Imagination-to-Image : visualisation intentionnelle d’imaginations avec l’IA
Comment l’IA peut elle transformer l’imagination intérieure d’une personne en une image fidèle à l’idée initiale ? Ce projet cherche à répondre à cette question.
Durée : juillet 2024 – décembre 2024
Statut : terminé
Niveau de formation : niveau secondaire I, niveau secondaire II – formation professionnelle, niveau secondaire II – formation gymnasiale, niveau tertiaire
Thème : artificial intelligence AI, digital skills & literacy
Mots-clés : compétences numériques, habitudes d’apprentissage efficaces, intelligence artificielle, métacognition, résolution de problèmes, données de processus
Situation initiale
Comment les outils d’image générée par IA peuvent ils transformer l’imagination intérieure d’une personne en une image fidèle à l’idée voulue (et non simplement le fruit de la créativité propre de l’IA) ? Et dans quels contextes cela est il utile pour l’éducation et le design ? Le projet étudie la « proximité » entre l’imagination d’origine et le rendu de l’IA comme critère de réussite.
Objectifs
- Analyser la pertinence des générateurs IA pour visualiser des imaginaires à l’aide d’un catalogue de critères évaluant la proximité avec l’idée d’origine.
- Développer et optimiser le prompting (« comment parler des images »), en s’appuyant sur l’expertise de la HKB en langage visuel et perception.
- Mettre en œuvre les résultats en pratique (p. ex. formats enseignement-apprentissage, makerspaces, brainstorming, documentation stratégique).
Méthode
- Séries de tests avec plusieurs générateurs IA, évaluées à l’aide du catalogue de critères de « proximité ».
- Expériences de prompt engineering, fondées sur les principes de description et d’interprétation d’image.
- Implémentations concrètes (p. ex. visualisation de futurs éducatifs), avec des workflows tels que « esquisse+texte+inpainting » et post-édition numérique.
Résultats
- L’IA peut produire des images impressionnantes mais ne saisit pas toujours l’intention exacte ; les modèles texte-image purs ont des difficultés avec les scènes complexes.
- Les meilleurs résultats ont été obtenus par une combinaison « esquisse+texte+traitement IA » (y compris inpainting), suivie d’une post-édition manuelle/numérique ; décomposer les scénarios complexes et composer une image-collage est efficace.
- Des questions éthiques sont apparues (p. ex. biais de genre dans les résultats) ainsi que le besoin d’un contrôle fin des paramètres et du prompting.
Mise en œuvre de la translation
Impact sur la pratique éducative :
- Soutien à la visualisation d’idées pour la planification et l’enseignement.
- Meilleure coordination entre parties prenantes : les critères de « proximité à l’intention » aident les équipes à juger si une image représente vraiment l’idée d’origine, renforçant la compréhension partagée dans les projets de programme et d’espaces d’apprentissage.
- Adoption éthiquement consciente : le projet met en lumière les risques de biais (p. ex. représentations genrées) et montre comment les maîtriser par un prompting et des réglages précis – renforçant ainsi l’éducation critique à l’IA des enseignant·e·s.
Le projet fournit des critères, prompts et workflows que les écoles et équipes peuvent utiliser pour externaliser des idées en lien avec les formats enseignement-apprentissage, les makerspaces, les brainstormings et le travail stratégique – afin d’améliorer la communication entre parties prenantes autour des futurs possibles de l’éducation. Les résultats sont disponibles dans un rapport final et une présentation vidéo, tous deux accessibles sur le site du projet.
