Ce document, produit par la Direction du numérique pour l'éducation du ministère de l'Éducation Nationale (DNE) présente un état des lieux (janvier 2025) concernant l'intelligence artificielle (IA) dans le domaine de l'éducation. Il aborde la diversité des définitions et approches de l'IA, les enjeux pour les politiques publiques, les questions juridiques et éthiques, les domaines d'application, les pistes pour la formation et l'enseignement, ainsi que les perspectives offertes par les systèmes d'IA générative et les grands modèles de langage.
1. Définitions et Approches de l'Intelligence Artificielle
L'IA est définie comme un domaine de recherche visant à étudier les mécanismes de l'intelligence en les modélisant avec des algorithmes et en les expérimentant avec des machines. Depuis les années 1950, l'objectif est de repousser les limites des actions humaines automatisables, avec l'ambition de modéliser certaines facultés mentales humaines. On distingue plusieurs types d'IA :
- Selon leur technologie : IA basée sur les données (apprentissage automatique), IA basée sur les connaissances (IA symbolique), et IA hybride combinant les deux approches avec la cognition humaine.
- Selon leur portée : IA faible (centrée sur une tâche précise) et IA forte (s'appliquant à tout problème, qui n'existe pas encore).
- IA classique vs Apprentissage automatique : L'IA classique repose sur des règles logiques (systèmes experts), tandis que l'apprentissage automatique analyse de grandes quantités de données pour identifier des modèles. L'apprentissage automatique comprend l'apprentissage supervisé, non supervisé et par renforcement. L'apprentissage profond (Deep Learning), basé sur des réseaux de neurones artificiels avec plusieurs couches intermédiaires, est à l'origine de nombreuses applications récentes.
2. Enjeux pour les Politiques Publiques
Le document met en avant des enjeux cruciaux pour les politiques publiques en matière d'IA et d'éducation. Le Consensus de Beijing de l'UNESCO recommande aux gouvernements de planifier l'IA dans les politiques éducatives pour atteindre l'objectif de développement durable 4 (éducation de qualité pour tous), soutenir le développement de nouveaux modèles, utiliser des données probantes, autonomiser les enseignants (plutôt que les remplacer), préparer la prochaine génération aux compétences nécessaires à l'ère de l'IA, et promouvoir une utilisation équitable et inclusive.
Les recommandations de l'UNESCO et de l'OCDE soulignent la nécessité d'une vision stratégique systémique, d'une approche humaniste, d'une planification interdisciplinaire, de politiques pour une utilisation équitable et éthique, de plans directeurs pour l'utilisation de l'IA dans la gestion, l'enseignement et l'apprentissage, et du renforcement de la recherche et de l'évaluation. L'IA offre également des opportunités pour l'équité et l'inclusion scolaire, par exemple dans les procédures d'admission ou la détection du décrochage scolaire. La France a lancé une stratégie nationale pour l'IA visant à se positionner comme un leader et à mettre l'IA au service de l'économie et de la société, notamment à travers des partenariats d'innovation en IA (P2IA) pour l'éducation. Le rapport Draghi souligne l'urgence pour l'Europe d'innover dans l'IA et de mettre l'accent sur les compétences pour rendre ses avantages inclusifs.
3. Enjeux Juridiques et Éthiques
L'utilisation de l'IA en éducation soulève d'importantes questions juridiques et éthiques, notamment en matière de protection des données personnelles (RGPD). La CNIL propose des recommandations pour un usage de l'IA respectueux des données, couvrant la détermination du régime juridique, la définition de la finalité, la qualification des acteurs, la base légale, la réalisation d'analyses d'impact, et la prise en compte de la protection des données dès la conception.
La loi européenne sur l'IA (AI Act) établit quatre niveaux de risque (inacceptable, haut, spécifique en matière de transparence, minimal) et impose des obligations correspondantes. Certains systèmes d'IA dans l'éducation et la formation professionnelle sont considérés à haut risque, notamment ceux utilisés pour l'accès aux établissements, l'évaluation des apprentissages, l'évaluation du niveau d'enseignement, et la surveillance des comportements lors d'examens. Les grands modèles d'IA à usage général sont également encadrés par le règlement.
Les enjeux éthiques incluent l'utilisation de données massives (impact sur la vie privée), les biais algorithmiques, l'équité, l'inclusion, le respect de la dignité, la transparence et l'explicabilité des systèmes.
4. Domaines d'Application
L'IA a de nombreux domaines d'application dans l'éducation. Une catégorisation proposée par la Commission européenne et explorée par des groupes thématiques numériques inclut :
- Systèmes adaptatifs et personnalisés (recommandation de contenus, évaluation adaptative).
- Robots conversationnels et systèmes de tutorat intelligent.
- Anticipation et prévention du décrochage scolaire.
- Détection et remédiation des difficultés d'apprentissage.
