- il y a 6 semaines
Conférence de / lecture by Youssef TAZOUTI et Alexandre AUBRY, INTERSCULPT 2025 - Les Avatars de l'Intelligence, Mercredi/Wednesday 8 Octobre/October 2025, Montigny-lès-Metz, France.
Catégorie
📚
ÉducationTranscription
00:00...
00:00Merci d'être venu pour cette nouvelle après-midi de conférence
00:11Interstit 825, les avatars de l'intelligence.
00:15L'intelligence sur toutes ses formes, naturelle, artificielle, tout ce qu'on veut.
00:20Nous nous accueillons, pour commencer, le professeur Moucef Prédentier,
00:26et qui est professeur en psychologie d'éducation,
00:30directeur du centre de formation des psychologues de l'éducation,
00:34national de l'éducation nationale, évidemment,
00:37chargé de la mission de recherche à l'INSPE, Université de Lorraine.
00:42Donc, l'INSPE, c'est un centre de formation pour les enseignants.
00:45Pour les enseignants.
00:46Voilà.
00:46Et ainsi que...
00:48Voilà.
00:49Et il est la compagnie de son collègue, le docteur Alexandre Aubry,
00:53qui est maître de conférence en psychologie du développement
00:56et des apprentissages scolaire à l'université de Lorraine,
01:00et qui travaille avec l'INSPE aussi, bien entendu.
01:03Et je leur laisse la parole, et je leur remercie beaucoup d'être venu.
01:06Merci à vous.
01:07Donc, encore un gros bonjour à toutes et à tous.
01:11Donc, avant de commencer, juste un petit mot sur les activités de recherche.
01:17Conseilément, moi j'interviens auprès de psychologues de l'éducation nationale.
01:23Il est en premier degré, ce qu'on va aller.
01:26Et j'interviens un peu dans la formation des enseignants.
01:30Alice Péderain, Paris Saint-Borcy.
01:34Et après, on fait partie du laboratoire de ZPN,
01:36qui est un laboratoire de Lorraine.
01:38On est plutôt dans le champ de la psychologie,
01:40développement, d'éducation.
01:42Oui, j'interviens principalement à la formation des étudiants professeurs
01:52du premier degré et du suivant degré.
01:54Et j'interviens aussi dans la formation des psychologues de l'éducation nationale
01:58à l'INSPE de Lorraine.
02:02Et mes recherches portent beaucoup sur, justement, l'intelligence,
02:08le potentiel intellectuel particulièrement.
02:10Et les adaptations que les enseignants ont voulu nous mettre en place
02:16et que c'est des besoins éducatifs particuliers.
02:20Bon, on n'est pas vraiment des chercheurs
02:23qui s'élitent dans la champ d'intelligence artificielle.
02:25On n'est pas des informaticiens, on n'est pas des compétences en ça.
02:27On a un regard un peu critique.
02:29Comment cet étudiant peut être appliqué pour la champ d'éducation ?
02:34Donc, on a prévu notre intervention à devoir en trois parties.
02:39Dans un premier temps, on va revenir à un moment
02:41qu'est-ce que soit définissant de l'intelligence artificielle
02:43dans le champ d'éducation ?
02:45On va voir un peu, par la suite, l'IA d'éducation
02:49qui est deux des recherches scientifiques.
02:52Parce qu'on a des preuves de l'éducacité,
02:54notamment l'éducacité de l'IA.
02:56et les risques d'éducation pour l'éducation.
03:00Donc, un regard plutôt qui nous appartient,
03:02un regard critique sur ça.
03:05Donc, je commence sur la fin de par la première partie.
03:08Donc, en fait, l'IA, c'est...
03:10l'IA, c'est ce qu'on appelle l'IA en général,
03:14ce n'est pas quelque chose de récent,
03:15une chose qui date des années 1950,
03:17l'apparaissance de combien environnement d'apprentissage
03:20existait par ordinateur,
03:21ce qu'on appelle l'étitoraire à l'intelligence,
03:24et qui avait l'objectif de transformer
03:26les expériences d'apprentissage
03:28grâce aux apprentissages de la technologie,
03:30pour améliorer les conditions d'apprentissage.
03:33Et l'objectif principal,
03:35c'est d'adapter le contenu aux besoins
03:38et respecter les risques d'apprentissage
03:40de chaque apprentissage.
03:42Donc, ça, c'est les premiers travaux
03:43dans les années 1950,
03:45et le terme intelligence artificielle
03:47est apparu en 1955
03:50grâce à un chercheur qui s'appelle Mac Tarty
03:53et de ses collaborateurs
03:54grâce à un projet
03:56qui s'appelle le projet d'art d'ArtNoot.
03:58C'est un projet interdisciplinaire
04:00de plusieurs chercheurs
04:02en informatique, en mathématiques,
04:04en sciences physiques, etc.
04:08Leur objectif, c'est de reproduire
04:10l'intelligence humaine par l'innovation.
04:12On en parlait tout à l'heure en aparté,
04:14il y avait quand même des critiques à faire
04:16à ce terme de l'intelligence artificielle,
04:18donc ça, on va garder ça tout au garde.
04:21Donc, ce projet-là,
04:22qui était à l'initiative
04:24de l'intelligence artificielle,
04:26mais je dirais même que même avant les années 1950,
04:28il y avait la machine à reprendre de Skinner, etc.,
04:32qui était vraiment basée sur des algorithmes
04:36avant les années 1950.
04:38Et donc, on peut définir l'intelligence artificielle
04:40avec un ensemble de technologies
04:42pour des systèmes informatiques
04:44qui ont l'objectif de réaliser des tâches
04:46demandant habituellement l'intelligence humaine,
04:48qui sont globalement ces différentes tâches.
04:52Il y a la perception visuelle,
04:54donc c'est des algorithmes
04:56capables de reconnaître des objets,
04:58des visages,
05:00de maîtriser aussi le langage naturel,
05:04donc la comproduction,
05:06production, traduction de textes,
05:08de paroles, du langage.
