Parlons de votre projet
Aller au contenu
Toutes les publications

Enseigner l’IA à des étudiants qui l’utilisent déjà

Par Docteur en intelligence artificielle · Conseil, conception de systèmes et formation

FormationEnseignementMéthodeLittératie2 juillet 2026Mis à jour le 13 octobre 202610 min

La prise en main ne s’enseigne plus : elle est acquise avant le premier cours. Ce qui manque est le discernement, et il ne s’acquiert pas seul.

Illustration de l’article « Enseigner l’IA à des étudiants qui l’utilisent déjà »

Pourquoi les cours d’IA générative sont-ils en décalage avec les étudiants ?

Un cours d’IA perd sa pertinence lorsqu’il répète une prise en main déjà acquise au lieu de développer le jugement critique des étudiants. Le diagnostic de départ compte davantage que la nouveauté de l’interface.

J’interviens dans plusieurs écoles et je retrouve ce décalage : certains étudiants savent déjà formuler une demande, itérer et comparer deux sorties. D’autres ont besoin d’un accompagnement initial. Un exercice court permet de repérer ces écarts sans présumer que toute la promotion maîtrise les outils.

Ce qui m’intéresse ensuite est le discernement : juger une sortie plutôt que simplement la produire, repérer une réponse plausible mais fausse, choisir un outil approprié et comprendre ce que son usage engage. La fréquence d’utilisation ne prouve pas que ces compétences sont acquises.

Programme centré sur la prise en mainProgramme centré sur le discernement
Première séanceDécouverte de l’interface, premiers promptsExercice de vérification sur une sortie fausse
Compétence viséeProduire une sortieJuger une sortie
Place des fondements techniquesEn ouverture, perçus comme théoriquesAprès la première erreur, comme réponse
ÉvaluationTravail rendu, détection suspectéeDémarche, sources, soutenance orale
Posture de l’enseignantExpert de l’outilGarant de la méthode et du domaine
Programme centré sur la prise en main, besoin centré sur le discernement
Un diagnostic des usages permet d’ajuster la formation entre prise en main, vérification et discernement.

Qu’est-ce qu’un usage intensif de l’IA n’apprend pas aux étudiants ?

Utiliser souvent l’IA ne prouve pas que l’étudiant sait vérifier les affirmations, identifier les sources manquantes et comparer deux réponses selon des critères explicites. Ces compétences demandent une évaluation distincte.

Sur les missions que j’ai menées, mon constat est le suivant : La vérification, d’abord. Un étudiant qui utilise un modèle depuis deux ans a développé une confiance calibrée sur ses propres sujets et pas sur les autres. Face à un domaine qu’il ne maîtrise pas, il n’a aucun réflexe de contrôle.

La reconnaissance d’une source absente ensuite : une réponse fluide et structurée peut paraître documentée sans l’être. Il faut ouvrir les références, vérifier qu’elles existent et retrouver le passage qui soutient l’affirmation.

La mesure d’un écart, enfin. Dire qu’une sortie est meilleure ne suffit pas : il faut choisir un critère, l’appliquer aux deux réponses et justifier le jugement. L’exercice amorce une compétence à consolider, dans la logique de construire un jeu de tests en une journée.

Sur les missions que j’ai menées, mon constat est le suivant : Un étudiant qui utilise ces outils huit heures par jour connaît mieux leurs comportements qu’un enseignant qui les découvre pour préparer un cours. Prétendre le contraire se voit en dix minutes.

Quels exercices remplaceront utilement une prise en main déjà acquise ?

Les exercices utiles font vérifier des affirmations, comparer des réponses, écarter un usage inadapté et examiner les conditions du service avant de produire.

  • Un exercice de vérification : une sortie plausible contenant trois erreurs factuelles, à trouver et à sourcer.
  • Une comparaison à critère explicite entre deux modèles sur la même tâche, avec une grille qu’ils construisent eux-mêmes.
  • Un cas où l’outil n’est pas la réponse, et où la bonne solution est une règle métier. Voir agent ou simple appel.
  • Une lecture de conditions d’utilisation, pour identifier les données transmises, leurs usages annoncés et les limites du service, gratuit ou payant.

