J’évoquais, la semaine dernière, la publication prochaine d’une trousse pédagogique pour accompagner l’intégration de l’IA générative en contexte universitaire par l’LEN.IA. C’est maintenant chose faite.
Il s’agissait d’une journée de formation organisée par le Partenariat universitaire sur la prévention du plagiat (PUPP). J’ai participé aux ateliers à titre de professeur régulier du pôle d’études et de recherches en Cultures numériques de l’Université de l’Ontario français.
Puisque l’événement fut scindé en deux voies, ceci ne représente qu’un rapport partiel des discussions. Pour renchérir sur le thème de la journée, je tiens également à préciser que la révision de ces notes fut réalisée à l’aide du LLM Claude 4.0 et par l’entremise de Perplexity.
Trois points ressortent du lot au terme de la journée:
Bienvenue à l’ère du post-plagiat:
La définition traditionnelle de triche et de plagiat n’est plus pertinente à l’ère des écritures hybride et collaboration humain-machine. Il n’est plus possible ni souhaitable de prohiber certains outils. Les outils de vérification du plagiat par IAG posent des problèmes d’éthique importants et la course à l’armement algorithmique de détection est vouée à l’échec.
L’accent sur la transparence et l’éthique:
Il fut proposé que les institutions et les professeurs s’orientent d’avantage vers une éthique de la transparence accompagnée d’auto-réflexion et d’accompagnement en classe. Il ne s’agit pas d’étouffer l’utilisation innovante ou créative de ces outils, mais d’accompagner les étudiants de manière à les utiliser de façon consciente dans le cadre d’un processus critique. Les évaluation devraient intégrer un important composant touchant l’utilisation responsable des outils d’écriture numérique et des références bibliographiques.
L’IAG comme nouvelle fracture numérique:
Ces outils sont partout, mais leur utilisation et compréhension demeure très limitée, ce qui causera l’émergence de différence de niveaux entre étudiants n’ayant pas un accès équitable aux LLMs. La fracture numérique entre groupes sociaux favorisés et défavorisés était déjà immense il y a quelques années, elle le sera d’autant plus très bientôt.
_____________________
Comment former à l’éthique de l’IA à l’ère de l’IA génératif ? Une approche pragmatiste de la compétence éthique Andréanne Sabourin-Laflamme, Collège André Laurendeau
La correction de texte automatique par l’IA générative représente une utilisation à haut risque. Les étudiants utilisent l’IA pour la recherche, la synthèse, la planification, comme compagnon d’étude, pour la correction et la rédaction. Cependant, les utilisations légitimes et non légitimes soulèvent des questions.Bien que 52% des étudiants utilisent l’IA générative, une grande partie considère cette utilisation comme du plagiat, un sujet tabou. Moins de 10% des établissements ont des politiques sur l’IA, et la confusion règne sur les règles à adopter. Les professeurs n’ont pas l’accompagnement nécessaire (Bussière McNicoll, 2024). Toutes les utilisations de l’IA ne constituent pas du plagiat. Le problème de la preuve est complexe, car les systèmes de détection sont facilement contournés, et il existe des faux positifs (biais linguistiques si l’étudiant ne travaille pas dans sa langue maternelle). Selon Eaton (2023, 2024), l’écriture hybride (humain-IA) devrait être normalisée considérant l’intégration des outils d’IA dans le traitement de texte. La définition actuelle du plagiat est désuète.Il faut transformer les pratiques d’évaluation et les méthodes pédagogiques. La pertinence des évaluations, la valeur des diplômes et le rôle de l’écriture dans l’évaluation des apprentissages doivent faire l’objet de réflexions institutionnelles.L’approche prohibitive en matière d’évaluation est désuète. Elle ne devrait pas être axée sur les comportements interdits, mais promouvoir cinq valeurs : l’honnêteté, la confiance, l’équité, la responsabilité et le courage.L’éthique permettrait de renouveler la culture de l’intégrité académique, non pas par une approche répressive, mais par la prévention et la formation (Peters, 2023 et 2023). Au-delà des règles et des approches classiques de comportement, il faut ajouter une dimension réflexive et contextuelle à l’éthique (Lacroix, Bégin et Marchildon, 2017). L’éthique n’est pas une simple compétence acquise, mais vécue. La compétence éthique comprend trois composantes :
