IA & Éducation — Newsletter n°43
Collège et lycée — Lettres, langues, mathématiques, sciences, EMI et formation des enseignants
Actualités et publications des 5 au 9 octobre 2026
1. Plus de 118 000 collégiens : se sentir très compétent en numérique ne signifie pas l’être
[COG-PSY] [RECHERCHE] — mots-clés : adolescents, compétences-numériques, métacognition, équité — niveau : analyse secondaire internationale, évaluée par les pairs
Le 9 octobre, Vanessa Izquierdo-Álvarez et Marta Dolcet-Negre publient dans Frontiers in Education une analyse de l’enquête internationale ICILS 2023 : 118 764 élèves de grade 8, niveau proche de la quatrième française, répartis dans 35 systèmes éducatifs.
L’étude rapproche des réponses sur la confiance numérique, les attitudes envers les technologies et les projets d’utilisation future des TIC d’une épreuve de compétence numérique effectivement réalisée par les élèves.
Quatre profils d’élèves
Les chercheuses distinguent quatre profils statistiques :
| Profil | Proportion |
|---|---|
| Moyen | 55,9 % |
| Attitudes positives envers le numérique | 25,2 % |
| Faibles dispositions numériques | 11,0 % |
| Forte auto-efficacité déclarée | 7,9 % |
Ce dernier profil constitue le résultat le plus instructif.
Malgré une confiance déclarée exceptionnellement élevée, son score moyen à l’épreuve de culture informatique et informationnelle (486,7) ne dépasse pas significativement celui du profil moyen (485,0 ; différence de 1,7 point, p = 0,19).
La confiance ne doit donc pas servir de substitut à une mesure de compétence. Frontiers+1
Une distinction méthodologique essentielle
ICILS 2023 ne mesure ni l’usage de ChatGPT, ni la littératie de l’IA, ni la capacité à contrôler une réponse générée.
Les auteures parlent de conditions susceptibles de préparer à un apprentissage avec l’IA, non de préparation à l’IA effectivement démontrée.
L’étude est observationnelle. La sélection des questionnaires complets écarte environ 12 % des répondants initiaux, avec des différences entre élèves retenus et exclus.
Focus lettres et EMI
Un élève qui affirme « je sais vérifier une réponse d’IA » peut être invité à retrouver, dans un texte source, deux citations réellement présentes, puis à identifier une citation fabriquée.
La tâche observée est plus informative que son sentiment de maîtrise. Le même principe vaut pour une recherche documentaire ou la vérification d’une solution mathématique.
Source : Izquierdo-Álvarez & Dolcet-Negre, Frontiers in Education, 9 octobre 2026.
Lire l’étude intégrale — Frontiers in Education
2. Écriture : une étude du 9 octobre sur la « voix d’auteur », éclairée par un scénario français sur Ourika
[PED-FR] [RECHERCHE] — mots-clés : écriture, lecture-littéraire, voix-d-auteur, esprit-critique — niveau : article qualitatif évalué par les pairs et scénario académique documenté
Dans Discover Education, le 9 octobre, Md. Saiful Alam et ses collègues défendent une répartition précise des tâches dans l’écriture scientifique en anglais par des chercheurs non anglophones.
Le modèle peut aider à ajuster la grammaire, la fluidité et les conventions d’un genre, mais les décisions sur les idées, les preuves et la position de l’auteur doivent rester humaines.
L’article nomme cette relation une collaboration épistémique où l’IA conserve un rôle instrumental et périphérique.
Ce que démontre réellement l’étude
Il ne s’agit pas d’une démonstration d’efficacité.
Le matériau annoncé consiste en éléments anecdotiques issus de l’expérience des auteurs, analysés qualitativement : pas d’échantillon d’élèves randomisés, pas de test différé d’écriture et pas de mesure indépendante d’une progression.
L’affirmation selon laquelle cet usage serait par nature exempt de problèmes éthiques doit être considérée comme une position des auteurs, non comme un résultat établi. Springer Nature Link
Focus lettres : un scénario précis sur Ourika de Claire de Duras
Un cas de classe beaucoup plus concret, publié antérieurement par l’Académie de Strasbourg et répertorié dans Édubase, permet de préciser ce qui est transférable au lycée.
