Publié le avr. 2026
Partager
Il existe un moment que la plupart des enseignants peuvent reconnaître — celui où l’on cesse d’observer une technologie pour commencer à lui faire confiance. Pour ma part, il s’est situé quelque part entre l’obtention d’un certificat en Data Science et Machine Learning au MIT et la prise de conscience que j’avais profondément repensé ma manière d’enseigner. Non pas de manière spectaculaire, mais néanmoins de façon substantielle, sous la forme d’une question que je ne m’étais jamais réellement posée auparavant : et si les outils à la disposition de mes étudiants pouvaient les connaître mieux qu’un seul enseignant ne le pourrait jamais ?
Les orientations de l’UNESCO de 2023 sur l’intelligence artificielle générative dans l’éducation décrivent ce moment comme nécessitant à la fois urgence et prudence. Cette combinaison, selon mon expérience, correspond exactement à ce qu’exige une adoption responsable de l’intelligence artificielle dans l’enseignement supérieur.
De la curiosité à l’engagement
Mon entrée dans l’intelligence artificielle n’a pas été un tournant de carrière calculé. J’avais passé plus de 25 ans dans l’enseignement médical et la biochimie clinique. Mais le rythme des changements après 2022 — la démocratisation soudaine des grands modèles de langage, la prolifération des outils d’intelligence artificielle générative dans les environnements académiques — a rendu l’observation insuffisante.
Le certificat du MIT a transformé mon cadre de référence. J’ai commencé à considérer l’évaluation non plus comme un instantané, mais comme un flux de données, et le programme non plus comme une architecture figée, mais comme un système vivant. Plus important encore, j’ai compris que le rôle de l’enseignant n’est pas menacé par l’intelligence artificielle, mais élargi par celle-ci — à condition d’accomplir le travail exigeant consistant à comprendre ce que ces outils font réellement, et ce qu’ils ne peuvent pas faire.
Les premières expérimentations avec des outils d’intelligence artificielle génériques dans mes cours ont été, au mieux, irrégulières. Les modèles ne prenaient pas en compte le contexte de mes étudiants. Ils ne pouvaient pas aligner leurs résultats sur les exigences d’accréditation. Ils étaient puissants, certes, mais le générique ne suffisait pas.
Des ateliers au changement systémique
Entre 2023 et le début de l’année 2026, j’ai animé plus de 50 ateliers et webinaires consacrés à l’intelligence artificielle dans l’enseignement supérieur — en Arabie saoudite, en Égypte, en Malaisie, aux Émirats arabes unis, ainsi qu’à l’échelle internationale en ligne. Les thématiques abordées allaient des sessions d’introduction à ChatGPT à des formations avancées sur l’ingénierie des prompts, l’usage éthique de l’intelligence artificielle et le développement d’outils personnalisés. En parallèle de ces ateliers, j’ai développé une ressource complémentaire sur YouTube — comprenant désormais plus de 27 vidéos tutoriels couvrant les outils d’intelligence artificielle, l’ingénierie des prompts, le développement de GPT personnalisés et leurs applications concrètes pour les enseignants. La chaîne est accessible à toute personne souhaitant apprendre à son propre rythme.
Ce que j’ai appris de ces échanges n’était pas principalement d’ordre technique. C’était profondément humain. La résistance du corps enseignant face à l’intelligence artificielle ne concerne que rarement la technologie elle-même — elle touche plutôt à la confiance et à l’identité professionnelle. Cette appréhension mérite d’être reconnue, et non écartée.
Les ateliers les plus efficaces ont permis de repositionner l’intelligence artificielle non pas comme un substitut au jugement de l’enseignant, mais comme un moyen de réduire les frictions. Lorsqu’une enseignante a découvert qu’elle pouvait élaborer un plan complet d’examen en moins de 30 minutes — une tâche qui lui prenait auparavant la majeure partie d’un après-midi — elle ne s’est pas sentie menacée. Au contraire, elle s’est sentie libérée de consacrer ce temps à ce qu’aucun algorithme ne peut reproduire : le mentorat, et le type de retour qui exige une connaissance approfondie du parcours de l’étudiant.
L’efficacité, lorsqu’elle est correctement comprise, ne consiste pas à en faire moins. Elle consiste à faire davantage ce qui compte réellement.
L’argument en faveur de la personnalisation
La différence entre une intelligence artificielle générique et une intelligence artificielle personnalisée est déterminante. La plupart des enseignants sceptiques à l’égard de l’IA ont été confrontés à sa version générique — des réponses plausibles, mais pauvres en contexte. Lorsqu’on lui demande d’aligner des questions d’examen sur la taxonomie de Bloom, de les relier à des acquis d’apprentissage spécifiques et de les formater selon des standards d’accréditation, elle montre rapidement ses limites.
