L’éducation, la formation des enseignants et l’apprentissage de l’intelligence artificielle : un aperçu des questions clés

Titre original : A report about Education, Training Teachers and Learning Artificial Intelligence : Overview of key issues.

Résumé 

L’intelligence artificielle (IA) prenant une part importante dans nos vies, la question de l’éducation à l’IA devient de plus en plus pertinente. Nous soutenons dans ce document que, bien qu’il soit peut-être prématuré d’enseigner l’IA, nous recommandons une éducation à cinq piliers ou questions fondamentales qui devraient être d’une grande utilité à l’avenir : la sensibilisation aux données ou la capacité à construire, manipuler, visualiser de grandes quantités de données ; la compréhension du caractère aléatoire et l’acceptation de l’incertitude ou la capacité à vivre dans un monde où les modèles cessent d’être déterministes ; le codage et la pensée informatique ou les compétences permettant à chacun de créer avec du code et de résoudre des problèmes par des algorithmes ; la pensée critique adaptée à la société numérique et enfin une série de questions permettant de comprendre notre propre humanité face aux changements induits par l’IA

Référence

de la Higuera, C. (2019). A report about Education, Training Teachers and Learning Artificial Intelligence : Overview of key issues. Knowledge 4 All Foundation Ltd (K4A). https://www.k4all.org/wp-content/uploads/2019/11/Teaching_AI-report_09072019.pdf

Introduction 

L’intelligence artificielle a été décrite comme la nouvelle électricité. En tant que telle, la conviction qu’elle aura une influence profonde sur de nombreux domaines, dont l’éducation, est largement partagée. Par exemple, dans son rapport de 2018 sur l’intelligence artificielle, le comité français présidé par Cédric Villani [25] a présenté la transformation de l’éducation comme le premier « axe ». Dans ce rapport [12], des centaines d’applications de l’intelligence artificielle ont été examinées et mises en correspondance avec les technologies pertinentes. Plus récemment, le rapport du CCR intitulé « The Impact of Artificial Intelligence on Learning, Teaching, and Education » (L’impact de l’intelligence artificielle sur l’apprentissage, l’enseignement et l’éducation), rédigé par Ikka Tuomi et al [20], a examiné les différents aspects des questions relatives à l’intelligence artificielle et à l’apprentissage. Et plus généralement, la question de la transformation de l’éducation à l’aide de la technologie est abordée par le quatrième objectif de développement durable adopté par les Nations Unies en septembre 2015, ainsi que par l’OCDE [13]. 

Dans ce rapport, nous étudions les différentes interactions entre l’intelligence artificielle et l’éducation en mettant l’accent sur la question suivante : Si nous acceptons que l’intelligence artificielle est un élément important dans le paysage de demain, quelles sont les aptitudes et les compétences qui devraient figurer dans les futurs programmes d’études et comment pouvons-nous contribuer à former les enseignants afin qu’ils puissent jouer le rôle requis ? 

Ce rapport est l’un des premiers à aborder ces questions : en tant que tel, il est moins construit comme une synthèse de rapports existants avec une augmentation des travaux précédents que comme une analyse basée sur l’expérience des enseignants, des chercheurs, des universitaires et des praticiens. Une exception récente est le travail de l’UNESCO elle-même qui a exploré les liens entre l’IA et l’éducation [15].  

1. Qu’est-ce que l’IA ? Pourquoi la question est-elle d’intérêt général ? 

L’histoire de l’intelligence artificielle remonte à l’histoire de l’informatique. Alan Turing s’est intéressé très tôt au sujet de l’intelligence artificielle [21] : certaines des idées qu’il a introduites il y a 70 ans sont encore extrêmement pertinentes aujourd’hui ; il a plaidé en faveur de l’aléatoire et a discuté des implications de l’apprentissage machine pour la société. Même si Turing n’a pas prédit l’importance des données, il a compris que la capacité d’apprentissage de la machine serait la clé de l’intelligence artificielle. 

Une autre des contributions de Turing à l’intelligence artificielle est ce qu’on a appelé le test de Turing : dans ce test, un examinateur externe (humain) a la capacité d’interagir à la fois avec une machine et un humain, mais l’interface étant mécanique, il devra examiner les réponses aux interactions plutôt que leur forme. Le but de l’examinateur est de distinguer l’homme de la machine ; le but de l’intelligence artificielle est de confondre l’examinateur. Cela conduit à la définition très générale de l’intelligence artificielle encore utilisée aujourd’hui, où il s’agit moins de l’intelligence d’une machine que de la capacité d’une machine à convaincre les humains qu’elle est intelligente. 

La naissance officielle de l’intelligence artificielle est généralement associée au projet de recherche d’été de Dartmouth sur l’intelligence artificielle : en 1956, des chercheurs se sont réunis au Dartmouth College pour aborder les questions difficiles auxquelles l’informatique n’avait pas contribué [11]. 

Aujourd’hui, en raison de l’impact de l’apprentissage automatique, et plus particulièrement de l’apprentissage profond, d’autres définitions de l’intelligence artificielle ont été envisagées : une vision plus orientée vers l’entreprise est que l’IA correspond à ces techniques d’apprentissage profond qui ont un fort impact sur l’industrie [12, 30]. 

