IA & Éducation — Newsletter n°42
Collège et lycée — Lettres, langues vivantes, sciences, EMI et formation des enseignants
1. ChatGPT pour les adolescents : l’écart entre les annonces de sécurité et les tests indépendants
[COG-PSY] [BLOG-SPÉCIALISÉ] — mots-clés : adolescents, sécurité, santé-mentale, évaluation, données-personnelles — niveau : évaluation indépendante de produit, non évaluée par les pairs
Deux publications du 7 octobre 2026 présentent des visions très différentes d’un même produit.
OpenAI décrit les premiers usages de ChatGPT pour les adolescents, déployé à partir du 18 août : moins de 15 minutes d’utilisation quotidienne en moyenne, moins de 2 % des adolescents passant plus de trois heures consécutives dans une session, près de 1,2 million d’utilisateurs des visualisations pédagogiques sur une semaine et plus de 180 000 utilisateurs du mode Étude.
L’entreprise annonce également un outil de préparation aux études supérieures et de nouvelles fonctionnalités de révision. Ce sont des chiffres internes d’usage, pas des mesures indépendantes d’apprentissage ou de sécurité. OpenAI
Le même jour, le Youth AI Safety Institute de Common Sense Media attribue au produit la catégorie « risque inacceptable » pour les moins de 18 ans.
Ses évaluateurs ont exécuté plus de 4 000 prompts, environ moitié avant et moitié après le lancement du mode adolescent, sur des comptes simulant différentes configurations d’âge et de contrôle parental.
Parmi 390 questions de santé mentale distinctes, 201 avaient été jugées à l’avance par des cliniciens comme nécessitant une orientation vers une ressource d’aide.
Selon le rapport, après le lancement, plus d’un quart de ces réponses n’orientaient vers aucune ressource de crise ; des comptes adolescents liés à un parent n’ont pas déclenché d’alerte rapide lors de tests explicites sur des situations sensibles. Youth AI Safety Institute
La critique porte également sur l’apprentissage : l’option « Montre-moi la réponse » permet parfois de passer du guidage à la réalisation du devoir.
Les « heures d’étude » déterminent le mode dans lequel une nouvelle conversation démarre ; elles ne constituent pas un verrou pédagogique empêchant toute réponse directe.
Le rapport relève cependant aussi des protections qui fonctionnent, notamment certains refus de jeux de rôle sexuels explicites.
Controverse et limites
OpenAI conteste une partie de la méthode, notamment le délai d’activation des alertes après l’association des comptes parent et adolescent.
Common Sense Media maintient ses conclusions, tout en précisant que certaines configurations ont pu être testées avant ce délai.
L’évaluation porte sur des conversations simulées, réalisées aux États-Unis, sans mesure de dommages réels chez des adolescents. Les deux périodes de test ne contrôlent pas toutes les évolutions du modèle.
Le rapport déclare une indépendance éditoriale, tout en reconnaissant des financements industriels, y compris de fabricants de produits évalués.
La divergence appelle donc une vérification contradictoire, et non une conclusion générale sur tous les usages éducatifs. Youth AI Safety Institute
Pour les établissements français
Le cadre ministériel d’usage de l’IA en éducation demande de ne pas faire créer de compte personnel d’IA grand public aux élèves et de ne pas y saisir de données personnelles ou confidentielles.
Au lycée, l’usage autonome s’inscrit dans un cadre pédagogique explicitement défini.
Les fonctionnalités annoncées par un fournisseur ne remplacent ni ce cadre ni l’accompagnement humain d’un élève en difficulté.
Sources datées : OpenAI, 7 octobre 2026 — annonce et statistiques internes ; Common Sense Media, 7 octobre 2026 — protocole, résultats et limites.
