← Toutes les newsletters

1. Conseil de l’UE : les « compétences pour interagir avec l’IA » arrivent aujourd’hui sur la table des États membres

[POL-PUB] [OFFICIEL] — mots-clés : littératie-IA, compétences, Union-européenne, curriculum, politique-publique — niveau : texte de conclusions en négociation

Le Comité de l’éducation du Conseil de l’Union européenne se réunit ce 1er octobre avec, parmi ses documents de travail, une version révisée datée du 25 septembre du projet de conclusions du Conseil sur les compétences nécessaires pour interagir avec l’intelligence artificielle. Il s’agit à ce stade d’un texte en négociation : ce n’est ni une nouvelle réglementation ni une obligation applicable aux établissements scolaires.

L’intitulé est néanmoins significatif. La politique éducative européenne ne traite plus seulement de la formation de spécialistes de l’IA, mais des compétences permettant aux citoyens et aux travailleurs d’interagir avec des systèmes d’IA. Cette évolution renforce la distinction entre savoir utiliser ponctuellement un chatbot et disposer d’une véritable littératie : comprendre ce que fait le système, contrôler ses résultats, savoir quand ne pas l’utiliser et conserver une capacité autonome de jugement.

Focus lettres / EMI

En français, cette compétence peut être travaillée sans créer un « cours de prompt ». Face à une interprétation générée, l’élève doit savoir identifier une affirmation, retrouver sa preuve textuelle, détecter une extrapolation et décider si l’IA doit être corrigée ou rejetée. La compétence évaluée reste littéraire ; la littératie IA intervient dans le contrôle de la médiation technique.

À ne pas confondre

Le projet de conclusions n’est pas l’AI Act et ne crée aujourd’hui aucune nouvelle règle pour les enseignants. Il faudra attendre l’issue du processus du Conseil pour connaître le texte politique définitif.

Conseil de l’UE — Comité de l’éducation du 1er octobre 2026

2. Un tutorat IA qui inverse ChatGPT : le modèle pose les questions au lieu de donner les réponses

[PED-AUT] [RECHERCHE] — mots-clés : tutorat, questionnement, sciences, engagement, offloading — niveau : étude de cas mixte peer-reviewed

Une étude publiée le 30 septembre dans le Canadian Journal of Science, Mathematics and Technology Education teste une idée particulièrement transférable au secondaire : transformer une plateforme générative gratuite en Flipped-Interaction Intelligent Tutoring System (FIITS). Au lieu de répondre aux questions de l’étudiant, l’IA lui pose les questions.

Le protocole concerne 42 futurs enseignants sud-africains de sciences naturelles et physiques, âgés de moins de 25 ans, répartis sur deux campus. Pendant dix semaines, ils alternent : semaines impaires, tutorat IA créé en collant un prompt d’environ 600 mots dans une IA gratuite de leur choix ; semaines paires, feuilles de travail interactives de référence. Les chercheurs recueillent questionnaires hebdomadaires, 290 réponses ouvertes, 25 réflexions finales et trois entretiens de groupe réunissant 17 étudiants.

L’engagement affectif, comportemental et cognitif déclaré reste élevé avec les deux dispositifs. Les étudiants attribuent cependant au tutorat IA une perception plus forte d’apprentissage disciplinaire, notamment grâce à la personnalisation, à la pertinence des questions et au dialogue. Une période d’adaptation apparaît au début ; charge de travail, monotonie et erreurs occasionnelles du modèle constituent les principaux freins.

Le point pédagogiquement décisif est le renversement de l’interaction : une utilisation ordinaire peut permettre de contourner l’apprentissage en demandant la solution ; le FIITS oblige l’étudiant à produire les réponses, argumenter et réagir au feedback.

Focus français : un « tuteur socratique » d’explication linéaire

On peut transposer le principe sans demander à l’IA d’expliquer le texte :

Interroge-moi sur ce passage une question à la fois. Ne donne jamais l’interprétation à ma place. Si ma réponse est vague, demande-moi une citation précise. Si je nomme un procédé, demande-moi son effet et son lien avec le mouvement du texte.

L’élève reste alors producteur de l’analyse ; le modèle organise le questionnement.

Limites

L’étude mesure essentiellement engagement et perception d’apprentissage, pas un gain objectif de connaissances par prétest/posttest. Il ne s’agit pas d’un essai randomisé ; les auteurs parlent d’« early evidence ». Le seuil utilisé pour certaines classifications d’engagement a en outre été choisi empiriquement par les chercheurs.

