← Toutes les newsletters

1. Éduscol ouvre son bulletin d’octobre par la matérialité de l’IA : GPU, dépendances industrielles et souveraineté

[POL-PUB] [OFFICIEL] — mots-clés : souveraineté, matérialité, GPU, géopolitique, infrastructure — niveau : veille institutionnelle

Le nouveau bulletin d’octobre d’Éduscol choisit un angle encore peu présent dans les formations scolaires à l’IA : sa matérialité. En s’appuyant notamment sur une note du GPAI Policy Lab, il rappelle que les modèles de frontière reposent sur une chaîne industrielle très concentrée : conception des accélérateurs, fonderies, photolithographie EUV, mémoire à haute bande passante et services cloud.

Éduscol reprend une estimation selon laquelle les États-Unis concentreraient 86 % de la puissance mondiale de calcul considérée, contre environ 8 % pour la Chine et moins de 1 % pour la France. La question de l’IA éducative engage donc aussi dépendances industrielles, infrastructures, énergie et capacité d’hébergement.

Focus EMI / géographie / SES / NSI

Une séance de littératie IA peut partir de : « Que faut-il matériellement pour qu’un chatbot réponde ? » Les élèves reconstruisent la chaîne minerais → composants → GPU → centre de données → réseau → modèle → interface, puis identifient acteurs et dépendances géographiques.

Limites

Les pourcentages de puissance de calcul dépendent des méthodes de comptage et ne mesurent pas directement la capacité éducative d’un pays.

Veille éducation numérique — Éduscol, octobre 2026

2. Physique : une revue systématique actualisée jusqu’en septembre ne trouve que 11 études empiriques universitaires suffisamment pertinentes

[PED-AUT] [RECHERCHE] — mots-clés : physique, raisonnement, transfert, hallucinations, preuves — niveau : revue systématique peer-reviewed

Une revue systématique publiée le 1er octobre dans Frontiers in Education a recherché les études empiriques sur l’usage pédagogique de l’IA en physique universitaire dans six sources, avec une mise à jour jusqu’en septembre 2026. Malgré l’abondance des publications sur l’IA, seulement 11 études empiriques satisfont finalement les critères d’inclusion.

Les usages couvrent tutorat, explications, feedback formatif, étayage, résolution collaborative, simulation, modélisation et littératie IA. Les résultats sont mixtes et dépendants du contexte. Certaines études trouvent des bénéfices à court terme ; d’autres montrent un transfert limité vers la performance autonome, des contenus générés pédagogiquement insuffisants et la difficulté des étudiants à reconnaître des réponses scientifiquement fausses.

Quatre conditions ressortent : structure pédagogique ; alignement outil-tâche ; connaissances disciplinaires préalables ; possibilité réelle d’évaluer les sorties de l’IA. La revue ne permet pas de conclure à une efficacité générale de l’IA en physique.

Transfert au lycée

Demander à un élève de « vérifier l’IA » ne suffit pas s’il ne possède pas les connaissances permettant de détecter l’erreur. En français, critiquer une explication générée suppose donc de disposer auparavant de critères : fidélité au texte, citation exacte, procédé, effet et cohérence avec le mouvement du passage.

Limites

Onze études constituent une base étroite et hétérogène ; elles portent sur l’université, pas directement sur le secondaire.

Revue systématique — Frontiers in Education

3. Littératie GenAI et créativité : une enquête auprès de 228 étudiants suggère qu’un niveau intermédiaire ne suffit pas pour l’innovation exploratoire

[COG-PSY] [RECHERCHE] — mots-clés : littératie-IA, créativité, pensée-critique, innovation, autonomie — niveau : étude corrélationnelle peer-reviewed

Une étude publiée le 2 octobre dans le Journal of Intelligence distingue innovation d’exploitation, qui améliore l’existant, et innovation exploratoire, qui cherche des solutions nouvelles. L’analyse porte sur 228 étudiants d’une université du Guangdong interrogés en deux vagues.