05:10Donc ça, c'est une deuxième faculté humaine
05:12pour réaliser des transparents vers la machine.
05:14et une troisième faculté aussi,
05:16c'est la prise de décision,
05:18donc analyser l'exploitation de données
05:20pour résoudre des problèmes.
05:22Donc là, c'était l'objectif du départ,
05:24de transférer un petit peu les caractéristiques
05:26de l'intelligence humaine
05:28vers l'intelligence artificielle.
05:34Et donc, le fonctionnement de l'EA,
05:36il y a plusieurs techniques d'apprentissage,
05:38par exemple, elles sont appelées
05:40l'apprentissage automatique.
05:42Ce sont des algorithmes qui sont utilisés
05:44pour exploiter des données,
05:46pour ajuster,
05:48pour les assister à des modèles.
05:50Il y a ce qu'on appelle l'apprentissage profond,
05:52ce sont inspirés de réseaux neurones,
05:54inspirés du cerveau, etc.
05:56Il y a d'autres modèles qui existent,
05:58donc on va revenir un peu sur l'autre fois,
06:00on va vous présenter un petit peu en détail,
06:02tout à l'heure.
06:04Et toujours, l'objectif de ces techniques,
06:06c'est l'amélioration des performances
06:08des systèmes à partir de l'expérience.
06:10Donc, adapté dans le champ de l'éducation,
06:14il y a appliqué dans le champ de la santé,
06:18du travail, des loisirs dans différents domaines.
06:20Nous, ce qui nous intéresse plus spécifiquement ici,
06:22c'est vraiment son application dans le champ de l'éducation.
06:26Peut-être plusieurs auteurs pensent que ce sont des moteurs et des technologies qui sont éducatives et intelligentes.
06:36C'est des outils qui sont puissants pour une compréhension approfondie,
06:40précise des mécanismes réels de l'apprentissage,
06:44et qui sont capables d'améliorer des processus d'apprentissage, de l'enseignement et d'évaluation.
06:48Donc là, c'est pour ça qu'il y a juste un champ de recherche sur l'IA actuellement
06:54qui est en objectif de voir si la technologie des projets peut améliorer l'apprentissage d'enseignement et d'évaluation.
07:04Donc je vais vous présenter quelques dispositifs.
07:10Un dispositif le plus utilisé dans l'intelligence artificielle,
07:15c'est ce qu'on appelle l'apprentissage adaptatif.
07:17Ce sont des méthodes d'enseignement personnalisés
07:20qui sont utilisées l'IA pour adapter en temps réel les contenus,
07:24les exercices et les rythmes selon les compétences de chaque élève.
07:27Donc c'est un apprentissage qui est adapté à chaque élève.
07:31Comment ça fonctionne ?
07:33La première étape, c'est on va collecter des données sur le temps des réponses,
07:38les quantités des réponses d'un élève.
07:41Donc ensuite, son niveau de compétence dans le domaine d'apprentissage,
07:46les inquisitions et l'inquisition.
07:49On va faire un profilage, qu'on appelle un profilage de l'élève.
07:52On va voir un petit peu qu'ils sont ces points forts, ces points communs.
07:55Et en fonction de ça, on va faire ce qu'on appelle une adaptation dynamique.
07:59On va, par rapport à la complexité des activités,
08:03soit proposer des activités beaucoup plus difficiles, c'est réussir,
08:07ou il y a du moins plus facile, c'est les choses.
08:11On va adapter le type de contenu pour lui.
08:15Est-ce qu'on va proposer des textes, des médias, des mises, etc.
08:18On va nous réduire une progression, est-ce qu'on va paraître plus rapide ou non.
08:22Et on va faire des aides personnalisés.
08:25Est-ce qu'il y a besoin d'une base, c'est-à-dire de la fraction,
08:28est-ce qu'il y a besoin d'indices, est-ce qu'il y a besoin d'exemples.
08:31C'est ces mécanismes-là qui rentrent dans ce qu'on appelle l'apprentissage adaptatif.
08:41L'avantage de l'apprentissage adaptatif, c'est de suivre en temps réel,
08:45par un tableau de bord pour l'enseignant.
08:48L'enseigneur est un tableau de bord sur lequel il a un regard,
08:52et qui permet de voir un parcours individualisé sans que l'enseignant soit interviendra.
09:00C'est un des avantages de l'apprentissage adaptatif.
09:04L'autre avantage, c'est que la motivation est augmentée.
09:08C'est-à-dire que, quand on propose des choses qui sont très difficiles pour vous,
09:13qu'est-ce que vous allez faire ? Vous allez vous démoraliser.
09:20C'est trop difficile pour moi, je ne veux pas le faire.
09:23Si on vous propose des choses trop faciles, vous allez vous engouiller.
09:26Si on vous propose beaucoup de choses, vous allez avoir une chose en charge cognitif.
09:29Le but, c'est de proposer quelque chose qui est adapté à vous,
09:32pour que votre motivation reste constante.
09:35L'intérêt aussi, c'est que, immédiatement, quand vous avez l'air,
09:39vous avez un retour sur l'apprentissage qui est très important dans l'apprentissage.
09:43Et vous vous dites, voilà, là, il faut vous donner l'importance à cet apprentissage.
09:48Et un gagnement considérable pour l'enseignant,
09:50parce que ce temps peut consacrer à d'autres élèves qui ont plus besoin de lui.
09:56Si l'apprentissage, le logiciel, l'apprentissage permet de faire cela à travers.
10:02Mais, il y a aussi des limites et des difficultés de cet apprentissage adaptatif.
10:08Ça ne remplace qu'encore une manière ou une clé de l'enseignant.
10:13Parce que le feedback peut être aussi affectif, peut être motivationnel.
10:19parce que la machine ne sait pas faire actuellement.
10:22La qualité de l'apprentissage adaptatif dépend aussi de la qualité des algorithmes utilisés.
10:29Et après, c'est une dépendance de l'imérique.