Étude complète — Canadian Journal of Science, Mathematics and Technology Education

3. L’IA comme « arrival technology » : une recherche propose d’arrêter de chercher trop vite des « bonnes pratiques »

[POL-PUB] [RECHERCHE] — mots-clés : gouvernance, expérimentation, enseignants, étudiants, changement — niveau : cadre théorique peer-reviewed + étude de cas

Un article publié le 30 septembre dans l’International Journal of STEM Education propose une distinction utile : les technologies éducatives traditionnelles sont généralement des « adoption technologies » — elles sont développées, étudiées puis diffusées. L’IA générative est au contraire une « arrival technology » : elle est entrée massivement dans les pratiques avant que l’on dispose d’un corpus scientifique suffisant pour déterminer comment l’utiliser pédagogiquement.

Les auteurs identifient six dimensions à surveiller : trois concernant l’outil — niveau de preuve, vitesse d’évolution, périmètre d’usage — et trois concernant les personnes — agentivité enseignante, rôle des accompagnateurs du changement et rôle des étudiants. Ils recommandent donc des expérimentations locales modestes plutôt que la diffusion prématurée d’une solution particulière.

Le cas concret présenté vient du département de physique de l’University of Colorado Boulder : six ateliers de 60 minutes, environ dix enseignants par séance et 19 participants au total. Ils travaillent successivement politiques d’usage, dialogue avec les étudiants, correction des devoirs, génération de code/diagrammes/simulations, puis évaluation. Une enquête locale d’environ 3 000 étudiants avait montré que l’usage était déjà répandu mais que les étudiants demandaient aussi davantage de consignes de leurs enseignants.

Un exemple est particulièrement intéressant : les étudiants déclaraient utiliser fréquemment l’IA pour « vérifier si ma solution est correcte ». Les enseignants ont donc soumis de véritables exercices et solutions de physique à plusieurs chatbots afin d’identifier quelles formes de vérification provoquaient une réflexion et lesquelles court-circuitaient le raisonnement.

Transfert établissement

Plutôt que choisir un outil commun et former ensuite tout le monde à celui-ci, une équipe peut partir d’un problème local : « comment nos élèves utilisent-ils l’IA pour leurs devoirs ? », recueillir quelques données, expérimenter deux dispositifs et comparer leurs effets.

Limites

Le cadre est théorique et son efficacité n’a pas été testée comparativement. Les auteurs le reconnaissent explicitement ; le cas de Colorado Boulder illustre son application, il ne le valide pas.

A framework for institutional change in the age of AI

4. Écrire ses émotions avec l’IA : un nouveau risque de « délégation affective », particulièrement pertinent pour l’écriture personnelle

[COG-PSY] [RECHERCHE] — mots-clés : émotions, identité, écriture, adolescents, délégation — niveau : article philosophique peer-reviewed, non expérimental

Un article publié le 30 septembre dans Philosophy & Technology déplace la question de l’offloading au-delà des compétences cognitives. Les auteurs examinent ce qui se produit lorsque l’utilisateur délègue à une IA l’expression de ses propres émotions : excuses, messages intimes, formulation d’un conflit ou d’un sentiment.

Leur argument est que mettre une émotion en mots ne sert pas seulement à communiquer : l’effort de formulation permet également de déterminer ce que l’on ressent, ce que l’on valorise et la place que l’expérience prend dans son identité. Faire générer immédiatement cette formulation peut donc supprimer une partie du travail réflexif qui donne sa valeur à l’écriture. Les auteurs parlent d’environnements susceptibles de devenir hostiles au maintien de certaines capacités lorsque l’externalisation devient trop facile.

Focus lettres

Cette analyse concerne directement journal personnel, autobiographie, écriture d’invention ou réaction subjective à une œuvre. Pour « écris ce que ce poème te fait ressentir », une génération initiale par IA détruit pratiquement l’objet pédagogique : la recherche des mots fait partie de la tâche.

L’IA peut en revanche intervenir ensuite : l’élève écrit d’abord seul, puis compare sa formulation à une reformulation générée et identifie ce que celle-ci simplifie, amplifie ou trahit.

Limites importantes

Malgré son classement éditorial comme Research Article, il s’agit d’un argument philosophique, sans échantillon d’élèves ni expérimentation. L’article ne démontre donc pas que l’usage de l’IA altère effectivement le développement identitaire des adolescents ; il formule et étaye conceptuellement ce risque.

Outsourcing Emotions to GenAI — Philosophy & Technology

5. Réseau Canopé : l’EMI devient un point d’entrée français pour traiter l’éthique de l’IA générative

[PED-FR] [OFFICIEL] — mots-clés : EMI, éthique, cadre-légal, esprit-critique, formation-enseignants — niveau : formation institutionnelle

Réseau Canopé a proposé le 30 septembre une formation spécifiquement consacrée aux enjeux éthiques des IA génératives dans l’éducation aux médias et à l’information. Son programme articule définitions de l’éthique et de la déontologie, cadre légal de l’usage éducatif, enjeux éthiques et compétences EMI à développer chez les élèves.