La littératie GenAI est positivement associée à l’innovation d’exploitation. Pour l’innovation exploratoire, la relation observée est en U : aux niveaux faibles ou intermédiaires, davantage de familiarité avec l’IA ne correspond pas nécessairement à davantage d’exploration ; l’association devient positive aux niveaux élevés de littératie.

La pensée critique modère par ailleurs la relation entre littératie GenAI et innovation d’exploitation. En revanche, l’interaction attendue entre pensée critique et courbe en U de l’innovation exploratoire n’atteint pas le seuil statistique retenu.

Intérêt pédagogique

Une activité créative ne devrait donc pas se réduire à « demande dix idées à l’IA ». Une architecture plus intéressante est : production humaine → alternatives de l’IA → classement → combinaison ou rejet → justification.

Limites importantes

L’étude est corrélationnelle : elle ne démontre aucune causalité. L’échantillon provient d’une seule université et le taux effectif de réponses appariées n’est que de 15,2 % — 228 réponses retenues sur 1 500 questionnaires initialement distribués.

Étude — Journal of Intelligence

4. Écriture en langue étrangère : 110 étudiants, un meilleur score final avec feedback ChatGPT — mais moins de plaisir déclaré

[PED-FR] [RECHERCHE] — mots-clés : écriture, feedback, langues, émotions, révision — niveau : quasi-expérimentation peer-reviewed

Le numéro d’octobre du Journal of Computer Assisted Learning publie une étude portant sur 110 étudiants chinois en anglais langue étrangère, répartis dans deux classes existantes d’Academic Writing : 55 dans le groupe expérimental et 55 dans le groupe contrôle.

Les deux groupes suivent le même enseignement. Le groupe expérimental reçoit en plus une formation à l’utilisation de ChatGPT pour obtenir, hors classe, du feedback sur ses écrits et conduire une révision autonome. L’évaluation finale est ensuite réalisée en classe dans des conditions comparables : le résultat mesuré n’est donc pas simplement la qualité d’un texte produit avec l’IA sous les yeux.

Le groupe expérimental obtient des scores d’écriture significativement supérieurs et déclare moins d’anxiété et moins d’ennui. Résultat plus inattendu : il déclare également moins de plaisir. Les réponses qualitatives font ressortir l’aide à l’organisation des idées et à la langue, mais aussi les problèmes de communication avec l’outil et le risque de dépendance.

Focus français / langues vivantes

Le protocole renforce une distinction importante : l’IA intervient ici sur une production préalable plutôt qu’à la place de l’étudiant. Pour une rédaction : premier jet autonome → feedback sous forme de questions → choix justifié des remarques → révision → courte tâche finale sans IA.

Limites

Les classes n’ont pas été randomisées individuellement et l’étude concerne l’écriture universitaire en L2. L’effet ne peut pas être transposé directement au lycée.

Étude complète — Journal of Computer Assisted Learning

5. Deux cohortes d’enseignants : l’adaptation à l’IA progresse surtout dans les pratiques décrites, pas dans les fréquences statistiques des préoccupations

[TERRAIN] [RECHERCHE] — mots-clés : enseignants, évaluation, intégrité, adaptation, gouvernance — niveau : étude répétée transversale peer-reviewed

Une étude publiée le 2 octobre dans Education Sciences compare des réponses d’enseignants et personnels universitaires recueillies en 2023 (104 réponses) et 2024 (313 réponses).

Le résultat important est précisément ce que l’étude ne montre pas : aucune des cinq grandes thématiques suivies ne change significativement en fréquence entre les deux cohortes. Pour l’évolution des compétences, par exemple, on passe de 29,8 % des réponses en 2023 à 26,8 % en 2024 ; la différence n’est pas significative (p = 0,557).

Les contenus qualitatifs diffèrent néanmoins. En 2023 dominent davantage intégrité académique, incertitude et risque de raccourci cognitif. En 2024 apparaissent davantage d’exemples concrets : critique de sorties d’IA, évaluations centrées sur le processus, combinaison d’évaluations contrôlées sans IA et d’activités intégrant explicitement l’IA.