Pouvoir passer le test de Turing n’est plus l’objectif commun de la recherche et n’expliquerait pas l’impact de l’IA aujourd’hui. Les succès actuels de l’IA dépendent de plusieurs facteurs, dont des machines adaptées aux besoins des algorithmes et l’augmentation massive de la quantité et de la qualité des données. Les techniques d’apprentissage par machine fonctionnent aujourd’hui bien mieux qu’il y a dix ans. Elles permettent de construire de meilleurs modèles, de faire moins d’erreurs de prédiction, d’utiliser à bon escient les énormes volumes de données, de générer de nouvelles données réalistes et d’être réglées et adaptées à une variété croissante de tâches. Ainsi, ces algorithmes ne visent plus à tromper l’homme en lui faisant croire qu’il est intelligent ; ils remplacent en fait (en partie) l’homme dans une de ses tâches les plus intelligentes : celle de construire des algorithmes. 

Si l’informatique est une affaire d’algorithmes et de données, l’IA moderne est une science des données : elle repose sur la capacité à traiter et à exploiter au mieux les données. Alors que la tendance naturelle de l’informatique était de construire des algorithmes pour traiter les données, je peux affirmer que l’intelligence artificielle consiste à construire les données et les algorithmes qui construisent les algorithmes. 

1.1 Pourquoi il est important de comprendre l’IA 

L’intelligence artificielle influence toutes les parties de la société où des données peuvent être mises à disposition et où il est possible d’apporter des améliorations, soit en automatisant, soit en inventant de nouveaux défis et besoins. En substance, cela signifie que toute activité humaine est touchée ou peut être touchée. Par exemple, les 17 objectifs de développement durable des Nations unies sont actuellement examinés par des experts d’Amnesty International [8]. L’utilisation de l’IA peut conduire à de nouvelles situations complexes, qui ne peuvent être comprises qu’à travers une compréhension réelle des aspects techniques et conceptuels sous-jacents. Dans de nombreux cas, notre compréhension physique du monde est insuffisante pour évaluer l’impact ou même l’opportunité de l’IA. 

Quand on lit pour i= 1 à 1 000 000 l’intuition est de peu d’utilité : aucun humain ne fait quoi que ce soit 1 000 000 de fois dans une vie ! Le monde mathématique et son abstraction complète ne donnent pas non plus de réponse adéquate. Les gens peuvent imaginer l’intelligence artificielle comme un processus par lequel une machine fait les choses de la même manière que nous (les humains), mais plus rapidement et avec plus de mémoire, d’espace de stockage ou de puissance de calcul. Mais l’IA ne fonctionne pas toujours de cette façon. Les algorithmes ne suivent pas les modèles de notre monde physique et la compréhension de ce qu’ils font ne nous donnera pas une idée réaliste des raisons pour lesquelles ils fonctionnent ou non. 

En ce qui concerne la formation des enseignants, cela nous laisse avec deux approches : la première suppose que les enseignants soient capables de construire réellement des systèmes d’IA simples : ils doivent savoir comment coder et être capables d’assembler des blocs afin d’obtenir des systèmes plus complexes, d’exécuter des algorithmes d’intelligence artificielle, de construire des modèles et de les utiliser. La seconde approche suppose que les gens n’apprennent pas à concevoir mais seulement à interpréter et à utiliser. Ils interpréteront alors nécessairement les choses en fonction des valeurs très limitées de leur propre monde physique.   

2. L’IA et l’éducation

Les liens entre l’IA et l’éducation ne sont pas nouveaux. Ils ont fonctionné dans les deux sens, mais l’un d’eux a reçu, jusqu’à aujourd’hui, beaucoup plus d’attention que l’autre [15]. 

2.1 L’IA pour l’éducation

La première conférence sur l’éducation par l’intelligence artificielle remonte à plus de 20 ans : les défis ont depuis été très variés et sont désormais relevés par de solides communautés multidisciplinaires. Des projets de recherche ont été financés par l’Union européenne, des fondations et des pays individuels. L’objectif est d’utiliser l’intelligence artificielle pour soutenir l’éducation. Une industrie émergente s’est développée, couverte par le nom Edutech (qui n’est pas strictement AI) et la question a été étudiée dans un certain nombre de rapports : [23, 15, 25, 20]. 

2.2 L’éducation à l’IA

Alors que la question de l’éducation de tous à l’intelligence artificielle est nouvelle, celle de la formation des experts pour l’industrie est traitée depuis un certain temps. 

L’intelligence artificielle est enseignée dans les universités du monde entier depuis plus de 30 ans. Dans la plupart des cas, ces sujets requièrent de solides connaissances de base en informatique et en mathématiques. L’importance croissante de la science des données, de l’intelligence artificielle et de l’apprentissage machine entraîne actuellement une modification des programmes d’informatique [16]. 

L’éducation à l’intelligence artificielle, avant l’université, est en 2019 une toute nouvelle question. Si elle n’est pas apparue avant, cela peut être dû à plusieurs raisons : 

  • Le besoin est nouveau : si l’IA existe depuis un certain temps, les applications pour la vie quotidienne ont été limitées. Aujourd’hui, grâce aux téléphones mobiles ou aux compagnons d’ambiance, l’interaction avec l’IA se fait de manière routinière, du moins dans les pays les plus industrialisés [12]. 
  • Les problèmes liés à l’éducation en tant que question globale sont énormes et l’éducation à l’IA peut ne pas être perçue comme essentielle [14], même lorsque l’objectif est d’étudier l’éducation dans un cadre numérique [22]. Les efforts déployés dans de nombreux pays pour introduire un programme d’études sur les technologies de l’information et de la communication n’ont même pas encore porté leurs fruits, et, avec l’IA, il semble que nous en demandions davantage aujourd’hui [24] ! 
  • Il est difficile d’introduire le sujet sans enseignants formés. A titre d’exemple, en 2018, le gouvernement français a décidé d’ajouter un nouveau programme d’informatique au niveau du lycée (élèves de 16 à 18 ans) avec l’ambition d’introduire l’intelligence artificielle. Cela s’est avéré impossible en raison des nombreuses résistances. 
  • On ne sait pas encore très bien ce qu’il faut enseigner si l’on considère un enseignement qui devrait avoir une certaine forme de validité au fil des ans. Que sera l’intelligence artificielle dans 20 ans, voire 10 ou seulement 5 ans ? 