Le cadrage mérite attention : la littératie IA ne se réduit pas à maîtriser l’interface d’un outil. Elle rejoint directement l’EMI dès qu’il s’agit d’identifier l’origine d’une information, évaluer une affirmation, comprendre les mécanismes de production d’un contenu, repérer un biais ou déterminer la responsabilité d’un auteur.

Focus français / documentation / EMC

Un exercice simple consiste à juxtaposer un extrait de source identifié et un paragraphe généré sans source visible. Les élèves ne doivent pas d’abord décider lequel est « mieux écrit », mais inventorier ce qu’ils peuvent vérifier : auteur, date, contexte, citation, provenance de l’information, possibilité de remonter à une preuve.

Limites

Il s’agit d’une formation professionnelle d’une heure : la page décrit objectifs et contenus, mais ne fournit aucune évaluation de leurs effets auprès des enseignants ou des élèves.

Formation — Enjeux éthiques des IA génératives dans l’EMI

6. Open source : un campus transforme ses bâtiments en laboratoire d’IA agentique modifiable par les étudiants

[OSS] [OPEN-SOURCE] — mots-clés : agents, open-source, projet, données, technologie — niveau : prototype universitaire présenté à EDUCAUSE

À la conférence EDUCAUSE du 30 septembre, Takuto Matsuhashi, de l’University of Electro-Communications, a présenté une infrastructure particulièrement différente des assistants conversationnels scolaires habituels : un smart building entièrement ouvert et modifiable par les étudiants, utilisé comme laboratoire d’apprentissage de l’IA agentique.

L’architecture comprend cinq couches : ingestion des données ; abstraction indépendante des fabricants pour les équipements ; API unifiée ; logique de contrôle personnalisable ; agents IA. Les systèmes réels du campus — éclairage, chauffage/climatisation, ascenseurs, énergie — deviennent ainsi un Living Laboratory dans lequel les étudiants conçoivent et déploient des agents agissant sur un environnement physique.

L’intérêt pédagogique est le passage de « demander quelque chose à un chatbot » à concevoir un système observable : données d’entrée, règles, action produite, conséquences, erreur éventuelle et responsabilité.

Transfert technologie / NSI / physique

Sans instrumenter un bâtiment, un lycée peut reproduire le principe à petite échelle avec des capteurs de température, CO₂ ou luminosité : collecte locale → règles ou petit modèle → décision proposée → validation humaine → visualisation des effets. Le système peut rester local et ses composants être inspectables.

Limites

Il s’agit d’un poster de conférence présentant une infrastructure et un cadre pédagogique, pas d’une étude comparative des apprentissages. La page confirme le caractère open source de la plateforme mais ne fournit pas, à elle seule, les informations nécessaires pour auditer précisément licence, dépôt, maintenance et exigences matérielles ; je ne les considère donc pas encore comme vérifiées.

Campus as an AI Sandbox — EDUCAUSE 2026

À retenir aujourd’hui

• L’actualité européenne du jour confirme que la capacité à interagir avec l’IA devient progressivement un objet de politique éducative, mais le texte discuté aujourd’hui n’est pas encore une règle applicable.
• Le tutorat « inversé » fournit une piste particulièrement intéressante : faire poser les questions par l’IA plutôt que lui demander les réponses.
• Les établissements doivent apprendre à expérimenter avec une technologie arrivée avant sa propre base de preuves, ce qui plaide pour des essais locaux, documentés et révisables plutôt que pour des recettes définitives.
• En lettres, la délégation ne concerne pas seulement le raisonnement : faire formuler par l’IA une émotion ou une réaction personnelle peut supprimer précisément le travail de mise en mots que l’exercice cherche à provoquer.
• L’open source devient pédagogiquement particulièrement intéressant lorsqu’il permet aux élèves d’inspecter non seulement une réponse, mais la chaîne données → modèle/règle → décision → action.

À tester en classe

Le chatbot qui n’a pas le droit de répondre. Pour une explication de texte, un problème scientifique ou une révision, paramétrer l’interaction ainsi : l’IA pose une question à la fois, ne donne jamais directement la solution, demande une preuve lorsque la réponse est imprécise et augmente progressivement le niveau d’aide. Le principe transpose directement le FIITS étudié en sciences.

Écrire d’abord, augmenter ensuite. Pour une réaction personnelle à un texte, imposer cinq minutes d’écriture manuscrite sans IA. L’élève peut ensuite demander une reformulation au modèle, mais doit surligner ce qu’il refuse de déléguer parce que la reformulation ne correspond plus exactement à sa pensée ou à son émotion.

À surveiller

Le texte définitif du Conseil de l’UE sur les compétences liées à l’IA ; les études de tutorat inversé comportant prétest, posttest et mesure différée ; la future publication détaillée du dispositif de Colorado Boulder ; les recherches empiriques sur délégation affective et développement adolescent ; et le dépôt/licence de l’infrastructure open source présentée à EDUCAUSE.

Nom d’archive : 2026-10-01_Veille-IA-Education.md