2. Écriture en langue étrangère : ajouter ChatGPT au retour de l’enseignant n’améliore pas significativement la grammaire
[PED-FR] [RECHERCHE] — mots-clés : écriture, langues-vivantes, feedback, grammaire, transfert — niveau : étude quasi expérimentale évaluée par les pairs
Une étude publiée le 8 octobre dans Frontiers in Education examine un cas particulièrement concret : le retour hybride, mêlant ChatGPT et enseignant, produit-il de meilleurs progrès grammaticaux qu’un retour de l’enseignant seul ?
Le protocole
L’étude porte sur 41 jeunes adultes équatoriens de 18 à 22 ans, apprenant l’anglais au niveau A2, répartis en deux classes existantes.
Le premier groupe, de 18 étudiants, reçoit uniquement un retour enseignant. Le second, de 23 étudiants, reçoit un retour initial combinant IA et enseignant.
Pendant six semaines, les deux groupes réalisent six tâches manuscrites, consultent leurs notes, leur manuel et les explications de l’enseignant, puis réécrivent leurs phrases.
Un même test de 18 items est administré avant et après, sur six catégories : temps verbaux, ordre des mots, accord sujet-verbe, articles, prépositions et conjonctions.
Les résultats
Les deux groupes progressent : de 7,17 à 9,61 points dans le groupe enseignant seul, et de 9,17 à 10,78 dans le groupe hybride.
Mais le gain supplémentaire attribuable au dispositif hybride n’est pas statistiquement significatif : différence de gains de −0,84 point, p = 0,364 ; après ajustement sur le prétest, différence de −0,40, p = 0,664.
Les intervalles de confiance restent compatibles avec des effets favorables à l’une ou l’autre condition.
Absence de différence significative ne signifie donc pas équivalence démontrée. Frontiers
Focus lettres et langues vivantes
La leçon transférable n’est pas « l’IA est inutile », mais « le double feedback n’est pas automatiquement meilleur ».
Pour une rédaction d’espagnol A2-B1, ou pour une réécriture syntaxique en seconde, l’enseignant peut cibler deux ou trois catégories d’erreurs, puis demander une justification de chaque correction.
Ajouter une seconde couche de commentaires générés n’a d’intérêt que si elle aide effectivement l’élève à comprendre et à réinvestir la règle.
Limites
Deux classes non randomisées, horaires différents, effectif modeste, même test répété et correction par une seule personne non aveugle.
La population relève de l’enseignement supérieur technique, non du lycée. L’étude n’isole pas non plus l’effet propre de ChatGPT puisque les deux groupes bénéficient d’une médiation enseignante.
Source : Monteros Campues & Contreras-Falcones, Frontiers in Education, 8 octobre 2026.
3. Biochimie : un tuteur IA inséré dans un apprentissage par problèmes améliore les scores, mais le rôle exact de l’IA reste incertain
[PED-AUT] [RECHERCHE] — mots-clés : sciences, tutorat, étayage, charge-cognitive, résolution-de-problèmes — niveau : étude quasi expérimentale évaluée par les pairs
Dans BMC Medical Education, une étude du 8 octobre teste une architecture pédagogique plus exigeante que le simple accès à un chatbot.
Les chercheurs associent apprentissage par problèmes, compagnonnage cognitif et agent IA dans une séquence universitaire de biochimie consacrée au métabolisme des lipides.
Le dispositif
Trois conditions sont comparées : cours magistral, apprentissage par problèmes classique et apprentissage par problèmes avec étayage IA.
Le même enseignant intervient dans les trois groupes ; objectifs, contenus, temps de présence, cas étudiés et procédures d’évaluation sont standardisés.
L’agent est construit sur Coze, avec le modèle Doubao 1.5 Pro 32K.
Les résultats mesurent les connaissances en métabolisme lipidique, le raisonnement appliqué à des cas cliniques, la charge de travail ressentie (NASA-TLX) et l’auto-efficacité.
Les résultats
Le groupe associant IA et compagnonnage obtient des scores post-test significativement supérieurs à ceux des deux autres groupes en connaissances et analyse clinique (p < 0,05).
