Apprentissage réussi avec des tuteurs LLM : caractéristiques des interactions efficaces
Étude de l’interaction humain-machine avec des tuteurs basés sur des Large Language Models (LLM) afin d’identifier les schémas associés à un apprentissage réussi.
Durée : janvier 2026 – décembre 2026
Statut : en cours
Niveau de formation : niveau secondaire I, niveau secondaire II – formation professionnelle, niveau secondaire II – formation gymnasiale, niveau tertiaire
Thème : artificial intelligence AI, data science for education, digital skills & literacy, digital tools
Mots-clés : tuteurs LLM, interaction homme–machine, apprentissage efficace, différences individuelles
Situation initiale
Les récents progrès de l’intelligence artificielle générative ont permis d’utiliser des chatbots basés sur des LLM pour soutenir l’apprentissage personnalisé. Une application particulièrement prometteuse réside dans leur utilisation comme tuteurs socratiques, qui stimulent l’apprentissage actif et la pensée critique en posant des questions stimulantes plutôt qu’en donnant des réponses directes. Toutefois, l’impact des LLM sur l’apprentissage dépend fortement de la manière dont ils sont utilisés. L’engagement actif et la pensée critique – comme l’identification et la remise en question d’informations plausibles mais incorrectes – favorisent un apprentissage en profondeur. À l’inverse, une utilisation passive peut entraîner une externalisation cognitive : les tâches sont correctement accomplies, mais avec une compréhension limitée et peu d’apprentissage durable. Cela souligne l’importance de doter les apprenant·e·s des compétences nécessaires pour utiliser les LLM de manière à soutenir réellement l’apprentissage.
Objectifs
L’objectif de ce projet est d’identifier les caractéristiques des interactions entre apprenant·e·s et tuteur LLM qui sont liées à un apprentissage efficace, tout en examinant comment des facteurs individuels tels que les connaissances préalables, les capacités cognitives, la motivation et l’acceptation de la technologie influencent la qualité de l’interaction. Comme l’analyse de ces interactions est chronophage et nécessite en partie une expertise humaine, le projet explore également comment automatiser ce processus. Enfin, les résultats serviront à développer des supports de formation pour les apprenant·e·s et les enseignant·e·s afin d’améliorer l’utilisation des tuteurs basés sur les LLM.
Méthode
Le projet s’appuie sur une séquence d’apprentissage avec un tuteur LLM développée dans un précédent projet BeLEARN. Les interactions entre étudiant·e·s et tuteur issues d’un cours de formation hybride en 2025 seront analysées afin d’identifier les caractéristiques associées à la réussite de l’apprentissage. Les méthodes utilisées comprendront le traitement automatique du langage (TAL), l’apprentissage automatique, les modèles de langage et des évaluations d’expert·e·s. Pour étudier le rôle des caractéristiques individuelles, les étudiant·e·s passeront un test de potentiel cognitif, et leurs connaissances préalables, leur motivation et leur acceptation technologique seront mesurées. Il·elle·s seront ensuite réparti·e·s en groupes de niveaux bas, moyen et élevé, et les différences dans les caractéristiques clés de l’interaction seront analysées entre ces groupes. Le projet sera mis en œuvre dans l’enseignement supérieur, dans les écoles secondaires et dans la formation en entreprise.
Translation prévue
À la suite de la mise en œuvre de la séquence d’apprentissage et de la formation des enseignant·e·s dans divers contextes éducatifs, l’ensemble de la séquence sera publié en open source sur GitHub, garantissant ainsi un accès public large. Le flux de travail, entièrement ouvert, est conçu pour être transférable : les enseignant·e·s de différents niveaux d’enseignement et disciplines pourront adapter les supports à leurs contextes spécifiques, favorisant ainsi une utilisation efficace et réflexive des LLM dans l’apprentissage. D’un point de vue scientifique et sociétal, il est essentiel de comprendre comment enseigner aux apprenant·e·s à utiliser correctement les LLM, car le développement rapide de ces technologies entraîne des transformations profondes de la société. Parallèlement, promouvoir l’équité en éducation nécessite de prendre en compte la diversité des besoins des apprenant·e·s afin d’éviter l’aggravation des disparités existantes. Ce projet vise à identifier les caractéristiques clés des interactions entre étudiant·e·s et tuteurs LLM associées à une interaction de qualité, et à intégrer ces résultats dans la formation des étudiant·e·s et des enseignant·e·s. L’utilité de cette approche sera évaluée par les deux groupes à travers différents contextes éducatifs.