2.3 Pourquoi devrions-nous former les enseignants à l’IA ? 

Les applications de l’IA seront présentes dans tous les domaines [12]. Ainsi, on pourrait simplement ajouter l’utilisation des applications aux compétences individuelles requises par un enseignant. Mais cela limiterait probablement, à bien des égards, la capacité des enseignants à s’adapter aux nouvelles applications. 

On peut également affirmer que les enfants vont être élevés dans un monde où l’intelligence artificielle sera ambiante et qu’ils pourront donc être appelés « AI natives » (26). 

Un enseignant doit-il simplement connaître les idées clés de l’IA ? Ou devrait-il être plus conscient d’autres questions ? 

2.4 L’enseignement de l’IA est-il une version améliorée de l’enseignement de la pensée informatique ? 

L’enseignement du codage et de la pensée informatique est fortement préconisé depuis 2012 [28, 7]. De nombreux pays ont maintenant introduit le sujet. Apprendre à coder ne consiste pas seulement à acquérir une compétence technique : il s’agit de pouvoir tester ses propres idées au lieu de se contenter d’exécuter celles de quelqu’un d’autre. Et bien sûr, il y a une forte dose d’idées dans l’intelligence artificielle, ce qui signifie que savoir coder peut aider à utiliser l’IA de manière créative et à comprendre les questions et concepts sous-jacents. 

L’intelligence artificielle est une extension de l’informatique. Elle la comprend mais introduit également de nouvelles idées et de nouveaux concepts. 

2.5 Pourquoi un enseignant devrait-il être sensibilisé à l’IA ? 

De nombreuses raisons de former les enseignants à une certaine compréhension de l’IA sont très proches de celles qui sont préconisées pour les préparer aux compétences numériques [24]. Alors que le premier objectif est de s’assurer que les enseignants ont une conscience numérique, et que cet objectif n’est pas encore atteint, quelle est l’importance/urgence d’être sensibilisé à l’IA ? Pourquoi cela serait-il nécessaire ? Examinons quelques raisons. 

Le rôle envers la communauté. Si l’intelligence artificielle doit avoir un impact sur tous les aspects de la société, comme beaucoup le prédisent, les citoyens et les futurs citoyens vont avoir besoin d’être guidés, d’être aidés pour comprendre, décrypter ces technologies 

Afin de former des apprenants qualifiés. Un aspect mis en avant par de nombreux analystes est l’impact de l’intelligence artificielle sur les emplois. Les analyses les plus optimistes soulignent que là où de nombreux emplois seront perdus à cause de la robotisation, de nouveaux emplois apparaîtront. 

Et même si ces emplois semblent exiger des compétences non techniques, il semblerait raisonnable que nombre d’entre eux soient directement liés ou non aux aspects techniques de l’IA. 

Si en 2019, il ne semble ni pertinent ni possible de former chaque enfant à l’IA, il serait en revanche nécessaire de donner à chaque enfant les principes et les bases lui permettant de s’adapter et d’apprendre à un stade ultérieur. 

Car l’environnement d’apprentissage est en train de changer et inclura l’IA. Des systèmes de tutorat intelligents, des outils qui permettront de proposer des expériences d’apprentissage individualisées, des accompagnements sur mesure… sont quelques-uns des projets en cours qui conduiront nécessairement à des situations où l’apprenant sera aidé. La compréhension de ces outils sera un atout, voire une nécessité. 

Car l’IA est un outil précieux pour l’enseignement. L’IA est utilisée aujourd’hui pour aider l’enseignant. Par exemple, le projet X5-GON recommande des ressources éducatives ouvertes adaptées aux besoins d’un enseignant particulier [29]. De la même manière qu’aujourd’hui un enseignant est pénalisé par son incapacité à utiliser les outils numériques disponibles, l’enseignant de demain peut être perdant s’il ne peut pas accéder aux outils d’IA de manière simple. 

3. Vers un programme d’études : Les cinq piliers proposés. 

L’intelligence artificielle n’a pas atteint sa maturité. Le sujet tel qu’il a été défini en 1956, étudié pendant 40 ans, a atteint ses résultats spectaculaires depuis 2012 et est encore difficile à comprendre. Il est encore plus difficile de prévoir comment les technologies vont évoluer, même dans un avenir proche. Si la construction d’un programme d’études complet est hors de portée de ce document, il est possible de proposer cinq piliers et de s’appuyer sur ceux-ci. Nous représentons notre proposition dans la figure 1 : nous pensons que cinq piliers ou questions fondamentales devraient être ajoutés à la formation des enseignants (partie inférieure de la figure) et sur ceux-ci, en temps voulu, l’IA pourrait être enseignée (partie supérieure de la figure). 