Être en situation éthique : sensibilité éthique
Savoir agir en situation éthique : capacités réflexives
Interagir en situation éthique : capacité dialogique (avec d’autres)
Une proposition suggère quatre champs de compétence en éthique de l’IA dans une possible formation en IA (obligatoire, formation générale, atelier ou cours) :
Aspects techniques des systèmes d’IA : définition, histoire et fonctionnement
Contexte sociotechnique des systèmes d’IA : boîte noire, opacité, responsabilité, redevabilité, traçabilité des sources, dilemmes moraux
Dilemmes moraux liés aux systèmes d’IA : reproduction de stéréotypes et préjugés, travail humain derrière l’IA générative, impact environnemental, augmentation des inégalités scolaires
Cadres normatifs complémentaires : lois, procès, politiques, instructions, réflexion critique sur les cadres
Une trousse pédagogique sur l’éthique de l’IA est à venir. Une idée est d’utiliser la Déclaration de Montréal et d’analyser des cas pour juger du respect du cadre, comme compétence. En termes de prévention, il est suggéré de faire des travaux d’écriture de petite envergure en classe, à la main, pour créer des espaces sans IA dans certains cours et obliger l’acquisition des compétences.
_____________________
ChatGPT et l’évaluation personnalisée: vers une pédagogie adaptative Pierre Rosin et al, ACOBB Centre d’intelligence artificielle appliquée
Cet atelier porte sur ChatGPT4 et vise à transmettre des techniques et de meilleures pratiques pour corriger des travaux rapidement à l’aide de cette technologie.
L’explication principale est que les grands modèles de langage (LLM) comme ChatGPT peuvent être utilisés comme outils pour encadrer des méthodes d’apprentissage adaptatif.
Apprentissage adaptatif
L’apprentissage adaptatif peut être résumé en quelques points clés :
Parcours personnalisés
Adaptation des contenus
Rétroaction constante
Identification ciblée des faiblesses
Gestion des échecs
Rédiger une bonne requête
Une bonne requête pour ChatGPT comprend trois éléments :
Le rôle que vous attribuez à l’assistant
Le contexte de la tâche
Le format de sortie attendu
Exemple:
[ ] Je suis un …
[ ] Parle de …
[ ] Paragraphe formaté… pour …
Procéder étape par étape
Il est important de mentionner l’idée de travailler étape par étape à ChatGPT. Cela permet de conditionner la réponse finale, de réfléchir avant et de prendre en compte tous les éléments avant de répondre, évitant ainsi que la recherche et la réponse s’effectuent simultanément.
Température
Le terme « température » est utilisé pour stabiliser les résultats dans ChatGPT. Mentionner la température dans le prompt permet de régler la variation des réponses.
Exemples:
Exemple du premier exercice de création d’une grille d’évaluation selon le document fourni.
Tu es un expert en pédagogie, ton rôle est de créer une grille d’évaluation pour noter les devoirs. Le devoir est tiré de la leçon « la photosynthèse chez les plantes ». Peux-tu me guider tout au long du processus d’élaboration d’une grille de notation complète et équitable ? Utilisez ce guide étape par étape pour le rédiger : ● Étape 1 : Décidez quels critères seront évalués pour votre mission. ● Étape 2 : Décidez de l’échelle de notation (de 1 à 10 ou de A à F) et élaborez des descripteurs pour chaque niveau. ● Étape 3 : Décidez quels critères sont plus importants que les autres (le cas échéant) et évaluez-les en conséquence dans la rubrique. ● Étape 4 : Formater la grille d’évaluation de manière à ce qu’elle soit facile à utiliser pour les enseignants et les étudiants.
