Le Living Catalogue: les pratiques émergentes en matière d’IA dans l’éducation

L’utilisation de l’IA générative dans l’éducation se développe rapidement, mais toutes les utilisations ne se valent pas. Certaines applications reproduisent des tâches existantes, tandis que d’autres remodèlent fondamentalement notre façon d’enseigner et d’apprendre. Le cadre SAMR (Substitution, Augmentation, Modification, Redéfinition ; Puentedura, 2009 ; Belkina et al., 2025) offre un moyen utile de comprendre ce continuum.

Afin d’aider les chercheuses et les chercheurs et le corps enseignant à comprendre ce paysage en pleine évolution, nous avons constitué un catalogue vivant d’études sur l’utilisation de l’IA générative dans l’éducation. Il couvre tous les niveaux SAMR, de la substitution de base (par exemple, l’évaluation de la qualité des évaluations générées par l’IA) aux applications entièrement transformatrices.

Au niveaux de substitution, l’IA générative peut reproduire des tâches traditionnelles sans en modifier la nature. Par exemple, utiliser ChatGPT pour générer les questions d’un quiz au lieu de les rédiger soi-même. L’augmentation apporte des améliorations à l’efficacité ou à la qualité des processus. Un exemple est l’alignement systématique du feedback avec les principes pédagogiques. La modification implique une altération significative du processus, comme l’utilisation de l’IA générative pour fournir aux étudiant·es des commentaires interactifs ou une évaluation automatisée. Et au niveau le plus élevé, la redéfinition, l’IA permet des expériences éducatives entièrement nouvelles qui étaient auparavant impossibles, telles que les simulations.

Plus qu’une simple base de données, le catalogue vivant est un guide pratique des nouvelles pratiques fondées sur la recherche en matière d’IA dans l’éducation, élaboré et régulièrement mis à jour par le Centre LEARN.

• Pratiques définies par des experts : nous identifions les principales tendances dans l’utilisation de l’IA générative dans les milieux éducatifs, en nous appuyant sur les recherches et les théories actuelles.
• Synthèse assistée par l’IA : nous utilisons de grands modèles linguistiques pour traiter et extraire les informations pertinentes d’un vaste corpus de littérature universitaire.
• Applications concrètes : parcourez et filtrez des exemples d’utilisation de l’IA générative dans différents établissements, disciplines et contextes.
• Résultats clés : découvrez ce qui fonctionne, ce qui ne fonctionne pas et ce à quoi il faut faire attention : efficacité, précision, limites et recommandations de mise en œuvre.
• Mise à jour systématique : afin de nous adapter à un domaine en rapide évolution, nous avons automatisé notre processus de recherche, depuis les requêtes dans les bases de données jusqu’à l’extraction structurée des données.