10:32C'est-à-dire qu'il peut être dépendance de l'imérique,
10:34au détriment d'une technologie qui est équilibrée.
10:38Donc là, il y a pas mal de plusieurs plateformes d'apprentissage adaptatif qui sont proposées.
10:48On va vous montrer un exemple.
10:50Donc nous, on a choisi un exemple qui est stabilisé par l'Education nationale.
10:53Normalement, on y a un accord avec l'EGT.
10:58qui était développé lors d'un projet de recherche,
11:03financé en grosse partie par l'Education nationale.
11:08Donc, on n'a pas de part de marché dans les Windows Grays.
11:12Il y a une société qui a développé ça.
11:13C'est juste pour montrer, illustrer un exemple d'apprentissage adaptatif en mathématiques.
11:18Donc c'est une association de mathématiciens adaptés.
11:21C'est-à-dire que ce serait bien de donner des exemples dans le remède de mathématiques.
11:25Il y a pas beaucoup d'économies, de plateformes
11:31réalisées par l'archége en France et en France étroite ?
11:36Il y en a beaucoup en anglaise et pas en...
11:38...dédiés à l'apprentissage des savoirs fondamentaux en mathématiques.
11:43Sens du volume. Fait numérique, cas de réflexion.
11:46Résolution de problèmes arithématiques. Résolution de problème, provendeur, émédules.
11:51Les contenus d'Adaptive Max sont basés sur la recherche récente en sciences politiques
12:05pour stimuler l'apprentissage de la science totale et méthodologique.
12:09Le test initial permet d'évaluer les connaissances de l'élève afin qu'il débarque au juste niveau
12:14et qu'il suit un parcours d'exercices personnalisés pour l'aider à progresser à ce niveau.
12:21L'interface d'adaptive Max est conseillé pour amener la motivation à la science totale.
12:43Ce qui est bien ici, vous pouvez voir, dès que l'exercice est réalisé,
12:47une élève a tout de suite un feedback direct.
12:50Et ça, on sait depuis très très longtemps qu'un feedback direct a un effet positif sur la motivation.
12:57« Vous pouvez tout le monde consulter la progression des élèves et de l'exercice grâce à un plan de poste,
13:11pour faciliter l'activité. »
13:12« Ça, c'est pas le genre, mais c'est bien qu'on voit sur les élèves de toute la classe. »
13:16« Et pour passer au moment d'élèves, on a une des difficultés de chaque élèves. »
13:20« Et ça, c'est super important pour la déficience pédagogique, de voir la progression d'un élèves. »
13:25« Est-ce que ce que je suis en train de mettre en place fonctionne ou pas ? »
13:28« Si ça ne fonctionne pas, ça oblige l'enseignant à adapter ça. »
13:32« Les informations concernant le travail d'un élèves sont réunies sur le fichier,
13:35avec son temps interne par module et sa progression pour chaque module. »
13:40« La page « Groupe » présente des groupes d'élèves avec des caractéristiques d'apprentissage similaire. »
13:46« Ces informations donnent à l'enseignant une vue complémentaire sur la manière dont les élèves apprennent le contenu. »
13:52« Le score de bien, mais aussi le temps de réponse, le nombre de critiques abordés. »
13:57« Le temps de réponse est intéressant parce que ça permet de voir si l'élèves a maîtrise. »
14:02« Par contre, on évalue la maîtrise des apprentissages pour la personne. »
14:06« Réaliser des activités très rapidement. »
14:08« Une exercice de renseignement auto-corrective qui stimule l'apprentissage et motive la curiosité de l'élèves. »
14:13« Des pargonds personnalisés, facilitant la pédagogie différenciée. »
14:17« Mais grâce à l'intelligence artificielle, des données précises comme le tableau de bord,
14:21pour soutenir la décision pédagogique de l'enseignant. »
14:25« C'est un outil qui a été développé en partenariat avec l'éducation nationale et Nathan,
14:38qui a permis de réaliser en fait ce qu'on préconise en classe,
14:44c'est-à-dire faire des exercices, faire un feedback immédiat, voir la progression,
14:49si notre adaptation ne fonctionne pas. »
14:52« Là, en fait, il le fait de manière assez systématisée et de manière plus facilement gérable pour l'enseignant. »
15:02« C'est-à-dire que chaque élève a un ordinateur. »
15:05« Un ordinateur. »
15:06« Un ordinateur. »
15:07« Donc du coup, ça signifie que l'établissement a ce dispositif-là. »
15:12« Individuel. »
15:13« Ou ça peut être aussi dans la classe, on va avoir 4 ou 5,
15:17et que les élèves travaillent sur ça,
15:19et que les élèves font d'autres activités. »
15:22« Oui. »
15:23« Ou ça peut être aussi ciblé pour des élèves qui ont des besoins spécifiques,
15:26qui ont des difficultés, etc. »
15:27« Donc ça peut être aussi l'enseignement de socialité. »
15:30« Oui. »
15:31« Donc voilà un exemple de modèle d'apprentissage adaptatif. »
15:34« Comme disait mon collègue, effectivement, en France, il y en a énormément. »
15:40« Dans l'Éthique, il y a énormément de choses. »
15:42« En langue française, il y en a un peu moins. »
15:45« Dans l'espace européen, en général, il n'y a plus de choses. »
15:49« Donc on reviendra, je pense qu'il y a l'éthique, etc. »
15:53« Ou il y a un tas d'euros par rapport à ce qu'on imagine. »
15:56« Et puis, dans les vies anglophones, c'est plutôt des entreprises qui le font. »
16:01« Il n'y a pas de chercheurs qui sont là. »
16:05« Alors que là, sur la vidéo qu'on vous a présentée, c'est vraiment un projet de recherche qui a été fait. »
16:10« Donc c'est l'alliance entre l'entreprise Nathan et la recherche. »
16:16« Donc on a un autre exemple. »
16:18« C'est exactement la même chose, adaptative langue. »
