Notions de base
Découvrez comment l'intelligence artificielle pense, apprend et décide. Plongez dans les bases de l'intelligence artificielle dans la perspective de l'école de demain.
Histoire de l’IA
L’histoire de l’IA est marquée par de grands espoirs, des revers et des percées. L’évolution n’a jamais été linéaire, mais a toujours dépendu des budgets et des attentes sociétales. Cependant, après des décennies de hauts et de bas, l’IA a aujourd’hui atteint une maturité qui imprègne notre quotidien dans de nombreux domaines (ZHAW Impact, 2023; inf-schule.de, o.J.).
Pour l’avenir, la question se pose : l’IA restera-t-elle un simple outil ou verra-t-on émerger une « General AI » (IA générale) semblable à l’humain ? Malgré tous les risques et les questions ouvertes, il est certain que l’histoire de l’IA ne fait que commencer.
Approfondissement : Frise chronologique
Années 1950: Premières visions. Alan Turing formule la question : « Les machines peuvent-elles penser ? » et propose le test de Turing comme critère. Les premiers programmes comme « Logic Theorist » tentent de réaliser des démonstrations mathématiques.
Années 1960: L’euphorie du départ. Les chercheur-euse-s en IA développent les premiers programmes linguistiques comme ELIZA. Des prévisions optimistes annoncent que les machines penseront bientôt comme les humains.
Années 1970: Premier hiver de l’IA. Les attentes ne sont pas comblées, les ordinateurs sont trop faibles, les données manquent. Les fonds de recherche se tarissent.
Années 1980: Systèmes experts. Des règles sont utilisées pour représenter des connaissances spécialisées, par exemple en médecine. Les entreprises investissent, mais les systèmes sont chers et difficiles à entretenir.
Années 1990: Deuxième hiver de l’IA. La désillusion s’installe. Pourtant, en 1997, IBM Deep Blue fait sensation en battant le champion du monde d’échecs Garry Kasparov.
Années 2000: Machine Learning. Les algorithmes apprennent à partir de données, par exemple pour la reconnaissance de l’écriture manuscrite ou les filtres anti-spam.
Années 2010:Deep Learning. Avec des ordinateurs plus puissants et des quantités gigantesques de données, des réseaux de neurones apparaissent et révolutionnent la reconnaissance d’images, le traitement du langage et la génération de texte.
2022: Avec la publication de ChatGPT, l’IA est devenue pour la première fois directement tangible pour de nombreuses personnes et a commencé à faire son entrée dans notre quotidien.
L’automate joueur d’échecs (aussi appelé « le Turc mécanique ») était une célèbre illusion mécanique du XVIIIe siècle qui prétendait être un automate jouant aux échecs de manière autonome. Construit en 1769 par l’inventeur autrichien Wolfgang von Kempelen, il présentait une figure grandeur nature vêtue d’un costume turc, assise derrière un échiquier.
L’appareil donnait l’impression de jouer aux échecs de manière autonome et a vaincu de nombreux adversaires célèbres, tels que Napoléon Bonaparte et Benjamin Franklin. En réalité, le Turc mécanique n’était cependant pas un véritable automate, mais une habile supercherie. Un joueur d’échecs humain se cachait à l’intérieur du caisson et contrôlait les coups via un système ingénieux de leviers et d’engrenages.
Le Turc mécanique est considéré aujourd’hui comme un symbole précoce de l’intelligence artificielle. Il montre à quel point la fascination pour les machines pensantes était déjà grande à l’époque, bien qu’il ne s’agît que d’un tour de passe-passe (Geo, o.J; Borck, 2019).
Une machine peut-elle simuler un interlocuteur humain ?
Le test de Turing, nommé d’après le mathématicien Alan Turing, vérifie si une machine est si convaincante lors d’une conversation qu’il devient impossible de la distinguer d’un être humain.
