« Le pit stop » est le premier billet d’une série en dix parties. Chaque court billet aborde une question de conception essentielle pour l’enseignement supérieur face au choc de l’IA.

Prises individuellement, la plupart de ces propositions sont relativement consensuelles, et certaines de leurs variantes sont déjà mises en œuvre ici ou là. Considérés ensemble, cependant, ces dix points esquissent les contours d’une école qui n’existe pas encore.

1. Former les formateurs

Enseigner aux étudiants ce qu’est l’IA et quelles sont ses conséquences nécessite des enseignants capables de suivre l’évolution de l’une comme des autres. Cela semble aller de soi. Mais traduire ce principe dans les pratiques institutionnelles est loin d’être évident.

De nombreux enseignants n’ont pas encore bénéficié d’une exposition professionnelle durable et structurée à l’IA générative, en particulier lorsqu’elle se situe en dehors de leur domaine d’expertise. Les enseignants sont recrutés sur la base de leurs titres universitaires — leur doctorat, leurs publications et leur parcours de recherche — ou, dans les écoles professionnelles et orientées vers l’enseignement, sur la base de leurs qualités professionnelles et pédagogiques.

Pour toutes celles et ceux qui ont dépassé le tout début de leur carrière d’enseignant, les IA de type ChatGPT ne faisaient pas partie du paysage lorsqu’ils ont commencé. Les programmes formels de formation professionnelle continue ne sont pas toujours intégrés aux routines universitaires, et cela s’explique aisément.

Les enseignants se tiennent à jour par la nature même de leur métier. Les enseignants-chercheurs contribuent à faire progresser la frontière des connaissances dans leurs propres domaines. Un programme de formation généraliste peut donc sembler redondant, voire légèrement déplacé.

Les enseignants davantage tournés vers la pratique restent en contact étroit avec les communautés professionnelles concernées par différents canaux. Ils conservent souvent une activité professionnelle parallèle, participent à des événements professionnels, échangent avec des praticiens et continuent à apprendre de manière autonome par la pratique.

Dans ce modèle, le monde académique repose sur un processus décentralisé de diffusion. Les nouvelles connaissances et pratiques émergent de la recherche et des communautés professionnelles. Les enseignants se les approprient, les interprètent à travers leur expertise disciplinaire et les traduisent en nouveaux contenus de cours et en nouvelles activités pédagogiques.

L’IA crée toutefois un décalage entre la vitesse du changement technologique et celle de la diffusion académique.

À l’échelle individuelle, repousser d’un an ou deux un engagement sérieux avec l’IA peut constituer une décision tout à fait raisonnable. L’IA peut ne pas être au cœur des recherches actuelles d’un enseignant, de ses priorités pédagogiques ou de sa pratique professionnelle.

À l’échelle institutionnelle, cependant, l’accumulation de ces décisions raisonnables peut produire un résultat préoccupant : des promotions entières peuvent obtenir leur diplôme sans avoir eu la moindre occasion structurée d’examiner la manière dont l’IA transforme leur domaine.

Le problème n’est donc pas que les enseignants ne font pas leur travail. Il réside dans le fait qu’un mécanisme de diffusion décentralisé, conçu pour des changements plus lents et plus localisés, peut se révéler insuffisant face à une technologie dont les effets sont vastes, profonds, systémiques et rapides.

Former les enseignants à l’IA ne signifie ni leur demander de l’adopter ou de la promouvoir, ni les conduire à converger vers une position unique. Les positions critiques, sceptiques ou réfractaires font partie intégrante d’un enseignement éclairé.

L’objectif est de permettre un jugement éclairé sur l’IA, fondé sur une exposition directe, la pratique et la réflexion.

Une réponse possible consisterait à mettre en place un dispositif récurrent de développement professionnel des enseignants : un socle commun pour tous, une pratique adaptée à chaque discipline, des mises à jour régulières, des échanges entre pairs et un accompagnement concret pour repenser les cours et les évaluations.

Cette approche est plus interventionniste que le modèle décentralisé habituel du développement académique. Mais elle reflète la pleine ampleur des effets de l’IA : vastes, profonds, systémiques et rapides, à une échelle bien supérieure à celle des précédents chocs technologiques sur l’éducation.

En France, NEOMA Business School offre des exemples intéressants : un programme de formation à l’IA à l’échelle de toute l’école, destiné aux étudiants, aux enseignants et au personnel, ainsi qu’un atelier et un cours en ligne destinés aux enseignants des classes préparatoires françaises.

Comment organiser un tel dispositif de développement professionnel des enseignants ?

Un modèle de pit stop

Les enseignants sont, à juste titre, concentrés sur leurs domaines d’expertise. Ils disposent de peu de temps à consacrer à des activités qui peuvent initialement leur sembler périphériques par rapport à leur enseignement ou à leurs recherches.