- Utilisation de savoirs produits par la recherche avec l'IA (analyse de données, traitement de langage, etc.).
- Usages administratifs.
Une autre taxonomie met en évidence les applications de l'IA au service des élèves (systèmes de tutorat, simulations, assistants, évaluation formative, agents conversationnels), des enseignants (détection de plagiat, curation de contenu, évaluation sommative), et des institutions (admissions, planification, sécurité, identification des élèves à risque).
L'IA peut améliorer l'expérience d'apprentissage en permettant l'adaptation et la personnalisation des parcours, notamment à travers des systèmes d'enseignement personnalisés et l'analyse des traces d'apprentissage. Des exemples concrets comme Lalilo illustrent l'utilisation de l'IA pour l'enseignement adaptatif. L'IA contribue également à la production de connaissances, notamment dans le domaine des humanités numériques.
5. Pistes de Travail pour Former et Enseigner l'IA
La formation à l'IA et son enseignement sont des enjeux majeurs. La CREIA (Communauté de Réflexion en Éducation sur l'Intelligence Artificielle) accompagne la communauté éducative dans l'appropriation de l'IA, notamment générative, en proposant une veille, des ressources, des forums et des modules de formation.
Des cadres de compétences en IA pour les enseignants et les élèves ont été développés, mettant l'accent sur une approche centrée sur l'humain, l'éthique de l'IA, les fondements et applications de l'IA, la pédagogie avec l'IA, et le développement professionnel. Un enjeu crucial est le développement de la citoyenneté, de l'esprit critique et de l'éducation aux médias et à l'information (EMI) face à l'omniprésence de l'IA.
Des propositions de modules de formation pour les enseignants sont présentées, couvrant les origines, définitions, enjeux (éducatifs, juridiques, éthiques), applications scolaires, intégration pédagogique, limites et perspectives de l'IA. La formation à l'IA peut aussi jouer un rôle dans la prévention du décrochage scolaire. Le projet européen AI4T propose un MOOC et un manuel ouvert pour former les enseignants à l'IA.
6. Le Tournant des Systèmes d'IA Générative et des Grands Modèles de Langage
L'IA générative, capable de créer de nouveaux contenus (texte, image, son, vidéo) à partir de données massives et d'instructions (prompts), a connu un développement rapide depuis 2022, notamment avec l'émergence de grands modèles de langage (LLM) comme ChatGPT, Copilot, Gemini, Mistral AI etc.
Ces modèles fonctionnent sur le principe de la prédiction de mots à partir d'une instruction, s'appuyant sur d'énormes quantités de données et des architectures complexes comme les "transformers". Bien que performants, ils peuvent produire des informations incorrectes « hallucinations » et soulèvent des questions éthiques et de fiabilité. Le RAG (Retrieval-Augmented Generation) est une approche visant à améliorer la fiabilité en intégrant la récupération de données externes. Le développement de modèles ouverts et souverains, comme le projet français LUCIE, est en cours. Les potentialités pédagogiques de l'IA générative incluent l'assistance à l'ingénierie pédagogique, le soutien à la créativité, l'aide à l'apprentissage des langues, et le développement de l'esprit critique par la vérification des contenus générés.
L'IA générative soulève également des questions sur l'évolution des modalités d'évaluation, invitant à repenser l'évaluation vers une approche axée sur le processus d'apprentissage plutôt que seulement le produit final. Les productions des IA génératives interrogent également les notions de création, de référent et de droit d'auteur.
Conclusion : Repères et Éléments de Prospective
Le document souligne l'importance de distinguer ce qui relève exclusivement de l'humain (donner du sens, réfléchir, créer) de ce qui peut être traité par une machine (calcul, traitement statistique, imitation). Parmi les tendances émergentes à 3-5 ans, on trouve le renouvellement des modalités d'éducation et d'évaluation, l'association de l'IA et de l'intelligence humaine dans la créativité, la fusion de l'IA générative avec la réalité augmentée et les environnements immersifs, la généralisation de l'IA générative dans l'expérience utilisateur et l'émergence des agents IA autonomes, le renouvellement de la production et diffusion des savoirs, le développement de systèmes multimodaux, le couplage de l'ingénierie des requêtes avec les métiers, et l'évolution des compétences et des métiers.
Des pistes de travail pour la recherche appliquée sont proposées, notamment sur le renouvellement des fondements de l'éducation, l'adaptation à l'accélération technologique, l'appropriation éthique de l'IA, l'évolution du triangle didactique, la place de la littératie de l'IA, la formation des enseignants, l'hybridation des compétences, l'éducation aux médias et à l'information, le développement de modèles de langage spécifiques pour l'éducation, la collaboration dans la conception d'outils IA, l'accessibilité et l'inclusion, et la place des agents IA autonomes.
Le document complet est disponible en ligne ici : https://edunumrech.hypotheses.org/13849
