Résumé
Résumé en français
S’appuyant sur l’expérience des acteurs de terrain et sur des données issues des territoires, le GTnum #DescolIA vise à concevoir des modèles d’intelligence artificielle dédiés, équitables et explicables de prédiction du décrochage scolaire. Il implique une collaboration avec des professionnels de l’éducation pour sélectionner les données adaptées à l’étude, valider les facteurs de risque identifiés par les modèles et concevoir des tableaux de bords utiles à l’accompagnement des élèves en situation de potentiel décrochage scolaire.
Résumé en anglais
Building on the experience of field actors and data from various territories, the GTnum #DescolIA aims to design dedicated, equitable, and explainable artificial intelligence models. It involves collaboration with education professionals to select suitable data for the study, validate the risk factors identified by the models, and design dashboards useful for supporting students at risk of potential school dropout.
Résumé en espagnol
Basándose en la experiencia de los actores sobre el terreno y en datos procedentes de los territorios, el GTnum #DescolIA tiene como objetivo diseñar modelos de inteligencia artificial específicos, equitativos y explicables para predecir el abandono escolar. Implica la colaboración con profesionales de la educación para seleccionar los datos adecuados para el estudio, validar los factores de riesgo identificados por los modelos y diseñar cuadros de mando útiles para el acompañamiento de los alumnos en situación de riesgo de abandono escolar.






Auteurs
- Armelle BRUN (LORIA)
- Guillaume CLEUZIOU (ICVL)
- Christine FAUVELLE-AYMAR (DRANE CVL)
Membres du GTnum
Universités et laboratoires associés
- Université de Lorraine, UMR 7503 LORIA (Laboratoire Lorrain de Recherche en Informatique et ses Applications)
- Université d’Orléans et Université de Tours, fédération de recherche ICVL (Informatique Centre-Val de Loire)
Territoires académiques associés
- Région académique Centre-Val-de-Loire
- Région académique Bourgogne Franche Comté
- Académie Nancy-Metz
Programme d’actions et axes de travail
Le GTnum #DescolIA a pour objectif de concevoir des modèles de prévision du risque de décrochage scolaire afin de doter l’ensemble des acteurs de l’éducation nationale (DASEN, inspecteurs, chefs d’établissement, référents décrochage, professeurs principaux…) d’outils de pilotage propres à identifier mais surtout prévenir les situations de décrochage scolaire. Ce groupe de travail s’appuiera sur l’usage et l’exploitation de la donnée à travers des modèles d’intelligence artificielle. L’élaboration de ces modèles fera l’objet d’une recherche doctorale en informatique encadrée par le laboratoire LORIA et la fédération de recherche ICVL.
Le programme de travail du GTnum implique de recenser et d’exploiter des données pour extraire les indicateurs et connaissances nécessaires au développement du modèle de prévision du risque de décrochage scolaire.
L’identification des facteurs du décrochage se fera en interaction avec les professionnels de l’éducation au sein des établissements et des rectorats de façon à avoir, en amont, une validation des pistes envisagées, et en aval un retour de pertinence des résultats des modèles d’identification du décrochage. Cette recherche action se déroulera en priorité avec les acteurs localisés dans les départements TNE des 3 régions académiques partenaires du projet (Cher, Doubs et Vosges). Ce projet participera ainsi à la construction de l’écosystème numérique mis en œuvre dans le cadre des TNE. Il s’insère également particulièrement bien dans les objectifs des TNE qui sont de favoriser la réussite scolaire, une plus grande justice sociale et l’inclusion de tous en s’appuyant sur le numérique.
Les résultats obtenus sont, in fine, à destination des acteurs de l’éducation nationale. Il est ainsi fondamental que l’équité [Fenu et al., 2022], [Memarian & Doleck, 2023] des modèles conçus soit garantie, de façon à assurer que la fiabilité de la prédiction soit la même pour tout élève, quel que soit son origine, genre, région, etc. et qu’aucune discrimination ne soit faite. Il est aussi nécessaire que les modèles développés soient explicables [Miao et al., 2021] afin qu’ils agissent comme une aide aux acteurs pour l’identification des situations de risque de décrochage au sein des établissements scolaires, qui restent maîtres de leurs décisions, mais aussi pour accompagner le pilotage des politiques publiques en matière de décrochage au niveau des académies. L’un des objectifs de ce GTnum est donc de concevoir et développer des tableaux de bord permettant ce pilotage.
Ces nouvelles modalités de pilotage, assistées de la donnée, ne pourront se conduire efficacement que si les acteurs y sont acculturés. Ce GTnum comprend donc une dimension de formation auprès des acteurs académiques sur cette approche. Un ensemble de temps d’échange sous forme de journées d’étude et de séminaires seront organisés au cours du projet au sein des collèges et lycées des départements TNE.
Programme prévisionnel des journées d’études
- 2025 – Le décrochage scolaire : retours d’expériences (études de cas et actions menées). Journée d’étude autour d’échanges sur les retours d’expérience de cas de décrochage et des actions menées dans les territoires, et au niveau national, sur la détection du décrochage.
- 2026 – Données Éducatives et IA. Journée de formation à l’exploitation de la donnée éducative par de l’Intelligence Artificielle.
- 2027 – Vers un pilotage du décrochage scolaire. Journée d’étude autour du tableau de bord pour le décrochage. Identification des cas d’utilisation, discussion autour des souhaits d’indicateurs, des fonctionnalités et des attentes ergonomiques.
- 2028 – L’IA au service de la prévision du décrochage. Journée d’étude sur les résultats du projet : présentation des données, explication des modèles, analyse des facteurs de risques identifiés et proposition de tableaux de bord comme outils de pilotage.
Références
Fenu, G., Galici, R., & Marras, M. (2022, July). Experts’ view on challenges and needs for fairness in artificial intelligence for education. In International Conference on Artificial Intelligence in Education (pp. 243-255). Cham: Springer International Publishing. https://arxiv.org/abs/2207.01490
Memarian, B., & Doleck, T. (2023). Fairness, Accountability, Transparency, and Ethics (FATE) in Artificial Intelligence (AI), and higher education: A systematic review. Computers and Education: Artificial Intelligence, 100152. https://www.sciencedirect.com/science/article/pii/S2666920X23000310
Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: A guidance for policymakers. Unesco Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000376709
A consulter aussi
Allouche, E. (2023, juin 12). Sens et finalités du numérique en éducation : Regards croisés 7. Entretien avec Christine Fauvelle-Aymar [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/o3ah
Allouche, E. (2025, janvier 30). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques : édition trilingue 2025 [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/137f6
DNE-TN2. (2021, juillet 16). Journée d’étude du GTnum LS2N #IA_EO (17/06/21) : IA et prédiction du risque de décrochage scolaire [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/o36s
DNE-TN2. (2025, février 11). Développer la littératie des données en éducation et formation : Portfolio du GTnum IMS-RUDII #DEFI [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/13alp
OpenEdition vous propose de citer ce billet de la manière suivante :
DNE-TN2 (3 mars 2025). L’Intelligence Artificielle au service de la prévision du décrochage scolaire : présentation du GTnum #DescolIA. Éducation, numérique et recherche. Consulté le 26 mars 2025 à l’adresse https://doi.org/10.58079/13eur