16:22« Mais ce qu'ils ont essayé de faire, c'est vraiment qu'on peut le faire aussi en français. »
16:25« Et donc du coup, essayer de réaliser des activités adaptées avec une profession des élèves dans les activités. »
16:37« Soit ce sera dans les scolarisations comme le français ou la France. »
16:40« Ou ça peut être un français, je pense, secondaire ou complète. »
16:43« Donc, deuxième dispositif qu'on effectue ici sur l'intelligence artificielle avec une enregistrement de l'éducation. »
16:52« Ce qu'on appelle l'évaluation pilotée par l'IA. »
16:55« On essaie de rendre les variations plus rapides, personnalisées et précises par rapport aux méthodes traditionnelles. »
17:01« Donc par exemple, les corrections automatiques, on fait passer des QCM à des élèves sur un cours. »
17:07« On fait un cours et tout de suite après, on passe à QCM et on a surtout des réponses de ce qu'ils ont appris ou ce qu'ils ont appris. »
17:13« Donc en temps réel, on fait passer des réponses ouvertes et tout de suite une analyse par rapport à ce qu'ils ont fait. »
17:23« Toujours un feedback immédiat et adapté pour chaque élève. »
17:26« Sauf que les enseignants, par exemple, ont fait des devoirs et ça passe beaucoup de temps à être obligé. »
17:31« Donc là, si les corrections automatiques par QCM, non-réponses ou prêtes, ça va faciliter beaucoup de temps. »
17:37« Et que ce temps est de gain de temps pour être investi dans d'autres activités pour l'enseignant. »
17:43« Ça permet aussi la génération d'exercices sans mesure avec des niveaux, des rythmes et des compétences. »
17:49« Et analyser les performances, les comptes et l'accueil des élèves. »
17:53« Et détection aussi, c'est important. »
17:55« C'est détection de l'agéa, des anomalies, des copier-coller, des incoherences. »
17:58« Ça plutôt dans l'universitaire. »
18:00« Donc là, nous, on court derrière ça. »
18:02« On demande à des étudiants de faire des mémoires, des comptes rendus, etc. »
18:07« Et des fois, on a des choses astuces qui remontent en direct. »
18:10« C'est l'académie française. »
18:12« Et parfois, on se dit « Bon, mais c'est quoi ? »
18:15« Et ça, on n'est pas très alcoolisé. »
18:20« Et donc là, il y a des détecteurs de l'agéa qui sont sophistiqués, etc. »
18:24« Ou bien des incoherences, des comportements un peu suspect. »
18:27« Donc on voit une partie qui est bien écrite et une partie qui est bâclée. »
18:31« Donc on se rend compte pour l'agéa. »
18:33« L'évaluation, donc les avantages, c'est effectivement le gain de temps. »
18:39« Le gain de temps surtout pour l'enseignant. »
18:42« Le feedback immédiat et personnalisé, comme on l'a dit. »
18:45« Et une évaluation différenciée selon l'enfance de l'élève. »
18:48« On peut adapter l'évaluation sur l'élève. »
18:50« Par exemple, je vais vous donner un exemple. »
18:52« Un élève qui a des difficultés en mathématiques. »
18:55« Il y a toujours deux, trois en mathématiques. »
18:58« Et on peut peut-être, à un certain moment, personnaliser, faire un appareil de différents produits »
19:01« pour encourager les efforts qu'il fait. »
19:04« On peut prendre en compte pour le motiver autour de sa motivation,
19:07pour qu'il s'intéresse à cette discipline des mathématiques,
19:09ou les sciences, ou les littératures. »
19:12« Ça permet de faire une évaluation un peu différente en fonction de l'élève. »
19:18« Celui qui concerne l'élève en temps réel, c'est toujours l'avantage de l'élève. »
19:23« Maintenant, il y a quand même des limites. »
19:26« L'interprétation est limitée des réponses qui peuvent être créatives ou subjectives. »
19:31« Par exemple, on fait une dissertation. »
19:33« Ça ne prend pas en compte la créativité et la subjectivité. »
19:36« On a des modèles qui sont standards et que tout le monde va rentrer dans ces modèles-là. »
19:40« Si on sort un truc de ces standards-là, on peut être finalisé. »
19:45« Le biais est qu'à cause d'un entraînement, avoir des données incomplètes. »
19:49« Parce que les algorithmes, tu vois, les exercices qu'ils proposent,
19:52sont en fonction de l'algorithme qui est derrière et de la base de données qui est derrière. »
19:55« Si la base de données n'est pas complète, ça ne peut pas avoir un pied. »
20:00« Toujours un manque de sensibilité aux aspects humains, l'intention, l'émotion, le langage. »
20:05« On ne peut pas le voir à travers l'évaluation par l'IA. »
20:09« Et toujours la dépendance à la infrastructure numérique. »
20:13« Et ça risque d'augmenter les inégalités entre les élèves. »
20:18« Il y a plein d'autres dispositifs. »
20:20« On ne sait pas l'appel de revenir sur les détails. »
20:23« Il existe énormément de dispositifs. »
20:26« Et le dernier modèle qu'on va vous présenter dans cette première partie,
20:30c'est l'évoquement des langages naturels. »
20:33« Comprenez tous. »
20:34« Toi-t-JPT, qui est maintenant très, très, très célèbre. »
20:38« C'est ça. »
20:40« C'est un coup de mystère aussi. »
20:42« Une mystère différente. »
20:44« L'intérêt aussi, c'est de permettre notre machine
20:49de comprendre, interpréter, produire et interagir à un langage humain. »
20:53« Que ce soit écrit ou oral. »
20:55« Donc la fonction principale, c'est comprendre ce que l'on écrit ou dit. »
21:00« Répondre de façon pertinente et cohérente. »
21:03« Et générer des textes ou de la parole. »
21:06« Donc ça, c'est ce que font toute l'IA spécialisée dans le traitement du langage naturel. »
