← Toutes les newsletters

1. Évaluer l’oral avec l’IA : trois systèmes, les mêmes 30 prestations, des notes sensiblement différentes

[PED-AUT] [RECHERCHE] — mots-clés : oral, évaluation, langues-vivantes, feedback, jugement-humain — niveau : étude comparative peer-reviewed

Une étude publiée le 26 septembre 2026 dans Discover Education compare l’évaluation de 30 étudiants indonésiens en anglais langue étrangère passant une épreuve orale de type IELTS. Chaque prestation est évaluée par deux enseignants expérimentés et par trois systèmes : ChatGPT, Otter AI et Claude AI. Les mêmes critères IELTS sont utilisés : fluidité et cohérence, ressources lexicales, étendue et correction grammaticales, prononciation.

Le résultat le plus important n’est pas qu’une « IA » se rapproche ou non des correcteurs humains, mais que les trois systèmes ne se comportent pas comme une catégorie homogène. Lorsque leurs scores sont agrégés, les humains notent en moyenne 0,522 point plus haut que les systèmes automatisés (p < .001), avec une corrélation modérée entre évaluations humaine et automatisée (r = .497 ; p = .005). Mais l’analyse outil par outil montre que ChatGPT ne diffère pas significativement de l’un des deux correcteurs humains, tandis qu’Otter AI et surtout Claude divergent davantage.

Les auteurs observent une complémentarité de principe : les systèmes automatisés sont plus réguliers sur certains éléments techniques, tandis que les humains restent mieux placés pour juger l’efficacité communicative et les dimensions pragmatiques de l’oral. Ils proposent donc un usage formatif et hybride : entraînement à faible enjeu et feedback immédiat par l’IA ; jugement humain pour les dimensions communicatives et les décisions à fort enjeu.

Focus langues / français oral

Pour préparer un oral, l’IA peut être utilisée comme miroir technique, non comme examinateur souverain : relever répétitions, débit, formulations imprécises ou erreurs grammaticales, puis faire évaluer par un humain la pertinence de l’interprétation, la qualité de l’adresse, l’organisation du propos et la capacité à répondre réellement à une question.

Pour l’EAF, cette distinction est essentielle : une performance orale littéraire ne se réduit pas à la correction de la langue ou à la fluidité.

Limites

N = 30, un seul contexte universitaire et une épreuve IELTS. Les modalités d’entrée diffèrent aussi selon les systèmes : ChatGPT reçoit l’audio directement, alors que Claude et Otter travaillent à partir de transcriptions. L’étude ne valide donc aucun de ces outils pour une notation certificative au lycée.

Source : Aeni, Syawaluddin & Strid, Discover Education, 26 septembre 2026.
https://link.springer.com/article/10.1007/s44217-026-02185-3

2. 15 507 corrections montrent un autre problème : une IA peut sembler fiable globalement et être mal calibrée selon la discipline

[EDTECH] [RECHERCHE] — mots-clés : évaluation, calibration, disciplines, équité, correction — niveau : étude quantitative peer-reviewed

Une seconde étude publiée le 26 septembre, dans Discover Artificial Intelligence, déplace utilement le débat. Elle analyse 15 507 résultats complets de correction issus d’un examen professionnel sud-africain de comptabilité, couvrant huit domaines : comptabilité, fiscalité, finance, audit, stratégie, décision, technologie et éthique. Les copies avaient été évaluées par des humains et par un système de machine learning supervisé entraîné spécifiquement pour cette tâche.

Le système n’est pas un LLM généraliste : les réponses longues sont transformées en représentations sémantiques, puis classées par des modèles supervisés. C’est précisément ce qui rend le résultat intéressant : même un système spécialisé et entraîné sur la tâche peut masquer des incohérences derrière une bonne performance moyenne.

Les divergences IA-humain varient selon le niveau des copies et surtout selon le domaine évalué. Aux niveaux faibles, l’IA tend davantage à dépasser la note humaine ; aux niveaux élevés, l’inverse apparaît. Surtout, la « confiance » du système ne possède pas la même valeur prédictive selon les matières : un niveau de confiance identique ne signifie donc pas partout la même probabilité d’avoir correctement évalué.

Les auteurs parlent de calibration contextuelle. Une moyenne globale satisfaisante ne suffit pas : il faut tester le système matière par matière, type de tâche par type de tâche et niveau de performance par niveau de performance.

