← Toutes les newsletters

1. 1 405 enseignants : être mieux formé à l’IA augmente l’enthousiasme, mais ne fait pas disparaître les inquiétudes

[TERRAIN] [RECHERCHE] — mots-clés : enseignants, littératie-IA, formation-enseignants, créativité, intégrité — niveau : étude internationale transversale peer-reviewed

Une étude publiée le 25 septembre 2026 dans Frontiers in Education porte sur 1 405 enseignants en exercice aux États-Unis, en Inde, au Qatar, en Colombie et aux Philippines. L’échantillon comprend 44,6 % d’enseignants de lycée et 22,8 % de collège.

La préparation à l’IA, le soutien institutionnel et l’usage antérieur expliquent une part importante des croyances positives ; le modèle explique 50 % de leur variance. La préparation à l’IA est le prédicteur principal (B = 0,59), devant le soutien institutionnel (B = 0,16) et l’usage effectif (B = 0,14).

Mais ces variables n’expliquent que 6 à 7 % des inquiétudes sur le plagiat et la créativité. Plus surprenant : les enseignants les mieux préparés sont légèrement plus préoccupés par les effets de l’IA sur la créativité (B = 0,18).

Il faut donc abandonner une représentation simpliste de la formation : mieux maîtriser l’IA peut simultanément augmenter la perception de son intérêt et affiner la perception de ses risques.

Focus établissement

Une formation devrait distinguer compétence d’usage et analyse des risques pédagogiques. Un enseignant peut être techniquement compétent tout en jugeant légitimement qu’un usage dégrade l’écriture, la créativité ou la validité d’une évaluation.

Limites

Étude transversale et auto-déclarée ; traductions automatisées du questionnaire ; plus de 93 % de la variance des inquiétudes reste inexpliquée.

Étude complète dans Frontiers in Education

2. SVT : 779 articles montrent que la recherche a basculé très vite vers ChatGPT, mais reste dominée par le supérieur

[PED-AUT] [RECHERCHE] — mots-clés : SVT, sciences, recherche, littératie-IA, intégrité — niveau : analyse bibliométrique peer-reviewed

Une analyse publiée le 25 septembre dans Discover Education cartographie 779 articles peer-reviewed en accès ouvert, indexés dans Scopus entre 2015 et 2025, sur l’IA dans l’enseignement des sciences de la vie, de la Terre et de l’environnement.

Les thèmes les plus récents deviennent « generative AI », « large language model », « AI literacy », « academic integrity » et « ChatGPT ». Les auteurs identifient 2023 comme le basculement vers l’IA générative, 2024 comme la consolidation des recherches sur ChatGPT, les étudiants, la validité des évaluations et les politiques institutionnelles, puis 2025 comme l’émergence de la littératie IA et de l’éthique.

Mais « higher education » demeure un concept central. Les auteurs considèrent que le paradigme dominant, centré sur ChatGPT dans le supérieur, pourrait approcher une saturation thématique et appellent à davantage de recherches véritablement disciplinaires.

Focus SVT

Le programme de recherche intéressant pour le secondaire n’est donc plus « utiliser un chatbot », mais tester son effet sur l’interprétation de données, la construction d’hypothèses, la critique de modèles, le raisonnement causal et la distinction preuve/explication.

Limites

Analyse bibliométrique, non mesure d’efficacité ; Scopus uniquement ; accès ouvert uniquement ; collecte arrêtée en mars 2026.

Étude complète dans Discover Education

3. « Enseignement traditionnel » contre « enseignement par IA » : attention aux enquêtes de perception

[COG-PSY] [RECHERCHE] — mots-clés : apprentissage, personnalisation, hybridation, perception, méthodologie — niveau : étude mixte peer-reviewed

Une étude publiée le 25 septembre compare les perceptions de 350 étudiants et enseignants de plusieurs établissements indiens. Près de la moitié considèrent les systèmes IA/LLM plus efficaces pour compréhension et rétention ; une majorité valorise leur personnalisation et leur feedback adaptatif. L’enseignement traditionnel conserve l’avantage perçu pour mentorat, conscience éthique et apprentissage collaboratif.

Mais il s’agit principalement de perceptions déclarées. Une affirmation comme « les étudiants apprennent mieux avec l’IA » ne peut être déduite d’un questionnaire leur demandant s’ils pensent apprendre mieux.

Pour les élèves eux-mêmes, trois propositions doivent être séparées : « j’ai trouvé cela plus facile » ; « j’ai eu l’impression de comprendre » ; « je peux maintenant réussir seul une tâche nouvelle ». La troisième relève véritablement du transfert.

Étude dans International Journal of Computational Intelligence Systems

4. Mesurer la « préparation à l’IA » : compréhension, éthique et capacité d’usage sont trois compétences distinctes

[EDTECH] [RECHERCHE] — mots-clés : littératie-IA, évaluation, éthique, formation, mesure — niveau : validation psychométrique peer-reviewed

Une étude publiée le 24 septembre propose les échelles GenAI-RP à partir de 460 étudiants et 132 enseignants du supérieur.

La partie la plus intéressante concerne la readiness. Les analyses retiennent trois dimensions : compréhension de l’IA générative ; conscience éthique ; utilisation et maîtrise pratique. Savoir écrire des prompts ne suffit donc pas à définir une compétence IA.

