Tout contenu numérique devrait garantir l’accessibilité visuelle en incluant des textes alternatifs aux images. En l’absence de système et de métrique d’évaluation adaptés, nous présentons nos recherches préliminaires sur la génération et l’évaluation de textes alternatifs, d’abord dans un contexte générique. Dans une démarche d’inclusion scolaire, nous mettons en lumière les limites des systèmes existants et les contraintes à prendre en compte pour envisager un système applicable aux manuels scolaires.

Le projet CHICA-AI vise à construire une activité assistée par ordinateur pour l’entraînement des compétences de compréhension de la lecture des élèves de primaire. Cette activité consiste à demander à l’élève de résumer à l’oral un texte narratif, afin d’identifier ses difficultés de compréhension et fournir un retour personnalisé à l’élève et à son enseignant. Pour cela, nous mettrons en place un système automatique d’analyse fine des résumés oraux, capable d’extraire les informations pertinentes et de les combiner pour remplir une grille de critères pédagogiques et psycho-cognitifs. Nous présentons ici les défis du projet, ainsi que les premiers travaux réalisés : création de l’activité dans la plateforme Lalilo et du contenu pédagogique, collecte d’enregistrements audios, construction du protocole d’annotation. Nous présentons enfin les analyses préliminaires faites sur les premières annotations, qui serviront à l’entraînement et l’évaluation de notre système automatique.

Ce travail présente une architecture d’apprentissage adaptatif combinant graphes de connaissances enrichis et contraintes pédagogiques dans un cadre d’apprentissage par renforcement. Le graphe est construit à partir de ressources expertes (ex. manuel scolaire) et enrichi automatiquement par un modèle de langage pour compléter les relations et inférer des contraintes. Un module de knowledge tracing estime la progression de l’apprenant vers un objectif pédagogique donné. Un agent de renforcement, entraîné en environnement simulé, recommande des activités en maximisant la progression attendue tout en respectant les contraintes. Cette approche vise à renforcer la pertinence, la diversité et l’explicabilité des parcours proposés. Une évaluation sur des jeux de données réels est prévue en travaux futurs.

Cet article présente une étude préliminaire sur l’engagement de directeurs et directrices d’écoles primaires à Marseille (France) vis-à-vis de l’intelligence artificielle (IA), en particulier de l’IA générative, dans le cadre du numérique éducatif et de la transformation digitale de l’école. L’étude analyse un atelier de formation visant à introduire l’évolution historique de l’IA, ses fondements ainsi que ses applications pédagogiques. Les résultats, issus de questionnaires administrés avant et après l’intervention, montrent que, malgré une connaissance initiale limitée des technologies d’IA, les participants ont manifesté un intérêt croissant pour l’exploration de ces outils, principalement dans une optique de gain de temps, tout en conservant une méfiance marquée. L’étude souligne la nécessité de formations contextualisées, combinant connaissances et compétences techno-pédagogiques en IA et réflexion critique, et appelle à une prise en compte des enjeux éthiques et des cadres de gouvernance pour une intégration responsable de l’IA en éducation.

Les systèmes basés sur le RAG (Retrieval-Augmented Generation) sont des systèmes qui optimisent la puissance des grands modèles de langue (LLM, en anglais, Large Language Models) avec une recherche d’information (RI) à partir de sources de connaissances externes, sans avoir besoin de réentraîner le modèle. Ce type d’approche est connu pour améliorer les réponses du LLM, en particulier pour répondre à des questions spécifiques à un domaine, et réduire le phénomène d’hallucination constaté avec ces derniers. Dans cet article, nous explorons l’application d’un tel système dans un contexte pédagogique, en utilisant le jeu de données SCIQ (SCIence Questions), un ensemble de questions scientifiques à choix multiples de niveau scolaire, qui nous permet d’évaluer la capacité des modèles à fournir des réponses précises, pédagogiques et vérifiables. Nous évaluons les performances du système par rapport à un modèle génératif standard (Llama3 8b et Mistral 7b) de réponse aux questions et analysons ses forces et ses limites dans un contexte éducatif. La performance la plus élevée en termes de précision a été enregistrée avec l’approche basée sur le RAG (rag-llama), qui a permis d’atteindre une précision globalement supérieure par rapport aux autres approches testées.

Cet article présente la genèse, le cadre conceptuel et les principes pédagogiques de la trousse InitIAtion, conçue pour accompagner les étudiantes et étudiants du collégial dans un usage critique, responsable et créatif de l’intelligence artificielle générative (IAg). Issu de consultations et d’expérimentations menées au Cégep de Saint-Laurent, ce projet répond à un besoin identifié de formation structurée, face à une adoption rapide de l’IAg dans les pratiques étudiantes. Appuyé sur le référentiel international de l’UNESCO et sur les recommandations du Conseil supérieur de l’éducation du Québec, InitIAtion se structure autour des compétences associées au métier d’étudiant. Proposée sous forme modulaire, adaptable à divers contextes disciplinaires, la trousse de formation vise à développer l’agentivité numérique, la pensée critique et l’autonomie des étudiantes et des étudiants. L’article discute également des modalités d’implantation, dans une logique de mutualisation interordres, et appelle à une appropriation contextualisée de l’outil par les établissements d’enseignement supérieur québécois.