L’exercice 2 permet de mieux itérer sur les compétences dans la grille en faisant intervenir l’humain dans le processus.
Exemple 2 Tu es un expert en pédagogie, ton rôle est de créer une grille d’évaluation pour noter les devoirs. Le devoir est tiré de la leçon « l’intelligence artificielle générative ». Tu dois TOUJOURS poser des questions AVANT de rédiger la grille d’évaluation pour en savoir plus sur la matière que je souhaite évaluer. Une fois que tu as le contexte qu’il faut, utilise ce guide étape par étape pour rédiger la grille d’évaluation : ● Étape 1 : Décidez quels critères seront évalués pour votre mission. ● Étape 2 : Décidez de l’échelle de notation (de 1 à 10 ou de A à F) et élaborez des descripteurs pour chaque niveau. ● Étape 3 : Décidez quels critères sont plus importants que les autres (le cas échéant) et évaluez-les en conséquence dans la rubrique. ● Étape 4 : Formater la grille d’évaluation de manière à ce qu’elle soit facile à utiliser pour les enseignants et les étudiants.
L’exercice 3: correction avec ChatGPT – faire de la rétroaction par indice à l’étudiant sans donner la réponse
Exercice 3: Requête de système: Étape 1 – D’abord, trouvez votre propre solution au problème. Ne vous fiez pas à la solution de l’étudiant car elle peut être incorrecte. Encadrez tout votre travail pour cette étape dans des triples guillemets (« » »). Étape 2 – Comparez votre solution à celle de l’étudiant et évaluez si la solution de l’étudiant est correcte ou non. Encadrez tout votre travail pour cette étape dans des triples guillemets (« » »). Étape 3 – Si l’étudiant a fait une erreur, déterminez quel indice vous pourriez donner à l’étudiant sans révéler la réponse. Encadrez tout votre travail pour cette étape dans des triples guillemets (« » »). Étape 4 – Si l’étudiant a fait une erreur, fournissez l’indice de l’étape précédente à l’étudiant (en dehors des triples guillemets). Au lieu d’écrire « Étape 4 – … », écrivez « Indice : ». Requête: Énoncé du problème : Je construis une installation solaire et j’ai besoin d’aide pour calculer les aspects financiers. Le terrain coûte 100 $ / pied carré. Je peux acheter des panneaux solaires pour 250 $ / pied carré. J’ai négocié un contrat de maintenance qui me coûtera un forfait de 100 000 $ par an, et un supplément de 10 $ / pied carré. Quel est le coût total pour la première année d’opération en fonction du nombre de pieds carrés ? Solution de l’étudiant : Soit x la taille de l’installation en pieds carrés. ● Coût du terrain : 100x ● Coût des panneaux solaires : 250x ● Coût de maintenance : 100 000 + 100x ● Coût total : 100x + 250x + 100 000 + 100x = 450x + 100 000
Autre exemple, restitution de connaissances.
Exercice 4: Vous allez avoir un texte délimité par des triples guillemets censé être la réponse à une question. Vérifiez si les informations suivantes sont directement contenues dans la réponse : ● Samuel de Champlain est le fondateur de Québec ● La date à laquelle la ville de Québec a été fondée est le 3 juillet 1608 Pour chacun de ces points, effectuez les étapes suivantes :
Reformuler le point.
Fournissez une citation de la réponse qui est la plus proche du point.
Considérez si quelqu’un lisant la citation sans connaître le sujet pourrait directement déduire le point. Expliquez pourquoi ou pourquoi pas avant de prendre votre décision.
Écrivez « oui » si la réponse à la question 3 était oui, sinon écrivez « non ».