Focus lettres

Un outil qui paraît correctement calibré sur des réponses factuelles ou structurées ne peut pas être supposé fiable pour un commentaire littéraire, une dissertation ou un essai. Les dimensions d’interprétation, de hiérarchisation des arguments et de pertinence des preuves textuelles doivent faire l’objet d’une validation spécifique.

Limites

Le système étudié n’est pas un LLM génératif et le contexte est celui d’une certification professionnelle en comptabilité. Les auteurs signalent aussi que l’échelle de notes de l’IA était plus resserrée que celle des humains, ce qui peut expliquer une partie des écarts aux extrêmes.

Source : Gold, Discover Artificial Intelligence, 26 septembre 2026.
https://link.springer.com/article/10.1007/s44163-026-02226-8

3. 1 105 étudiants et enseignants : l’usage fréquent de l’IA n’entretient pas une relation simplement linéaire avec le sentiment de compétence

[COG-PSY] [RECHERCHE] — mots-clés : dépendance, autoefficacité, fréquence-usage, enseignants, étudiants — niveau : étude transversale peer-reviewed

Une étude publiée le 26 septembre dans Sustainability porte sur 1 105 répondants de cinq universités de Pékin : 659 étudiants et 446 enseignants. Elle examine la relation entre fréquence d’utilisation de l’IA générative, sentiment de capacité dans les tâches universitaires et dépendance déclarée envers l’IA.

L’intérêt du protocole tient à son hypothèse : plus d’usage n’est pas nécessairement toujours meilleur. Les auteurs testent notamment des relations non linéaires, avec régressions hiérarchiques, tests formels de courbe en U inversé, intervalles bootstrap et analyses de sensibilité.

Le résultat général plaide pour une logique de calibrage de l’usage plutôt que pour une opposition « utiliser / ne pas utiliser ». Les associations entre fréquence, sentiment de capacité et dépendance diffèrent selon les tâches et selon le rôle étudiant/enseignant. Cela renforce une idée pédagogique importante : compter le nombre d’usages ou de prompts renseigne peu sur la qualité cognitive du travail réalisé.

Pour le secondaire

Un indicateur plus utile que « combien de fois as-tu utilisé l’IA ? » serait : à quelle étape l’as-tu utilisée, quelle opération lui as-tu déléguée et pouvais-tu encore accomplir cette opération sans elle à la fin du travail ?

Limites

Toutes les variables centrales sont auto-déclarées et l’étude est transversale : elle ne permet pas de conclure que l’usage de l’IA cause une hausse ou une baisse réelle des compétences. Le contexte est universitaire et géographiquement limité à Pékin.

Source : Sustainability, publié le 26 septembre 2026.
https://www.mdpi.com/2071-1050/18/19/9871

4. Lettres et sciences humaines : une conférence de Duke pose la bonne question — que devient l’interprétation quand un modèle peut produire lui-même une lecture ?

[PED-FR] [OFFICIEL] — mots-clés : interprétation, humanités, lecture, culture, esprit-critique — niveau : conférence interdisciplinaire, résultats scientifiques à distinguer des communications

La Humanistic AI Conference: Generative Models and the Future of Cultural and Historical Interpretation, organisée à Duke University les 25 et 26 septembre, réunit chercheurs en humanités, informatique, statistiques, sciences sociales et sciences des données autour d’un objet directement pertinent pour les lettres : l’effet des modèles génératifs sur l’interprétation culturelle et historique.

L’intérêt pour l’enseignement secondaire ne réside pas dans une nouvelle fonctionnalité technique, mais dans le déplacement de la question. Si un modèle peut proposer en quelques secondes une interprétation d’un poème, d’un personnage ou d’un document historique, l’exercice scolaire ne peut plus être défini uniquement comme la production d’une interprétation plausible. Il faut rendre visible ce qui autorise l’interprétation : indices textuels, mise en relation, connaissances, alternatives possibles, réfutation d’une lecture concurrente.

Focus français

Un protocole simple consiste à donner aux élèves une interprétation IA volontairement plausible, puis à interdire toute discussion de son « style ». La seule question devient : quelles propositions sont effectivement démontrées par le texte ? Chaque affirmation doit recevoir une preuve, une objection possible et, si nécessaire, une reformulation plus prudente.