Repère de travail que j’utilise sur mes missions : La réponse qui fonctionne est de changer ce qu’on demande. Un exercice dont la réponse se génère en trente secondes n’évalue plus rien : il faut demander autre chose.

Comment construire une séquence de cours centrée sur le discernement ?

Une séquence de cours centrée sur le discernement part d’une erreur à trouver, installe une méthode de vérification, puis seulement ensuite apporte les fondements techniques qui expliquent l’erreur. L’ordre fait l’essentiel du travail.

  1. Ouvrir sur une sortie fausse. Une réponse fluide contenant des erreurs factuelles, à trouver et à sourcer. Le besoin de méthode naît de cet échec.
  2. Donner une méthode de vérification. Repérer les affirmations vérifiables, chercher la source, noter ce qui n’en a pas.
  3. Faire comparer deux sorties. Les étudiants construisent eux-mêmes une grille de critères, puis l’appliquent à deux modèles sur la même tâche.
  4. Expliquer le mécanisme. Ce qu’est un modèle de langue, pourquoi il affirme avec assurance, ce qu’est une fenêtre de contexte.
  5. Traiter un cas où l’outil n’est pas la réponse. Une tâche où une règle métier ou un humain fait mieux.
  6. Finir sur ce qu’ils engagent. Conditions d’utilisation, données cédées, responsabilité sur ce qu’ils rendent.

Cette progression rejoint le référentiel UNESCO pour les élèves, édition 2024, qui articule jugement critique, responsabilité et connaissances techniques. Le volet professionnel de la maîtrise de l’IA est abordé dans la littératie IA, l’obligation passée inaperçue. Elle est aussi la trame des modules de formation IA que je conçois.

Sur les missions que j’ai menées, mon constat est le suivant : Un programme qui consacre ses premières séances à la prise en main s’adresse à des étudiants qui utilisent ces outils quotidiennement depuis deux ans. Le décalage est visible dès la première heure et il coûte cher en crédibilité. Pour ancrer la séquence dans un domaine, je choisis un livrable correspondant aux métiers des étudiants : une analyse, une note ou un dossier.

Comment évaluer les étudiants quand les travaux peuvent être générés par l’IA ?

Pour évaluer un travail réalisé avec l’IA, je demande des preuves de compréhension et de démarche plutôt que de faire dépendre la note d’un détecteur. Le rendu final reste utile, mais ne suffit pas à expliquer comment il a été obtenu.

Le classificateur d’OpenAI annoncé en janvier 2023 a été retiré le 20 juillet 2023 pour sa faible précision. Son éditeur déconseillait déjà d’en faire l’outil principal de décision. Ce précédent ne mesure pas les détecteurs actuels ; il montre pourquoi leur résultat ne constitue pas, seul, une preuve. Le raisonnement est prolongé dans le filigrane n’est pas une preuve.

Je demande les sources ouvertes, les alternatives écartées et la correction d’une erreur identifiée. À l’oral, l’étudiant doit expliquer une décision et adapter son travail à une contrainte nouvelle. Les critères et les usages autorisés sont annoncés avant l’exercice.

Un format collectif et chronométré peut compléter ce contrôle, avec des limites : l’aisance orale et le travail des autres ne doivent pas masquer la contribution individuelle. Voir ce qu’un hackathon révèle du niveau réel.

Que change l’IA générative pour la posture des enseignants ?

L’enseignant apporte la connaissance du domaine, une méthode de vérification et des critères de jugement, même lorsque certains étudiants connaissent mieux une interface donnée. Autant l’assumer d’emblée, même si c’est inconfortable.

Je ne cherche pas à gagner une compétition de raccourcis d’interface. Je peux demander à un étudiant de montrer sa méthode, puis faire examiner ses limites par le groupe.

Ce que l’enseignant apporte est ailleurs, et c’est plus solide : la méthode de vérification, la connaissance du domaine qui permet de repérer une erreur, et le recul sur ce qui engage.

