← Toutes les newsletters

1. La Commission européenne publie deux rapports : l’effet de l’IA sur l’apprentissage dépend d’abord de la manière dont elle est utilisée

[POL-PUB] [OFFICIEL] — mots-clés : Union-européenne, apprentissage, compétences-numériques, formation-enseignants, équité — niveau : synthèse de preuves et état comparatif

La Commission européenne a publié le 22 septembre deux documents majeurs : Friend or foe? Evidence from the use of generative artificial intelligence in learning and teaching et Digital education at school in Europe 2026. Le premier examine notamment développement cognitif, pensée critique, autorégulation, équité et effets socio-émotionnels ; le second compare la transformation numérique des systèmes scolaires européens.

La conclusion est prudente : les effets sur les apprentissages dépendent de l’usage pédagogique et les conséquences à long terme sur les compétences restent incertaines. La Commission insiste donc sur la formation initiale et continue des enseignants et sur des lignes directrices institutionnelles. Près des deux tiers des systèmes éducatifs disposent désormais d’une stratégie, de recommandations ou d’un cadre concernant l’IA, mais l’accès effectif aux technologies avancées reste inégal.

La question européenne se déplace ainsi de « faut-il introduire l’IA ? » vers « quelles compétences voulons-nous développer et comment vérifier qu’elles progressent ? »

Rapports et synthèse de la Commission européenne

2. STEM : 38 étudiants utilisent le même ChatGPT, mais pas du tout le même « outil cognitif »

[PED-AUT] [RECHERCHE] — mots-clés : STEM, engagement-cognitif, résolution-de-problèmes, ICAP, métacognition — niveau : étude qualitative peer-reviewed

Une étude publiée le 22 septembre dans l’International Journal of STEM Education observe 38 étudiants travaillant sur un problème de programmation linéaire. Chacun résout d’abord manuellement le problème, puis utilise ChatGPT et rédige une réflexion comparative ; des traces d’interaction sont disponibles pour 32 étudiants.

Les chercheurs distinguent avec ICAP quatre niveaux : passif — recevoir ; actif — vérifier ; constructif — chercher une explication ; interactif — construire un raisonnement par un dialogue réellement contingent. Les comportements observés vont de la simple copie du problème à l’utilisation de l’IA pour comprendre les prix d’ombre, contraintes actives ou analyses de sensibilité.

Résultat remarquable : aucun étudiant ne fournit de preuve suffisante d’un engagement interactif, même lorsque la conversation comporte plusieurs tours. Une interface conversationnelle ne produit donc pas automatiquement un dialogue cognitif. Les auteurs relèvent que la tâche ne donnait ni modèle de dialogue, ni incitation à contester l’IA, ni récompense évaluative pour le faire.

Focus mathématiques / NSI / sciences

Résoudre d’abord → consulter l’IA → comparer → demander « pourquoi ? », « qu’est-ce qui changerait si… ? » → reformuler sans IA. Le nombre de prompts importe moins que l’opération cognitive réalisée.

Limites

Une tâche, un contexte universitaire, petit échantillon et aucun post-test de transfert. L’étude caractérise les comportements ; elle ne démontre pas que l’usage constructif améliore effectivement la compréhension.

Étude complète dans International Journal of STEM Education

3. Écriture avec IA : « expérimentation, expertise, agentivité » émergent comme trois concepts à apprendre

[PED-FR] [RECHERCHE] — mots-clés : écriture, agentivité, expertise, littératie-IA, processus — niveau : étude qualitative peer-reviewed

Le numéro de septembre de Computers and Composition publie une étude fondée sur un cours expérimental « AI and Writing », conduit à deux reprises auprès de 38 étudiants issus de 22 disciplines. Les étudiants réalisaient des défis guidés puis des projets autonomes d’écriture assistée.

L’analyse fait émerger trois threshold concepts : expérimentation, expertise et agentivité. L’enjeu n’est donc plus simplement de savoir produire « le bon prompt », mais d’expérimenter avec les possibilités et limites du système, de mobiliser une expertise disciplinaire pour juger ses propositions et de conserver la responsabilité des décisions d’écriture.

Focus français

Remplacer « utilisez l’IA pour améliorer votre texte » par trois questions : qu’avez-vous expérimenté ? quelle connaissance littéraire ou linguistique vous a permis de juger le résultat ? quelle décision avez-vous refusé de déléguer ?

Limites

L’étude concerne 38 étudiants du supérieur dans un enseignement spécifiquement consacré à l’IA et à l’écriture. Elle ne mesure pas expérimentalement un gain rédactionnel transférable au lycée.

4. Besoins éducatifs particuliers : former à l’IA déplace le regard de « gagner du temps » vers « construire un étayage adaptatif »

[TERRAIN] [RECHERCHE] — mots-clés : inclusion, besoins-éducatifs-particuliers, formation-enseignants, données, étayage — niveau : étude exploratoire mixte, acceptée le 22 septembre

Un article de Frontiers in Education, accepté le 22 septembre, étudie la littératie IA de 19 étudiants de master en éducation spécialisée. Les futurs enseignants passent progressivement d’une représentation de l’IA comme outil administratif permettant de gagner du temps à une conception comme étayage pédagogique adaptatif nécessitant contrôle humain, protection des données et adaptation individuelle.

