FAQ : l'IA dans l'enseignement
Afin que chaque enseignant·e puisse évaluer le potentiel des IA génératives, en particulier celles spécialisées dans la production de textes, il paraît important qu’elles·ils puissent tester ces outils et se faire leur propre idée sur leurs usages possibles au service de leur enseignement (aide à la création de matériel d’enseignement, soutien aux étudiant·e·s, intégration de ces technologies dans les tâches demandées aux étudiant·e·s, …) ou tout simplement sur les conséquences de leur usage par les étudiant·e·s dans le cadre de leurs cours (entretien avec un chatbot pour des questions de compréhension en lien avec leurs cours, production de synthèses et autres matériels de révision voire aide à la rédaction de travaux académiques)
À celles et ceux qui souhaiteraient tester un large-language model (LLM), on peut proposer par exemple :
- D’essayer de lui demander de produire un texte que vous avez besoin de rédiger (par exemple un courriel, un mémo ou une proposition).
- De lui poser des questions en lien avec votre enseignement, qu’un·e étudiant·e serait susceptible de se poser dans le cadre de la compréhension de l’un de vos cours.
- De lui poser quelques questions issues de vos anciens examens et d’évaluer la qualité des réponses obtenues.
- De lui demander de produire ou de corriger du code informatique.
Vous remarquerez que plus vous donnez d'informations à l'IA, meilleur est son résultat. Elle ne sait rien de vous, mais elle peut extrapoler, analyser et relier les informations de manière remarquable si vous lui donnez de quoi travailler.
Au vu de l’accessibilité de ces outils, de leurs performances actuelles et des progrès attendus, et compte tenu qu’il est difficile de détecter ce qu’ils produisent, une interdiction ne semble ni pertinente ni réaliste.
Dès lors, il est important que les enseignant·e·s et les étudiant·e·s soient formé·e·s et informé·e·s sur les caractéristiques de ces outils, sur leur utilisation appropriée ainsi que sur les enjeux d’intégrité académique qu’ils comportent et les règles institutionnelles en la matière.
Les outils d’IA générative peuvent s’avérer de bons alliés pour l’enseignement s’ils sont utilisés en toute connaissance de leurs avantages et de leurs limites. Leur usage nécessite un certain degré d’expertise et un esprit critique en constant éveil. Ces outils requièrent aussi la plus grande prudence et une vigilance accrue en ce qui concerne la manière dont les données personnelles sont traitées et utilisées (voir la section "Protection et confidentialité des données").
Les utilisateur·trice·s de ce genre de technologie doivent aussi être conscient·e·s que la qualité des résultats dépend fortement de la qualité des prompts (instructions) utilisés et qu’il est donc important, si l’on souhaite se servir de ces technologies, de maîtriser "L’art du prompt".
Le Centre de Soutien à l’Enseignement propose une veille des usages des IA génératives dans l’enseignement supérieur qui est disponible ici: Corpus pédagogique : IA génératives et enseignement supérieur.
Pour les enseignantes et les enseignants
Pour les enseignant·e·s, et de manière non exhaustive, les IA génératives peuvent présenter des avantages dans les aspects suivants :
Enrichissement des syllabus de cours
Les outils d’IA générative peuvent servir de partenaires pour la création ou l’enrichissement des syllabus de cours des enseignant·e·s. Ils peuvent par exemple aider à rédiger ou améliorer des objectifs de cours (learning outcomes) ou encore proposer des activités d’enseignement variées voire des propositions d’évaluation. À titre d’exemple, le Professeur Mitchell Weiss, de la Harvard Business School, a présenté quelques moyens simples d'utiliser l'IA pour créer ou affiner un syllabus de cours. Il rappelle néanmoins qu'il ne faut jamais s'en remettre uniquement à l'IA pour faire ce travail. En effet, c'est bien entendu l’enseignant·e qui doit être à l'origine de la création des cours et qui doit vérifier minutieusement les résultats de l'IA.
https://hbsp.harvard.edu/inspiring-minds/if-your-syllabus-needs-a-refresh-generative-ai-can-help
Conception de matériel de cours
Les outils de génération de texte peuvent, par exemple, permettre de rédiger des fiches synthèse sur des sujets en lien avec un cours, des glossaires construits autour des termes spécifiques liés à des enseignements ou encore proposer des situations qui illustrent les concepts abordés dans les cours. Un exemple sur cette page.
Des solutions payantes comme H5P ou NOLEJ proposent la création automatique de livre interactif à partir d’une ou plusieurs sources d’information (polycopié, vidéo, article, etc.). Ces solutions sont actuellement testées par le Centre de Soutien à l’Enseignement, n’hésitez pas à prendre contact avec Jean-François Van de Poël si vous souhaitez effectuer un test.