Les auteurs insistent cependant sur un point essentiel : ce ne sont pas les mêmes individus suivis dans le temps. On ne peut donc pas interpréter ces données comme une conversion progressive des enseignants à l’IA.

Transfert établissement

Une formation centrée uniquement sur la prise en main d’un outil laisse intactes les questions difficiles : quelles compétences préserver sans assistance ? quelles traces évaluer ? quand l’IA devient-elle un raccourci ?

Limites

Étude universitaire, cohortes différentes et données déclaratives : elle décrit des perceptions et pratiques rapportées, pas leurs effets sur les apprentissages.

Étude — Education Sciences

6. France : le bulletin Éduscol remet aussi le droit d’auteur au centre des usages pédagogiques de l’IA

[PED-FR] [OFFICIEL] — mots-clés : droit-auteur, création, sources, propriété-intellectuelle, EMI — niveau : ressource institutionnelle

Le bulletin d’octobre d’Éduscol remet en avant le guide national consacré au droit d’auteur dans le cadre pédagogique. Sa troisième partie traite explicitement du droit à l’image, du droit d’auteur et de l’intelligence artificielle.

Éduscol rappelle que la protection juridique des œuvres créées par IA n’est pas entièrement stabilisée, tandis que le fonctionnement des systèmes génératifs peut soulever des questions relatives aux œuvres préexistantes. Pour les lettres, les arts ou la documentation, la question devient concrète lorsqu’on fait générer une image « à la manière de », réécrire un texte contemporain ou transformer une photographie.

À faire travailler aux élèves

Pour une production assistée, faire documenter quatre éléments : source utilisée ; statut de l’œuvre source ; transformation effectuée ; rôle exact de l’IA. La littératie IA rejoint ainsi citation des sources et éducation au droit d’auteur.

Limites

Éduscol souligne lui-même que certaines questions juridiques relatives aux œuvres générées par IA ne sont pas définitivement tranchées.

Guide et veille — Éduscol

À retenir aujourd’hui

• L’actualité française élargit la littératie IA à sa matérialité : puces, centres de données, chaînes industrielles et dépendances géopolitiques.
• En physique, une revue actualisée jusqu’en septembre ne trouve que 11 études empiriques directement pertinentes : l’écart entre discours sur l’IA et base de preuves reste considérable.
• La nouvelle étude sur la littératie GenAI rappelle que familiarité avec l’outil et capacité d’exploration ne sont pas synonymes ; les résultats restent corrélationnels.
• En écriture L2, un protocole où ChatGPT intervient comme feedback après production améliore le score final réalisé en classe, mais produit des effets émotionnels complexes.
• Chez les enseignants, expérimentation et inquiétude coexistent, ce qui plaide pour des formations fondées sur des tâches et évaluations réelles.

À tester en classe

« Vérifie l’IA » devient une vraie compétence. Donner une réponse générée contenant une affirmation exacte, une interprétation discutable et une erreur vérifiable. Fournir auparavant les critères disciplinaires de vérification. En lettres : citation exacte, contexte, procédé, effet et cohérence interprétative.

Feedback après effort. Sur un paragraphe de commentaire ou d’essai : 8 minutes d’écriture autonome, puis IA autorisée uniquement pour poser trois questions critiques. L’élève choisit les remarques qu’il retient et justifie un refus. Une micro-production analogue sans IA vérifie ensuite le transfert.

À surveiller

Les premières données détaillées des six services français P2IA cycle 3, notamment Expliq et Edumalin en français ; les études secondaires mesurant directement le transfert sans IA ; les travaux distinguant plusieurs niveaux de littératie GenAI ; les réplications du protocole de feedback en écriture auprès d’adolescents ; et l’évolution des recommandations françaises sur droit d’auteur et œuvres générées.

Nom d’archive : 2026-10-05_Veille-IA-Education.md