Le développement professionnel des enseignants en matière d’IA devrait donc moins ressembler à un nouveau cursus diplômant qu’à un arrêt au stand : court, intensif, récurrent et relié à un accompagnement continu.

A. Un dispositif récurrent, et non ponctuel

L’IA et son écosystème continuent d’évoluer. Voici mon expérience récente de ces changements si rapides. Une session intensive annuelle pourrait permettre une remise à niveau collective au sein de l’institution. Compte tenu du rythme des changements, elle devrait toutefois probablement être considérée comme un minimum plutôt que comme un dispositif complet.

Des mises à jour plus courtes au cours de l’année et un canal d’échange permanent pourraient aider les enseignants à rester connectés entre deux arrêts au stand.

B. De la distance critique, pas de l’évangélisation

Une formation à l’IA peut être perçue comme un exercice de promotion technologique. Il convient donc d’expliciter que ces programmes ont pour objectif de permettre un jugement éclairé sur toute la gamme des positions possibles : adoption, usage sélectif, refus, régulation et critique radicale.

Les modèles, les outils, les principaux acteurs, les coûts, les limites et les conséquences sociales de l’IA évoluent rapidement. Des arguments et des recommandations bien fondés il y a un an peuvent devoir être réexaminés l’année suivante.

C. Adapter le programme aux besoins des enseignants

Pour être efficace, la formation doit tenir compte de la diversité de ses publics. Un bon point de départ consisterait à proposer trois parcours :

• Fondamentaux : pour les enseignants qui utilisent rarement ou jamais l’IA. L’accent serait mis sur la découverte, la mise en contexte, les concepts essentiels, les usages possibles, les limites, les coûts et les risques.

• Pratique appliquée : pour les utilisateurs réguliers qui souhaitent structurer davantage leur développement. Le programme couvrirait une variété d’outils et de cas d’usage, avec des exercices pratiques liés au travail académique. Les activités relevant de la recherche et celles relevant de l’enseignement devraient être traitées séparément.

• Expérimentation avancée : pour les utilisateurs expérimentés qui souhaitent explorer les limites du possible. Le format se rapprocherait davantage d’une masterclass ou d’un laboratoire entre pairs, centré sur les pratiques émergentes, les outils avancés et la conception de nouvelles approches pédagogiques.

Les personnes chargées d’animer ces sessions devraient conjuguer une maîtrise technique à jour, une crédibilité pédagogique et une pertinence disciplinaire. Les enseignants de l’établissement ayant déjà développé une pratique de l’IA devraient jouer un rôle central, complétés lorsque cela est utile par des experts extérieurs.

D. Reconnaissance et charge de travail

Les enseignants savent que leur métier évolue : méthodes d’évaluation, pédagogie en classe, pratiques de recherche et, parfois, connaissances propres à leur discipline. Le temps qu’ils consacrent à leur développement professionnel devrait être formellement reconnu comme faisant partie de leur charge de travail et de leur évolution professionnelle. Un certificat ou un badge peut être utile, mais la reconnaissance importe davantage que la logique de certification.

E. Suivi

Une communauté de pratique permanente devrait relier les enseignants et les animateurs entre les arrêts au stand. Elle pourrait comprendre un canal de discussion, de courtes mises à jour, des expérimentations partagées, des permanences et un répertoire d’exemples propres à chaque discipline.

Pourquoi cette étape est fondamentale

Lorsque je réfléchis aux effets de l’IA sur l’enseignement supérieur, je ne vois pas de première étape plus fondamentale que la formation des formateurs. Ce socle rend possibles toutes les initiatives qui suivront et en démultiplie les effets. Je les examinerai dans les prochains billets de cette série.

D’ici là, j’aimerais tout particulièrement découvrir les initiatives de développement professionnel des enseignants que vous avez pilotées ou auxquelles vous avez participé. Qu’est-ce qui y est récurrent ? Qu’est-ce qui repose sur la pratique ? Et qu’est-ce qui a réellement changé, en conséquence, dans les cours ou les évaluations ?

À propos de moi

Je dirige des formations supérieures en design interactif et en jeu vidéo à Gobelins Paris, et je développe des applications web indépendantes.

J’ai créé Nocode Functions et SlideLang. Essayez-les et dites-moi ce que vous en pensez. Vos retours m’intéressent beaucoup !

Les opinions exprimées ici sont les miennes et ne reflètent pas nécessairement celles de mon employeur ni d’aucune organisation à laquelle je suis affilié.

• E-mail : analysis@exploreyourdata.com
• Bluesky : @seinecle
• Blog : Lire d’autres articles sur l’IA, le développement informatique et l’enseignement supérieur.