Bousculée par l'IA, l'université doit transformer sa manière d'enseigner et d'évaluer
Beaucoup de cours tels que conçus actuellement pourraient valablement être supplantés par l'IAG. Des alternatives à plus haute valeur ajoutée sont possibles, à condition de revoir les objectifs complets de formation.
- Publié le 09-01-2025 à 09h11
Une opinion de Pierre De Handschutter, docteur en mathématiques appliquées (Université de Mons – FPMs)
Alors que vient de s'ouvrir la session de janvier dans le Supérieur et à l'aune des capacités toujours plus grandes des outils d'IA générative (IAG), le bien-fondé des systèmes d'évaluations actuels, voire des méthodes d'apprentissage sous-jacentes, est profondément remis en question.
Permis et proscrit
Il est assez intéressant d'observer comment les établissements d'enseignement supérieur – concentrons-nous sur les universités – en FWB se sont emparés de la question : pour la plupart, ils ont établi des lignes directrices régissant l'utilisation responsable des outils d'IAG en délimitant les frontières de ce qui est permis (reformulation, correction syntaxique, recherche d'information, etc.) et proscrit (génération d'un travail original, usage aux évaluations, etc.). On peut toutefois s'interroger sur la pertinence réelle et, surtout, la pérennité de telles "règles" : à l'heure où, d'une part, les capacités des outils d'IAG ne cessent d'évoluer de manière fulgurante et où, d'autre part, leur intégration à des outils usuels (au travers de Microsoft Copilot ou Github Copilot, par exemple) s'accentue, certaines frontières deviennent de plus en plus poreuses. Qui pourra légitimement reprocher à un étudiant d'utiliser un tel outil "plugin" pour définir la structure d'un rapport ou pour écrire du code ? Et même, qui pourra s'en apercevoir ?
Ces usages de l'IAG vont progressivement devenir la norme et s'intégrer naturellement dans les productions. Ces préoccupations ne sont finalement pas si différentes de celles que l'on pouvait déjà rencontrer avant l'émergence de l'IAG : plagiat, recours à un parent/professeur particulier/camarade de classe, etc., sont autant de techniques qui mettent à mal l'intégrité des évaluations existantes et affaiblissent la valeur des réussites sous-jacentes. Seule l'échelle d'application de l'IAG (quantité importante de tâches concernées et outils nombreux et accessibles au plus grand nombre) est différente.
Qui pourra légitimement reprocher à un étudiant d'utiliser un tel outil "plugin" pour définir la structure d'un rapport ou pour écrire du code ? Et même, qui pourra s'en apercevoir ?
On peut par ailleurs remarquer qu'il aura fallu attendre l'arrivée des modèles de langages populaires (GPT, Gemini, etc.) et plus généralement de l'IAG pour que les universités adoptent une démarche de sensibilisation à l'IA destinée à l'intégralité de leur communauté. À cet égard, on peut déplorer une certaine ambiguïté sémantique, surtout auprès des publics les moins avertis : dans les communications, les vocables IA et IAG sont quelquefois interchangés, or l'IA ce n'est pas que l'IAG…
Former pour demain
Ces chartes semblent donc peu résilientes au regard de la vitesse de l'évolution technologique et répondent peut-être à la mauvaise problématique. En effet, ne faudrait-il pas en priorité se demander comment adapter les cursus (en particulier, non technologiques bien sûr) afin de former les professionnels de demain à naviguer dans un monde où l'IA est ubiquitaire ? Car les cohortes formées aujourd'hui seront sur le marché du travail demain, et les avancées de l'IA auront encore davantage surpassé les timides incartades de celle-ci dans les programmes de cours à ce stade. Finalement, l'IAG semble générer davantage de préoccupations sur ses usages à court terme que sur ses implications plus globales en termes d'objectifs d'apprentissage, dans la perspective plus large de l'IA "tout court".
Les chartes relatives à l'usage de l'IAG en milieu universitaire me semblent présenter une analogie avec la réponse à la pandémie COVID-19 : face à une modification disruptive de l'environnement, on déclenche une réaction réflexe pour se protéger. En effet, les possibilités offertes par l'IAG entrent en concurrence avec le système de formation dominant : beaucoup de cours tels que conçus actuellement pourraient valablement être supplantés par l'IAG. Pourtant, des alternatives à plus haute valeur ajoutée sont sans doute possibles, à condition de revoir les objectifs complets de formation, en requestionnant les rapports de force entre enseignants et apprenants au regard de l'évolution technologique. Ceci requerrait d'à la fois définir un socle méthodologique inaliénable mais aussi de repenser profondément les apprentissages : avoir l'humilité d'accepter la supériorité des IA pour certaines tâches mais en consacrant, en contrepartie, davantage de temps à des moments pédagogiques plus innovants.
Pertinence et légitimité
Ce seraient, par exemple, des approches multi/transdisciplinaires, des réflexions éthiques, l'application des acquis disciplinaires à des enjeux globaux, etc. Bien au-delà d'une modulation du cadre pédagogique existant au gré de l'évolution technologique, c'est d'une vision partagée et transversale de l'éducation à et par l'IA que les universités ont besoin, et rapidement. Considérer l'IA (G) comme une réalité incontournable du champ pédagogique, sans la subordonner à des chartes contorsionnant de plus en plus les chemins d'apprentissage et d'évaluation, semble urgemment indispensable pour maintenir la pertinence et la légitimité des formations universitaires, sans quoi l'Université verra ses lettres de noblesse s'étioler…
La position des universités de la FWB face à l'IAG
L'UMons, l'ULB et l'ULG adoptent une démarche relativement similaire : une charte ou, du moins, des lignes directrices relatives à l'usage de l'IAG dans les apprentissages, les travaux et les évaluations, avec une délimitation franche des usages permis et proscrits. Ainsi, grosso modo, l'usage de l'IAG est autorisé comme soutien à la rédaction (corrections syntaxique et orthographique, etc.) et comme outil de base de recherche/exploration d'une thématique mais est interdit pour la réalisation de travaux originaux. Ces "chartes" insistent aussi sur l'importance de la transparence dans l'usage et le référencement des outils d'IAG, l'esprit critique et la confidentialité des données échangées. Les sanctions sont globalement laissées à l'appréciation de l'enseignant, qui peut aussi requérir des explications méthodologiques ou contextuelles supplémentaires de la part de l'étudiant en cas de doute sur un usage non approprié de l'IAG. Finalement, ces règles de conduite laissent une large part d'autonomie à l'enseignant et une grande marge d'interprétation, tout en maintenant, globalement, le cadre actuel en place.
À l'UCL, un guide complet sur l'usage de l'IA générative a été rédigé. Ce dernier a l'avantage d'être particulièrement complet et de proposer différentes stratégies possibles. Il offre, de manière transparente, un support sourcé aux enseignants afin de les former aux différents aspects de l'IAG (replacée dans le contexte plus large de l'IA), un aspect habituellement trop négligé dans la réflexion. Il évite également une vision manichéenne de l'IAG (avec distinction nette entre usages proscrits et prescrits), en proposant plusieurs voies d'incorporation dans les évaluations et les supports de cours, s'adressant à la fois aux étudiants et aux enseignants.
Quant à l'UNamur, elle n'a, à notre connaissance, pas produit de document disponible publiquement concernant sa politique institutionnelle relative à l'IAG.