Les nouveaux modèles d’IA comme GPT-4.5 trompent aujourd’hui même des sujets expérimentés. Dans des études récentes, la machine a été considérée comme humaine plus souvent que les humains eux-mêmes (Jones & Bergen, 2025). Un moment historique qui montre à quel point l’intelligence artificielle se rapproche de notre langage, de nos émotions et de notre mode de pensée.
Mais une chose reste claire : avoir l’air humain ne signifie pas encore penser comme un humain.
Modèles pour l’éducation
Avant d’entreprendre ce voyage passionnant dans le monde de l’intelligence artificielle, jetons un coup d’œil à deux modèles qui aident à utiliser l’IA en classe de manière consciente et efficace. Tout d’abord, vous découvrirez le triangle de Dagstuhl avec ses trois perspectives. Celles-ci constituent également la structure de cette Orientation IA. Ensuite, nous présenterons les référentiels de compétences en IA de l’UNESCO pour les enseignant-e-s et les apprenant-e-s. Ces deux modèles servent de guides pour l’orientation IA à l’école et dans l’enseignement. Ils sont chacun complétés par des liens pour aller plus loin.
Triangle de Dagstuhl
Le triangle de Dagstuhl décrit comment l’éducation peut être pensée et façonnée dans un monde numérique. Le modèle sert de repère aux enseignant-e-s et aux apprenant-e-s pour aborder et traiter de manière globale les manifestations de la numérisation en classe.
Le modèle préconise d’éclairer tous les aspects de la numérisation sous trois perspectives indissociables : la perspective technique, la perspective applicative et la perspective socioculturelle.
Le triangle de Dagstuhl vise à habiliter les enseignant-e-s et les apprenant-e-s non seulement à utiliser les technologies numériques, mais aussi à les comprendre et à participer à leur façonnement. Ainsi, ils deviennent des acteurs compétents et responsables dans un monde de plus en plus numérisé.
Référentiel de compétences en IA de l’UNESCO pour les enseignant-e-s et les apprenant-e-s
En 2024, l’UNESCO a développé deux référentiels de compétences en IA : l’un pour les enseignant-e-s et l’un pour les apprenant-e-s. Ces deux modèles visent à habiliter à utiliser et à co-construire l’IA de manière critique, responsable et centrée sur la personne.
Les modèles associent orientation éthique, compréhension technique et application pratique, tout en soulignant que la compétence en IA ne se limite pas à la technique. Elle englobe des valeurs, une réflexion et la capacité d’intégrer l’IA de manière pertinente et équitable dans les processus d’apprentissage.
Ces modèles créent un cadre qui soutient les acteurs de l’éducation dans le développement progressif de compétences en IA et leur permet de contribuer activement à une utilisation de l’IA inclusive, sûre et tournée vers l’avenir.
En savoir plus sur les compétences en IA sous Société & Culture.
Le référentiel de compétences en IA pour les enseignant-e-s sert de cadre d’orientation mondial pour la formation initiale et continue du corps enseignant.
Comme les enseignant-e-s représentent les figures clés d’un avenir responsable de l’IA, le modèle vise à les soutenir pour comprendre l’intelligence artificielle, l’évaluer de manière critique et l’utiliser de façon pédagogiquement pertinente dans leur enseignement. Parallèlement, ils et elles doivent être habilité-e-s à accompagner les apprenant-e-s dans une utilisation responsable, réfléchie et éthique de l’IA. En outre, le modèle souhaite contribuer, pour le bien de toutes les parties prenantes du processus éducatif, à ce que les enseignant-e-s conçoivent des environnements d’apprentissage dans lesquels les technologies d’IA sont utilisées de manière centrée sur la personne, inclusive et équitable.
Le modèle pour les enseignant-e-s comprend cinq aspects de compétence et trois niveaux de progression.
Aspects de compétence
- Perspective centrée sur l’humain : le rôle de l’humain, les acteurs éducatifs des institutions et leur impact sociétal.