Comparé au groupe d’apprentissage par problèmes sans IA, il rapporte également une charge cognitive perçue plus faible et une meilleure auto-efficacité. Springer Nature
Focus SVT, physique-chimie et mathématiques
Le dispositif suggère une séquence transférable à l’étude d’un phénomène scientifique :
Problème initial → hypothèses formulées par les élèves → questions de guidage → confrontation aux données → explication autonome.
L’IA peut préparer ou fournir les questions intermédiaires, mais l’enseignant garde la validation des concepts et des raisonnements.
Pour un cours sur la photosynthèse, par exemple, l’outil ne devrait pas annoncer directement la conclusion, mais demander quelle observation permet de départager deux hypothèses.
Limites
La version accessible au moment de publication fournit les résultats principaux, mais pas d’effectif total vérifiable dans les informations consultables ; aucune taille d’effet précise n’est donc avancée ici.
Les activités hors classe et le type de soutien varient entre groupes.
Les auteurs soulignent que l’interaction causale entre étayage de l’enseignant et étayage de l’IA n’a pas été directement testée.
La charge cognitive est déclarative et les étudiants sont des adultes en formation médicale.
Source : Sheng et al., BMC Medical Education, 8 octobre 2026.
4. Métacognition : une nouvelle revue distingue l’IA qui guide de celle qui répond directement
[COG-PSY] [RECHERCHE] — mots-clés : métacognition, autonomie, tutorat, guidage, esprit-critique — niveau : revue systématique PRISMA évaluée par les pairs
La revue de Ji et Tan, publiée le 8 octobre dans Frontiers in Psychology, analyse 22 études empiriques identifiées dans Web of Science, Scopus et EBSCOhost.
Elle pose une question différente de la mesure globale des gains : quel type d’interaction avec l’IA mobilise réellement la réflexion de l’élève sur sa propre activité ?
Deux formes d’interaction
Les auteurs distinguent deux idéaux-types.
Les systèmes conçus pour l’apprentissage (Learning-Oriented AI) proposent plus souvent un guidage par questions et indices.
Les IA généralistes (General-Purpose AI) fournissent plus volontiers des réponses ou corrections directes.
Les premières sont davantage associées, dans le corpus, à des démarches explicites de planification et de surveillance du raisonnement.
Les secondes peuvent également soutenir la métacognition lorsqu’elles sont structurées par des consignes et un accompagnement enseignant ; certaines études rapportent toutefois une acceptation passive des réponses. Frontiers
Ce que cela change en classe
L’opposition utile n’est pas « chatbot scolaire contre chatbot généraliste », mais « aide qui entretient l’effort de raisonnement contre aide qui le court-circuite ».
Dans une explication linéaire, un guidage pertinent pourrait demander :
« Quel mot fonde ton interprétation ? », puis « Quelle autre lecture serait possible ? », sans livrer immédiatement une analyse rédigée.
En mathématiques : « Quelle égalité peux-tu vérifier ? » avant de proposer la solution.
Limites et rapprochement avec la recherche récente
La revue est une synthèse thématique, pas une méta-analyse permettant d’estimer un effet causal moyen.
La distinction entre IA pédagogique et IA généraliste est poreuse : un modèle généraliste peut être configuré pour guider.
Elle complète la méta-analyse publiée le 7 octobre sur les technologies et la métacognition : celle-ci signalait que les résultats disponibles reposaient très largement sur des auto-questionnaires, ce qui interdit de confondre sentiment de progrès et autorégulation observée. Springer Nature
Sources : Ji & Tan, Frontiers in Psychology, 8 octobre 2026 ; Yuan & Du, Educational Psychology Review, 7 octobre 2026.
Revue systématique de Ji et Tan
Méta-analyse complémentaire de Yuan et Du
5. Éduscol : le numéro d’octobre de la veille numérique met l’accent sur les coûts matériels et la responsabilité environnementale de l’IA
[POL-PUB] [OFFICIEL] — mots-clés : politique-publique, sobriété-numérique, souveraineté, formation-enseignants — niveau : ressources institutionnelles, sans portée réglementaire nouvelle
Le bulletin « Veille éducation numérique 2026-2027 », dans son édition d’octobre 2026, retient deux thèmes importants pour les équipes éducatives : la formation au numérique responsable et les dépendances matérielles de l’intelligence artificielle.