- Exemple de production avec NOLEJ : https://live.nolej.io/preview/a43b9b37-9406-40a7-8f52-298c9512dab6
- Exemple de production avec H5P : https://universityoflausanne.h5p.com/content/1292115087769586327
Dans le cas de ces solutions, la qualité de la ressource est dépendante de la qualité des sources qui lui sont fournies.
Les outils de génération d’image comme Midjourney, DALL·E ou Adobe Firefly peuvent représenter une source d’illustration intéressante pour les supports de cours.
Conception de questions d’examen ou de questions d’évaluation formative
Les outils d’IA génératives peuvent suggérer des questions d’examens ou des questions en lien avec des évaluations formatives proposées aux étudiant·e·s.
Wooclap et Wooflash, deux outils disponibles dans le portfolio des outils numériques destinés à l’enseignement à l’UNIL proposent actuellement une fonctionnalité qui permet de générer des QCM et autres flashcards à partir de documents téléchargés, de texte, ou encore de vidéos:
La connexion à ces deux outils s’effectue à l’aide de vos identifiants Switch edu-ID.
Conception de travaux académiques complexes
Les IA génératives, si elles sont bien utilisées, peuvent devenir de bonnes alliées dans la création de travaux académiques complexes. Elles peuvent par exemple aider à générer des études de cas, proposer des solutions-types ou encore des barèmes de correction.
A titre d’exemple, nous vous proposons de découvrir la réflexion du Professeur Thomas Steiner, de la HES-SO : Repenser son examen à l’ère des chatbots.
Pour les étudiantes et les étudiants
Pour les étudiant·e·s, des chatbots alimentés par des LLM tels que ChatGPT présente la possibilité de bénéficier d’un compagnon d’apprentissage disponible à tout moment pour répondre à des questions en lien avec les cours qu’ils·elles suivent. Mais il est impératif que ces dernier·ère·s soient sensibilisé·e·s sur les limites de ces modèles et sur l’importance de maintenir un esprit critique aiguisé concernant les réponses et informations obtenues.
L’usage de ce genre de technologie ne doit pas être substitutif mais plutôt être envisagé comme une aide.
Les étudiant·e·s peuvent, par exemple, utiliser les IA génératives pour :
- Initier un travail académique en lien avec la production d’un texte, d’une analyse ou de code informatique par exemple (dans les limites de ce qui est prévu par leur enseignant·e en matière d’utilisation ou de citation des IA génératives).
- Illustrer leurs travaux
- Réaliser du matériel personnel de révision (flashcard, QCM, fiches synthèses, etc.)
- Proposer des améliorations sur la forme de leurs travaux
- Simuler un dialogue, une argumentation (dans une langue étrangère par exemple)
Il est important que les usages qu’ils·elles mettent en œuvre soient en parfaite adéquation avec les règlements en vigueur à l’UNIL en matière de propriété intellectuelle et de citation, ainsi qu'avec les éventuelles prescriptions liées avec un enseignement donné (voir Directive 0.3).
À l’heure actuelle, et malgré de nombreuses publications et annonces, la qualité des détecteurs laisse encore à désirer. Leur fiabilité insuffisante ne permet pas d’en faire la base d’une politique restrictive ou de l’application de sanctions.
De prime abord, seuls les travaux académiques réalisés hors des murs de l’institution représentent des sources potentielles d’inquiétude pour les enseignant·e·s (par exemple mémoires, dissertations, dossiers de séminaire ou programmation). En effet, les examens et travaux académiques réalisés sous surveillance ne permettent pas aux étudiant·e·s d’avoir accès à un outil d’IA générative si cela n’est pas autorisé, à l’exception de ceux réalisés sur ordinateur sur le format "Open Book".
Des problèmes de validité peuvent donc surtout se poser pour des examens ou travaux organisés sans dispositif de surveillance. Toutefois, cela concerne principalement les travaux qui demanderaient une simple restitution, une synthèse de contenus, un résumé d’œuvres ou la production de code informatique. En revanche, les travaux qui demandent une analyse critique, une réflexion personnelle ou une justification argumentée sont, à l’heure actuelle, peu accessibles à l'IA générative.
La plupart des outils d’IA générative requièrent la création d’un compte individuel auquel on ne peut contraindre une étudiante ou un étudiant, qui ne souhaiterait pas en créer un (voir Quel outil IA l’UNIL met-elle à disposition de sa communauté ?).