Figure 1 : Les compétences en matière d’IA 

3.1 Incertitude et caractère aléatoire 

Les données sont incohérentes. Elles ne démontrent pas une stricte nature causale. Avec des données, une même cause peut conduire à des effets différents. Pour faire face à ce non-déterminisme légitime dans le monde modélisé, qui va être utilisé pour la prise de décision basée sur l’IA, il faut acquérir d’autres compétences. Le raisonnement probabiliste et les statistiques devront être enseignés, mais avant cela, des activités permettant aux enfants de comprendre la nature stochastique de la plupart des processus modélisés et celles encourageant à faire le meilleur usage des imperfections des données sont nécessaires. 

Pourtant, l’IA signifie aussi une nouvelle forme de déterminisme qui mérite notre attention : lorsque les systèmes prédictifs sont pris (trop) au sérieux et qu’on nous dit que notre enfant de 1 an va devenir un scientifique ou avoir une vie sociale compliquée à cause d’une mauvaise utilisation des données, ne pas comprendre comment ces prédictions fonctionnent peut causer beaucoup de dégâts. Il est indispensable de comprendre que les prévisions proposées par l’IA ne sont pas des vérités de base, mais des estimations, et la façon dont elles doivent être interprétées. 

L’enseignement peut être compliqué pour des raisons didactiques : accepter l’incertitude signifie aussi enseigner sans impliquer que l’enseignant est omniscient et ne fait pas d’erreur. 

Nous présentons dans le tableau suivant une description plus formelle de la manière dont le sujet pourrait être introduit. 

Comme ces questions ne sont aujourd’hui enseignées qu’en mathématiques (probabilités, statistiques), ce serait également un choix logique. Mais une approche plus pragmatique -plutôt qu’abstraite- serait recommandable :

Domaine d’enseignement Partiellement une compétence mathématique
Compétences Les enseignants peuvent   expliquer comment et pourquoi les situations sont plus probables que d’autres,expliquer l’incertitude d’une prédiction. 
Objectifs pour la formation Les enseignants doivent : comprendre et expliquer pourquoi les prévisions ne sont pas toujours pertinentes ,évaluer les probabilités élémentaires,comprendre et expliquer les concepts de base des probabilités. 

3.2 Codage et calcul 

Le codage et la pensée informatique font aujourd’hui partie des programmes d’études de nombreux pays, conformément aux recommandations des experts [10, 18]. Dans de nombreux cas, le code IA consiste à utiliser des bibliothèques pour les langages de programmation qui nous permettent de manipuler de grandes quantités de données avec très peu d’instructions. Mais une bonne utilisation de ces techniques implique certaines compétences de codage [19, 28, 6]. De plus, il a été avancé que les utilisateurs experts de l’IA (par exemple les médecins) devront comprendre les algorithmes afin de savoir quand ne pas faire confiance à la décision d’apprentissage de la machine. 

Des efforts ont été faits dans différents pays pour répondre à cette question et à celle de la formation des enseignants qui y est liée [10]. En France, le projet Class’Code [5, 4] s’appuie sur des ressources éducatives ouvertes pour permettre aux enseignants et aux éducateurs d’apprendre. 

Les ordinateurs et les robots sont des artefacts évidents, mais une approche alternative est celle de Computer Science Unplugged [2] (appelée également informatique débranchée).

Nous présentons dans le tableau suivant une description plus formelle de la manière dont le sujet pourrait être introduit. Le codage et la pensée informatique sont aujourd’hui enseignés dans un certain nombre de pays, il existe donc différents exemples à suivre :

Domaine d’enseignement Compétences numériques
Compétences Les enseignants peuvent coder (écrire des programmes simples), comprendre les algorithmes.
Objectifs de la formation Les enseignants doivent être capables d’envisager la résolution de problèmes par la pensée informatique, de coder dans les langages auxquels les élèves ont été formés, d’expliquer les algorithmes de base, de comparer différents algorithmes, d’écrire des programmes simples.

3.3 Sensibilisation aux données 

L’IA va s’appuyer sur des données. Alors que l’algorithme est au centre du calcul, c’est beaucoup moins le cas de l’IA, où, souvent, l’essentiel de l’effort portera sur la collecte, la préparation et l’organisation des données [16]. Une éducation aux données (sciences de la donnée ou data science) reposera sur des activités où les données sont collectées et visualisées, manipulées et analysées [15]. Par ailleurs, de grandes quantités de données justifient que les algorithmes soient enseignés avec plus de soin car les tests deviennent beaucoup plus complexes. 

La science des données est un domaine récent enseigné aujourd’hui à des étudiants plus âgés et plus spécialisés. Nous proposons une approche plus large, avec une expérience pratique dans la création, la manipulation, la visualisation et l’extraction d’informations à partir de données.

Domaine d’enseignement Compétences numériques
Compétences Les enseignants peuvent comprendre les bases de la science des données.
Objectifs de formation Les enseignants devraient être en mesure de :manipuler, visualiser, jauger et extraire des informations de grands ensembles de données,expliquer les différents aspects des données : origine, confidentialité, taille, . .

3.4 Pensée critique 

Les sciences sociales peuvent et doivent apporter leur contribution à de nombreuses questions éthiques soulevées par l’IA. La pensée critique est un aspect important, mais il est essentiel qu’elle repose sur une réelle compréhension du fonctionnement de la technologie. 