Quatre formations gratuites
Il présente notamment quatre formations gratuites de l’Académie du Numérique Responsable, dont un module d’une heure consacré aux enjeux éthiques, environnementaux et de gouvernance de l’IA.
Les autres parcours proposent une sensibilisation de 30 minutes, un cursus général de 4 h 30 et une formation de 1 h 30 sur la conception responsable.
Les contenus sont accessibles en français, anglais et néerlandais, sous licence CC BY-NC-ND 4.0 : consultation et partage sous conditions, sans autorisation générale de modification.
Les dépendances matérielles
L’autre dossier, fondé notamment sur une note de juillet 2026 du GPAI Policy Lab, décrit les goulets d’étranglement de la fabrication des accélérateurs IA : conception des puces, fonderies, photolithographie et mémoires à haut débit.
Il rappelle qu’un modèle dit « souverain » ne garantit pas une autonomie complète à l’égard de cette chaîne industrielle mondiale. éduscol
Focus EMI, géographie et SES
Ce dossier permet une séance interdisciplinaire : « Où se fabrique une réponse d’IA ? »
Les élèves reconstituent les lieux et acteurs nécessaires au fonctionnement d’un modèle, puis distinguent hébergement des données, fabrication des composants, propriété du logiciel et impacts énergétiques.
La question devient concrète : pourquoi un outil hébergé en France peut-il dépendre de technologies conçues ou fabriquées ailleurs ?
Statut et limites
Il s’agit d’une sélection documentaire institutionnelle, non d’un arrêté nouveau.
Les chiffres géopolitiques repris dans la note source dépendent de son périmètre et de sa date ; ils ne doivent pas être transformés en valeurs permanentes.
Les MOOC ne constituent pas non plus une certification obligatoire pour les enseignants.
Source : Éduscol, Veille éducation numérique, édition d’octobre 2026.
Consulter la veille Éduscol d’octobre 2026
6. Caramel : un générateur libre d’activités H5P et Éléa, conçu par des enseignants et relié à une IA institutionnelle
[OSS] [OPEN-SOURCE] — mots-clés : H5P, ressources-pédagogiques, open-source, RGPD, auto-hébergement — niveau : application disponible, efficacité pédagogique non évaluée indépendamment
Parmi les projets actifs de la Forge des communs numériques éducatifs, Caramel constitue une piste concrète pour les enseignants qui souhaitent produire des activités sans multiplier les abonnements commerciaux.
L’application, accessible sans compte, affiche au 9 octobre 2026 la version 7.1.0.
Son code est publié sous GNU AGPL v3.0 ou ultérieure ; le dépôt documente un développement suivi et des versions successives. Caramel+1
Le fonctionnement
L’enseignant précise discipline, niveau, thème et nombre de questions, puis choisit un format.
Caramel accepte également des documents de référence, notamment PDF, TXT, DOCX, PPTX, ODT, ODP et images, ainsi que certains fichiers audio.
Les contenus sont transformés en activités exportables au format H5P ou pour Éléa/Moodle/Magistère.
L’interface prévoit visualisation et édition avant utilisation. Caramel
Focus lettres : une activité sur une fable
À partir d’un texte du domaine public, le professeur peut préparer un quiz de compréhension littérale, un exercice d’association procédé / citation / effet ou une activité de remise en ordre des étapes de l’argumentation.
La génération ne dispense pas de vérifier l’exactitude des citations, la pertinence des distracteurs et la distinction entre repérage et interprétation.
Une activité H5P correctement générée n’est pas automatiquement une activité didactiquement valable.
Licence, installation et confidentialité
L’application web est gratuite et peut être hébergée sur un serveur statique ; le code est ouvert à la modification et à la redistribution sous les conditions de l’AGPL.