En seconde, lors d’une séquence sur Ourika de Claire de Duras, les élèves découvrent d’abord le point de vue du médecin narrateur, puis lisent les premières pages jusqu’à la scène du bal.
Ils écrivent avant de consulter l’IA, utilisent ensuite Compar:IA pour confronter plusieurs générations et comparent les formulations obtenues à la langue de Duras.
L’enseignant fait discuter non seulement la correction apparente des phrases, mais aussi les effets de focalisation, d’émotion et d’implicite.
Une réaction rapportée est particulièrement révélatrice : un élève conserve dans sa production un mot proposé par l’IA dont il ne connaît pas le sens.
L’activité montre alors la différence entre texte grammaticalement présentable et texte intellectuellement assumé.
Les productions et les échanges oraux sont des observations de terrain, sans groupe témoin ni gain d’apprentissage quantifié. Espace Pédagogique
Transfert vers le commentaire ou l’essai
Avant toute assistance, demander un paragraphe personnel avec une citation justifiée.
Ensuite seulement, confronter une reformulation générée et faire expliciter ce qu’elle améliore, efface ou déforme.
Une reprise finale sans IA permet de vérifier l’appropriation.
La consultation de Compar:IA ou de tout autre outil doit rester conforme au cadre d’usage et aux règles de protection des données.
Sources :
Alam et al., Discover Education, 9 octobre 2026
Académie de Strasbourg — Scénario détaillé sur Ourika
3. Fracture numérique : disposer d’une IA ne signifie pas s’en servir pour apprendre
[PED-AUT] [RECHERCHE] — mots-clés : équité, usages-élèves, apprentissage, numérique — niveau : enquête internationale observationnelle, évaluée par les pairs
Une étude de Krishnashree Achuthan, publiée le 8 octobre dans Frontiers in Education, exploite 14 653 réponses à une enquête menée au premier semestre 2024 auprès d’apprenants et de praticiens de l’informatique de 166 pays.
Les répondants ont été recrutés volontairement, notamment par réseaux sociaux. Environ la moitié sont étudiants et 83,5 % sont des hommes.
Ce n’est donc ni un échantillon représentatif des jeunes ni une enquête sur les collégiens français.
Deux étapes distinctes
L’article distingue :
Adopter une IA dans la vie quotidienne.
La mobiliser pour apprendre.
L’adoption est élevée dans toutes les catégories de revenu.
Mais le passage à un usage d’apprentissage est moins fréquent parmi les utilisateurs quotidiens des pays à faible revenu : odds ratio 0,49, intervalle de confiance à 95 % [0,27 ; 0,90], comparativement aux pays à revenu élevé.
La part des utilisateurs quotidiens qui ne déclarent aucun usage d’apprentissage est donnée à 10,3 % dans les pays à faible revenu, contre 5,6 % dans les pays à revenu élevé.
Parmi ceux qui franchissent ce seuil, la diversité des usages ne varie pas significativement selon le niveau de revenu. Frontiers
Ce que cela change
Ce résultat invite à dépasser le seul comptage des accès et des comptes : un service peut être disponible sans être intégré à une démarche d’étude.
L’enquête examine des usages déclarés, non des résultats scolaires vérifiés. Elle ne permet ni de prouver que l’IA fait apprendre ni d’imputer causalement les différences au revenu national.
Focus NSI et disciplines générales
Lors d’une séance sur une erreur de programmation, comparer :
« Donne le code corrigé. »
Avec :
« Propose deux tests pour localiser l’erreur sans corriger le code. »
En français, opposer « rédige mon introduction » à « questionne ma problématique et signale ce qui n’est pas démontré ».
L’enjeu est de rendre visible la conversion de l’outil en activité cognitive.
Source : Achuthan, Frontiers in Education, 8 octobre 2026.
4. Simulation et réflexion : l’IA améliore certains indicateurs, mais pas les connaissances dans un essai de cinq semaines
[PED-AUT] [RECHERCHE] — mots-clés : simulation, feedback, métacognition, sciences — niveau : étude quasi expérimentale mixte, évaluée par les pairs
Le 9 octobre, BMC Nursing publie une étude menée à Taïwan sur une formation en soins psychiatriques.