21:13« Donc le fonctionnement, c'est de faire connaissance l'imbicite, la grammaire, la syntaxe, la sémantique. »
21:19« Donc il y a une base de données qui est très, très riche. »
21:24« Et on se voit sur les méthodes statistiques d'apprentissage automatique des groupes. »
21:28« Par exemple, je ne sais pas comment expliquer ça. »
21:31« Par exemple, quand on dit un mot, on a la probabilité qu'un autre mot, statistiquement, qu'un autre mot va se lire. »
21:38« Quand on dit un mot, on a la probabilité que ce soit une expression qui va être associée à ce mot. »
21:44« Plus en plus, au téléphone portable ou autre, on commence à écrire un mot, puis après, vous avez la possibilité d'accéder. »
21:52« Moi, je vais le détaxer parce que ça, à chaque fois, je me fais avoir son mot. »
21:56« Je fais le même mot type. »
21:58« Ça peut créer vraiment rendu. »
22:00« Ouais, c'est ça. »
22:02« Donc du coup, je préfère être maître de mon clip. »
22:06« Mais voilà, dans tout cas, cette technologie-là, ça se base sur ce type de technologie-là. »
22:14« Et donc, voilà, vous connaissez GPT, tout ça GPT. »
22:20« Donc, c'est prédiction, génération, génération de texte. »
22:24« Donc, on a les essais pour beaucoup. »
22:26« Par exemple, c'est un exemple comme ça. »
22:28« C'est celui qui est de la version Google. »
22:31« Pour Apple. »
22:32« Pour Apple. »
22:33« Pour Amazon. »
22:34« Pour Amazon. »
22:35« Pour Amazon. »
22:36« Et je ne sais plus l'autre. »
22:40« Il y a Gémini, je crois. »
22:41« Gémini pour Google. »
22:45« Donc, ce sont... »
22:47« On fait des traducteurs automatiques. »
22:49« Chaque vote éducatif aide à l'apprentissage. »
22:52« Aide à la réduction, recommandation et réduction. »
22:55« Là, on les utilise beaucoup. »
22:58« On les utilise nous aussi dans nos activités de toujours. »
23:03« Mais on a l'Europe. »
23:04« On a tout un regard critique. »
23:05« Mais on a un regard critique sur ce sensatif. »
23:09« Et l'adaptation au niveau de lecture de l'individu. »
23:14« Et donc, correction automatisée, des potes, des plageurs, du style. »
23:19« Donc là, ils sont tellement sophistiqués qu'il y a un style académique. »
23:23« Un style plus familier. »
23:24« Un style plutôt de droit, médecine, médecine, médecine. »
23:28« Il est capable de s'adapter en fonction de la demande qu'on lui fait. »
23:35« Et toujours, la question du feedback est toujours à présent. »
23:38« Il sera présent une interaction intéressante avec ces choses. »
23:43« Les limites, c'est toujours une compréhension non humaine. »
23:47« Donc un traitement de forme. »
23:48« Pas d'intention. »
23:49« C'est un traitement mécanique. »
23:51« Ce qui se passe sur statistiques. »
23:54« Reproduction des biais sur des données. »
23:56« Si ça dépend de la base de données qu'on utilise. »
24:00« Si on a une base importante, on peut faire autre chose. »
24:05« Je pense que c'est le problème par exemple de la chat-GPT français qui est le Mistride. »
24:13« Il n'y a pas encore d'accès à des bases de données beaucoup plus importants. »
24:16« Ce qui est le cas du chat-GPT. »
24:19« Plus on a accès à des bases de données, plus on est dans les performances, on participe dans ce dispositif de logiciel. »
24:26« Donc voilà quelques exemples de traduction automatique. »
24:30« C'est ce que c'est assez pas beaucoup. »
24:32« C'est le chat-GPT éducatif. »
24:34« Donc là, c'était vraiment quelque chose de sélectif dans les dispositifs de l'un à l'autre. »
24:40« On a fait le choix de faire deux, trois. »
24:42« Il y a un réseau de neurones. »
24:44« Oui. »
24:46« Pour vous donner des exemples, et puis comme dernier,
24:49les applications de ce genre de type d'intelligence artificielle,
24:55maintenant, on va plutôt s'intéresser sur ce que dit la littérature scientifique. »
25:01« Donc pour ça, avec mon collègue, nous avons réalisé une revue de littérature,
25:08ce qu'on appelle les méta-analyses. »
25:11« C'est quoi les méta-analyses ? »
25:13« C'est en gros, vous avez ici des études individuelles. »
25:18« C'est un chercheur qui fait une petite étude, une comparaison entre ceux qui utilisent Olivia
25:23et ceux qui n'utilisent pas l'IA et on voit ce qu'ils ressortent. »
25:27« Et puis, vous savez, après les systèmes d'analytique review,
25:30c'est en gros, je prends toutes les études individuelles d'un domaine
25:34et je regarde les conclusions de ces études, je fais une synthèse. »
25:40« Et les méta-analyses, on va aller plus loin, on ne fait pas juste une synthèse,
25:46on calcule la taille des faits, c'est-à-dire la différence que j'ai si j'utilise l'IA
25:53par rapport à un groupe qui n'utilise pas l'IA.
25:56Quelle est la taille de cette différence ?
25:58Est-ce que l'utilisation de l'IA va expliquer très fortement la différence entre mes deux groupes ou pas ?
26:08Ou faiblement.
26:09C'est juste une petite différence, mais elle est très très légère,
26:14ou une grosse différence, c'est-à-dire qu'il y a un effet très très fin.
26:17Donc du coup, on a ce genre de curseur dans les études scientifiques,
26:28particulièrement en psychologie d'éducation avec John Altie,
26:31où quand on fait des méta-analyses, on regarde l'unité de mesure.
26:36L'unité de mesure, c'est l'écart-type.
26:38C'est-à-dire l'écart-type entre le groupe qui a utilisé l'IA et le groupe qui n'a pas utilisé l'IA.
26:45C'est un peu comme, vous prenez un centimètre ou un mètre,
26:49on calcule la distance entre deux objets, et bien nous on calcule l'écart-type.
26:53C'est notre unité de mesure.