Cela rapproche l’activité du véritable travail herméneutique : l’enjeu n’est plus de produire du commentaire, mais de construire et contrôler la relation entre texte, hypothèse et preuve.

Limites

Il s’agit d’une conférence, non d’une étude contrôlée dont on pourrait tirer un effet mesuré sur les apprentissages. Les communications devront être examinées séparément lorsqu’elles seront publiées.

Source : Duke University, conférence des 25–26 septembre 2026.
https://chsi.duke.edu/events/humanistic-ai-conference-generative-models-and-future-cultural-and-historical-interpretation

5. Mathématiques : à Paris, le réseau T³ remet en scène un vieux problème — que faut-il encore savoir faire quand la machine sait déjà calculer ?

[PED-AUT] [COMMERCIAL] — mots-clés : mathématiques, compétences, calculatrice, raisonnement, formation-enseignants — niveau : conférence professionnelle internationale en cours

Le réseau européen Teachers Teaching with Technology (T³) réunit à Paris, du 25 au 27 septembre, des enseignants de douze pays autour du thème « AI meets TI: New Competencies for a New Era ». La journée du 26 septembre était consacrée à une conférence et à quatre séries d’ateliers sur l’IA en éducation ; le 27 se clôt par une table ronde entre recherche, enseignement et pratique professionnelle.

Le cadrage proposé est instructif : T³ rappelle la controverse provoquée par la calculatrice symbolique TI-92 en 1996, capable de manipuler des expressions algébriques, résoudre des équations et tracer des graphes. Trente ans plus tard, l’IA généralise le problème : quelles compétences doivent rester maîtrisées lorsque la technologie peut exécuter une partie croissante de la tâche ?

Cette comparaison a toutefois une limite importante. Une calculatrice symbolique exécute des opérations relativement définies ; un LLM peut également produire explications, justifications et raisonnements plausibles, y compris lorsqu’ils sont faux. L’enjeu actuel porte donc autant sur la validation du raisonnement que sur la délégation du calcul.

Focus mathématiques / sciences

Une tâche peut être organisée en trois colonnes : ce que la machine calcule ; ce que l’élève doit comprendre pour contrôler le résultat ; ce que l’élève doit encore pouvoir refaire sans assistance. Cette structure est transférable à la programmation, aux sciences expérimentales et à l’économie-gestion.

Réserve sur la source

T³ est historiquement lié à Texas Instruments : il s’agit d’une source de formation professionnelle adossée à un acteur commercial, non d’une preuve indépendante d’efficacité pédagogique.

Source : T³ Europe, programme 25–27 septembre 2026.
https://www.t3europe.eu/en/t3-europe/professional-development/sharing-inspiration-2026

6. Pédagogie de l’écriture : après quatre semestres d’expérimentation, Miami University fait comparer les politiques d’usage plutôt que promouvoir une règle unique

[PED-FR] [TERRAIN] — mots-clés : écriture, politiques-IA, formation-enseignants, intégrité, agentivité — niveau : retour institutionnel de terrain

Le 25 septembre, le Howe Center for Writing Excellence de Miami University a organisé un AI-Informed Writing Pedagogy Symposium après quatre semestres de son certificat de formation à la pédagogie de l’écriture avec IA. Le choix institutionnel est intéressant : au lieu de prolonger mécaniquement la formation, l’équipe suspend cette édition du certificat et demande aux participants de présenter ce qu’ils ont effectivement appris.

Le symposium comprend des tables rondes, une gallery walk de politiques et principes d’usage de l’IA, ainsi qu’un retour sur l’utilisation par les étudiants de modules spécifiquement conçus pour eux. Le principe affiché est que les enseignants puissent construire des positions différentes en fonction de leurs propres principes pédagogiques.

Pour les lettres, cette approche est plus féconde qu’une règle uniforme « IA autorisée / interdite ». L’autorisation peut dépendre de l’objectif cognitif de la phase de travail : interdite lors d’un premier jet diagnostique ; éventuellement autorisée pour confronter des reformulations ; interdite lorsqu’il faut mesurer une compétence individuelle ; autorisée lorsque l’objet de l’exercice est précisément la critique d’un texte généré.

