut se tromper ? NON, elle peut être mal entraînée, mal programmée, mais elle fait ce qu’on lui a dit de faire.

J’ai expérimenté l’IA avec les élèves, mais mon objectif était de la montrer faillible.
Mon objectif était de développer l’esprit critiques des élèves . j’avais demandé des corrections d’exercices à ChatGPT et je les ai donné aux élèves afin d’échanger dessus (j’ai fait un petit article dessus).
J’ai ainsi pu abordé le fait que les modèles LLM n’ont pas de logique mathématiques, elle ne pense pas elles font de la probabilité successives de tokens (qui ne sont en soient pas des mots, avec des réactions du type : « mais elle parle quoi du coup? »), bref j’ai déconstruit l’IA (personnification de l’IA pour arrêter de dire qu’elle se trompe, d’ailleurs elle ne se trompe pas, elle fournit ce qu’on lui demande, elle complète un prompt selon ses règles. J’ai donc parlé des problèmes d’alignement qui demeurent un obstacle pour tout modèle génératifs (y compris les images), de l’absence de raisonnement au sens premier du terme.
C’était plutôt intéressant d’échanger avec les élèves.

En somme, je pense qu’il faut rapidement dépersonnifier les IA, expliquer leurs fonctionnements (en simplifiant, mais en gardant les concepts), afin que les élèves aient une bonne représentation de l’IA pour qu’ils puissent le cas échéant en avoir une bonne utilisation.

Alors que peut-on en faire?

La question des IA doit être traitée, c’est effectivement quelque chose qui va transformer révolutionner l’enseignement.

Il est évident qu’il faut expérimenter pour voir l’intérêt des IA et il y en a sûrement, je pense notamment à la RAG (retrieval augmented generation) qui combiné à des ressources fournies par le professeur pourrait être utile pour les élèves qui n’ont pas forcement d’aide à la maison et ce qui permettrait si les élèves sont bien accompagnés de gommer un peu les inégalités entre élèves quand ils sont chez eux.

Cela pourrait permettre de fournir des parcours adaptés à chaque élève si on entraîne des modèles dans ce sens (même si j’émets une réserve solide à ce type de pratique : si chaque élève a un parcours, où est le collectif?, l’entraide (entre humains)? Nous construisons de futurs citoyens, et je les souhaite, comme beaucoup d’entre-nous, solidaires).

Et donc que fait-on ?

Alors oui, Arnaud ton expérimentation sur l’art de communiquer et de décomposer des problèmes en sous problèmes est intéressant, cela permet de travailler avec l’IA et de mettre en avant l’importance de communiquer pour les élèves et de savoir décomposer des problèmes (c’est à dire raisonner).
Est-ce que cela permet de travailler avec l’IA sur le long terme ? : Je ne pense pas, c’est du one shoot. (Rassure toi Arnaud, j’induis ton avis or ce n’est pas le tien )
Il est donc nécessaire de poursuivre le travail autour de l’IA par d’autres activités qui restent à construire et de faire prendre conscience aux élèves des dérives possibles. Il faut développer leurs esprits critiques, cela devient primordial pour cette génération qui va être confrontée à une quantité d’informations aussi vraies que fausses.

Les pistes à explorer…

Les vraies questions qui demeurent en chantier sont :
Où placer l’IA dans l’enseignement ? en tant qu’objet d’étude, que comme outil ?
Quels savoirs doivent demeurer essentiels pour les élèves ?
Doit-on enseigner l’art de prompter (comme on leurs apprend à utiliser la calculatrice) ?
Que reste-t-il de l’apprentissage des fondamentaux ?
Quelles exigences pour le travail des élèves aidée par l’IA ?
Quelle place pour les DM ? (Ne rêvez pas, il est impossible de distinguer un travail humain d’un travail généré par l’IA, de nombreuses études le montrent)
Comment développer leurs esprits critiques ?

Ces questions ne sont pas si simples à répondre, et je me garderai bien de donner une réponse pour l’une ou l’autre mais il faudra s’y atteler, et rien ne vaut mieux que la base s’en saisisse plutôt que l’on nous impose verticalement des réponses pas toujours des plus adaptées (attention cela ne veut pas dire que tout ce qui est descendant est mauvais, mais je crois beaucoup aux solutions de terrain.
Et j’angoisse déjà de l’élève qui nous posera la question dans quelques années :

Mais Monsieur, vu qu’une IA ça fait tout, pourquoi doit-on continuer à apprendre ?

J’aurai bien des réponses, mais bien inaudibles pour un enfant de 13ans.

J’aimerai conclure par une vidéo, ô combien intéressante, qui mérite le détour, je la trouve bien construite, bien qu’angoissante pour la fin (même si je partage quelques idées) :