26:55Et on considère qu'un écart-type de 0,4 est considéré comme un effet suffisamment important
27:02pour que ça mérite qu'on utilise cet outil ou la variable qu'on a validée.
27:14Je vais y revenir, je vais donner des exemples plus concrets.
27:18Mais dans notre recherche, pour cette présentation, on a retrouvé 33 méta-analyses
27:25qui traitent du sujet intelligence artificielle et éducation.
27:30qui datent de 2014 à 2025.
27:33Ils ont été très productifs, les chercheurs, à ces moments-là.
27:37Et en effet, on voit déjà que toutes les études, toutes ces méta-analyses,
27:44des études dans les études considèrent qu'il y a un effet positif de l'utilisation de l'IA et les performances collègues.
27:52En gros, si par exemple je prends un élève qui a utilisé l'IA, il y a 68,7% de probabilités
28:02que cet élève-là a des performances scolaires bien meilleures que celui qui ne l'a pas utilisé.
28:08Maintenant, la question, c'est comment l'utiliser cette IA ?
28:12Et c'est ça qui est le plus important.
28:14Mais là, pour l'instant, globalement, je vous donne déjà les résultats au débat.
28:18Après, on va en discuter.
28:20Et puis, la deuxième, c'est au niveau de la motivation scolaire.
28:24On parlait de Chimpak, Méliza, etc., qui pourrait soutenir la motivation, etc.
28:28Là, en effet, les différentes méta-analyses, ces 33 méta-analyses,
28:33concluent sur la même chose, c'est qu'il y a un effet positif de la motivation sur la motivation scolaire
28:39dans l'utilisation de l'IA.
28:41En gros, ça veut dire quoi ?
28:43Ça veut dire que si je prends un élève qui a utilisé l'IA, au hasard,
28:47il y aura 66,2% de chances que cet élève a une meilleure motivation.
28:55On appelle ça une motivation auto-déterminée par rapport à un élève qui n'a pas utilisé l'IA.
29:01Mais est-ce que ça fonctionne ?
29:03A tout le coup.
29:04Et est-ce que ça fonctionne dans n'importe quelle manière d'utiliser l'IA ?
29:10Justement, on a investigué ça.
29:12Par exemple, pour les performances scolaires, il y a une étude, une méta-analyse de Deng et collaborateurs,
29:22ils ont utilisé CHGPT dans des activités universitaires.
29:25Ils ont une aide dans la rédaction, par exemple, de travaux ou dans l'utilisation de langues ou de la programmation ou des sciences.
29:36Et ils ont intégré, en fait, cette utilisation de CHGPT directement en classe ou via des plateformes éducatives.
29:46Et son utilisation était très cadrée, c'est-à-dire qu'il devait l'utiliser pour générer des idées ou des exemples lors d'un projet à réaliser,
29:56et obtenir des explications personnalisées dans un concept plus complexe.
30:02Et puis, bien évidemment, recevoir des feedbacks immédiats sur leur production.
30:06Dans l'utilisation de cette manière d'utiliser-là, clairement, la majorité des études ont montré que, par exemple,
30:18sur des étudiants qui n'ont pas utilisé l'IA, ils avaient 50% de chances d'améliorer leur performance.
30:26Et quand ils utilisent l'IA, du coup, il y avait, sur les 10 étudiants, il y en avait 7 qui avaient une amélioration.
30:34Donc, du coup, il y a une amélioration qui est notable de l'utilisation dans cette configuration-là.
30:41Mais dans cette méta-analyse, ils mettent bien des warnings en disant
30:48c'est super comme outil pour faire de l'évaluation dite formative, c'est-à-dire qui sont des évaluations qui vont aider à la progression des avançages.
31:01Donc, du coup, des retours personnalisés, de l'entraînement progressif.
31:06On va réaliser, en fait, des exercices de plus en plus compliqués.
31:10De l'auto-évaluation, se servir dans le cas de « je vais m'auto-évaluer sur ma production que je suis en train de faire »
31:18ou pour remédier sur des problèmes très spécifiques.
31:22Donc ça, de cette manière-là, de cette utilisation-là, ça fonctionne plutôt bien.
31:27Mais comme on le dit très clairement dans cette méta-analyse, il ne faut pas l'utiliser dans des évaluations dites somatiques.
31:37C'est-à-dire, c'est un jargon un peu dans l'éducation pour dire, c'est une évaluation pour dire
31:42« Ok, c'est bon, tu as atteint les compétences, maintenant tu peux passer, tu as le diplôme ou tu passes à l'année suivante. »
31:49C'est ce qu'on appelle des évaluations somatiques.
31:51Globalement, il y a des notes, par exemple. Dans les notes, c'est une évaluation…
31:56Et qui compte dans le programme. Parce qu'on peut donner des notes pour former simplement à titre indigatif.
32:04Et que ça compte vraiment dans la formation et pour la poursuite.
32:08Et donc, il est très clair qu'il faut éviter l'utilisation de chaque GPT dans ce cadre-là.
32:16Parce qu'on ne sait pas si… Des fois, il fait des jugements très simples qui aident, mais qui n'est pas suffisant pour être rigoureux et être… comment dire…
32:30Certifier les acquis de l'individu. Et ne pas privilégier l'utilisation de chaque GPT dans ce type d'évaluation, mais plutôt des évaluations classiques.
32:42Des examens surveillés avec des projets complexes et des critères d'originalité qui doivent être pris en compte que n'importe quelle IA ne prend pas en compte.
32:52Aussi, on a beaucoup de littérature qui ont essayé de voir si l'IA pourrait permettre d'améliorer les compétences en mathématiques.
33:07Donc, du coup, il y a la méta-analyse de Luang, de 2022, qui est assez récente, qui s'intéressait à l'utilisation de l'IA en mathématiques auprès des élèves de primaire.
33:20Alors, l'idée, c'était… l'IA était utilisé pour adapter son enseignement selon la compréhension et les erreurs des élèves.