- Éthique de l’IA : protection des données, équité, responsabilité, impacts sociétaux.
- Fondements et applications de l’IA : compréhension des données, des algorithmes, des modèles et de leur application pratique.
- Pédagogie de l’IA : intégration de l’IA dans l’enseignement, p. ex. pour la personnalisation, l’évaluation et l’analytique de l’apprentissage.
- L’IA au service du développement professionnel : utilisation de l’IA pour la réflexion, la formation continue et la coopération collégiale.
Niveaux de progressions
- Acquérir : Les enseignant-e-s développent une compréhension fondamentale de l’IA, reconnaissent les opportunités et les risques, et apprennent à utiliser des outils d’IA simples de manière sûre et consciente.
- Approfondir : Les enseignant-e-s intègrent l’IA de manière ciblée à l’école et dans l’enseignement, veillent à une utilisation éthique et inclusive et encouragent la pensée critique chez les apprenant-e-s.
- Créer : Les enseignant-e-s développent leurs propres solutions basées sur l’IA ou des concepts didactiques, et participent à l’innovation et au développement scolaire.
Le modèle suivant destiné aux enseignant-e-s comprend cinq aspects de compétence et trois niveaux de progression.
Le cadre de compétences en IA pour les apprenant-e-s sert de cadre de référence mondial pour les plans d’études et les stratégies d’enseignement dans le domaine de l’IA. Le modèle a pour objectif d’habiliter les apprenant-e-s à utiliser l’intelligence artificielle de manière critique, éthique et créative, et à participer activement à son façonnement. Ils et elles doivent apprendre à développer des systèmes d’IA centrés sur l’humain et durables, et ainsi devenir des citoyen-ne-s responsables à l’ère de l’IA. Dans ce contexte, la compétence en IA signifie bien plus que de simples connaissances techniques : elle relie valeurs, savoirs et capacités pour une approche humaniste, réfléchie et tournée vers l’avenir de l’IA.
Le modèle pour les apprenant-e-s comprend quatre aspects de compétence et trois niveaux de progression.
Aspects de compétence
- Perspective centrée sur l’humain : l’humain au centre, responsabilité, impact sociétal.
- Éthique de l’IA : valeurs, protection des données, équité, durabilité.
- Techniques et applications de l’IA : compréhension des données, algorithmes, modèles, application pratique.
- Conception de systèmes d’IA : résolution de problèmes, architecture, entraînement, test et optimisation de systèmes d’IA.
Niveaux de progression
- Comprendre : Compréhension fondamentale de l’IA et des questions éthiques.
- Appliquer : Appliquer les connaissances et compétences en IA dans la pratique.
- Créer : Concevoir ses propres solutions d’IA responsables.
Le modèle suivant destiné aux apprenant-e-s comprend cinq aspects de compétence et trois niveaux de progression.
IA et le Lehrplan 21
L’IA façonne notre quotidien et, par conséquent, l’école et l’enseignement. Le Lehrplan 21 offre un cadre pour utiliser l’IA de manière sensée et responsable. Il met l’accent sur des compétences telles que la pensée critique, la collaboration et l’approche réfléchie des médias numériques. Il s’agit de capacités qui sont essentielles pour comprendre, classer et utiliser l’IA en toute sécurité.
Dans le module Médias et Informatique ainsi que dans les compétences transversales, des bases importantes pour l’utilisation de l’IA sont déjà ancrées :
compétence informationnelle, compréhension des données et des modèles ainsi que la réflexion sur les impacts sociétaux.
L’IA rend ces exigences encore plus significatives et élargit en même temps les possibilités d’apprentissage, par exemple grâce à un soutien personnalisé ou des outils créatifs. Pour que ces chances puissent être saisies, une intégration pédagogique consciente est nécessaire, plaçant le développement des compétences des apprenant-e-s au centre.
