IA & Éducation — Newsletter n°2
1. Mathématiques : une expérimentation très concrète où l’IA ne donne pas la solution, mais oblige à expliciter le raisonnement
[PED-AUT] [RECHERCHE] — mots-clés : mathématiques, métacognition, raisonnement, feedback, autonomie — niveau : étude qualitative peer-reviewed
Une étude publiée le 27 août 2026 dans Frontiers in Education mérite l’attention parce qu’elle décrit précisément ce que peut être une intégration de l’IA qui ne court-circuite pas le raisonnement mathématique. Des élèves de Grade 5 travaillent sur des problèmes de géométrie sous forme de projets : concevoir l’aménagement d’une classe ou d’un parc, calculer des surfaces, comparer différentes dispositions, raisonner sur les proportions et représenter leurs solutions.
L’IA intervient comme échafaudage cognitif. Elle ne fournit pas directement la solution mais produit des relances adaptatives : comment représenter le problème autrement ? Peut-on utiliser l’aire ou la division ? Existe-t-il une organisation plus efficace ? Les données recueillies combinent productions écrites, observations de classe, entretiens et enregistrements des interactions avec l’IA.
Les chercheurs observent progressivement un passage de calculs essentiellement procéduraux à des raisonnements reliant aire, multiplication, proportionnalité, représentation spatiale et contraintes du projet. Les élèves justifient davantage leurs décisions et explorent des solutions alternatives ; les enseignants rapportent aussi que certains élèves habituellement discrets explicitent davantage leur raisonnement lorsque l’IA leur demande de l’expliquer.
Mais le résultat le plus intéressant est peut-être une limite observée en classe : certains élèves finissent par trop s’appuyer sur l’IA, avec une diminution des interactions entre pairs. Les enseignants déclarent également avoir besoin de formation pour déterminer quand intervenir eux-mêmes et quand laisser l’IA relancer l’élève. L’étude porte sur une seule école, avec un petit échantillon, sans groupe contrôle ; elle ne permet donc aucune conclusion causale générale.
Ce que cela apporte
Cette expérience précise utilement le principe « faire réfléchir avant de donner la réponse » évoqué dans le numéro précédent : une IA pédagogique intéressante pourrait être celle qui pose la bonne question au bon moment, plutôt que celle qui produit la meilleure réponse.
Étude complète dans Frontiers in Education
2. Formation des enseignants : comprendre l’IA ne suffit pas à donner envie de l’utiliser
[TERRAIN] [RECHERCHE] — mots-clés : formation-enseignants, différenciation, acceptabilité, pratiques-professionnelles — niveau : étude pilote peer-reviewed
Une recherche de l’University of Potsdam, acceptée le 25 août 2026 par Frontiers in Education, évalue INSIGHT, une formation courte destinée aux enseignants sur l’utilisation de technologies d’IA, notamment des LLM, pour la différenciation pédagogique. L’étude porte sur 100 enseignants allemands du primaire et du secondaire, évalués avant et après la formation.
Les résultats sont particulièrement intéressants : après la formation, les enseignants considèrent l’IA comme plus utile et plus facile à utiliser. En revanche, leur intention effective de l’utiliser ne progresse pas significativement.
Cette dissociation est importante. Une formation peut lever les obstacles techniques et améliorer la compréhension sans suffire à faire entrer l’outil dans les pratiques. D’autres barrières subsistent : adéquation avec les besoins pédagogiques, organisation du travail, confiance, contraintes institutionnelles ou bénéfice réellement perçu dans une classe hétérogène.
L’étude est explicitement présentée comme pilote et repose sur un dispositif pré/post sans démonstration d’un effet durable sur les pratiques réelles. Elle ne montre donc pas que les enseignants utiliseront davantage — ou mieux — l’IA plusieurs mois après la formation.
Conséquence pour la formation continue
Former à l’IA ne devrait probablement pas signifier uniquement « apprendre à utiliser ChatGPT ». Il faut partir de situations professionnelles : différencier un texte pour plusieurs lecteurs, construire plusieurs niveaux d’étayage, accompagner un élève en difficulté, produire un feedback ou adapter une activité.
Étude INSIGHT dans Frontiers in Education
3. Langues : une étude publiée le 29 août replace les « tâches créatives » au centre de l’usage de l’IA
[PED-AUT] [RECHERCHE] — mots-clés : langues-vivantes, créativité, interaction, autonomie, tâches — niveau : peer-reviewed, étude corrélationnelle
Une étude publiée le 29 août 2026 dans Scientific Reports examine 884 étudiants d’un établissement supérieur professionnel chinois apprenant l’anglais comme langue étrangère. L’objectif est de comprendre ce qui prédit réellement la qualité des interactions d’apprentissage lorsque l’IA générative est présente.