Un exemple typique : lorsque l’on tente de détecter de fausses nouvelles et informations – une question vraiment importante – on suggère souvent que la réponse consiste à trouver la source primaire ou à se fier au bon sens. C’est une excellente réponse du XXe siècle, mais elle est moins utile dans de nombreuses situations sur le web à partir de textes, d’images ou de vidéos générés par l’IA. Aujourd’hui, la réponse passe par une combinaison de compréhension des concepts de la culture numérique et de capacité à utiliser des algorithmes pour construire ses convictions. En d’autres termes, l’homme seul va avoir du mal à argumenter avec une machine sans l’aide d’une autre machine. 

Pourtant, ce serait tout autant une erreur de se contenter d’enseigner la technologie sans donner les moyens de comprendre les impacts, d’évaluer les risques et d’avoir une perception historique des médias. Dans la plupart des rapports sur l’IA, on s’accorde à dire qu’une analyse des implications éthiques doit être prise en compte avant le déploiement. Les chercheurs en sciences des médias travaillent sur cette question depuis un certain temps [27] et devraient être encouragés à travailler avec des spécialistes de l’IA. 

La pensée critique est une compétence associée aux sciences sociales. Le but ici n’est pas de modifier l’approche mais de renforcer le rôle de la technologie dans les questions d’analyse des médias.  

Domaine d’enseignement Compétences sociales et numériques
Compétences Les enseignants peuvent utiliser la technologie pour évaluer les risques numériques et résoudre les questions relatives à l’information dans les médias, évaluer de manière critique les informations et les sources d’information.
Objectifs de la formation Les enseignants devraient pouvoir :évaluer les situations numériques, les risques, les opportunités, les vérités, les impostures avec l’utilisation des technologies existantes,trouver des informations de qualité et sûres sur l’internet.

3.5 Humanisme post-IA 

Les 4 piliers précédents peuvent être adaptés aux compétences, aptitudes et profils d’enseignement existants. Celui que nous introduisons maintenant pourrait être plus difficile à intégrer. L’idée clé est que les progrès de l’IA nous font reconsidérer, en tant qu’êtres humains, certaines vérités de base. 

On sait déjà que notre interaction avec la technologie a un impact sur les attitudes non technologiques : par exemple, les enseignants s’accordent à dire que l’utilisation du smartphone par les enfants et le type spécifique de multitâche qui est introduit a un effet sur leur capacité d’étude, du moins dans les cadres formels proposés par les écoles. Avec l’intelligence artificielle, ces changements peuvent être encore plus formidables. 

Nous introduisons cette idée à travers quatre exemples. 

3.5.1 La vérité 

En 2017, le système Libratus a été construit par des chercheurs de l’université Carnegie Mellon [3]. Ce système a battu certains des meilleurs joueurs de poker au monde. Pour cela, le système a utilisé l’apprentissage par renforcement pour construire sa politique optimale. Il a notamment appris à bluffer – une compétence nécessaire au poker – sans avoir été explicitement formé au bluff. Mais Libratus a appris que la meilleure stratégie pour gagner était de mentir de temps en temps. 

En d’autres termes, le système a été formé pour gagner. Et si cela inclut le bluff – qui est une forme de mensonge socialement acceptable – c’est exactement ce qu’il a fait. 

3.5.2 L’expérience 

En 2016, Alphago a battu le champion de go Lee Sedol par quatre victoires contre une [17]. Le système, comme la plupart de ceux qui existaient jusqu’alors, utilisait largement les bibliothèques contenant des milliers de jeux joués par des experts : la machine a construit ses victoires sur l’histoire et le savoir de l’humanité. Quelques mois plus tard, la nouvelle version appelée Alphago-zero est lancée, bat Alphago par 100-0, puis est adaptée aux échecs. La principale différence était qu’Alphago-zéro écartait tout le savoir humain, se contentait d’utiliser les règles du jeu et la capacité de la machine à apprendre en jouant contre elle-même. 

La question que cela soulève est la suivante : devons-nous construire la société sur la base de son expérience ? 

3.5.3 La créativité 

Cette question est régulièrement posée. Elle peut avoir une importance juridique et intellectuelle. Aujourd’hui, l’intelligence artificielle peut composer de la musique, écrire des scénarios, peindre des images, modifier nos photographies. Grâce à la génération artificielle, de nouveaux artefacts peuvent être créés. 

Il convient de noter que dans les cas où l’intelligence artificielle est utilisée pour la création artistique, il est le plus souvent signalé qu’un artiste humain a participé au projet. Si cela est en partie vrai, il se peut que nous ayons seulement besoin d’être rassurés. 

Pourtant, toujours dans le domaine des jeux, il est intéressant de voir des spécialistes commenter en ligne les jeux joués par les derniers programmes d’intelligence artificielle. Alors qu’il y a quelques années, la « force brute » de la machine était mise en avant, c’est beaucoup moins le cas aujourd’hui : la nature créative des mouvements est admirée par les grands maîtres humains. 

Une question se pose ici : une machine peut-elle créer sans sentiment ni conscience ? Une réponse est de dire que c’est le résultat qui compte : si nous croyons qu’il y a création, avons-nous besoin du sentiment ? [9]. 

3.5.4 L’intelligence 

Le renseignement lui-même est affecté par les progrès de l’IA. Chaque fois qu’un progrès est réalisé et que la machine bat l’homme dans une activité qui était jusqu’à présent considérée comme une activité nécessitant des capacités d’intelligence, les experts annoncent invariablement que l’activité en question n’a pas vraiment besoin d’intelligence. De plus en plus, le but semble être de définir l’intelligence de manière à la rendre inaccessible à une machine. 