33:30Et donc, du coup, les résultats ont été suivants.
33:35Quand, pour utiliser l'IA qui adaptait son enseignement en fonction des erreurs et des réussies des élèves,
33:45et bien, par rapport à un groupe qui n'utilisait pas cet IA-là, avait 50% de chance de réussir.
33:53Mais quand on l'utilise, on avait un peu plus de chance de mieux réussir que si on ne l'avait pas utilisé.
34:00Sur les 10 élèves, il y en a 6 qui réussissent mieux que les 4 autres.
34:08Donc, vous voyez, la taille d'effet est moins importante par rapport à la première.
34:13Donc, déjà, on a une petite information que selon le type d'enseignement, selon la discipline,
34:20ça ne va pas fonctionner de la même manière.
34:23L'utilisation de l'IA, justement, dans le domaine des nombres, des signaux, la multiplication, le raisonnement spatial et les fractions,
34:32fonctionne très très bien et on a cette taille d'effet-là.
34:35Sur toute autre chose, la géométrie ou des chiffres, ça fonctionne beaucoup moins bien, voire ça ne fonctionne pas du tout.
34:43Il n'y a pas de différence significative.
34:46Et en plus, l'enseignement de cette méta-analyse a montré que la plupart des études ont montré que c'est des modules courts mais intensifs.
34:56Ça revient à ce que disait mon collègue en disant qu'il faut qu'on ne crée pas de dépendance à l'IA.
35:03Il faut qu'il y ait, nous on appelle en psychologie, de l'étayage.
35:07On diminue les aides au fur et à mesure de la progression de l'élève.
35:11Et l'IA, c'est ça. Il nous aide au départ et après, dès qu'on progresse, dès qu'il progresse, on diminue son utilisation.
35:21Et aussi, on ne l'intègre pas du tout de la même manière selon le niveau d'étude.
35:28On ne va pas le faire en CE1.
35:31Pourquoi ? Parce qu'ils ont des lacunes qui sont inhérentes à leurs conditions,
35:36aux stratégies d'apprentissage et à leur capacité à faire attention aux éléments importants de l'enseignement des mathématiques.
35:45Donc du coup, il faut déjà que les élèves acquièrent ces connaissances-là, des stratégies et des contenus mathématiques essentiels avant d'utiliser l'IA.
35:58Aussi, certaines études se sont posées à la question.
36:03Ok, c'est très bien. On a des informations sur l'effet de l'IA sur les performances scolaires et en mathématiques.
36:11Ok. Mais est-ce que ça va réellement avoir un impact sur la motivation des élèves ?
36:15Et donc, du coup, là, sur la méta-analyse que j'ai vu présenter, c'est une méta-analyse qui recoupe 49 études sur l'IA,
36:24mathématiques artificielles et génératives, en éducation, donc de la maternelle,
36:30qui est la Rougartem pour anglais, jusqu'à 12 ans, jusqu'à l'année 12 où c'est lycée, je crois.
36:39Ouais, c'est ça. C'est terminale, je pense.
36:42Donc, et puis l'université.
36:45Donc là, ils ont essayé d'analyser, ils ont essayé d'estimer l'effet de l'IAG sur la motivation.
36:50Et en essayant de voir s'il n'y a pas des modérateurs qui vont faciliter ou freiner cet effet de l'IAG sur la motivation scolaire.
37:02Globalement, ça a un effet quand même important.
37:06Ce n'est pas totalement déconnant parce que, vu que l'IA fournit des feedbacks immédiats et adaptés,
37:15et ça, on sait que ça joue énormément sur la motivation de l'élève.
37:19Donc, ce n'est pas étonnant qu'en fin de compte, il y ait un effet global, positif, de l'utilisation de l'IA
37:25sur la motivation scolaire, sur les tâches scolaires particulières.
37:29Là, on le voit très clairement.
37:31Si on n'utilise pas de l'IA, on a 50% de chances d'amélioration.
37:35Donc, c'est simplement lié au hasard.
37:39Et quand on utilise l'IAG, on augmente un peu la probabilité d'amélioration.
37:45On est sur 7 individus sur 10 qui améliorent leur performance.
37:50Après, ce qui est beaucoup plus intéressant, c'est qu'est-ce qui fait que ça s'améliore ?
37:55Pourquoi l'IA va avoir tendance à améliorer ?
37:59Parce que, c'est comme j'ai dit auparavant et comme mon collègue l'a souligné,
38:03c'est grâce au renforcement lié au feedback immédiat et fréquent.
38:09Plus vous avez un feedback immédiat et adapté par rapport à votre tâche,
38:14meilleure sera votre motivation.
38:16L'engagement devient plus accru parce que vous savez ce qui fonctionne, ce qui ne fonctionne pas.
38:22Donc, du coup, ça vous permet d'avoir un guide sur la manière d'équilibre, sur le raisonnement, sur même le brainstorming.
38:34Et vous avez aussi, ils le mettent encore une fois, il faut faire attention à l'utilisation de l'IA dans le guidage.
38:44Dans le guidage parce que plus vous allez l'utiliser, plus il va y avoir une dépendance.
38:50Il faut, à un moment donné, s'en détacher au fur et à mesure.
38:54Et puis aussi, il faut bien expliquer, apprendre à l'utiliser pour avoir les bons feedbacks nécessaires.
39:05Et toujours avec un temps d'usage qui est cadré, qui est adapté.
39:10Donc, le cas de motivation est supérieur à l'aide d'outils sur mesure alignés aux besoins de la classe.
39:18En effet, il faut que l'enseignant soit maître de ça.
39:21C'est-à-dire qu'il adapte les feedbacks par rapport aux besoins de la classe.
39:31Les méta-analyses sont très claires.
39:34L'IA est un outil.
39:36C'est juste un outil en complément de l'enseignant.
39:40Ce n'est pas un substitut qu'on voit à l'heure actuelle par remplacer un enseignant, par lien.
39:48C'est un outil comme le guide du maître, c'est-à-dire l'ouvrage qui l'utilise pour créer son cours.