Le modèle statistique distingue compétence en IA, attitude envers l’IA, expérience préalable, degré d’intégration de l’outil et participation à des tâches créatives. Le résultat est intéressant : ce sont surtout l’intégration effective de l’IA dans l’activité et l’engagement dans des tâches créatives qui prédisent directement l’interaction d’apprentissage. Compétence, attitude et expérience agissent davantage indirectement à travers ces variables.
Cela déplace encore une fois la question du « bon outil » vers celle de la bonne tâche. Savoir utiliser techniquement une IA ne garantit pas une activité d’apprentissage riche ; la conception pédagogique reste déterminante. Les auteurs concluent eux-mêmes au rôle central de l’enseignant dans le choix des tâches et la manière d’intégrer l’outil.
La prudence est nécessaire : il s’agit d’un questionnaire et d’une modélisation structurelle dans l’enseignement supérieur chinois. L’étude établit des relations statistiques, pas que les tâches créatives assistées par IA causent une amélioration des apprentissages.
Transfert possible en lettres
Le résultat est néanmoins très intéressant pour l’écriture : plutôt que demander « rédige ce texte », une tâche pourrait imposer à l’élève de choisir, transformer, comparer, justifier ou contester plusieurs propositions produites avec ou sans IA. L’activité cognitive se situe alors dans les décisions de l’élève.
4. Esprit critique : la confiance dans l’IA peut précisément devenir le problème
[COG-PSY] [RECHERCHE] — mots-clés : esprit-critique, confiance, autonomie, métacognition, dépendance — niveau : étude peer-reviewed
Une étude du British Journal of Educational Technology fournit un complément particulièrement utile aux travaux sur la dépendance cognitive. 808 étudiants ont réalisé une tâche de résolution de problème avec une IA générative, puis répondu à des mesures portant sur leurs compétences et dispositions critiques, leur confiance envers l’IA, leur littératie de l’IA et leurs comportements d’utilisation.
Les chercheurs distinguent quatre comportements : usage réfléchi, prudent, collaboratif et usage sans réflexion (thoughtless use). Les compétences de pensée critique sont positivement associées aux usages réfléchi, prudent et collaboratif. Plus intéressant encore, la confiance envers l’IA est un prédicteur important de l’usage sans réflexion (β = 0,47).
La littératie de l’IA ne suffit donc pas. Elle favorise certains comportements souhaitables notamment lorsqu’elle est associée à une véritable pensée critique. Autrement dit, apprendre ce qu’est un LLM ou savoir rédiger un prompt n’empêche pas mécaniquement la dépendance.
Cela renforce une distinction essentielle pour l’enseignement : compétence technique et distance critique sont deux apprentissages différents.
À transposer en classe
Une consigne pourrait explicitement demander : « Sur quels points fais-tu confiance à cette réponse ? Sur quels points refuses-tu de lui faire confiance ? Quelle vérification te permet de décider ? » L’objectif n’est plus seulement de repérer une erreur mais d’apprendre à calibrer sa confiance.
Étude dans le British Journal of Educational Technology
5. IA et différenciation : le nouveau chantier n’est peut-être pas la génération, mais l’adaptation
[PED-AUT] [TERRAIN] — mots-clés : différenciation, inclusion, formation-enseignants, feedback — niveau : chantier émergent
Le travail allemand sur INSIGHT met en lumière un domaine qui devrait prendre de l’importance : l’utilisation des LLM pour la différenciation pédagogique. Il ne s’agit plus seulement de générer une fiche ou un questionnaire, mais de transformer une même situation d’apprentissage pour des besoins différents : degré d’étayage, complexité linguistique, quantité d’informations, exemples supplémentaires, aides méthodologiques ou feedback individualisé.
L’intérêt est évident dans des classes hétérogènes, mais le risque l’est également : une différenciation automatisée peut devenir un simple abaissement algorithmique des exigences si l’outil simplifie systématiquement les textes ou les tâches pour les élèves identifiés comme fragiles.
C’est un domaine dans lequel les expérimentations de terrain devront être examinées avec précision : que différencie-t-on ? Le support, la consigne, l’étayage, le temps, la difficulté cognitive ? Et surtout : tous les élèves travaillent-ils toujours vers les mêmes apprentissages essentiels ?
Pour les lettres, la distinction est décisive : adapter l’accès lexical à un texte difficile n’est pas la même chose que remplacer ce texte par son résumé généré.
