← Toutes les newsletters

1. Pays-Bas : Kennisnet transforme l’obligation européenne de « littératie IA » en trois niveaux concrets pour les personnels scolaires

[POL-PUB] [OFFICIEL] — mots-clés : littératie-IA, formation-enseignants, AI-Act, professionnalisation, gouvernance — niveau : cadre opérationnel pour le primaire et le secondaire

Kennisnet, organisme public néerlandais de référence pour le numérique éducatif, a publié le 9 septembre 2026 un cadre de littératie IA destiné aux écoles primaires et secondaires. Il traduit l’obligation européenne de disposer d’un niveau suffisant de littératie IA en compétences réellement utilisables pour la formation des personnels.

Le cadre distingue quatre familles de compétences : maîtriser, critiquer, créer et agir professionnellement, ainsi que trois niveaux. Le niveau de base concerne même les personnels qui n’utilisent pas directement l’IA : comprendre les principes essentiels, les effets sociaux, les forces et les faiblesses des systèmes. Le niveau avancé concerne les personnes qui les utilisent réellement, par exemple pour générer du matériel pédagogique : il faut alors savoir interagir avec l’outil et juger ses sorties. Le niveau expert vise ceux qui construisent, adaptent, programment ou enseignent les systèmes.

Le point particulièrement intéressant est le rejet explicite de l’idée : « je n’utilise pas l’IA, donc je n’ai rien à en savoir ». Un professeur qui choisit une classe sans IA doit néanmoins comprendre suffisamment la technologie pour adapter ses évaluations et accompagner les usages de ses élèves.

Kennisnet fournit aussi une auto-évaluation, une présentation pour travailler en équipe et plusieurs versions du référentiel. L’organisme précise qu’il n’existe ni certification ni formation obligatoire : ce qui compte est que les établissements puissent organiser une professionnalisation adaptée aux fonctions réellement exercées.

Intérêt pour la France

Le modèle est très facilement transposable : socle de base pour tous les personnels ; niveau avancé pour les enseignants utilisant régulièrement l’IA ; expertise pour les référents, enseignants de NSI/SNT ou personnels développant des systèmes.

2. Collège : AI4MiddleSchools change d’échelle — apprendre le machine learning, la vision et les décisions automatisées plutôt que les seuls prompts

[PED-AUT] [OFFICIEL/RECHERCHE-TERRAIN] — mots-clés : collège, littératie-IA, machine-learning, biais, formation-enseignants — niveau : programme NSF en expansion multirégionale

Carnegie Mellon University a annoncé le 10 septembre l’extension d’AI4MiddleSchools à de nouveaux territoires du Connecticut, Mississippi, New Jersey et Pennsylvanie, tout en renforçant le programme en Géorgie, Texas et Floride.

Le choix pédagogique est notable : la littératie IA ne se limite pas à savoir utiliser ChatGPT. Le curriculum s’appuie sur les Five Big Ideas in AI et traite machine learning, compréhension du langage naturel, vision par ordinateur, décisions automatisées, biais, conception éthique et conséquences sociales.

Le dispositif a été construit avec les enseignants. Avant cette rentrée, 120 enseignants et plus de 1 700 élèves avaient participé ; plus de 75 nouveaux enseignants ont été formés dans six États. À trois ans, le programme prévoit environ 15 000 élèves, 1 700 enseignants, jusqu’à 145 enseignants relais et 150 responsables scolaires.

L’enjeu change donc d’échelle : il ne s’agit plus de séances isolées mais d’une progression institutionnelle, avec pôles de formation, leadership enseignant et accompagnement des directions.

Focus pluridisciplinaire

Le modèle convient particulièrement bien à une progression mêlant français/EMI pour les textes et biais, mathématiques pour classification et probabilités, SNT/NSI pour données et modèles, EMC/philosophie pour les décisions automatisées et arts pour les styles et données d’entraînement.

Limites

L’annonce documente surtout l’extension du dispositif. Elle ne fournit pas encore d’évaluation indépendante des apprentissages à long terme.

3. Cognition : chez 21 adultes, tout le monde possède au moins une conception erronée du fonctionnement de ChatGPT

[COG-PSY] [RECHERCHE] — mots-clés : modèles-mentaux, anthropomorphisme, probabilités, littératie-IA, esprit-critique — niveau : étude qualitative peer-reviewed

Une étude publiée le 7 septembre dans Frontiers in Computer Science examine les modèles mentaux utilisés pour expliquer le fonctionnement de ChatGPT. Les chercheurs ont mené des entretiens semi-directifs auprès de 21 adultes non spécialistes techniques.

Trois profils dominent : huit participants raisonnent principalement en termes probabilistes ; quatre privilégient des représentations anthropomorphiques ou dynamiques ; neuf imaginent surtout le système comme un mécanisme déterministe de recherche ou de récupération d’informations.

Le résultat le plus frappant est que tous les participants présentent au moins une conception erronée. Et employer du vocabulaire technique ne garantit pas la compréhension : parmi les dix personnes utilisant des termes techniques, sept donnent parallèlement des explications montrant qu’elles ne comprennent pas réellement le mécanisme évoqué.

L’étude remet donc en cause les évaluations de littératie fondées principalement sur la connaissance du vocabulaire. Savoir employer « token », « modèle » ou « entraînement » ne signifie pas nécessairement comprendre comment une réponse est produite.

Focus lettres / EMI

Une activité simple consiste à demander : « Que se passe-t-il entre votre prompt et la réponse ? » Les élèves dessinent leur représentation du mécanisme avant toute explication. On fait ainsi apparaître les conceptions intuitives : « il cherche sur Internet », « il connaît la réponse », « il réfléchit ».