Nous présentons dans le tableau suivant le domaine, la compétence et les objectifs de l’humanisme post-IA, du point de vue des enseignants. Comme le sujet n’existe pas dans le programme scolaire actuel, le tableau ne doit être considéré que comme une première esquisse.

Domaine d’enseignementPédagogie, compétences numériques, etc.
Compétences Les enseignants peuvent analyser comment la technologie modifie la société et les valeurs.
Objectifs de la formation Les enseignants devraient être en mesure de discuter des progrès scientifiques (en particulier ceux liés à l’intelligence artificielle),discuter de l’arrivée des nouvelles technologies et comprendre l’influence sur les questions humaines clés,comparer les traditions et les valeurs sociales avec celles qui ont été modifiées par l’arrivée des nouvelles technologies.

4. Élargir le modèle 

Les piliers décrits dans la section précédente doivent être compris comme pouvant soutenir un cadre plus large de compétences que les enseignants et les apprenants devront maîtriser afin d’utiliser et de créer des systèmes d’IA (voir Fig. 1). 

Mais ils peuvent également être considérés comme des compétences autonomes du XXIe siècle qui leur permettraient de mieux utiliser les technologies introduites par et avec l’intelligence artificielle. 

5. Lien avec l’ICT-CFT de l’UNESCO 

L’IA devra être enseignée par des professeurs. Il existe une grande différence entre les pays en matière de formation des enseignants, par exemple en ce qui concerne les compétences de base en TIC sur lesquelles nous pouvons compter pour pouvoir mettre en place un programme d’enseignement de l’IA.

Comme point de départ et cadre uniforme, nous adoptons l’approche promue par l’UNESCO, à savoir le cadre de compétences en TIC pour les enseignants (ICT-CFT) de l’UNESCO, et reflétée dans une série de documents évolutifs (au cours des 10 dernières années) [24]. 

Dans [24], les 6 aspects du travail d’un enseignant sont examinés en fonction d’un objectif d’utilisation des TIC pour un meilleur enseignement : 

  • A1 Comprendre les TIC dans l’éducation : comment les TIC peuvent aider les enseignants à mieux comprendre l’éducation et à aligner leurs pratiques en classe en conséquence ; 
  • A2 Programme d’études et évaluation : comment les TIC peuvent permettre aux enseignants de mieux comprendre ces questions mais aussi d’intervenir et de proposer de nouvelles modalités ; 
  • A3 Pédagogie : comment l’enseignement proprement dit peut être influencé positivement par l’utilisation éclairée des TIC ; 
  • A4 Application des compétences numériques : comment utiliser les nouvelles compétences acquises par les apprenants pour soutenir les capacités supérieures de réflexion et de résolution de problèmes ; 
  • A5 Organisation et administration : comment participer à l’élaboration de stratégies technologiques à différents niveaux ; 
  • A6 Formation professionnelle des enseignants : comment utiliser la technologie pour interagir avec les communautés d’enseignants et partager les meilleures pratiques. 

Chaque aspect est ensuite analysé, en ce qui concerne l’impact sur les TIC, selon trois étapes : la culture technologique (.1), l’approfondissement des connaissances (.2) et la création de connaissances (.3). 

Le rapport soulève deux questions : 

  1. Dans quelle mesure les ICT-CFT offrent-elles un bon cadre pour la formation des enseignants à l’IA ? 
  2. Dans quelle mesure les ICT-CFT bénéficieront-ils de l’impact de l’IA ?

Figure 2: L’alignement entre les piliers et les aspects. Les lignes pleines indiquent l’impact d’un aspect sur un pilier ; les lignes pointillées indiquent la contribution d’un pilier à un aspect. Les lignes doubles fonctionnent dans les deux sens 

5.1 Comment les ICT-CFT permettent aux enseignants de passer à l’IA 

Les ICT-CFT visent à permettre aux enseignants de savoir comment utiliser, de manière expérimentée, et développer de nouvelles idées, du matériel d’apprentissage, des programmes d’études grâce aux TIC. 

Comme les différents piliers de l’IA présentés dans ce document reposent tous sur la compréhension du fonctionnement des ordinateurs, des algorithmes et des données, les ICT-CFT constitueront un important tremplin vers l’IA. 

Les enseignants qui seront capables de maîtriser les différents outils, stratégies et compétences proposés dans les ICT-CFT seront en mesure de mieux interagir avec les questions soulevées par les piliers proposés. 

Nous représentons, dans la Fig. 2, avec une ligne complète, les principales contributions des aspects des TIC-CFT aux cinq piliers. 

5.2 L’impact de l’IA sur les ICT-CFT 

L’arrivée de nouveaux outils d’IA pour l’éducation (comme [29]) contribuera probablement à motiver de meilleurs enseignants à l’utilisation des TIC : les avantages deviendront plus clairs et nous pouvons espérer que l’utilisation sera simplifiée. En général, les REL sont aujourd’hui difficiles à construire, à offrir, à trouver. L’IA et les technologies connexes devraient les rendre beaucoup plus accessibles, ce qui assurerait leur adoption à plus grande échelle. 

D’autre part, une meilleure compréhension des questions clés soulevées par les piliers proposés aura un effet positif sur la motivation des enseignants à progresser dans les niveaux à travers les différents aspects proposés dans les ICT-CFT. 

Par exemple, une meilleure compréhension des implications sociales et éthiques (pensée critique et humanisme post-IA) aurait un impact positif sur la façon dont les enseignants réagissent et sur leurs motivations en formation. 