6. Littératie de l’IA : le mouvement d’intégration aux programmes scolaires devient mondial
[POL-PUB] [OFFICIEL] — mots-clés : littératie-IA, curriculum, formation-enseignants, esprit-critique — niveau : évolution internationale
Le mouvement présenté hier en France et en Europe n’est pas isolé. L’UNESCO constatait encore en 2022 que seuls 11 pays disposaient de curricula d’IA officiellement approuvés pour le primaire et le secondaire. La situation évolue désormais rapidement.
L’Inde a ainsi intégré en 2026 un cursus d’IA et de pensée informatique pour les classes 3 à 8, accompagné de modules, guides pour enseignants et dispositifs d’évaluation. Et le 29 août, le gouvernement du Pendjab pakistanais a annoncé vouloir faire de l’IA une matière obligatoire dans les écoles publiques, avec formation spécifique des enseignants.
Ces initiatives sont très différentes du choix français, où l’IA apparaît davantage comme une compétence transversale articulée à Pix et aux disciplines qu’une nouvelle matière autonome. Cette divergence mérite d’être suivie : faut-il enseigner l’IA dans une discipline dédiée ou à travers les disciplines existantes ?
C’est une question curriculaire importante. Une matière autonome facilite la construction d’un socle technique cohérent ; l’intégration disciplinaire permet en revanche de confronter l’IA aux différents régimes de preuve, de raisonnement et de connaissance.
7. France : Réseau Canopé traite désormais l’IA comme un objet de médiation citoyenne
[TERRAIN] [OFFICIEL] — mots-clés : EMI, citoyenneté-numérique, formation-enseignants, esprit-critique — niveau : offre de formation 2026
Une évolution discrète mais intéressante apparaît dans l’offre de Réseau Canopé : l’IA générative n’est plus seulement abordée comme un outil professionnel pour enseignants, mais comme un objet de médiation citoyenne.
Une formation de sept heures programmée dans plusieurs Ateliers Canopé en 2026 combine apports sur les impacts sociétaux, expérimentation des outils et co-conception de dispositifs de médiation, notamment café-débat et atelier d’écriture collaborative. Des sessions sont annoncées notamment en septembre, octobre et novembre.
Cette orientation est intéressante parce qu’elle rapproche directement IA, EMI et EMC. La formation ne vise pas simplement la maîtrise technique : elle prépare les professionnels à organiser des situations dans lesquelles les publics discutent des effets sociaux et culturels de l’IA.
Cela peut fournir une piste pour le lycée : travailler l’IA comme question socialement vive, avec confrontation d’arguments, vérification documentaire et débat raisonné, plutôt que seulement comme outil à utiliser ou à interdire.
À retenir aujourd’hui
- Une expérimentation récente en mathématiques montre un usage particulièrement intéressant de l’IA : relancer le raisonnement plutôt que fournir la solution.
- Une formation courte auprès de 100 enseignants allemands améliore leur perception de l’utilité et de la facilité d’utilisation de l’IA, sans augmenter leur intention de l’utiliser : la formation technique ne suffit donc pas.
- L’étude EFL publiée le 29 août suggère que la qualité de la tâche créative conçue par l’enseignant compte davantage que la simple compétence technique en IA.
- L’enjeu cognitif se précise : il faut apprendre aux élèves non seulement à utiliser l’IA, mais à calibrer leur confiance dans ses réponses.
- La littératie de l’IA devient progressivement un enjeu curriculaire mondial, avec des modèles très différents : matière autonome ou compétence transversale.
À tester en classe
La relance socratique. Pour une activité déjà prévue, interdire à l’IA de donner la réponse et lui imposer uniquement trois fonctions : demander une justification, signaler une contradiction éventuelle et proposer une question permettant à l’élève de poursuivre seul. Comparer ensuite cette modalité avec une utilisation classique du chatbot.
Le thermomètre de confiance. Après une réponse d’IA, l’élève attribue à chaque affirmation un degré de confiance de 0 à 3 et doit indiquer la vérification nécessaire pour passer au niveau supérieur. Cette activité peut fonctionner en lettres, histoire, sciences, langues ou EMI.
À surveiller
Les expérimentations de différenciation par IA méritent désormais une veille spécifique : il faudra distinguer les dispositifs qui adaptent intelligemment l’étayage de ceux qui simplifient seulement les exigences. La publication finale de l’étude INSIGHT permettra d’en examiner plus précisément le protocole. Les travaux sur les prompts métacognitifs en mathématiques et dans les autres disciplines seront également à suivre, ainsi que les nouveaux curricula nationaux de littératie de l’IA et, en France, les formations de rentrée de Réseau Canopé.
Nom d’archive : 2026-08-30_Veille-IA-Education.md