Les académies de Nantes, Versailles et la région académique PACA avec la DRANE PACA accompagneront le volet académique de ce dispositif de recherche.

Plusieurs axes de recherche seront abordés sur ce GTNum GenIAL :

• A1 : Enjeux et impacts de l’IA générative pour les enseignants

L'évolution des enseignements vers une approche plus personnalisée et individualisée remet en question la standardisation traditionnelle des parcours éducatifs. Avec l’IA générative, sommes-nous en train de déléguer une partie de la transmission de la connaissance à ces systèmes ? Comment, alors, concevoir des contenus qui correspondent aux dispositifs innovants proposés par l'IA générative ? Cette transformation implique-t-elle une redéfinition et une réorientation du rôle de l'enseignant ? Après avoir traversé des phases d'acculturation culturelle et numérique, sommes-nous à l'aube d'une acculturation cognitive à l'IA qui bouscule encore les savoir-faire des acteurs dans une instabilité incessante des acquis ? Ce premier thème doit permettre l’identification des nouvelles compétences à acquérir pour les enseignants et l’identification de nouvelles méthodes d’évaluation qui pourrait conduire à une refonte du contrat éducatif traditionnel.

• A2 : Enjeux et impacts de l’IA générative pour les apprenants

Assurer l'engagement des apprenants, tout au long de leurs apprentissages, et la pertinence des contributions de l'IA dans l'acquisition des compétences est essentiel. Comment, alors, éviter une répétition systématique des productions tout en maximisant l'impact de ces outils technologiques ? De plus, face à la diversité des besoins des apprenants, comment adapter le processus d'apprentissage pour répondre de manière optimale à chaque apprenant ? Ce second thème doit permettre l’identification de nouvelles méthodes d'enseignement pour répondre aux besoins spécifiques de chaque apprenant tout en favorisant leur engagement actif dans le processus éducatif et en préservant une éducation collective.

• A3 : Enjeux et impacts de l’IA générative sur les dispositifs éducatifs

L'équité d'accessibilité aux technologies éducatives est une préoccupation majeure : est-il assuré que tous les apprenants bénéficient d'un accès équitable aux outils basés sur l'IA générative ? De plus, avec l'intégration croissante de ces technologies, la protection des données personnelles devient cruciale. Comment, alors, garantir la confidentialité des informations pour tous les acteurs impliqués lorsque l'IA générative est mise en œuvre dans le domaine éducatif ? Ce troisième thème met l’accent sur l’accessibilité, l’efficacité, et la conformité RGPD et la protection des données personnelles dans l’usage de l’IA générative dans un environnement éducatif.

Naviguer dans les Défis

 

Le GTNum GenIAL est pleinement conscient des défis inhérents à l'intégration de l'IA en éducation, notamment en termes d'équité, de protection des données et d'éthique. C'est pourquoi il met un point d'honneur à aborder ces questions de front, en assurant une accessibilité équitable aux technologies et en priorisant la sécurité des données des élèves et des enseignants.

Vers un Avenir Éducatif Innovant

 
Le GTNum GenIAL proposera des livrables qui seront élaborés au cours du projet :

• La création d’une grille d’analyse et d’évaluation des API LLM pour établir une typologie des outils et des usages. L'objectif est d'enrichir la compréhension de l'impact des LLM dans divers domaines. Cette analyse se concentrera sur les enjeux et effets des évolutions récentes de l’IA dans notre environnement éducatif. Cette grille conduira à cartographier les tendances, les défis et les opportunités discutés dans la littérature académique et professionnelle concernant les LLM, fournissant ainsi un cadre décisionnel pour l’élaboration des stratégies éducatives.

• Plateforme PASIA : Plateforme d'Analyse de Solutions IA LLM : Une plateforme dédiée à l'analyse des solutions basées sur LLM. Cette plateforme propose en ligne un récapitulatif et comparatif dynamique (cartographie interactive) mis à jour tout au long du projet permettant d'identifier les différents modèles et outils utilisant des API LLM en précisant leur condition d’accès et d’usage.

⇒ En impliquant les académies et en encourageant les enseignants à faire remonter leurs pratiques, expérimentations et leurs besoins.

⇒ En associant les groupes de travail académiques (DRANE et Réseau Canopé) ayant une thématique ou une orientation centrée sur l'IA.

⇒ En se mettant à disposition de la communauté de réflexion en éducation sur l'IA (CREIA) pour la remontée de besoins, de pratiques, l’accompagnement des actions de terrain et la mise en réseau de la communauté éducative autour de la thématique IA.

• La mise en place d’un processus de remontée des pratiques de l’IA en classe par ou pour les enseignants et les élèves dans le but de documenter nos travaux, expérimenter des pratiques innovantes et stimuler le réseau communautaire éducatif.

• Un cahier d’expériences et de pratiques des IA génératives par les enseignants, répertoriées suite à une étude de terrain dans les académies. Témoignages et partage entre pairs. Descriptif d’activités clés en main. Étude de typologies d’expérience avec récits types, cas d’usages, scénarios de situations.

• L’animation de temps d’acculturation et de formation sur l’usage de l’IA en éducation, en présentiel et à distance. Permettant de mettre en avant des experts scientifiques pour faciliter la compréhension conceptuelle et/ou technique de ces outils. Mais également les enseignants qui mettent déjà en pratique ces outils dans leur préparation ou dans la classe.

•  Une série de webinaires et de journées de formation en présentiel. Permettant l’engagement des enseignants et des académies sollicitées pour adresser le livrable cahier d’expériences. Permettant également d’ouvrir l'avancée du projet à l’ensemble des académies tout au long du projet.

 

La production régulière d’une documentation ouverte qui permettra d’aboutir à la rédaction d’un document de synthèse permettant l’identification des enjeux et des impacts des IA génératives sur l’éducation (transformation des compétences, évaluation, production de ressources, apprentissage autonome et individualisé, contraintes, acceptabilité, mutation et migration des usages entre appropriations individuées et domestiques, intégration dans projets d’équipes et dans les démarches pédagogiques, etc.).

Ce document abordera également les contraintes, leviers, freins et recommandations concernant l’utilisation de l’IA en éducation (notamment sur les plans juridiques, éthiques, technologiques, socio-politiques, culturels, etc.), intégrant une analyse de la conformité RGPD, des droits d’usage et de diffusion, de la transparence des données d’apprentissage.