Les difficultés perçues se structurent autour de l’éthique/confidentialité, des effets éducatifs négatifs et de l’exactitude/sensibilité des réponses. La structure est correctement confirmée pour les étudiants, mais l’échelle des difficultés ne présente pas un ajustement satisfaisant chez les enseignants, notamment avec seulement 132 participants.

Pour la formation continue

Trois questions peuvent structurer une autoévaluation : je comprends ce que fait le système ; je sais identifier ses enjeux éthiques et de données ; je sais construire et vérifier un usage pédagogique.

Étude GenAI-RP

5. Climat : un programme Europe-Asie fait de l’élève le professeur et de l’IA un outil de conception

[PED-AUT] [OFFICIEL] — mots-clés : climat, interdisciplinarité, pédagogie-de-projet, élèves, agentivité — niveau : programme international de formation, non évalué

L’Asia-Europe Foundation a achevé le 25 septembre son programme AI for Climate Curriculum Innovation, destiné aux enseignants et formateurs du primaire et du secondaire.

Son architecture est intéressante : intégrer le climat au curriculum → apprendre en faisant avec l’IA → faire des élèves les enseignants → diffuser le travail hors de la classe. Des élèves plus âgés conçoivent et donnent des leçons climatiques à des plus jeunes ; l’IA soutient notamment conception, alignement curriculaire et communication.

Focus interdisciplinaire

Un groupe de seconde pourrait construire une capsule pour des collégiens : SVT vérifie le contenu scientifique ; français travaille explication et argumentation ; géographie contextualise ; mathématiques contrôlent les données. L’IA propose, mais chaque discipline valide.

Limites

Programme de développement professionnel, pas étude d’efficacité : aucun résultat comparatif sur les apprentissages n’est encore disponible.

Programme ASEFClassNet

6. Écriture et langues : « corriger mieux » ne signifie toujours pas « apprendre mieux »

[PED-FR] [RECHERCHE] — mots-clés : écriture, grammaire, feedback, correction, apprentissage — niveau : recherche technique peer-reviewed

Un article publié le 25 septembre dans Discover Artificial Intelligence propose un nouveau modèle de correction grammaticale automatique en anglais. Sur CoNLL-2014 et JFLEG, il améliore précision, rappel et indicateur combiné par rapport aux modèles retenus pour la comparaison.

Pour l’enseignement, l’essentiel est ailleurs : un système peut-il mieux corriger ? et un élève apprend-il davantage après cette correction ? sont deux questions différentes. Les benchmarks de correction grammaticale mesurent essentiellement la première.

Focus français / langues

Éviter « corriger tout ». Faire d’abord localiser l’erreur → proposer une correction → nommer la règle → confronter ensuite au correcteur. La valeur pédagogique réside dans le protocole cognitif entourant l’outil.

Limites

Corpus anglais, aucune expérimentation avec des élèves, aucune mesure de mémorisation, de transfert ou de dépendance au correcteur.

Étude sur la correction grammaticale

7. Open source : aucune nouveauté scolaire ne franchit aujourd’hui le seuil de recommandation

[OSS] [OPEN-SOURCE] — mots-clés : open-source, local, confidentialité, maturité, validation — niveau : veille de projets

Les nouveautés techniques récentes concernent principalement infrastructures de modèles, agents et pipelines. Aucun nouveau projet ne réunit aujourd’hui les conditions suffisantes pour une recommandation scolaire autonome : licence claire, activité récente, installation reproductible, confidentialité maîtrisable, usage scolaire précis et maturité suffisante.

Un framework LLM récent n’est pas en lui-même un outil éducatif : il faut pouvoir identifier le problème pédagogique qu’il résout, les données qu’il manipule et ses conditions réalistes de maintenance.

À retenir aujourd’hui

• Sur 1 405 enseignants K-12, préparation, soutien institutionnel et usage favorisent les perceptions positives, mais ne suppriment pas les inquiétudes concernant plagiat et créativité.
• En SVT, la recherche bascule vers ChatGPT, littératie IA, intégrité et politiques institutionnelles, mais demeure trop centrée sur le supérieur.
• Il faut distinguer perception d’apprendre, facilité ressentie et apprentissage transférable.
• Une littératie IA sérieuse combine compréhension du système, conscience éthique et maîtrise pratique.
• L’amélioration technique d’un correcteur grammatical n’est pas une preuve d’amélioration des apprentissages.

À tester en classe

Enthousiasme ≠ absence de critique. Après un usage d’IA : « qu’est-ce que cet outil m’a réellement permis de mieux faire ? » puis « quel apprentissage risque-t-il de me faire éviter ? ».

Corriger avant le correcteur. Sur cinq phrases : segment problématique / correction supposée / règle invoquée / après consultation de l’IA : je maintiens ou révise mon diagnostic parce que…. L’évaluation porte sur le raisonnement grammatical.

À surveiller

Les réplications longitudinales de l’étude internationale sur les enseignants ; les recherches réellement conduites au collège et lycée en SVT ; les études testant l’apprentissage après retrait de l’IA ; la validation de mesures de littératie par des tâches réelles de performance ; et les projets open source combinant petit modèle local, corpus contrôlé, confidentialité et scénario disciplinaire documenté.

Nom d’archive : 2026-09-26_Veille-IA-Education.md