Les ambitions proposées avec les 5 piliers peuvent également avoir un impact positif sur les ICT-CFT en exigeant une ambition supplémentaire : Le codage et la pensée computationnelle sont mentionnés mais non recommandés, alors que pour l’IA, la proposition est qu’il s’agit de compétences nécessaires. Apprendre à coder rendrait, en soi, les ICT-CFT beaucoup plus réalisables. 

Nous représentons, dans la figure 2, avec une ligne en pointillé, les principales contributions des cinq piliers aux ICT-CFT. 

6. Intelligence artificielle et ressources éducatives ouvertes 

Les enseignants en TIC sont les précurseurs du partage des ressources éducatives ouvertes (REL) : comme ils utilisent naturellement l’ordinateur comme un objet d’apprentissage et un artefact d’apprentissage, ils ont été très actifs dans la production et le partage des REL. C’est également le cas pour l’IA : on peut prévoir un grand bénéfice pour tous. 

L’intelligence artificielle travaille également aujourd’hui à fournir de meilleurs outils pour publier, partager et accéder aux REL [29]. C’est pourquoi l’éducation à l’IA ou vers l’IA proposée dans ce document devrait faire un large usage des REL. 

7. Recommandations politiques qui émanent de l’étude sur la maîtrise de l’information

Avec les changements qui résultent de l’arrivée de l’intelligence artificielle, le système éducatif doit se préparer. Nous pouvons formuler trois recommandations :

  1. Il est peut-être prématuré d' »enseigner l’IA » à tout le monde. En effet, il est très difficile d’évaluer ce qui va se passer et donc quelles seront les technologies clés. Mais il est raisonnable d’analyser le modèle qui se développe et donc de viser à former les enseignants à un monde dans lequel l’IA jouera un rôle significatif, afin qu’ils puissent, à leur tour, enseigner et informer.
  2. Nous suggérons cinq piliers qui devraient être d’une importance significative étant donné le développement de la technologie et de la société : la conscience des données ou la capacité à construire, manipuler, visualiser de grandes quantités de données ; la compréhension du caractère aléatoire et l’acceptation de l’incertitude ou la capacité à vivre dans un monde où les modèles cessent d’être déterministes ; le codage et la pensée informatique ou les compétences permettant à chacun de créer avec du code et de résoudre des problèmes par des algorithmes ; la pensée critique adaptée à la société numérique et l’humanisme post-IA qui revient à comprendre notre propre humanité au vu des changements induits par l’IA.
  3. À ce stade précoce, il est difficile de mettre un programme d’études en face de chacun de ces piliers et de nombreuses questions complexes restent à résoudre : comment former les enseignants ? Quel est le matériel pédagogique ? Comment assurer l’apprentissage tout au long de la vie pour ces questions ? Il serait donc nécessaire de poursuivre le travail interdisciplinaire concernant ces questions. 

8. Conclusion 

Nous avons présenté dans ce rapport préliminaire cinq compétences ou piliers qui devraient prendre une importance croissante compte tenu de la pénétration de l’IA dans la société. 

D’autres travaux devraient suivre, afin de mieux comprendre à quel âge et de quelle manière les concepts pertinents devraient être introduits, étudiés, maîtrisés. autour desquels nous espérons expliquer comment l’IA devrait être enseignée, tant aux enseignants qu’aux apprenants. 

Remerciements 

Nous tenons à remercier les personnes suivantes pour leur aide et leur expertise : Neil Butcher, Victor Connes, Jaco Dutoit, Maria Fasli, Françoise Soulié Fogelman, Marko Grobelnik, James Hodson, Francois Jacquenet, Stefan Knerr, Bastien Masse, Luisa Mico, Jose Oncina, John Shawe-Taylor, Zeynep Varoglu, Emine Yilmaz. 

Auteur

Colin de la Higuera, cdlh@univ-nantes.fr 
9 juillet 2019 

Source (en)

https://www.k4all.org/wp-content/uploads/2019/11/Teaching_AI-report_09072019.pdf

Traduction @fbocquet avec l’aide précieuse de Deepl.com

Résumé (en)

As Artificial intelligence (AI) is taking an important part in our lives, the question of educating towards AI becomes increasingly relevant. We argue in this document that although it may be premature to teach AI, we recommend an education to five pillars or core questions which should be of great use in the future: data awareness or the capacity of building, manipulating, visualising large amounts of data; understanding randomness and accepting uncertainty or the ability to live in a world where models cease to be deterministic; coding and computational thinking or the skills allowing each to create with code and to solve problems through algorithms; critical thinking as adapted to the digital society and finally a series of questions amounting to understand our own humanity in view of the changes AI induces. 

Références 

[1] Fathers of the deep learning revolution receive ACM A.M. Turing award. News, 2019. https: //www.acm.org/media-center/2019/march/turing-award-2018

[2] T. Bell, I. H. Witten, M. Fellows, R. Adams, J. McKenzie, M. Powell, and S. Jarman. CS Unplugged. csunplugged.org, 2015. 

[3] Noam Brown and Tuomas Sandholm. Superhuman AI for heads-up no-limit poker: Libratus beats top professionals. Science, 359(6374):418–424, 2017. 