Le traitement et la création des fichiers sont largement réalisés dans le navigateur.
En revanche, la génération IA n’est pas une inférence entièrement locale : les prompts passent par un service intermédiaire vers une infrastructure IA institutionnelle.
L’auto-hébergement de l’interface ne garantit donc pas, à lui seul, l’autonomie de la partie IA ni l’absence de journaux techniques chez les services sollicités.
Il faut éviter d’envoyer des copies nominatives ou des informations d’élèves.
Réserve
La documentation et le code décrivent des fonctionnalités, mais aucun essai indépendant n’a été identifié ici pour mesurer la qualité des activités produites, leur conformité systématique aux programmes ou leur impact sur les apprentissages.
L’enseignant reste responsable de la validation finale.
Sources : documentation et dépôt du projet Caramel, octobre 2026.
Consulter le code et la documentation sur la Forge
À retenir aujourd’hui
Sécurité des adolescents : les chiffres d’usage publiés par un fournisseur ne répondent pas aux questions posées par une évaluation indépendante de ses garde-fous. Les deux sources doivent être lues ensemble.
Écriture : dans une étude de six semaines, ajouter ChatGPT au feedback enseignant ne produit pas de gain grammatical supplémentaire statistiquement démontré chez 41 apprenants A2.
Sciences : l’association d’un apprentissage par problèmes, d’un étayage enseignant et d’un agent IA est prometteuse, mais ne permet pas encore d’attribuer les gains au seul modèle.
Cognition : les interactions qui posent des questions et demandent des justifications sont pédagogiquement plus défendables que celles qui livrent directement les solutions ; les preuves causales restent limitées.
Ressources françaises : Éduscol propose un nouveau dossier sur la matérialité de l’IA, tandis que Caramel illustre une alternative libre et gratuite pour produire des activités H5P, sous réserve de vérification pédagogique et de confidentialité.
À tester en classe
1. Réviser une phrase sans multiplier les corrections — lettres et langues vivantes
Durée : 20 minutes.
Fournir cinq phrases comportant des erreurs choisies pour une notion déjà étudiée : concordance des temps, accord, subordination ou emploi des temps en langue vivante.
Faire identifier et justifier les corrections sans IA.
Le professeur présente ensuite une proposition de correction générée en amont et volontairement discutable sur un point.
Les élèves doivent accepter, modifier ou rejeter chaque suggestion en invoquant une règle.
Terminer par une nouvelle phrase autonome. L’activité ne nécessite aucun compte élève.
2. Produire puis auditer une activité H5P — lettres, sciences, histoire-géographie
Durée : 30 minutes de préparation.
Dans Caramel, générer un petit module de cinq questions à partir d’un document public et du niveau visé.
Avant diffusion, vérifier séparément : exactitude disciplinaire, formulation des questions, qualité des distracteurs, accessibilité et adéquation à la compétence évaluée.
Faire tester le module à un collègue ; ne publier qu’après correction. Ne pas transmettre de données d’élèves au générateur.
À surveiller
Adolescents et santé mentale : nouveaux tests contradictoires des alertes parentales et de l’orientation vers l’aide humaine ; documentation précise des paramètres, délais et contextes de déploiement.
Feedback en écriture : essais plus longs, randomisés, avec évaluateurs aveugles et tests différés sans IA ; intérêt réel du feedback hybride selon le niveau initial.
Sciences : réplication multicentrique de l’apprentissage par problèmes avec IA, et séparation expérimentale de l’effet du modèle et de celui du guidage enseignant.
Métacognition : études mesurant directement la planification, l’auto-correction et la capacité à résoudre une tâche nouvelle, au-delà des questionnaires de perception.
Open source : évolution de Caramel, possibilité de connecter des modèles entièrement locaux, clarification des journaux techniques et évaluations pédagogiques indépendantes.
Archive : 2026-10-09_Veille-IA-Education.md
Identifiant : VIE-2026-10-09