Votre conseil, district ou école a probablement une directive sur l'IA, et sur ce que les élèves ne peuvent pas faire. Cet épisode montre que protéger le projet et protéger l'apprenant, ce n'est pas la même chose.
Cet épisode s'appuie notamment sur des recherches en :
- Précision métacognitive et calibration, incluant le rôle de la comparaison aux connaissances antérieures (Flavell, J.H., 1979 ; Nelson & Narens, 1990)
- Détection des erreurs et autocorrection comme mécanismes d'apprentissage (Chi, M.T.H. et al., 1994)
- Délégation cognitive et ses effets sur le traitement interne lors de l'utilisation d'outils sans évaluation (Risko & Gilbert, 2016)
- Évaluation formative et rétroaction évaluative dans le transfert des apprentissages (Hattie & Timperley, 2007)
- Apprentissage autorégulé et développement de stratégies d'instruction métacognitive (Zimmerman, B.J., 2002)
[00:00:04] Éducateur Vous avez probablement vu le projet, celui qui a été écrit par une IA. Les paragraphes parfaitement construits, mais légèrement à côté, comme si quelqu'un avait formulé une réponse sans jamais vraiment réfléchir à la question. Et quelque part, une petite frustration familière se pose. Vous savez ce qui s'est passé. L'élève a utilisé l'IA plutôt que de penser.
[00:00:31] Et presque toutes les conversations sur ce sujet dans les écoles tournent autour de ça. La détection, la politique, l'intégrité académique. Comment empêcher les élèves d'utiliser l'IA pour éviter le travail? C'est un vrai problème. C'est aussi le mauvais problème. Parce que l'élève qui apprend à bien utiliser l'IA ne va pas le faire en classe. Il va le faire chez lui, seul, sans surveillance, sans personne pour lui demander
[00:00:59] si ce qu'il a obtenu est exact, incomplet ou tout simplement faux. Il va apprendre à s'en servir, mais il va apprendre à l'utiliser à la place de sa propre réflexion. Et d'ici à ce qu'il soit adulte, ce schéma sera peut-être difficile à inverser. Le débat sur l'intégrité vise à protéger le projet. La crise de l'apprentissage, elle, concerne ce qui arrive à l'esprit si personne n'enseigne la compétence. Ce n'est pas la même chose.
[00:01:30] Voici une image concrète. Une élève de troisième secondaire, allumée, curieuse, travaille sur un texte à propos de la migration climatique. Elle ouvre son ordinateur, tape sa question et deux paragraphes apparaissent. Ils ont l'air solides, ils semblent fiables. Elle les lit en diagonale, les copie et passe à autre chose. Pas de friction. Pas de comparaison avec ce qu'elle savait déjà. Pas de moment où elle a eu à décider si c'était vrai.
[00:02:00] Même élève, même devoir. Mais cette fois, son enseignant lui a demandé d'utiliser l'IA pour une première ébauche, puis de trouver trois endroits précis où l'IA s'est trempée, a simplifié à l'excès ou a manqué l'essentiel de la question. Elle devait rédiger un paragraphe pour expliquer chaque problème. La première élève a remis un paragraphe propre. La deuxième a réfléchi. Ce que la deuxième élève a fait a un nom.
[00:02:28] Quand on lit quelque chose et qu'on se demande si c'est juste, faux, incomplet ou trempeur, quand on sent la friction entre ce qu'on sait déjà et ce qu'on reçoit, on active une boucle de détection des erreurs. On compare. On repère les tensions. C'est ce qui construit la capacité de savoir ce qu'on sait et de repérer ce qu'on ne sait pas.
[00:02:54] Cette boucle se déclenche de manière moins fiable quand on délègue à un outil et qu'on accepte le résultat sans le questionner. Le risque n'est pas qu'un élève remette un travail généré par une IA. Le risque est que l'élève qui n'apprend jamais à évaluer la production d'une IA ne développe jamais la capacité interne de détecter les erreurs dans l'IA, dans ses sources, dans sa propre pensée.
[00:03:18] Et cette capacité ne se construit pas en évitant l'IA. Elle se construit ainsi, confrontant de façon critique et créative. Rendre les devoirs résistants à l'IA ne retire pas l'IA de l'environnement d'apprentissage. Ça vous retire de cet environnement-là. Le moment où vous fermez la porte à son utilisation en classe, vous confiez cette formation à ce qui se passe à la maison.
[00:03:43] Ce qui, pour beaucoup d'élèves, est non structuré et se fait sans adultes. Les écoles qui n'enseignent pas aux élèves à évaluer ce que produit une IA ne les protègent pas d'elles. Elles garantissent que cette formation se fera seule, sans structure, et que le schéma qui se formera là sera difficile à défaire. Voici votre élan pour aujourd'hui. Un seul devoir. Vous donner une consigne. La même que d'habitude.
[00:04:13] Quelque chose comme « Explique deux causes de la migration climatique ». Donne un exemple précis pour chacune. C'est une consigne. Demandez aux élèves de la soumettre à un outil d'IA et d'obtenir une ébauche. Ensuite, leur tâche n'est pas d'utiliser cette ébauche. Leur tâche est de la critiquer. Qu'est-ce qui est faux ici? Qu'est-ce qui est trop simplifié? Où est-ce que l'IA est passé à côté de la question?
[00:04:43] Deux ou trois observations précises, avec des justifications. Vous évaluez la critique, pas l'ébauche. Ce que vous faites, c'est enseigner la boucle de détection des erreurs. Vous rendez l'évaluation visible. Vous montrez aux élèves que ce qu'un outil produit est un point de départ pour la réflexion, pas un substitut. Et vous le faites dans un environnement structuré où vous pouvez voir leur raisonnement. Pas dans une pièce à la maison où personne ne le fait.
[00:05:12] L'élève qui n'apprend jamais à faire ça devient quelqu'un qui ne sait pas quand l'outil se tremble. Celui qui l'apprend devient quelqu'un qui peut réfléchir intelligemment dans une salle où tout le monde n'attend que la réponse. C'est la différence que vous construisez. Et ça, c'est votre élan vers l'école. ... ... ...