Limites

L’échantillon est très petit et adulte. L’étude ne permet pas d’estimer la fréquence de ces conceptions chez les lycéens.

4. Arts, design et lettres : l’IA générative peut aussi homogénéiser les références culturelles et les styles

[PED-AUT] [RECHERCHE] — mots-clés : arts, biais, culture, créativité, données — niveau : analyse conceptuelle peer-reviewed

Une analyse publiée le 11 septembre dans Frontiers in Education examine les effets de l’IA générative sur les formations aux industries créatives, en particulier mode et design. Son argument concerne directement les lettres et les arts : les systèmes génératifs sont entraînés sur des répertoires culturels inégalement représentés et participent ensuite eux-mêmes à la génération de formes, de styles et de références.

L’autrice décrit un risque d’homogénéisation esthétique et épistémique : l’optimisation statistique tend à favoriser les formes dominantes dans les données et peut simplifier ou stéréotyper des traditions moins représentées.

L’article propose donc de ne plus séparer formation technique et réflexion culturelle : apprendre à utiliser une IA créative devrait aussi signifier examiner ses données, ses biais de représentation et les traditions qu’elle rend invisibles. Il introduit également l’idée de creative refusal : savoir refuser une génération jugée culturellement appauvrissante ou décontextualisée.

Focus lettres / arts

Faire générer par plusieurs modèles une scène, un personnage ou une représentation culturelle, puis comparer : ce qui revient systématiquement, ce qui disparaît, les stéréotypes et les références dominantes. On analyse alors non seulement l’erreur factuelle, mais la manière dont la moyenne statistique transforme la diversité culturelle.

Limites

Il s’agit d’une analyse conceptuelle, non d’une expérimentation mesurant des effets sur les élèves.

5. Autorégulation : le congrès SSU6 qui s’achève aujourd’hui propose de penser les stratégies comme distribuées entre élève, pairs, professeur et IA

[COG-PSY] [RECHERCHE/TERRAIN] — mots-clés : autorégulation, stratégies, langues-vivantes, agents, co-régulation — niveau : conférence scientifique en cours

Le 6e International Conference on Situating Strategy Use, consacré cette année à « Learning Strategies and Self-Regulation in the Time of AI », se termine aujourd’hui à Alexandroupolis.

La conférence plénière d’Osamu Takeuchi met en avant un déplacement conceptuel particulièrement utile pour les langues : les stratégies d’apprentissage ne sont plus seulement envisagées comme des processus internes à l’élève, mais comme distribuées, co-régulées et dynamiquement construites dans des systèmes humain–IA.

Cela permet de poser plus précisément la question pédagogique. Dans une activité assistée :

• l’IA peut rappeler un objectif ou proposer une relance ;
• l’élève juge et décide ;
• les pairs confrontent les stratégies ;
• le professeur conserve les critères et la finalité.

La vraie question devient donc « qui régule quoi ? », plutôt que simplement « l’élève utilise-t-il l’IA ? ».

Focus langues / lettres

Pour une révision de texte, on peut rendre cette distribution visible avec quatre colonnes : moi / pair / IA / professeur. À chaque étape, l’élève indique qui intervient et qui garde la décision finale.

Limites

Il s’agit d’une orientation issue d’une conférence scientifique, pas encore d’un résultat expérimental publié. Les actes et articles devront être examinés ensuite.

À retenir aujourd’hui

• Le cadre Kennisnet offre une traduction concrète de la littératie IA exigée au niveau européen : base, avancé, expert.
• AI4MiddleSchools montre qu’un véritable curriculum IA peut enseigner mécanismes, données, biais et décisions, plutôt que seulement l’utilisation des outils.
• Connaître le vocabulaire technique ne garantit pas de comprendre réellement ChatGPT : les modèles mentaux devraient devenir un objet d’enseignement.
• Dans les disciplines créatives, les biais concernent aussi les styles, références et représentations culturelles.
• La recherche sur l’autorégulation commence à penser l’apprentissage avec IA comme un processus distribué entre plusieurs acteurs humains et techniques.

À tester en classe

Dessine-moi ChatGPT. Avant toute explication technique, demander aux élèves de représenter ce qu’ils pensent qu’il se passe entre leur prompt et la réponse. La comparaison des dessins révèle immédiatement les conceptions erronées à travailler.

Qui régule quoi ? Lors d’une activité avec IA, ajouter quatre colonnes : moi / pair / IA / professeur. Pour chaque étape — idée, preuve, reformulation, vérification, décision — les élèves identifient qui intervient. La validation des preuves et la décision finale restent humaines.

À surveiller

Les publications issues de SSU6 ; la mise en œuvre de l’article 4 de l’AI Act dans les établissements européens ; les futures évaluations longitudinales d’AI4MiddleSchools ; les recherches mesurant les modèles mentaux plutôt que la seule confiance déclarée ; et le Global Forum on the Ethics of AI de l’UNESCO, du 14 au 17 septembre à Riyad, où seront notamment abordées l’IA agentique et la santé mentale des jeunes. L’UNESCO y prévoit le lancement de RAM 2.0 le 16 septembre.

Aucun nouveau projet open source scolaire publié depuis le dernier numéro ne présente aujourd’hui simultanément une activité suffisamment récente, une licence claire, une documentation solide, un traitement convaincant de la confidentialité et une valeur pédagogique assez établie pour justifier une rubrique OSS autonome.