Je commence donc mes interventions en le disant. Cela change la posture de la salle et permet de passer directement à ce qui a de la valeur, ce qui rejoint l’approche décrite dans former deux cents personnes à l’IA générative et dans former à tenir un système, pas à utiliser un outil.

Par quel exercice concret installer le besoin de vérification ?

Un exercice de vérification installe le besoin de méthode lorsqu’il demande de retrouver des erreurs préparées, de les corriger et de justifier chaque correction.

Donner une sortie de modèle fluide, structurée et contenant trois erreurs factuelles. Demander de les trouver et de les sourcer. Les erreurs sont préparées par l’enseignant et leur correction est documentée. On ne présente pas le texte comme une source authentique : c’est un support pédagogique à contrôler. La discussion porte aussi sur les affirmations exactes que les étudiants ont suspectées à tort.

Faut-il garder les fondements techniques dans un cursus d’IA ?

Il faut garder les fondements techniques dans un cursus d’IA, à condition qu’ils arrivent après le travail sur le discernement et pas avant. L’ordre est ce qui change, pas le contenu.

Comprendre ce qu’est un modèle de langue, pourquoi il produit des affirmations fausses avec assurance, et ce qu’est une fenêtre de contexte, éclaire les réflexes de vérification. Ces notions prennent tout leur sens une fois qu’on a buté sur une erreur.

Placées en ouverture, elles peuvent être perçues comme une théorie sans usage. Placées après l’exercice de vérification, elles répondent à une question que les étudiants viennent de se poser.

Ce déplacement de l’ordre, sans changement de contenu, est un levier pédagogique que je privilégie sur un cursus existant.

Quelles erreurs fréquentes commettent les cursus d’IA générative ?

Les erreurs fréquentes des cursus d’IA générative sont d’enseigner l’interface, de miser sur la détection, de jouer l’expert de l’outil et de placer la théorie en ouverture. Elles ont en commun de partir de l’outil plutôt que du jugement.

  • Enseigner ce qui est acquis. Un diagnostic initial évite de répéter un apprentissage déjà maîtrisé.
  • Fonder l’évaluation sur la détection. Un résultat de détecteur isolé ne documente pas la démarche ni l’origine réelle du texte.
  • Se présenter comme expert de l’outil. L’écart avec la salle se voit vite, et il décrédibilise le reste.
  • Ouvrir sur la théorie. Sans erreur vécue, les fondements paraissent abstraits.
  • Oublier ce que l’étudiant engage. Il faut expliquer les données transmises et la responsabilité sur le travail rendu.

Comment répondre aux questions fréquentes sur l’enseignement de l’IA ?

Faut-il encore enseigner la prise en main des outils d’IA ?

La prise en main reste nécessaire pour les étudiants qui ne maîtrisent pas encore les outils ; un diagnostic initial permet de réserver aux autres des exercices de jugement critique.

Que faut-il enseigner à la place de la prise en main ?

Il faut apprendre à vérifier une affirmation, retrouver la source qui la soutient et comparer deux sorties sur des critères explicites, sans déduire ces compétences de la seule fréquence d’usage.

Comment évaluer si les travaux des étudiants sont générés ?

Demander les sources, les choix et une explication orale permet d’évaluer la compréhension ; un détecteur isolé apporte une indication à examiner, pas une preuve suffisante de démarche ou de fraude.

Faut-il supprimer les fondements techniques du cursus ?

Non, les déplacer ; Placés après un exercice de vérification, ils répondent à une question que les étudiants viennent de se poser ; placés en ouverture, ils passent pour de la théorie.

Par quel exercice commencer un cours sur l’IA générative ?

Une sortie préparée contenant trois erreurs documentées permet de travailler la recherche de preuves ; la correction porte sur les erreurs trouvées et les accusations d’erreur mal justifiées.

Un enseignant doit-il maîtriser l’outil mieux que ses étudiants ?

La maîtrise de chaque interface n’est pas son seul apport : l’enseignant doit surtout installer des critères, faire vérifier les sources et accompagner le raisonnement dans son domaine.

Sources

Votre prochain projetParlons-en.Réserver un échange de 15 minutes sur Cal.com, dans un nouvel onglet