Intelligence artificielle générative et grands modèles de langage en éducation : présentation du GTnum #GenIAL

Résumé

Résumé en français

Présentation du groupe thématique numérique #GenIAL : Intelligence artificielle générative et grands modèles de langage en éducation.

Résumé en anglais

Presentation of the digital thematic group #GenIAL: Generative artificial intelligence and large language models in education.

Résumé en espagnol

Presentación del grupo temático digital #GenIAL: Generative artificial intelligence and large language models in education.

Comment l’intégration des LLM (Large Language Models, grands modèles de langage) et de l’IA générative dans le domaine éducatif influence-t-elle les conceptions pédagogiques traditionnelles, les structures organisationnelles et les perceptions des acteurs éducatifs ?

Présentation générale

Thématique

IA génératives et grands modèles de langage conversationnels et/ou multimodaux : enjeux de formation, d’enseignement, d’apprentissage et d’évaluation ; état des technologies et des offres de service disponibles, cartographie des acteurs, perspectives pour l’éducation et la formation.

Partenaires

Portage : Nantes Université au travers de la Chaire Unesco RELIA (Ressources Éducatives Libres et Intelligence Artificielle)

Référents : Bastien Masse, Colin de la Higuera

Coordination : Class’Code, Bastien Masse

Laboratoire : Le laboratoire Imsic / UTLN-AMU, Michel Durempart, Sami Ben Amor

Académies partenaires : Nantes, Versailles, Aix-Marseille, Nice

Partenaire opérateur de formation : Réseau Canopé, Guillaume Viniacourt

Edtech associées : Vittascience, Léo Briand ; Lalilo

Objectifs et enjeux

Le monde de l’intelligence artificielle (IA) a connu une accélération majeure avec la naissance des grands modèles de langage basés sur l’architecture Transformer[1], comme BERT[2], GPT[3] et d’autres. Le concept d’IA générative a émergé, apportant des enjeux et des possibilités sans précédent. Au-delà de la simple génération de texte, cette technologie a étendu ses capacités à la création d’images, de vidéos et d’autres formes de contenu. Plus important encore, l’IA générative n’est plus confinée aux laboratoires de recherche ou aux entreprises technologiques de pointe ; elle est en train de se démocratiser, influençant une multitude d’usages et touchant divers secteurs de la société, auxquels l’éducation et l’enseignement ne font pas exception. Cette démocratisation ouvre la voie à de nouvelles opportunités, mais aussi à des défis éthiques et pratiques.

Dans ce GTnum, nous proposons au travers d’une approche concernant l’ensemble des acteurs (enseignants, apprenants, responsables, formateurs académiques, chercheurs universitaires, Edtech), d’agir sur les implications de l’usage de l’IA générative et des grands modèles de langage conversationnels et/ou multimodaux dans les méthodes d’apprentissage, les pratiques pédagogiques et les productions scolaires. Il s’agira d’identifier les enjeux et mutations que les systèmes artificiels intelligents impliquent pour l’organisation scolaire, la forme scolaire, l’évaluation, les conceptions pédagogiques, les usages et les représentations en cours ; pouvant notamment être liés à la question de l’autonomie, de l’agentivité des élèves et des enseignants, de la créativité, du libre arbitre, etc.

La démarche se situe sur trois plans : le contexte éducatif (plan 1) au niveau des actions pédagogiques mais aussi des normes et formes éducatives, le contrat éducatif (plan 2) qui s’élabore dans un cadre relationnel et normatif entre les personnels éducatifs et les apprenants, et enfin les dispositifs et processus qui régissent l’activité dans l’école (plan 3). Nos objectifs sont ainsi de pouvoir évaluer le potentiel transformant de ces IA génératives et grands modèles de langage au sein de l’école, et plus largement de l’enseignement. Nous souhaitons également offrir une visibilité et lisibilité de l’offre des services et des technologies qui progressent rapidement. Notre but est d’identifier leurs influences profondes et transversales sur la création, le partage et la transmission des connaissances, mais également sur l’évolution des compétences des enseignants et des apprenants.

Ainsi, nous posons cette problématique :

Comment l’intégration des LLM (Large Language Models, grands modèles de langage) et de l’IA générative dans le domaine éducatif influence-t-elle les conceptions pédagogiques traditionnelles, les structures organisationnelles et les perceptions des acteurs éducatifs ?