Requête: « » »Samuel de Champlain est connu pour être le fondateur de Québec. Cet évènement a eu lieu le 3 juillet 1608 suite à une expédition maritime » » »
Autre exemple: débat d’expert. Permet de comparer le degré de compatibilité entre deux énoncés.
Exercice 5: Requête de système: Utilisez les étapes suivantes pour répondre aux entrées de l’utilisateur. Restez pleinement à chaque étape avant de continuer. c’est-à-dire « Étape 1 : Raisonnez… ». Étape 1 : Raisonnez étape par étape pour déterminer si l’information dans la réponse soumise comparée à la réponse de l’expert est soit : disjointe, égale, un sous-ensemble, un sur-ensemble ou chevauchante (c’est-à-dire une intersection mais pas un sous- ensemble/sur-ensemble). Étape 2 : Raisonnez étape par étape pour déterminer si la réponse soumise contredit un aspect quelconque de la réponse de l’expert. Étape 3 : Produisez un objet JSON structuré comme suit : {« type_of_overlap » : « disjoint » ou « equal » ou « subset » ou « superset » ou « overlapping », « contradiction » : vrai ou faux} Requête: Question : « » »Pour quel événement Samuel de Champlain est-il devenu célèbre et à quelle date cet événement s’est-il produit ? » » »
Réponse soumise : « » »Je crois qu’il a fondé Québec » » » Réponse d’expert : « » »Samuel de Champlain est surtout connu pour avoir fondé la ville de Québec le 3 juillet 1608. » » »
Réponse soumise : « » »Il a conquis la ville de Québec le 3 juillet 1608 après une guerre acharné contre les anglais » » » Réponse d’expert : « » »Samuel de Champlain est surtout connu pour avoir fondé la ville de Québec le 3 juillet 1608. » » »
Réponse soumise : « » »Samuel de Champlain est surtout connu pour avoir fondé la ville de Québec le 3 juillet 1608. » » » Réponse d’expert : « » »Samuel de Champlain est surtout connu pour avoir fondé la ville de Québec le 3 juillet 1608. » » »
Évaluation d’une dissertation en philosophie
Un autre exemple d’évaluation présenté concernait une dissertation en philosophie. Dans ce cas, on s’éloigne du domaine de l’utilisation de ChatGPT pour corriger pour se concentrer sur la méthode régissant cet exercice.
Si l’étudiant utilise ChatGPT, il doit soumettre la conversation avec le prompt ainsi qu’un texte de réflexion sur l’utilisation de l’outil et le résultat obtenu. La méthode de rédaction doit être décrite comme faisant partie de l’évaluation quantifiée.
Absence de réponse ou de réflexion
En cas d’absence de réponse ou de réflexion de la part de l’étudiant, une rencontre individuelle est obligatoire sur le thème du manque de transparence. Cependant, il ne s’agit pas nécessairement d’un cas de plagiat.
Principes de base de la méthode
Les principes de base de cette méthode sont les suivants :
Responsabilisation de l’étudiant
Encadrement en classe
Auto-réflexion de l’étudiant
Rôle institutionnel de l’établissement
Prototypes d’apprentissage adaptatif par IA générative
L’équipe en charge de la présentation travaille sur la création de prototypes d’apprentissage adaptatif par intelligence artificielle générative (IAG). Ces prototypes font appel à la communauté universitaire pour être testés.
_____________________
L’utilisation de l’IAG en contexte postsecondaire: triche ou débrouillardise contemporaine ? Martine Pellerin, Université du Québec en Outaouais
L’objectif de l’atelier était de comprendre la perspective des étudiants face à l’utilisation de l’intelligence artificielle générative (IAG) dans un contexte multimodal.
La question principale
La question centrale était de déterminer si l’utilisation de l’IAG constitue de la triche ou de la débrouillardise. Où se situe la frontière entre les deux ? Dans quelle mesure pouvons-nous utiliser l’IA comme collaborateur ? Comment attester de la véracité des sources utilisées par l’IA ?
