Ce document, produit par la Direction du numérique pour l’éducation du ministère de l’Éducation Nationale (DNE) présente un état des lieux (janvier 2025) concernant l’intelligence artificielle (IA) dans le domaine de l’éducation. Il aborde la diversité des définitions et approches de l’IA, les enjeux pour les politiques publiques, les questions juridiques et éthiques, les domaines d’application, les pistes pour la formation et l’enseignement, ainsi que les perspectives offertes par les systèmes d’IA générative et les grands modèles de langage.
Définitions et Approches de l’Intelligence Artificielle
L’IA est définie comme un domaine de recherche visant à étudier les mécanismes de l’intelligence en les modélisant avec des algorithmes et en les expérimentant avec des machines. Depuis les années 1950, l’objectif est de repousser les limites des actions humaines automatisables, avec l’ambition de modéliser certaines facultés mentales humaines. On distingue plusieurs types d’IA :
- Selon leur technologie : IA basée sur les données (apprentissage automatique), IA basée sur les connaissances (IA symbolique), et IA hybride combinant les deux approches avec la cognition humaine.
- Selon leur portée : IA faible (centrée sur une tâche précise) et IA forte (s’appliquant à tout problème, qui n’existe pas encore).
- IA classique vs Apprentissage automatique : L’IA classique repose sur des règles logiques (systèmes experts), tandis que l’apprentissage automatique analyse de grandes quantités de données pour identifier des modèles. L’apprentissage automatique comprend l’apprentissage supervisé, non supervisé et par renforcement. L’apprentissage profond (Deep Learning), basé sur des réseaux de neurones artificiels avec plusieurs couches intermédiaires, est à l’origine de nombreuses applications récentes.
Domaines d’Application
L’IA a de nombreux domaines d’application dans l’éducation. Une catégorisation proposée par la Commission européenne et explorée par des groupes thématiques numériques inclut :
- Systèmes adaptatifs et personnalisés (recommandation de contenus, évaluation adaptative).
- Robots conversationnels et systèmes de tutorat intelligent.
- Anticipation et prévention du décrochage scolaire.
- Détection et remédiation des difficultés d’apprentissage.
- Utilisation de savoirs produits par la recherche avec l’IA (analyse de données, traitement de langage, etc.).
- Usages administratifs.
Une autre taxonomie met en évidence les applications de l’IA au service des élèves (systèmes de tutorat, simulations, assistants, évaluation formative, agents conversationnels), des enseignants (détection de plagiat, curation de contenu, évaluation sommative), et des institutions (admissions, planification, sécurité, identification des élèves à risque).
L’IA peut améliorer l’expérience d’apprentissage en permettant l’adaptation et la personnalisation des parcours, notamment à travers des systèmes d’enseignement personnalisés et l’analyse des traces d’apprentissage. Des exemples concrets comme Lalilo illustrent l’utilisation de l’IA pour l’enseignement adaptatif. L’IA contribue également à la production de connaissances, notamment dans le domaine des humanités numériques.