106 étudiants infirmiers, répartis dans deux classes préexistantes, suivent pendant cinq semaines un apprentissage mobile ludifié.
56 utilisent une version enrichie d’interactions avec des patients virtuels et de feedbacks produits par IA ; 50 utilisent une version ludifiée sans IA.
Huit étudiants participent aussi à des entretiens.
Des résultats contrastés
| Dimension | Résultat |
|---|---|
| Connaissances | Pas de différence significative entre les groupes |
| Attitudes envers les personnes souffrant de troubles mentaux | Avantage rapporté pour le groupe IA, mais résultat à interpréter prudemment |
| Réflexion déclarée | Avantage statistiquement significatif pour le groupe IA |
Les connaissances progressent dans les deux groupes sans différence de gain attribuable à l’IA (p = 0,579 ; d = 0,11).
Le groupe avec IA présente un avantage rapporté sur les attitudes (p = 0,041 ; d = 0,32, avec un intervalle de confiance publié qui inclut zéro) et sur la réflexion déclarée (p < 0,001 ; d = 0,58).
Les entretiens décrivent une prise de conscience des perspectives des patients. Springer Nature Link
Ce que cela permet de comprendre
La différence entre le résultat sur les connaissances et les résultats attitudinaux est décisive.
Une expérience de simulation jugée formatrice ne prouve pas une meilleure maîtrise des savoirs ou des comportements professionnels.
Le résultat sur les attitudes appelle en outre de la prudence compte tenu de la petite taille d’effet et de son intervalle de confiance.
Focus EMC, langues et enseignement professionnel
Un dialogue simulé peut servir de support d’analyse : demander à des élèves d’identifier une reformulation empathique, une question intrusive ou un stéréotype, puis de réécrire une réplique.
Il ne faut pas en déduire que la simulation développe à elle seule l’empathie réelle.
Dans une classe de mineurs, privilégier des scénarios fictifs préparés et vérifiés par l’enseignant, sans faire exposer des situations personnelles sensibles à un chatbot.
Source : Wu & Chen, BMC Nursing, 9 octobre 2026.
5. Mathématiques : une journée académique annoncée et un exerciseur où l’IA anime sans résoudre
[TERRAIN] [OFFICIEL] — mots-clés : mathématiques, scénarios-pédagogiques, esprit-critique, formation-enseignants — niveau : annonce institutionnelle et ressource de terrain non évaluée
Le 9 octobre, l’Académie de Bordeaux annonce une journée IREM intitulée « Les usages de l’IA dans l’enseignement », prévue le 9 décembre 2026, de 14 h à 17 h, à Talence et à distance.
Elle est ouverte à tous les enseignants et doit présenter des scénarios, des retours d’expérience et des questions de littératie de l’IA.
Les intervenants annoncés sont Julien et Arnaud Durand, enseignants et auteurs du site spécialisé Mathix.
Il s’agit d’une formation à venir, non d’une expérimentation dont les résultats seraient déjà connus. Ent2D
Focus : l’exerciseur « Pythou et l’échelle »
Leur blog offre un exemple précis, publié le 5 octobre : une nouvelle version de l’exerciseur pour le cycle 4.
Les auteurs ont demandé à une IA de rendre les situations visuelles plus animées et contextualisées, afin de se rapprocher d’une situation à modéliser plutôt que d’un simple dessin schématique.
L’exerciseur annonce trois problèmes mobilisant le théorème de Pythagore et trois autres portant sur la réciproque ou la contraposée ; une calculatrice a été ajoutée.
Le rôle exact de l’IA est limité à la fabrication du support visuel, pas à la résolution mathématique à la place des élèves.
La compétence visée reste de reconnaître une situation, choisir le bon outil mathématique et justifier son emploi. Mathix
Limites
La présentation du blog ne fournit ni évaluation comparative des apprentissages ni analyse de la charge cognitive.
Une animation plus attractive peut aussi détourner l’attention si ses détails ne servent pas le raisonnement.