Les compétences transversales du Lehrplan 21 constituent le fondement permettant aux apprenant-e-s de rester capables d’agir dans un monde de plus en plus numérisé et marqué par l’IA. Elles comprennent les compétences personnelles, sociales et méthodologiques, qui se développent tout au long des trois cycles et sont étroitement liées aux exigences que les technologies modernes, telles que l’IA, posent aux apprenant-e-s.
Dans le domaine des compétences personnelles, les enfants apprennent d’abord à percevoir leurs propres sentiments et points forts et à assumer la responsabilité de leurs actes. En grandissant, ils réfléchissent de plus en plus consciemment à leur apprentissage, se fixent des objectifs et jugent leurs propres décisions de manière critique. Ces capacités sont essentielles pour pouvoir classer les retours basés sur l’IA, ne pas se fier sans critique aux suggestions automatisées et développer une attitude réfléchie face aux systèmes numériques.
Les compétences sociales soutiennent les apprenant-e-s à communiquer de manière constructive les uns avec les autres, à résoudre des conflits et à adopter différentes perspectives. Dans un monde où les algorithmes préfiltrent les contenus et où la communication numérique est omniprésente, ce développement de compétences aide à renforcer la capacité de dialogue, à mieux reconnaître les manipulations et à agir de manière responsable dans les espaces numériques. En même temps, elle prépare à utiliser l’IA comme outil de coopération, sans perdre de vue l’interaction humaine.
Les compétences méthodologiques englobent des aptitudes fondamentales telles que rechercher, comparer et structurer des informations et résoudre des problèmes de manière systématique. À chaque cycle, le traitement de l’information devient plus exigeant. Les données doivent être jugées, les sources examinées de manière critique et les stratégies d’apprentissage utilisées consciemment. Ces capacités sont centrales dans l’utilisation des systèmes d’IA qui génèrent ou évaluent des informations. Les apprenant-e-s doivent comprendre comment les contenus numériques sont créés, quelles sont les limites des systèmes d’IA et comment formuler des questions de manière à ce que la technologie apporte un soutien judicieux sans remplacer la propre pensée.
- Au cycle 1, les enfants découvrent le monde et donc aussi le monde numérique. Ils apprennent à percevoir des informations, à reconnaître des modèles simples et à comprendre les premières règles. Ces capacités sont précisément importantes aussi pour l’approche de l’intelligence artificielle.
- Dans les disciplines linguistiques, les enfants commencent à comprendre des histoires et à exprimer leurs propres idées. Cela crée la base pour pouvoir classer plus tard aussi des textes générés par l’IA.
- Les activités mathématiques comme trier, comparer et trouver des modèles aident à développer des modes de pensée fondamentaux que l’on retrouve également dans les systèmes d’IA.
- Dans le domaine Nature, Homme, Société (Natur, Mensch, Gesellschaft), les enfants parlent pour la première fois du fonctionnement des appareils numériques et de l’importance des règles dans leur utilisation. Ainsi naît une compréhension du fait que les technologies sont faites par des humains et ont des limites.
- Dans le domaine Nature, Homme, Société (Natur, Mensch, Gesellschaft), les enfants parlent pour la première fois du fonctionnement des appareils numériques et de l’importance des règles dans leur utilisation. Ainsi naît une compréhension du fait que les technologies sont faites par des humains et ont des limites.
- Parallèlement, des activités créatives comme les Arts visuels ou la Musique peuvent être enrichies avec des éléments d’IA simples, sans perdre le focus sur la propre capacité d’expression.
- Globalement, le cycle 1 pose ainsi un fondement prudent mais important. Les enfants doivent rester curieux et pouvoir s’émerveiller, mais aussi apprendre tôt à utiliser les outils numériques de manière consciente et réfléchie.
Trouvez des idées orientées vers la pratique pour votre cycle sous Application.
- Au cycle 2, l’apprentissage devient plus systématique, et l’importance d’une utilisation consciente des technologies numériques grandit d’autant. Les apprenant-e-s apprennent de plus en plus à chercher, juger et comparer des informations. Ces compétences sont centrales pour remettre en question de manière critique les résultats de l’IA plus tard.