Limites

Le symposium constitue un retour de développement professionnel, pas une publication scientifique. Les effets sur la qualité des textes ou l’autonomie des étudiants ne sont pas encore documentés ici par des données comparatives.

Source : Miami University, Howe Center for Writing Excellence, symposium du 25 septembre 2026.
https://events.miamioh.edu/event/copy-of-how-to-give-up-line-editing-and-make-feedback-work-for-you-strategies-for-responding-to-student-writing

7. Open source : le hackathon Reboot the Earth produit des solutions IA ouvertes pour l’agriculture durable

[OSS] [OPEN-SOURCE] — mots-clés : open-source, développement-durable, programmation, projet, biens-publics-numériques — niveau : hackathon international, prototypes à évaluer

Le 26 septembre s’est achevé à Carnegie Mellon University Qatar Reboot the Earth, hackathon organisé avec les Nations unies, la FAO et le Hamad Bin Jassim Center for Computer Science Education. Les participants développent des solutions IA open source pour l’agriculture durable, avec l’objectif explicite de produire des digital public goods.

Pour l’éducation, l’intérêt tient moins aux prototypes — dont il faudra vérifier séparément code, licence, documentation et maintenance — qu’au modèle de projet : l’IA n’est pas enseignée comme une suite de fonctions à apprendre, mais comme une technologie mobilisée pour formuler un problème réel, travailler avec des données, construire un prototype et rendre le résultat réutilisable.

Transfert NSI / technologie / SVT / géographie

Un projet scolaire plus modeste peut conserver la même architecture : problème local documenté → données accessibles → prototype ou analyse → publication du code et des sources → fiche précisant limites, biais et conditions de réutilisation.

Limites

Un hackathon démontre une capacité à prototyper, pas l’efficacité ni la pérennité des solutions. Les projets finaux doivent être audités avant toute recommandation.

Source : Carnegie Mellon University in Qatar / Nations unies, 23–26 septembre 2026.
https://www.qatar.cmu.edu/event/reboot-the-earth/

À retenir aujourd’hui

• Pour l’évaluation de l’oral, parler de « la note de l’IA » n’a guère de sens : trois systèmes appliquant le même barème aux mêmes prestations peuvent diverger sensiblement.
• Sur 15 507 corrections, une bonne performance moyenne masque des différences selon la discipline et le niveau des copies : la validation doit être contextuelle, pas seulement globale.
• La fréquence d’usage ne suffit pas pour juger un apprentissage : il faut identifier quelle opération cognitive est déléguée et ce qui reste maîtrisé sans assistance.
• En lettres, l’arrivée de lectures générées automatiquement renforce la valeur de la chaîne hypothèse → indice textuel → preuve → objection → interprétation révisée.
• Les retours de terrain sur l’écriture convergent vers des règles d’usage dépendantes de l’objectif pédagogique, plutôt qu’une autorisation ou interdiction uniforme.

À tester en classe

L’interprétation sous contrôle

Donner une interprétation IA de dix lignes sur un texte étudié. Chaque binôme doit annoter chaque proposition avec l’un des trois codes : D = démontrée par le texte ; P = plausible mais non démontrée ; I = incompatible ou inexacte. Pour chaque P ou I, exiger une citation précise et une reformulation. L’IA devient ici un objet d’explication de texte, pas son auteur.

Le barème contre les correcteurs

Sur une courte production anonymisée, faire produire deux évaluations IA séparées avec exactement le même barème. Les élèves repèrent les divergences puis reviennent au texte pour décider laquelle est justifiable. La conclusion à faire formuler : un score n’est pas une preuve ; la preuve est la relation explicite entre critère, trace dans la copie et jugement.

À surveiller

• Les réplications de l’étude IELTS sur des oraux scolaires authentiques et avec des systèmes recevant tous la même modalité d’entrée.
• Les travaux sur la calibration disciplinaire des systèmes de correction, particulièrement pour les productions argumentatives et littéraires.
• Les études longitudinales mesurant la compétence après retrait de l’IA, plutôt que la capacité perçue pendant son utilisation.
• Les publications issues de la conférence de Duke sur IA, culture et interprétation.
• Les prototypes open source issus de Reboot the Earth, à examiner une fois les dépôts, licences et documentations stabilisés.

Nom d’archive : 2026-09-27_Veille-IA-Education.md