Coach conversationnel basé sur l’IA : un coach numérique personnalisé pour améliorer les performances des élèves et la réalisation de leurs objectifs
Nous avons testé un tuteur socratique basé sur GPT dans un cours de statistique à l’Université de Berne, en comparant différents modes de tutorat et en dégagant des lignes directrices de conception.
Durée : janvier 2025 – décembre 2025
Statut : terminé
Niveau de formation : niveau tertiaire
Thème : artificial intelligence AI, digital tools
Mots-clés : génIA, coaching, socratique, IA, tutorat
Situation initiale
Les étudiant·e·s des cours introductifs de statistique à l’université présentent de fortes différences en termes de connaissances préalables et d’habitudes d’étude. Le soutien traditionnel (exercices, heures de consultation, forums) ne suit pas le volume ni le calendrier des questions, et plusieurs apprenant·e·s ont besoin d’une aide ciblée sur les étapes de raisonnement plutôt que sur les réponses finales. Les grands modèles de langage peuvent offrir un tutorat personnalisé à grande échelle, mais la génération non contrôlée entre en conflit avec la terminologie, la notation et la progression didactique spécifiques au cours. Une solution exploitable nécessite donc à la fois une stratégie de tutorat pédagogiquement fondée (questionnement socratique) et des garde‑fous techniques qui maintiennent les réponses alignées avec les matériaux du cours.
Objectifs
- Construire un tuteur conversationnel spécifique au cours de statistique de l’Université de Berne en utilisant des modèles de classe GPT‑4 (puis GPT‑5).
- Mettre en œuvre et comparer deux stratégies de tutorat : tutorat socratique et explications pédagogiques standard.
- Concevoir une architecture contrôlable qui respecte la formulation exacte et la notation du cours tout en restant robuste face à des trajectoires inattendues des apprenant·e·s.
- Évaluer la faisabilité et les résultats préliminaires d’apprentissage dans un déploiement réel et en dégager des recommandations de conception transférables.
Méthode
Nous avons combiné
- a) une revue de littérature sur le tutorat et les techniques de changement comportemental avec
- b) un prototypage itératif de plusieurs architectures systèmes.
Le système final utilisait un flux de travail basé sur des points de contrôle, mêlant des contraintes codées en dur (terminologie, références, paraphrases interdites) à des composants génératifs. Nous avons déployé le tuteur dans un cours de statistique de l’Uni Bern dans le cadre d’une expérience de terrain contrebalancée de deux semaines : les étudiant·e·s ont été assigné·e·s au hasard pour recevoir soit d’abord le mode socratique, soit le mode pédagogique, puis ont été inversé·e·s. Nous avons analysé les historiques de chat et les questionnaires pré/post.
Mise en œuvre de la translation
Le tuteur a été implémenté et testé dans le cadre d’un cours de statistique à l’Université de Berne. Les étudiant·e·s pouvaient l’utiliser pour l’auto apprentissage et la résolution de problèmes, et l’équipe du cours a fourni des contraintes concrètes sur la terminologie, la notation et les étapes de solution autorisées. Sur la base des modes de défaillance observés et des retours des parties prenantes, nous avons affiné itérativement les garde fous (p. ex. en décourageant les synonymes, en imposant des références au matériel du cours et en gérant les trajectoires de solution inattendues). Le déploiement a servi de preuve de concept pour l’intégration d’un tuteur LLM dans des contextes d’enseignement authentiques et a établi un flux de travail réutilisable dans de futures itérations du cours.