Transfert interdisciplinaire
Le même principe vaut pour un schéma de physique, une reconstitution historique ou une mise en scène théâtrale : utiliser l’IA pour préparer un objet à interpréter, et non une interprétation prête à rendre.
La ressource est consultable publiquement ; sa gratuité d’accès ne permet pas, à elle seule, de conclure à une licence open source de l’exerciseur.
Sources :
Académie de Bordeaux — Annonce IREM du 9 octobre 2026
Mathix — Présentation de l’exerciseur, 5 octobre 2026
6. Formation des enseignants : l’IA peut aider à concevoir des cours inclusifs, mais la preuve reste fragile
[PED-AUT] [RECHERCHE] — mots-clés : différenciation, inclusion, formation-enseignants, conception-pédagogique — niveau : étude quasi expérimentale évaluée par les pairs
Dans une étude publiée le 5 octobre dans Frontiers in Education, Abdelkabir Mokhlesse et Latifa Hafdi Idrissi examinent la préparation de plans de cours par de futurs enseignants d’anglais au Maroc.
Trois conditions sont comparées :
Groupe témoin.
Formation aux principes de la conception universelle de l’apprentissage (CUA/UDL) seule.
Formation CUA complétée par des outils d’IA.
Le protocole
Sur 45 participants annoncés, 38 disposent de mesures avant/après appariées, répartis en groupes très inégaux :
| Groupe | Effectif | Score moyen après formation |
|---|---|---|
| Témoin | 22 | 2,05/9 |
| Formation CUA | 7 | 3,00/9 |
| Formation CUA + IA | 9 | 5,56/9 |
Les plans sont évalués sur 9 points, selon la diversité des moyens d’engagement, de représentation et d’expression proposés aux apprenants.
L’analyse ajustée signale un avantage du groupe CUA + IA ; la comparaison avec la formation CUA seule est toutefois sensible à la méthode statistique et doit être interprétée avec prudence. Frontiers
Ce que cela démontre réellement
Le résultat porte sur la qualité des plans écrits par les futurs enseignants, pas sur les apprentissages d’élèves réels.
L’effectif très faible des deux groupes formés, les pertes entre recrutement et analyse et les différences initiales limitent la généralisation.
Focus lettres
Pour une séance de lecture analytique, la CUA invite à prévoir plusieurs accès au même texte : lecture orale, repérage écrit, présentation visuelle de la structure.
Elle invite aussi à proposer plusieurs moyens de manifester une compréhension, sans abaisser l’exigence d’interprétation ni remplacer l’accès au texte littéraire.
L’IA peut proposer des variantes ; le professeur doit vérifier qu’elles restent pertinentes, accessibles et conformes au programme.
Source : Mokhlesse & Hafdi Idrissi, Frontiers in Education, 5 octobre 2026.
7. Open source : DeepTutor 1.6.14 renforce le travail sur documents originaux et le tutorat auto-hébergé
[OSS] [OPEN-SOURCE] — mots-clés : tutorat, open-source, RAG, confidentialité, local — niveau : version logicielle du 8 octobre ; efficacité scolaire non démontrée
Le projet DeepTutor publie la version 1.6.14 le 8 octobre 2026.
Ce logiciel libre sous licence Apache-2.0 réunit un espace de tutorat, des bases documentaires, des activités guidées et des fonctions de recherche.
Les nouveautés
Sa nouveauté principale est le retour aux figures, tableaux et pages originaux : une question peut être rattachée à une zone précise d’un PDF, plutôt qu’à un extrait textuel isolé.
La version distingue également explication, exercice accompagné et vérification autonome. Lorsqu’une preuve documentaire est inaccessible ou incertaine, l’activité concernée reste non notée.
Autres évolutions :
Indexation documentaire récupérable après échec.
Conservation de la version précédente d’une base si la reconstruction échoue.
Journal d’apprentissage.
Lecture vidéo avec repères temporels.
Outils de comparaison de publications scientifiques.
Gestion plus contrôlée des plugins.