La solution que mes collègues et moi avons développée repose sur une approche en six étapes pour la création de modèles GPT personnalisés , publiée en 2025. Ce cadre couvre l’identification des besoins, la collecte des données, la conception des prompts, les phases pilotes, la mise en œuvre complète et l’évaluation. Grâce à cette méthode, nous avons développé 15 outils GPT conçus sur mesure, couvrant la conception des programmes, l’évaluation, l’accompagnement des étudiants, la recherche et l’assurance qualité — chacun étant entraîné à partir des lignes directrices et des cadres pédagogiques propres à notre contexte institutionnel.
Le cadre de développement des GPT en six étapes, les 15 outils personnalisés, les principaux défis et la vision d’un enseignement supérieur augmenté par l’intelligence artificielle
EduAI Agent : construire quelque chose de plus vaste
Le projet dont je suis le plus fier est EduAI Agent — et il n’est pas né dans une entreprise technologique ni au sein d’une équipe de développement logiciel. Il est né d’un échange entre collègues. Un collègue et moi-même, tous deux issus de solides parcours en enseignement médical, assurance qualité et accréditation, nous sommes retrouvés à poser la même question sous des angles différents : pourquoi n’existait-il aucune plateforme capable de comprendre réellement le fonctionnement de l’évaluation et de la qualité des programmes en pratique ? Nous disposions de l’expertise métier. Et, à ce stade, nous avions également acquis suffisamment d’expérience en intelligence artificielle pour en comprendre les capacités et les limites. Nous avons donc décidé de le concevoir nous-mêmes — en intégrant tout ce que nous avions appris dans ces trois domaines pour créer un outil qui ne vous oblige pas à traduire votre jugement professionnel en logique informatique, mais qui s’adapte à votre manière de travailler.
Je le dis clairement : il ne s’agit pas d’un chatbot. Il s’apparente davantage à ce que j’appelle une couche d’intelligence institutionnelle. Un système qui permet de concevoir des acquis d’apprentissage, de générer des plans d’évaluation, de réaliser des analyses d’items, d’aligner les programmes sur les exigences d’accréditation et de produire une documentation qualité — le tout dans un environnement intégré, avec une traçabilité cohérente.
Ce qui lui confère une véritable valeur pédagogique, c’est la théorie qui le sous-tend : des principes constructivistes conçus pour soutenir le jugement plutôt que pour le remplacer. Le système met en évidence les informations et signale les lacunes. L’humain prend les décisions.
Un outil résout un problème. Un écosystème, lui, en organise les interconnexions — constituant une mémoire institutionnelle qui, aujourd’hui, repose de manière fragile sur des feuilles de calcul, des chaînes de courriels et l’expertise de collègues appelés, un jour, à partir à la retraite.
Gérer les défis
Rien de tout cela ne se fait sans tensions.
L’intégrité académique constitue le défi le plus visible. Lorsque les étudiants peuvent générer un contenu plausible en quelques secondes, l’essai traditionnel perd sa valeur probante. La réponse doit être une refonte, et non simplement une détection — des évaluations qui exigent un raisonnement authentique et une application contextualisée sont bien plus résistantes à la substitution par l’intelligence artificielle. C’est une opportunité, si les enseignants sont prêts à la saisir.
La résistance du corps enseignant est réelle et légitime ; elle ne cède pas à des campagnes de persuasion, mais à des preuves concrètes de valeur. Les lacunes en matière de politiques sont structurelles, et les universités ont besoin de cadres de gouvernance évolutifs capables de distinguer entre un usage de l’intelligence artificielle qui enrichit l’apprentissage et un usage qui s’y substitue. Enfin, le déploiement éthique de l’intelligence artificielle, dans un secteur où les conséquences d’un apprentissage insuffisant se répercutent sur les diplômés et la société, ne peut être réduit à une simple exigence de conformité. Il en constitue le fondement même.
La prochaine phase
Les universités qui serviront le mieux leurs étudiants ne seront pas celles qui auront adopté l’intelligence artificielle le plus tôt, mais celles qui l’auront adoptée de la manière la plus réfléchie. Cela implique de poser des questions fondamentales sur les finalités, d’investir dans les capacités du corps académique et de rester fermement attaché à la conviction que les relations humaines demeurent le cœur irréductible de l’éducation.
L’intelligence artificielle ne remplace pas l’enseignant qui reste après le cours, ni le mentor qui perçoit un potentiel que l’étudiant lui-même ne voit pas encore. Ce qu’elle peut faire — et ce qu’elle fait déjà — c’est permettre aux enseignants de consacrer davantage de temps à ces dimensions, et de le faire mieux.
C’est cette transformation qui mérite d’être poursuivie.
Divulgation relative à l’intelligence artificielle
L’auteur a utilisé Claude AI (Anthropic) comme assistant rédactionnel dans la préparation de cet article. L’assistance de Claude s’est limitée à l’amélioration de la lisibilité, de la grammaire et de la fluidité éditoriale. Toutes les idées, expériences, jugements professionnels, résultats de recherche et contenus substantiels sont entièrement ceux de l’auteur.