Pour aborder cette problématique de recherche, nous envisageons d’explorer les trois axes suivants :

  • A1 : Enjeux et impacts de l’IA générative pour les enseignants

L’évolution des enseignements vers une approche plus personnalisée et individualisée remet en question la standardisation traditionnelle des parcours éducatifs. Avec l’IA générative, sommes-nous en train de déléguer une partie de la transmission de la connaissance à ces systèmes ? Comment, alors, concevoir des contenus qui correspondent aux dispositifs innovants proposés par l’IA générative ? Cette transformation implique-t-elle une redéfinition et une réorientation du rôle de l’enseignant ? Après avoir traversé des phases d’acculturation culturelle et numérique, sommes-nous à l’aube d’une acculturation cognitive à l’IA qui bouscule encore les savoir-faire des acteurs dans une instabilité incessante des acquis ?  Ce premier thème doit permettre l’identification des nouvelles compétences à acquérir pour les enseignants et l’identification de nouvelles méthodes d’évaluation qui pourrait conduire à une refonte du contrat éducatif traditionnel.

  • A2 : Enjeux et impacts de l’IA générative pour les apprenants

Assurer l’engagement des apprenants, tout au long de leurs apprentissages, et la pertinence des contributions de l’IA dans l’acquisition des compétences est essentiel. Comment, alors, éviter une répétition systématique des productions tout en maximisant l’impact de ces outils technologiques ? De plus, face à la diversité des besoins des apprenants, comment adapter le processus d’apprentissage pour répondre de manière optimale à chaque apprenant ? Ce second thème doit permettre l’identification de nouvelles méthodes d’enseignement pour répondre aux besoins spécifiques de chaque apprenant tout en favorisant leur engagement actif dans le processus éducatif et en préservant une éducation collective.

  • A3 : Enjeux et impacts de l’IA générative sur les dispositifs éducatifs

L’équité d’accessibilité aux technologies éducatives est une préoccupation majeure : est-il assuré que tous les apprenants bénéficient d’un accès équitable aux outils basés sur l’IA générative ? De plus, avec l’intégration croissante de ces technologies, la protection des données personnelles devient cruciale. Comment, alors, garantir la confidentialité des informations pour tous les acteurs impliqués lorsque l’IA générative est mise en œuvre dans le domaine éducatif ? Ce troisième thème met l’accent sur l’accessibilité, l’efficacité, et la conformité RGPD et la protection des données personnelles dans l’usage de l’IA générative dans un environnement éducatif.

Webinaire de lancement du GTnum (Chaire RELIA, 2024)

Moyens et productions envisagées

  • La création d’une grille d’analyse et d’évaluation des API[4] LLM pour établir une typologie des outils et des usages. L’objectif est d’enrichir la compréhension de l’impact des LLM dans divers domaines. Cette analyse se concentrera sur les enjeux et effets des évolutions récentes de l’IA dans notre environnement éducatif. Cette grille conduira à cartographier les tendances, les défis et les opportunités discutés dans la littérature académique et professionnelle concernant les LLM, fournissant ainsi un cadre décisionnel pour l’élaboration des stratégies éducatives.
  • Plateforme PASIA : Plateforme d’Analyse de Solutions IA LLM : Une plateforme dédiée à l’analyse des solutions basées sur LLM. Cette plateforme propose en ligne un récapitulatif et comparatif dynamique (cartographie interactive) mis à jour tout au long du projet permettant d’identifier les différents modèles et outils utilisant des API LLM en précisant leur condition d’accès et d’usage.
  • En impliquant les académies et en encourageant les enseignants à faire remonter leurs pratiques, expérimentations et leurs besoins.
  • En associant les groupes de travail académiques (DRANE et Réseau Canopé)  ayant une thématique ou une orientation centrée sur l’IA.
  • En se mettant à disposition de la communauté de réflexion en éducation sur l’IA (CREIA) pour la remontée de besoins, de pratiques, l’accompagnement des actions de terrain et la mise en réseau de la communauté éducative autour de la thématique IA.
  • La mise en place d’un processus de remontée des pratiques de l’IA en classe par ou pour les enseignants et les élèves dans le but de documenter nos travaux, expérimenter des pratiques innovantes et stimuler le réseau communautaire éducatif.
  • Un cahier d’expériences et de pratiques des IA génératives par les enseignants, répertoriées suite à une étude de terrain dans les académies. Témoignages et partage entre pairs. Descriptif d’activités clés en main. Étude de typologies d’expérience avec récits types, cas d’usages, scénarios de situations.
  • L’animation de temps d’acculturation et de formation sur l’usage de l’IA en éducation, en présentiel et à distance. Permettant de mettre en avant des experts scientifiques pour faciliter la compréhension conceptuelle et/ou technique de ces outils. Mais également les enseignants qui mettent déjà en pratique ces outils dans leur préparation ou dans la classe.
  • Une série de webinaires et de journées de formation en présentiel. Permettant l’engagement des enseignants et des académies sollicitées pour adresser le livrable cahier d’expériences. Permettant également d’ouvrir l’avancée du projet à l’ensemble des académies tout au long du projet.
  • La production régulière d’une documentation ouverte qui permettra d’aboutir à la  rédaction d’un document de synthèse permettant l’identification des enjeux et des impacts des IA génératives sur l’éducation (transformation des compétences, évaluation, production de ressources, apprentissage autonome et individualisé, contraintes, acceptabilité, mutation et migration des usages entre appropriations individuées et domestiques, intégration dans projets d’équipes et dans les démarches pédagogiques, etc.).Ce document abordera également les contraintes, leviers, freins et recommandations concernant l’utilisation de l’IA en éducation (notamment sur les plans juridiques, éthiques, technologiques, socio-politiques, culturels, etc.), intégrant une analyse de la conformité RGPD, des droits d’usage et de diffusion, de la transparence des données d’apprentissage.