Cet article présente une expérimentation pédagogique menée dans une école d’ingénieurs en informatique visant à encadrer l’usage de l’Intelligence Artificielle Générative (IAG) dans le cadre d’une activité d’apprentissage par problème. Intégrée à une Situation d’Apprentissage et d’Évaluation (SAÉ) de première année (niveau L3), l’activité proposée s’appuie sur l’analyse d’un brevet en anglais décrivant un algorithme de reconnaissance musicale de type Shazam. À partir de ce document, les étudiants sont amenés à produire un glossaire technique bilingue, en interaction réflexive avec une IAG. Le dispositif vise à développer conjointement des compétences disciplinaires (traitement du signal, mathématiques appliquées), linguistiques (anglais scientifique) et transversales (analyse distanciée, réflexivité sur l’usage des outils d’IAG). Les résultats observés montrent une forte implication des étudiants, une qualité linguistique et technique des productions, ainsi qu’une capacité à identifier et discuter les apports et limites de l’IAG. Cette activité constitue une première étape vers une intégration systémique et réfléchie des IAG dans les cursus d’ingénierie.

Cet article analyse l’émergence d’une nouvelle autorité cognitive incarnée par les intelligences artificielles conversationnelles, en se concentrant sur le cas de Grok. Positionnée comme alternative idéologique aux modèles existants, cette IA illustre comment nous déléguons de plus en plus notre jugement à des algorithmes perçus comme objectifs ou omniscients. En interrogeant les implications éducatives, éthiques et épistémologiques de cette évolution, l’article met en lumière les risques d’une dépendance envers des systèmes dont le fonctionnement reste obscur. Il plaide en faveur d’une littératie algorithmique appliquée, d’une pédagogie de l’incertitude algorithmique et d’un outillage critique capable d’outrepasser la fascination technologique pour favoriser une réflexion autonome face aux technologies d’IA.

L’accès aux manuels scolaires constitue un enjeu majeur pour l’éducation inclusive. Le projet MALIN vise à automatiser l’adaptation des manuels scolaires, convertissant un manuel numérique au format PDF en une version structurée, puis en une version accessible. Le projet cible en priorité la dyspraxie, tout en posant les bases d’adaptations pour d’autres handicaps. Les adaptations proposées, conçues avec des experts de l’accessibilité, sont évaluées auprès d’enfants en situation de handicap.

Les données comportementales des jeux vidéo ainsi que les traces de joueurs suscitent un intérêt croissant, tant pour la recherche que pour l’industrie du jeu. Ces données peuvent notamment enrichir l’expérience de jeu et améliorer l’identification automatique des profils des joueurs. Dans cet article, nous nous intéressons principalement aux données du jeu sérieux GraphoGame, un outil innovant d’aide à l’apprentissage de la lecture, offrant un environnement interactif pour les apprenants. Nous cherchons notamment à évaluer l’impact de ce jeu sur la performance des élèves en lecture via le profilage comportemental des joueurs et un apprentissage à base de graphes. Ainsi, deux techniques d’intégration basées sur des réseaux convolutifs, GraphSAGE et ECCConv, sont mises à profit pour classifier les graphes d’interactions des joueurs. Les résultats montrent qu’ECCConv surpasse GraphSAGE, mais que leurs prédictions combinées peuvent améliorer la classification, confirmant l’impact éducatif de GraphoGame même chez les élèves les plus avancés.

L’amélioration des compétences (upskilling) est un segment en forte croissance en éducation. Pourtant, peu de travaux algorithmiques se concentrent sur l’élaboration de stratégies dédiées pour atteindre une maîtrise avancée des compétences. Dans cet article, nous formalisons AdUp, un problème d’amélioration itérative des compétences combinant l’apprentissage par maîtrise et la théorie de la Zone de Développement Proximal. Nous étendons nos travaux précédents et concevons deux solutions pour AdUp : MOO et MAB.MOO est une approche d’optimisation multi-objectifs qui utilise une méthode de Hill Climbing pour adapter la difficulté des tests recommandés selon 3 objectifs : la performance prédite de l’apprenant, son aptitude, et son gap. MAB est une approche basée sur les bandits manchots (Multi-Armed Bandits) permettant d’apprendre la meilleure combinaison d’objectifs à optimiser à chaque itération. Nous montrons comment ces solutions peuvent être couplées avec deux modèles courants de simulation d’apprenants : BKT et IRT. Nos expérimentations démontrent la nécessité de prendre en compte les 3 objectifs et d’adapter dynamiquement les objectifs d’optimisation aux capacités de progression de l’apprenant, car MAB permet un taux de maîtrise plus élevé.