Pour le secondaire, le principe est transférable : ne pas demander seulement à l’IA de « simplifier ce texte », mais préciser l’obstacle visé, ce qui doit rester intellectuellement exigeant, l’aide autorisée et ce que l’élève doit encore accomplir seul.

Limites

N = 19, futurs enseignants et contexte américain. L’article est accepté mais sa version finale n’est pas encore complètement disponible : ces résultats doivent être considérés comme exploratoires.

Article Frontiers in Education

5. Learning Commons ouvre une infrastructure pour tester la qualité pédagogique des contenus produits par IA

[EDTECH] [OPEN-SOURCE] — mots-clés : évaluation, learning-science, standards, open-data, feedback — niveau : plateforme lancée le 22 septembre, composants ouverts

Learning Commons a officiellement lancé le 22 septembre une plateforme visant un problème essentiel : un contenu généré peut être linguistiquement impeccable tout en étant pédagogiquement mal calibré.

La plateforme combine un Knowledge Graph — standards scolaires, progressions, composantes des compétences, erreurs fréquentes, curricula — avec des Evaluators testant les productions IA selon le niveau de classe, l’alignement aux standards, la qualité du feedback, la complexité textuelle ou la rigueur pédagogique. Un nouvel évaluateur porte notamment sur la recherche, l’évaluation et l’utilisation de preuves dans une argumentation.

Les dépôts Knowledge Graph et Evaluators sont publics ; ce dernier contient code, prompts et jeux de données annotés. Certains jeux du Knowledge Graph sont ouverts, d’autres nécessitent une autorisation. Learning Commons indique par ailleurs concevoir cette infrastructure pour fonctionner sans données d’élèves.

Focus lettres

L’idée d’un évaluateur de feedback d’écriture est plus intéressante pédagogiquement qu’un générateur supplémentaire. Une adaptation française pourrait tester non seulement la correction linguistique d’un retour IA, mais son adéquation aux attendus d’une classe de seconde ou de l’EAF.

Limites

La plateforme vient d’être lancée. Des grilles fondées sur la recherche ne constituent pas encore une preuve indépendante que les produits qui les utilisent améliorent les apprentissages ; les standards actuels sont principalement américains.

6. Formation des enseignants du secondaire : l’Asia-Europe Foundation consacre sa semaine à l’évaluation fondée sur le processus

[PED-AUT] [OFFICIEL] — mots-clés : formation-enseignants, évaluation, processus, intégrité, AI-TPACK — niveau : programme international de développement professionnel

L’Asia-Europe Foundation a tenu le 22 septembre la quatrième séance de son programme ASEFClassNet EmpowerEd, destinée précisément aux évaluations fondées sur le processus et à l’intégrité académique. Le cursus de cinq semaines s’appuie notamment sur AI-TPACK et les cadres de littératie et de compétences IA de l’OCDE et de l’UNESCO.

Sa progression est instructive : AI-TPACK → apprentissage actif → inclusion → évaluation du processus → conception de pratiques transférables. Le programme vise explicitement à prévenir le cognitive offloading par l’enquête socratique et à faire produire aux enseignants un portfolio de séquences disciplinaires.

Limites

Il s’agit d’un programme de formation, non d’une évaluation de son efficacité. Aucun résultat comparatif sur les pratiques ou les apprentissages n’est encore publié.

À retenir aujourd’hui

• La Commission européenne pose clairement la limite actuelle des connaissances : l’effet de l’IA dépend de l’usage et son impact à long terme sur les compétences reste incertain.
• Plusieurs tours de conversation ne signifient pas dialogue cognitif : aucun des 38 étudiants de l’étude STEM n’atteint le niveau interactif du modèle ICAP.
• En écriture, la compétence émergente associe expérimentation + expertise + agentivité.
• Pour l’inclusion, une adaptation générée doit rester une hypothèse pédagogique soumise au jugement de l’enseignant.
• Learning Commons ouvre une piste structurante : évaluer la qualité pédagogique des productions IA, plutôt que seulement améliorer leur génération.

À tester en classe

Du prompt à l’engagement cognitif. Après une première réponse de l’IA, imposer trois opérations : vérifier une affirmation ; demander l’explication d’un point réellement incompris ; modifier une hypothèse et prévoir d’abord soi-même ce qui devrait changer.

Contrôle qualité d’un feedback IA. Faire évaluer un retour généré selon quatre critères : exactitude ; adéquation à la consigne ; caractère actionnable ; préservation du travail intellectuel de l’élève. L’élève supprime ensuite un conseil, en conserve un et en réécrit un troisième.

À surveiller

Les documents complets des deux rapports européens ; les expériences mesurant le transfert après des usages constructifs ou interactifs ; la publication finale de l’étude sur l’éducation spécialisée ; les premières évaluations indépendantes de Learning Commons, notamment sur le feedback d’écriture ; et la dernière séance ASEFClassNet du 29 septembre.

Nom d’archive : 2026-09-23_Veille-IA-Education.md