[1] À la découverte du Transformer https://ledatascientist.com/a-la-decouverte-du-transformer/

[2] BERT : Un outil de traitement du langage innovant https://datascientest.com/bert-un-outil-de-traitement-du-langage-innovant#:~:text=BERT%20signifie%20Bidirectional%20Encoder%20Representations,bien%20meilleure%20compr%C3%A9hension%20du%20texte.

[3] LSTM, Transformers, GPT, BERT : guide des principales techniques en NLP https://france.devoteam.com/paroles-dexperts/lstm-transformers-gpt-bert-guide-des-principales-techniques-en-nlp/

[4] Interface de programmation d’application (API) https://www.cnil.fr/fr/definition/interface-de-programmation-dapplication-api

Référence

Chaire RELIA. (2024, mars 21). [#GTnum #GenIAL] Webinaire de lancement—18 mars 2024. Webtv de Nantes Université. https://mediaserver.univ-nantes.fr/permalink/v12689127503b44x7o0p/

A consulter aussi

Allouche, E. (2023, octobre 2). IA génératives et ingénierie pédagogique : Le prompting, pistes de travail et applications [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/9934

Bocquet, F. (2020, juillet 9). L’intelligence artificielle de la maternelle à la Terminale : Que devrait savoir chaque enfant sur l’IA ? [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/1970

Bocquet, F. (2023, janvier 23). État de l’art et de la pratique de l’intelligence artificielle dans l’éducation (Holmes & Tuomi, 2022) [Traduction] [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/8350

de la Higuera, C., & Bocquet, F. (2020, juillet 9). L’éducation, la formation des enseignants et l’apprentissage de l’intelligence artificielle : Un aperçu des questions clés [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/1973

DNE-TN2. (2023c, juillet 10). Enseigner et apprendre à l’ère de l’intelligence artificielle : Portfolio du GTnum #Scol_IA [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9593

DNE-TN2. (2023d, septembre 6). Intelligence artificielle et éducation ouverte : Portfolio du GTnum #IA_EO [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9781

DNE-TN2. (2024a, janvier 31). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques : édition trilingue 2024 [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/10764

DNE-TN2. (2024b, février 28). IA et pensée critique en éducation [Billet]. Éducation, numérique et recherchehttps://doi.org/10.58079/vx5s

DNE-TN2. (2024c, mars 14). Rapport et recommandations de la commission de l’intelligence artificielle (mars 2024) [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/w0qa

Région académique Occitanie (Réalisateur). (2024, mars 15). L’intelligence artificielle en éducation—Bastien Masse. https://vimeo.com/923798150/5e539faf24



Citer ce billet
DNE-TN2 (2024, 22 mars). Intelligence artificielle générative et grands modèles de langage en éducation : présentation du GTnum #GenIAL. Éducation, numérique et recherche. Consulté le 24 mai 2024, à l’adresse https://doi.org/10.58079/w2i5

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search