Activité 1 : Comprendre les types d’IA
Une stratégie de « pense-parle-partage » a été utilisée pour explorer les trois types d’IAG : faible, générale et super puissante. Les réponses données par les différentes équipes variaient en fonction du modèle de langage utilisé, soulignant la diversité des modèles existants et la nécessité de spécifier le type de modèle à l’avenir.
Le manque de transparence sur les LLMs utilisés a été identifié comme un problème. Nous devons attirer l’attention sur le modèle utilisé.
La frontière entre fraude académique et intégrité académique
Le pire scénario serait de copier une réponse générée par l’IA et de se l’attribuer comme auteur. Le meilleur cas serait de ne pas utiliser l’IA du tout. Cependant, il existe de nombreux cas nuancés entre ces deux extrêmes, comme l’utilisation partielle du texte généré, l’idéation, etc.
Les équipes ont indiqué où elles tracent la ligne selon leurs pratiques. Les opinions étaient nuancées : la ligne est floue et dépend du contexte de la compétence testée. Il est difficile d’interdire l’utilisation de l’IA lorsqu’elle est désormais généralisée.
Activité : Vérifier la véracité des sources
Une activité consistait à demander à ChatGPT et à Perplexity.ia la définition de la tricherie et du plagiat, puis à vérifier la véracité des sources citées.
Il a été noté que ChatGPT insère des références, mais celles-ci ne sont pas accessibles, parfois douteuses et pas toujours dans la langue de la requête. Perplexity.ia fournit des sources bien intégrées et avec un taux de fiabilité plus élevé.
Exemple : Utiliser Siri pour répondre à des questions
Selon Martine Pellerin, utiliser Siri pour répondre à des questions n’est pas de la triche, mais de l’ingéniosité.
Activité : Génération d’images
Une autre activité consistait à utiliser une IA de génération d’images pour créer un personnage. Les participants ont réfléchi sur l’originalité, les biais, les valeurs et les éléments d’éthique liés à l’image obtenue. Ils ont été étonnés par la beauté des résultats et l’application multimodale de l’IAG.
Histoire vécue : Utilisation de l’IA pour un travail vidéo
Un groupe d’étudiants devait réaliser une vidéo pour résumer les acquis d’un cours. Un groupe a utilisé l’IA pour créer la vidéo, notamment les voix, avec une application tierce. Cependant, le syllabus indiquait clairement la nécessité d’être transparent si un outil d’IA était utilisé. Les étudiants devaient alors écrire un paragraphe réflexif sur l’utilisation de l’IA dans leur travail.
La question était de savoir s’il s’agissait de la triche ou de l’ingéniosité. Les réponses étaient nuancées : certains considéraient cela comme de la triche en raison du non-respect du syllabus, tandis que d’autres estimaient qu’il fallait mieux définir la notion de transparence. Une référence a été faite à Matt Miller et à son ouvrage « AI For Educators » concernant les questions suivantes : qui a fait quoi et dans quelle mesure ?
Pistes de réflexion sur l’utilisation de l’IA dans l’éducation
Basé sur les travaux de Romero (2015), différents niveaux d’utilisation de l’IA dans l’éducation ont été présentés :
Consommation passive
Consommation interactive
Création de contenu comme compétence
Co-création de contenu
Co-création participative de connaissances
Un participant a souligné l’existence d’un autre niveau proposé : l’apprentissage expansif par IA.
Les participants ont soulevé le problème potentiel où l’IA pourrait nous pousser à créer du contenu dans sa direction, plutôt que l’inverse comme c’est le cas actuellement. Comment maintenir notre agentivité dans ce contexte et ne pas perdre le contrôle sur nos idées ?
Conclusion
L’intervenante a mis l’accent sur la transparence concernant l’utilisation de l’IAG. Il s’agit d’une nouvelle méthode d’éthique de travail à apprendre, à définir et à accompagner les étudiants pour comprendre les raisons de ce virage pédagogique. Il ne faut pas décourager l’ingéniosité non plus dans les cas où le travail semble sortir des barèmes, mais trouver des solutions adaptées.
