Illuminate: Tutorat IA adaptatif pour la recherche et la pratique

Durée : janvier 2026 – décembre 2027
Statut : en cours
Niveau de formation : niveau tertiaire
Thème : artificial intelligence AI, data science for education
Mots-clés : tutorat par IA, suivi des connaissances bayésien, apprentissage adaptatif, éducation personnalisée, learning analytics

Situation initiale

Les systèmes actuels de tutorat par IA traitent tous·tes les étudiant·e·s de la même manière, indépendamment de ce qu’ils·elles savent déjà. Cela ignore un principe fondamental de l’apprentissage : la meilleure façon d’enseigner dépend du point de départ de l’apprenant·e. Les méthodes d’enseignement qui fonctionnent bien pour les débutant·e·s échouent souvent avec les apprenant·e·s avancé·e·s, et les approches qui défient les expert·e·s peuvent submerger les novices. Un guidage étape par étape aide ceux·celles qui débutent mais ennuie ceux·celles qui ont dépassé les bases ; l’exploration ouverte stimule les apprenant·e·s avancé·e·s mais frustre les débutant·e·s. Cette approche universelle soulève également des inquiétudes quant à la dépendance excessive des étudiant·e·s à l’IA. Lorsque les systèmes fournissent simplement des réponses, les étudiant·e·s passent à côté de l’effort qui construit une véritable compréhension ; ils·elles reçoivent des solutions sans développer la capacité de résoudre les problèmes eux·elles-mêmes. La recherche dans ce domaine fait face à son propre problème : la fragmentation. Différentes équipes de recherche construisent leurs propres systèmes séparés avec des approches différentes, rendant presque impossible la comparaison des résultats ou la construction sur le travail des autres. Les bonnes idées restent enfermées dans des laboratoires individuels au lieu de faire avancer le domaine dans son ensemble. Ces problèmes concernent tous·tes les acteur·rice·s impliqué·e·s : les étudiant·e·s reçoivent une aide qui ne correspond pas à leurs besoins, les chercheur·euse·s ne peuvent pas tester systématiquement ce qui fonctionne réellement, et les enseignant·e·s manquent de directives claires sur la manière d’utiliser l’IA efficacement dans leurs cours.

Objectifs

Illuminate développe un système de tutorat par IA adaptatif qui ajuste son enseignement en fonction de ce que chaque étudiant·e sait. Le système suit la progression des apprenant·e·s et alterne entre les styles d’enseignement : d’une instruction patiente étape par étape pour les débutant·e·s à une discussion stimulante pour les apprenant·e·s avancé·e·s. Au-delà de cela, Illuminate fournit une plateforme de recherche partagée où différentes approches de tutorat peuvent être testées et comparées dans des conditions contrôlées. Cela permet aux chercheur·euse·s de découvrir quelles stratégies fonctionnent le mieux pour quels·les apprenant·e·s, faisant ainsi progresser à la fois la science et la pratique de l’éducation assistée par IA.

Méthode

Nous utilisons des méthodes statistiques bayésiennes pour modéliser les connaissances des étudiant·e·s, capturant à la fois la compréhension actuelle et l’incertitude dans nos estimations. Cette approche soutient quatre composantes intégrées : un modèle de suivi des connaissances estimant ce que chaque étudiant·e sait, un système de sélection d’exercices choisissant des problèmes appropriés, un ensemble de stratégies de tutorat allant de l’explication directe au questionnement guidé, et un mécanisme de sélection associant les approches aux états d’apprentissage. Le système permet une expérimentation adaptative : des designs contrôlés randomisés comparent les stratégies d’enseignement à travers différents niveaux de connaissances, testant directement les prédictions des sciences de l’apprentissage, notamment l’effet de renversement de l’expertise. Le projet pilote dans un cours de mathématiques à l’Université de Berne sert de terrain d’essai pour ces investigations.

Translation prévue

Illuminate sera piloté dans un cours d’introduction aux mathématiques à l’Université de Berne dans des conditions d’enseignement réelles. Ce cours utilise déjà un environnement d’apprentissage numérique avec des évaluations formatives et des exercices liés à des objectifs d’apprentissage spécifiques, offrant ainsi une base idéale pour l’intégration. Le système est conçu pour un déploiement modulaire, permettant un perfectionnement itératif basé sur les retours des étudiant·e·s et des enseignant·e·s. Les résultats alimenteront directement le développement de fonctionnalités de tutorat adaptatif. Pour les enseignant·e·s, la plateforme fournit un aperçu des parcours d’apprentissage des étudiant·e·s, permettant une intervention plus précoce. Pour les institutions, la collecte de données intégrée soutient des décisions fondées sur des preuves concernant l’efficacité de l’enseignement.

Pour la recherche, Illuminate fournit une infrastructure permettant une comparaison systématique des approches de tutorat par IA. En permettant aux chercheur·euse·s de tester des stratégies au sein de la même plateforme, le projet soutient des résultats reproductibles et accélérera les progrès vers un tutorat par IA fondé sur des preuves. Pour la pratique, le système offre aux étudiant·e·s un soutien personnalisé qui s’adapte à leur niveau de connaissances, améliorant potentiellement les résultats d’apprentissage. Les enseignant·e·s obtiennent un aperçu en temps réel de la progression des étudiant·e·s, permettant une intervention plus précoce. La mesure de l’impact comprend : la comparaison des résultats d’apprentissage entre les groupes par le biais d’évaluations de cours et le comptage des résultats de recherche tels que les publications et les thèses produites à l’aide de la plateforme.

Institutions participantes