Cet article explore l’utilisation de Buddy dans un contexte éducatif et d’apprentissage, avec un focus particulier sur deux usages. Premièrement, à l’Institut National Supérieur du Professorat et de l’Éducation d’Aix-Marseille avec des étudiants futurs profs des écoles, collèges et lycées ainsi que des étudiants en ingénierie pédagogique numérique. Deuxièmement, dans un contexte spécifique comme médiateur artistique et émotionnel dans l’apprentissage de l’art. Cet article s’intéresse à la façon dont ce robot peut enrichir les pratiques pédagogiques en stimulant la créativité, l’interaction et l’accompagnement pédagogique et émotionnel des apprenants. Buddy peut agir comme médiateur entre l’apprenant et son environnement, en particulier dans les domaines de la narration, de l’art et de l’assistance informationnelle. Cette expérimentation du robot Buddy, met en lumière les possibilités de la robotique dans le développement de pratiques pédagogiques inclusives, où l’art et la technologie convergent pour favoriser l’apprentissage et la résilience émotionnelle. À travers ces expériences, le robot devient un catalyseur d’apprentissage et de réflexion, tout en ouvrant des perspectives pour une recherche interdisciplinaire impliquant l’ingénierie informatique, la psychologie et l’éducation. Les limites techniques actuelles de Buddy, loin d’être des obstacles, offrent des opportunités pour concevoir des scénarios pédagogiques visant à démythifier l’intelligence artificielle, en mettant en lumière ses biais et ses limitations.

Imaginez une salle de classe où les difficultés et réussites des étudiants s’expriment non par des mots, mais par l’expression de leurs visages et mouvements, captés en temps réel pendant un quiz. Les méthodes d’enseignement dans le supérieur se font de plus en plus hybride et à distance. Les interactions directes sont réduites, rendant difficile la détection des moments de décrochage. Pour y remédier, nous introduisons le concept de Trajectoires Émotionnelles et Physiques Étudiantes (SEPT). Grâce aux webcams de 89 étudiants de première année de Master, nous avons enregistré et analysé chaque seconde leurs expressions faciales (valence, arousal selon le modèle de Russell) et états physiques (orientation de la tête, distance à l’écran). Les séries temporelles ainsi obtenues révèlent des motifs distincts selon que les difficultés soient individuelles ou liées aux questions. SEPT offres des perspectives pour des systèmes intelligents de suivi affectif en contexte éducatif numérique.

Les systèmes de génération automatique de questions (AQG) sont largement utilisés dans les contextes éducatifs pour évaluer les connaissances. Ces systèmes se concentrent presque exclusivement sur des questions de type enseignant, structurées et factuelles. Cet article propose une approche novatrice, le Student-AQG, qui vise à simuler des questions spontanées qu’un étudiant réel pourrait poser, reflétant ses incompréhensions, sa curiosité ou ses besoins d’approfondissement. En nous appuyant sur les travaux récents en génération de questions autonomes, nous concevons un système modulaire basé sur des LLMs guidés par du prompt engineering, tenant compte du profil cognitif de l’apprenant. Nous décrivons une stratégie d’évaluation combinant des métriques automatiques et des annotations humaines sur la fluidité, la pertinence et la valeur pédagogique. Ce travail vise à aider les élèves à formuler des questions, développant ainsi leur pensée critique, une compétence essentielle souvent négligée à cause du faible questionnement spontané observé en classe.

Le suivi efficace de l’acquisition des compétences dans les programmes de l’alternance, présente des défis importants pour la technologie éducative. Cet article présente un nouvel agent conversationnel intégré dans un livret de formation numérique qui relève ces défis grâce à une architecture multimodale. Notre système intègre (1) un graphe de connaissances spécifique à un domaine, lié à des référentiels de compétences, (2) des grands modèles de langage (LLM) et (3) un composant génératif basé sur BERT. Cette approche hybride permet à la fois une représentation structurée des trajectoires d’apprentissage et des capacités d’interaction en langage naturel, ce qui permet un suivi nuancé des progrès et des interventions personnalisées. L’évaluation empirique démontre que le système fournit un retour d’information contextuellement pertinent qui s’adapte aux modèles d’apprentissage individuels, ce qui permet une acquisition plus efficace des compétences.

Nous proposons une approche hybride de l’IA au service de l’éducation, en combinant la personnalisation offerte par les Systèmes de Tutorat Intelligents (STI) avec de l’IA générative permettant de générer un grand nombre de contenus éducatifs de qualité, tout en respectant les contraintes pédagogiques et cognitives.

Cet article introduit X-RAG-VS , un cadre pour intégrer véracité , subjectivité et explicabilité dans les systèmes RAG , en réponse aux besoins éducatifs. À travers des cas d’usage et l’analyse de modèles existants , nous montrons que ces dimensions restent insuffisamment prises en compte. Nous proposons une approche unifiée pour des réponses plus fiables , nuancées et explicables.