Une interface française figure dans les versions récentes, sans que cela garantisse la qualité des explications en français. GitHub
Hébergement et matériel
Le projet propose une installation avec Python 3.11–3.14 et Node.js 20+, ou un conteneur Docker.
Il peut être connecté à Ollama, LM Studio ou llama.cpp pour utiliser un modèle local.
Une RTX 3090 de 24 Go est une piste crédible pour certains modèles quantifiés de l’ordre de 7 à 8 milliards de paramètres, mais aucun benchmark pédagogique de cette configuration n’est établi par cette annonce.
Le coût du code est nul ; l’utilisation de fournisseurs de modèles externes peut entraîner des frais. GitHub
Confidentialité
Auto-héberger l’interface n’est pas synonyme de traitement entièrement local.
Il faut aussi choisir un modèle et des embeddings locaux, désactiver ou contrôler les services de recherche externes, inspecter les journaux et sécuriser les comptes.
Aucun déploiement auprès d’élèves mineurs ne devrait être engagé sans examen institutionnel des données, de l’authentification et des droits d’accès.
Focus lettres
Un usage expérimental par l’enseignant consiste à charger une œuvre du domaine public et à demander au tuteur de retrouver une citation exacte avec sa page, puis de poser une question interprétative sans fournir le commentaire.
La qualité des citations, l’accès au contexte et le refus de citations inventées doivent être testés avant tout usage scolaire.
Sources :
Notes de version 1.6.14 — 8 octobre 2026
À retenir aujourd’hui
Confiance n’est pas compétence : l’analyse ICILS de 118 764 collégiens montre qu’une auto-efficacité numérique élevée ne prédit pas nécessairement une meilleure performance observée.
Écrire avec une IA n’est pas lui céder l’intention : la distinction devient concrète lorsqu’un élève doit justifier chaque choix lexical et interprétatif à partir du texte littéraire.
L’accès ne suffit pas : l’enquête internationale sur l’informatique distingue l’adoption d’une IA de son usage déclaré pour apprendre.
Les résultats doivent être séparés par compétence : dans l’étude de simulation, l’IA ne produit pas de gain supplémentaire démontré en connaissances, malgré des signaux sur la réflexion.
L’open source progresse sur la traçabilité : DeepTutor sait mieux revenir aux pages et figures sources, sans que cela constitue une validation de son efficacité pédagogique.
À tester en classe
1. « Je sais vérifier » : une épreuve de contrôle des citations — français, EMI
Durée : 20 minutes.
Fournir un extrait littéraire imprimé et trois affirmations d’un faux assistant, préparées par le professeur : une citation exacte bien interprétée, une citation exacte mal interprétée et une citation inventée.
Avant le travail, chaque élève estime sa capacité à les contrôler.
Il doit ensuite retrouver les mots exacts, justifier l’interprétation et corriger l’erreur.
Comparer confiance initiale et performance réelle ; ne pas noter la confiance.
2. Du schéma au raisonnement — mathématiques, sciences
Durée : 25 minutes.
Présenter une situation contextualisée, éventuellement animée ou illustrée par IA, sans solution.
Demander d’abord aux élèves ce qui est pertinent dans le visuel, ce qui ne l’est pas et quelle donnée manque.
Puis faire choisir et justifier une méthode : Pythagore, bilan de forces, protocole expérimental.
Terminer par une version dépouillée du schéma pour vérifier que le raisonnement ne dépend pas de l’habillage visuel.
À surveiller
Recherche. Réplications des profils ICILS avec de véritables tâches d’évaluation de sorties d’IA ; études longitudinales séparant confiance, compétence et apprentissage.
Équité. Enquêtes sur les usages d’apprentissage des adolescents, avec mesures objectives plutôt que seules déclarations.
Pédagogie. Résultats sur les compétences réellement transférées après simulation avec IA et après formation à la CUA.
Terrain français. Programme détaillé et comptes rendus de la journée IREM de Bordeaux du 9 décembre 2026.
Open source. Essais de DeepTutor avec un modèle local francophone, qualité des citations, audit des données et tests sur GPU grand public.
Archive : 2026-10-10_Veille-IA-Education.md
Identifiant : VIE-2026-10-10