Cairn : infrastructure ouverte pour un tutorat adaptatif par IA
Cairn transforme l’IA en un tuteur vérifiable qui adapte son soutien aux connaissances préalables de chaque étudiante et étudiant, sans donner la réponse.
Durée : avril 2027 – décembre 2027
Niveau de formation : Niveau tertiaire
Topics: AI – Artificial Intelligence; Digital Tools
Mots-clés : Tutorat par IA ; apprentissage personnalisé ; étayage adaptatif ; éducation open source ; enseignement supérieur
Situation initiale
Les étudiantes et étudiants commencent leurs études supérieures avec des connaissances préalables très différentes, mais reçoivent souvent les mêmes supports d’apprentissage statiques et le même niveau de soutien. Ce qui aide une personne débutante peut être superflu, voire contre-productif, pour une personne avancée. Les équipes enseignantes en sont conscientes, mais il est rarement possible d’adapter à grande échelle les exercices et l’accompagnement à chaque personne. L’IA générative pourrait rendre le soutien personnalisé abordable. Toutefois, les chatbots sans contraintes créent un nouveau problème : ils peuvent fournir les réponses au lieu d’aider les personnes apprenantes à réfléchir. Leurs décisions pédagogiques sont également difficiles à examiner, à modifier ou à auditer, et de nombreuses solutions dépendent de services cloud propriétaires. Cairn répond à cette lacune avec une infrastructure ouverte et vérifiable de tutorat par IA. Elle sépare les décisions pédagogiques de la génération de contenu : des règles explicites déterminent le niveau de soutien reçu, tandis qu’un modèle de langage au choix génère l’indice correspondant. Le soutien diminue à mesure que les connaissances progressent, et la personne apprenante réalise toujours elle-même la dernière étape. Le système est conçu pour permettre un contrôle institutionnel, le recours à différents fournisseurs d’IA, y compris des modèles locaux, et sa réutilisation dans différents cours et plateformes d’apprentissage.
Objectifs
Cairn fournira un tuteur IA open source qui adapte son soutien aux connaissances préalables de chaque personne apprenante sans donner la réponse. Ses règles pédagogiques resteront visibles, testables et indépendantes du modèle de langage choisi. Le projet proposera une application web, des interfaces pour les plateformes d’apprentissage et les systèmes d’IA, ainsi que des modules de compétences réutilisables pour le diagnostic, l’étayage et le feedback. Un projet pilote dans un cours d’introduction aux mathématiques de la BFH vérifiera si Cairn évalue correctement le niveau des personnes apprenantes, fournit un soutien bien dosé et fonctionne de manière fiable en pratique.
Méthode
Nous combinons le développement logiciel itératif avec une étude de faisabilité dans un cours d’introduction aux mathématiques de la BFH. Pour chaque exercice, Cairn estime les connaissances préalables, attribue un niveau de soutien selon des règles explicites et demande au modèle de langage de générer uniquement l’indice correspondant. Des contrôles automatisés empêchent la divulgation des solutions, et chaque décision pédagogique est consignée. Nous évaluons trois questions : le diagnostic attribue-t-il un niveau de soutien approprié ? Les indices sont-ils bien dosés ? L’outil est-il fiable et utilisé en pratique ? Les résultats du diagnostic sont comparés à un court prétest ou, lorsque celui-ci est disponible, au modèle de suivi bayésien des connaissances (BKT) d’Illuminate. Les équipes enseignantes évaluent des exemples d’indices à l’aide d’une grille commune, tandis que les étudiantes et étudiants indiquent si le soutien et le rythme de sa diminution correspondent à leurs besoins.
Transfert prévu
Le transfert vers la pratique est intégré à Cairn dès le départ. Le projet prévoit de recruter deux membres du corps enseignant en mathématiques de la BFH pour co-concevoir des exercices et utiliser l’application web dans un cours d’introduction. Leurs retours et les résultats du pilote orienteront le développement. Cairn sera publié sous une licence open source permissive, avec un guide de démarrage rapide, une API documentée, un format ouvert pour les modules de compétences et un exemple réutilisable. Les hautes écoles pourront l’héberger elles-mêmes, connecter leur modèle d’IA préféré et intégrer ses fonctions de tutorat dans des plateformes telles que Moodle. Les résultats seront présentés lors d’une démonstration à BeLEARN. Bridge & Binary proposera, à titre facultatif, des services de mise en œuvre, d’hébergement et d’assistance, tandis que la BFH Virtual Academy prévoit de réutiliser la plateforme dans Illuminate et dans de futures recherches.
Cairn vise à rendre le soutien personnalisé à l’apprentissage praticable pour des groupes d’étudiantes et d’étudiants plus nombreux et plus diversifiés, sans transformer l’IA en machine à réponses. Les personnes apprenantes devraient recevoir l’aide appropriée au bon moment ; les équipes enseignantes et les institutions devraient disposer d’une alternative vérifiable et adaptable aux tuteurs IA fermés. La première année, nous mesurerons la faisabilité plutôt que de revendiquer des gains d’apprentissage. Les indicateurs comprennent le déploiement et l’utilisation réussis dans le cours, la concordance entre les niveaux de soutien de Cairn et un diagnostic externe, l’évaluation de la qualité des indices par les équipes enseignantes et les retours des étudiantes et étudiants sur l’adéquation du soutien et le rythme de sa diminution. Au-delà du pilote, nous suivrons les intégrations par les partenaires et la réutilisation du logiciel open source. La plateforme soutiendra également de futures études sur l’efficacité de l’apprentissage.