- Dans les disciplines linguistiques, la confrontation avec les sources et les médias passe davantage au premier plan. Les outils d’IA peuvent être utilisés ici pour, par exemple, vérifier des propositions de texte ou suggérer des formulations alternatives.
- Les Mathématiques favorisent la compréhension des données, des tableaux et des probabilités. Cela représente une base importante pour comprendre que l’IA apprend à partir de données et fait des prédictions sur la base de modèles.
- Dans le domaine Nature, Homme, Société (Natur, Mensch, Gesellschaft) également, des questions sur la cohabitation numérique, l’équité ou la protection des données peuvent être abordées. Ainsi naît une conscience que l’IA n’est pas neutre et a besoin de règles sociétales.
- Dans le module Médias et Informatique, les apprenant-e-s approfondissent leur compréhension des algorithmes et des modèles et utilisent les premiers outils numériques de manière productive.
- Les disciplines créatives comme les Arts visuels ou la Musique permettent d’essayer l’IA de manière ludique et de l’utiliser comme source d’inspiration.
- Le cycle 2 crée ainsi une base importante pour non seulement utiliser l’IA, mais aussi la comprendre et y réfléchir.
Trouvez des idées orientées vers la pratique pour votre cycle sous Application.
- Au cycle 3, les adolescent-e-s élargissent leur capacité à analyser des informations complexes, à penser de manière critique et à agir de manière responsable. C’est précisément ici que naît le lien le plus fort avec l’IA : les apprenant-e-s doivent de plus en plus comprendre comment fonctionnent les systèmes numériques, quels effets ils ont sur les décisions et comment ils sont utilisés de manière sûre et réfléchie.
- En Allemand et dans les Langues étrangères, ils apprennent à analyser les médias, vérifier les arguments et distinguer les contenus générés par l’IA de ceux créés par des humains. La capacité de critique des sources devient ici particulièrement importante.
- Les disciplines mathématiques et scientifiques offrent des points d’ancrage centraux pour comprendre les données, les modèles et les liens statistiques. Ceux-ci représentent les bases qui expliquent comment l’IA parvient à ses résultats.
- Dans le module Médias et Informatique, les apprenant-e-s abordent directement les thèmes de l’IA : traitement des données, algorithmes, systèmes, sécurité et protection des données. Ils apprennent à utiliser les outils numériques de manière ciblée, à vérifier les résultats et à reconnaître les risques.
- De plus, des branches comme Éthique, Religions, Communauté (ERG) offrent un espace pour des questions éthiques : Quelle responsabilité avons-nous dans l’utilisation de l’IA ? Quel rôle jouent l’équité, la discrimination ou la transparence ? Et comment l’IA change-t-elle les mondes professionnels et les processus sociétaux ? Les jeunes se préparent ici à utiliser l’IA de manière active, critique et compétente dans leur propre quotidien et dans leur avenir.
- Ainsi, le cycle 3 crée la base pour une action autonome dans une société marquée par l’IA.
Trouvez des idées orientées vers la pratique pour votre cycle sous Application.
Aspects juridiques de l’utilisation de l’IA à l’école
L’utilisation de l’IA générative dans l’éducation touche de manière centrale au droit d’auteur et à la protection des données.
Lors de l’utilisation de l’IA générative, les enseignant-e-s et les apprenant-e-s doivent veiller à la protection des données. Les données personnelles et les informations confidentielles ne doivent pas être saisies dans des outils d’IA librement accessibles et doivent être anonymisées au préalable. Parallèlement, le droit d’auteur est pertinent, car les contenus générés par l’IA peuvent contenir des œuvres de tiers protégées et ni l’IA ni les utilisateur-rice-s ne possèdent de droits d’auteur sur le résultat produit.
Trouvez plus d’informations à ce sujet sous Société & Culture.