[4] Class’Code. Class’code, ses principes et leviers. Position paper, 2015. https://project.inria.fr/classcode/classcode-ses-valeurs

[5] Class’Code. Maison : Maîtriser et accompagner l’apprentissage de l’informatique pour notre société numérique. Position paper, 2015. https://drive.google.com/drive/folders/ 0B42D-mwhUovqQ1RyOW01WUtyR1k

[6] Informatics Europe. Informatics education: Europe cannot afford to miss the boat. Technical report, 2015. http://www.informatics-europe.org/images/documents/informatics-education-acm-ie.pdf

[7] A. Fluck, M. Webb, M. Cox, C. Angeli, J. Malyn-Smith, J. Voogt, and J. Zagami. Arguing for computer science in the school curriculum. Educational Technology & Society, 19(3):38–46, 2016. 

[8] Knowledge for All Foundation. IJCAI workshop on Artificial Intelligence and United Nations sustainable development goals. Workshop, 2019. https://www.k4all.org/event/ijcai19/

[9] Yuval Noah Harari. Homo Deus: A Brief History of Tomorrow. Harvill Secker, 2016. 

[10] L’Académie des Sciences. L’enseignement de l’informatique en France – il est urgent de ne plus attendre. Position document, 2013.
http://www.academie-sciences.fr/fr/activite/ rapport/rads_0513.pdf

[11] John McCarthy, Marvin L. Minsky, Nathaniel Rochester, and Claude E. Shannon. A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 27(4):12–12, 2006. 

[12] McKinsey. Notes from the AI frontier. insights from hundreds of use cases. Discussion pa- per, 2018. https://www.mckinsey.com/featured-insights/artificial-intelligence/ notes-from-the-ai-frontier-applications-and-value-of-deep-learning

[13] L. Nedelkoska and G. Quintini. Automation, skills use and training. Position document, 2018. Documents de travail de l’OCDE sur les questions sociales, l’emploi et les migrations, n202, Éditions OCDE, Paris, https://doi.org/10.1787/2e2f4eea-en. https://www.oecd-ilibrary. org/employment/automation-skills-use-and-training_2e2f4eea-en

[14] High Level Committee on Programmes. Towards a UN system-wide strategic approach for achieving inclusive, equitable and innovative education and learning for all. Report, 2019. 

[15] UNESCO Education Sector. Artificial intelligence in education: Challenges and opportunities in sustainable development. Report, 2019. 

[16] R. Benjamin Shapiro, Rebecca Fiebrink, and Peter Norvig. How machine learning impacts the undergraduate computing curriculum. Commun. ACM, 61(11):27–29, 2018. 

[17] David Silver, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre, George van den Driessche, Julian Schrittwieser, Ioannis Antonoglou, Veda Panneershelvam, Marc Lanctot, Sander Dieleman, Dominik Grewe, John Nham, Nal Kalchbrenner, Ilya Sutskever, Timothy Lillicrap, Madeleine Leach, Koray Kavukcuoglu, Thore Graepel, and Demis Hassabis. Mas- tering the game of go with deep neural networks and tree search. Nature, 529:484–489, 2016. 

[18] The Royal Society. After the reboot:computing education in uk schools. Position paper, 2017. https://royalsociety.org/-/media/policy/projects/computing-education/ computing-education-report.pdf

[19] P. Tchounikine. Initier les élèves à la pensée informatique et à la programmation avec scratch. Research paper, 2016.
http://lig-membres.imag.fr/tchounikine/PenseeInformatiqueEcole.html

[20] Ikka Tuomi. The impact of artificial intelligence on learning, teaching, and education. Submitted file, 2018. http://publications.jrc.ec.europa.eu/repository/bitstream/ JRC113226/jrc113226_jrcb4_the_impact_of_artificial_intelligence_on_learning_ final_2.pdf

[21] Alan Turing. Computing machinery and intelligence. Mind, Oxford University Press, 59(236):33–35, 1950. 

[22] The NESCO/Netexplo Advisory Board (UNAB). Human learning in the digital era. Report, 2019. https://unesdoc.unesco.org/ark:/48223/pf0000367761.locale=en

[23] UNESCO. Unesco and sustainable development goals. Policy document, 2015. http://en.unesco.org/sdgs

[24] UNESCO. Unesco ICT competency framework for teachers. Report, 2018. https://unesdoc.unesco.org/ark:/48223/pf0000265721

[25] Cédric Villani. Donner un sens à l’intelligence artificielle. Position document, 2018. https://www.aiforhumanity.fr/pdfs/9782111457089_Rapport_Villani_accessible.pdf

[26] Randi Williams, Hae Won Park, and Cynthia Breazeal. A is for artificial intelligence: The impact of artificial intelligence activities on young children’s perceptions of robots. In CHI Conference on Human Factors in Computing Systems Proceedings (CHI 2019), May 4–9, 2019, Glasgow, Scotland UK.ACM, New York, NY, USA. ACL, 2019. https://doi.org/10. 1145/3290605.3300677

[27] Carolyn Wilson, Alton Grizzle, Ramon Tuazon, Kwame Akyempong, and Chi Kim Cheung. Media and information literacy curriculum for teachers. Report, 2014. https://unesdoc. unesco.org/ark:/48223/pf0000192971.locale=en

[28] Jeannette M. Wing. Computational thinking. Communications of the ACM, 49(3):33–35, 2006. 

[29] x5gon. Cross modal, cross cultural, cross lingual, cross domain, and cross site global oer network artificial intelligence and open educational resources. European project h2020, 2017. https://x5gon.org

[30] Les échos. AI for business. Comment faire des entreprises françaises des championnes de l’IA ? Livre blanc, 2019. https://www.lesechos-events.fr/think-tank/ai-business/#fndtn-recommendations


Laisser un commentaire

Votre adresse de messagerie 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.