Réflexion personnelle
Cette session pourrait servir d’inspiration pour un premier cours de baccalauréat sur l’IAG, car elle présente un éventail des possibilités de l’IA à un groupe néophyte, ainsi que certains des problèmes liés à son utilisation.
_____________________
Réfléchir à sa position en regard à l’intelligence artificielle en éducation Patrick Giroux, Université du Québec à Chicoutimi
Quelle position adopter face à l’IA et selon quelle méthode scientifique ?
Patrick Groulx, technopédagogue, mène des recherches sur les laboratoires créatifs et les inégalités numériques. Il adopte une position d’observateur sur l’IA sans en être spécialiste.
Patrick se demande si nous devons intégrer l’IA dans nos cours. Selon lui, l’IA est déjà intégrée dans nos vies sans que nous le sachions. Tout le monde l’utilise.
Avantages de l’IA en contexte pédagogique
Personnaliser l’apprentissage
Automatiser certaines tâches
Réduire les inégalités
Apprendre les nouvelles technologies
Mieux comprendre le fonctionnement du cerveau
Le discours ambiant sur l’IA est positiviste. Patrick estime que nous n’avons pas le choix. Nous devons préparer les futurs citoyens à cette révolution et atténuer la nouvelle fracture numérique à venir. L’IA est partout.
Fracture numérique grandissante
La différence entre les bons et les moins bons étudiants semble plus grande qu’avant. Auparavant, il était possible de combler l’écart avec des ateliers, mais l’arrivée de ChatGPT va accentuer les différences de compétences, d’usage, de moyens financiers et d’accès.
Les participants témoignent d’une fracture entre leurs étudiants en classe. Les cours se transforment trop souvent en ateliers informatiques. Cependant, la société nous demande d’être plus efficaces, nous ne pouvons donc pas éviter ces nouveaux outils qui deviendront la norme. Les bibliothécaires deviennent par défaut des centres de ressources informatiques.
Au Québec, l’intelligence artificielle générative (IAG) sonne le glas du concept de compétences transversales.
Recherche en IA en éducation
Que nous apprend la recherche en IA en éducation ? L’outil d’IA Consensus permet de faire un petit bilan. Selon cet outil, 82% indiquent que oui, avec des réserves pour 18%. Le présentateur est très critique envers ces recherches : manque de profondeur, incohérence, objectif de promouvoir l’IA, mauvaises questions posées, peu de recherches considérant l’âge du domaine. Les chercheurs ne sont pas spécialistes en éducation.
Pistes de réflexion sur l’IA dans l’éducation
Patrick indique que l’IA peut contribuer à l’amélioration de l’éducation et de la pédagogie, mais la façon de faire est encore floue. Quels savoirs avons-nous besoin pour aider le domaine de l’éducation avec l’IA ?
Quelques options :
Comment l’IA peut-elle aider avec le délestage ?
Comment faire de l’accompagnement spécialisé avec l’IA ?
Comment utiliser l’IA pour l’enseignement à distance : des tests diagnostiques pré-inscription ?
Comment traiter l’IAG comme une nouvelle compétence au sein des institutions ? Comment trouver l’espace pour transmettre ces compétences ?
Défis à relever
Déterminer collectivement la place de l’outil et se doter de cadres
Les cours de littératie numérique ne sont plus suffisants : il faut développer des compétences, la compréhension et l’esprit critique
L’utilisation de l’IAG est généralement orientée pour faire plaisir à l’utilisateur, ce n’est pas une encyclopédie fiable
Nouvelles bases de données = nouveaux biais (Reddit comme dernière source d’information intégrée aux LLM, attendez-vous à des associations surprenantes)
Confidentialité des données : l’IAG comme plateforme d’auto sabotage des droits intellectuels