39:55C'est comme l'ordinateur pour faire le traitement de texte, etc.
40:00C'est un outil, c'est en aucun cas la fin pour réaliser son activité.
40:07En effet, l'enseignant apporte beaucoup de choses.
40:11Il apporte déjà le contenu disciplinaire, les stratégies d'aventage.
40:15On a vu que justement l'utilisation de l'IA est dépendante des connaissances dans les stratégies d'aventage des élèves.
40:22Et puis aussi, comme a dit mon collègue, sur le feedback, le feedback affectif.
40:27Des fois, certains élèves n'ont pas besoin d'un feedback uniquement sur la tâche, etc.
40:32Ils ont besoin de savoir où se placer, où gérer ses émotions dans cette activité-là.
40:42Alors que l'IA va plutôt apporter des renforcements de manière immédiate.
40:47Elle va leur donner des connaissances et il va leur apporter une manière de développer des compétences avec des exercices récurrents et adaptés.
40:58Et en plus, l'IA a un avantage par rapport à l'enseignant, c'est qu'il va adapter très rapidement la difficulté des exercices en fonction de la progression.
41:10Donc en fonction de ses traces, de ses activités qu'il est en train de faire.
41:15Bien évidemment, comme a dit mon collègue, il est extrêmement important de faire attention.
41:19C'est pour ça que ça doit être sous supervision aussi de l'enseignant.
41:23On va voir si c'est pas trop décodant parce que justement, il y a aussi des corpus qui sont limités à limités.
41:30On va vous parler maintenant des risques et des défis en éducation et que mon collègue va poursuivre.
41:40Donc pour combler, c'est une partie un peu moins, moins moins que je vais vous présenter.
41:46Les risques liés à l'IA, c'est la réduction des interactions humaines.
41:51On l'a répondu plusieurs fois.
41:53Donc ils sont essentiels pour les apprentissages sociaux et émotionnels.
41:57parce qu'il n'y a pas que les apprentissages académiques, c'est-à-dire les disciplinaires, maths, etc.
42:02Les apprentissages sociaux et émotionnels sont un peu simples pour s'intégrer dans la société.
42:08La dépendance technologique.
42:10Donc on peut être dépendant à des plateformes.
42:13C'est besoin qu'un enseigneur qui dise qu'il y a que des plateformes.
42:16Du haut, on est avec des plateformes.
42:18Donc on ne peut pas faire le travail sans travailler correctement.
42:24Donc les inégalités d'accès aussi.
42:27Donc on n'a pas les mêmes moyens technologiques selon les établissements.
42:32En fonction de localisation des établissements.
42:34Même si cette fracture numérique a été un peu régulée depuis quelques années.
42:40Mais il reste quand même une fracture entre les milieux favorisés et défavorisés.
42:45L'accès à l'initial, etc.
42:48Risques aussi d'IAS, c'est atteinte de la vie privée.
42:50Donc ces données qui sont collectées par les élèves et par les élèves sur leur comportement.
42:56Donc ça pose des problèmes aussi de respect de la vie privée.
43:03Il y a aussi le problème de la fiabilité des informations.
43:06Donc on n'est pas à l'abri des IAS de diffuser des informations erronées.
43:12On va lancer le contenu de matières de manière piésée.
43:14Donc nous, tous les jours, on va décrire des choses erronées.
43:20dans les formules d'étudiants, dans les rapports d'étudiants, dans les examens, etc.
43:26Parce que quand on n'a pas de recul, on peut prendre des choses comme des informations réelles.
43:30Donc là, c'est un risque.
43:32C'est vrai, c'est assez important.
43:34Il y a une petite anecdote sur cette question de fiabilité.
43:37D'un coup, je m'étais amusé à poser la question à un cher GPT.
43:42Que penses-tu des styles d'apprentissage pour le fait de dire
43:46mémoire visuel, mémoire addictif, etc.
43:48Qui est un euro-mythe, enfin.
43:50C'est un mythe.
43:51La préférence de la modalité n'a aucun impact sur votre apprençage.
43:57C'est un peu comme...
43:58C'est comme si vous disiez que la préférence pour le sucre et le gras
44:03est favorable à ma santé.
44:05C'est inconcevable.
44:08Donc bref.
44:09Et du coup, le cher GPT m'a argumenté, il y a quelques temps,
44:13la véracité de cette théorie de style d'apprentissage
44:18en me citant des articles qui n'étaient pas scientifiques
44:23ou qui étaient complètement inexistants.
44:26Je n'arrivais pas à le trouver.
44:27Donc du coup, on peut piéger selon la base de l'honneur.
44:31Alors là, j'ai essayé, maintenant il est un peu plus modéré,
44:34mais il n'y avait pas un temps au début, il galérait.
44:37Je pense que tu as un répertoré.
44:40Et il m'a répertoré.
44:42Donc, pour continuer l'éthique, notre défi aussi de l'IA,
44:46c'est l'éthique des bonheurs,
44:48est-ce que tu avais prévu ?
44:49Médiaz-d'a-jouen ?
44:50Merci.
44:51Le grand défi aussi, c'est l'intégration des enseignants,
44:55parce que la formation des enseignants, l'accompagnement,
44:59l'acceptabilité des études d'IA,
45:01c'est tout un chantier qui est très, très, très,
45:04qui est énorme,
45:05qui n'est pas encore vraiment abordé dans le système éducatif.
45:09Et en fait, l'infrastructure technologique,
45:15ce qui est un petit peu difficile dans le champ de la recherche,
45:20c'est que l'évolution technologique, elle est rapide.
45:23Donc, nous, le temps, on met des recherches en place,
45:26le temps que ces recherches donnent le résultat,
45:29les technologies ne sont pas du tout.
45:31Il y a déjà des nouvelles technologies qui apparaissent,
45:33ça allait plus à un rythme rapide.
45:37Donc là, c'est le défi des chercheurs,
45:39c'est comment mesurer les effets dans le temps
45:43et avoir des manières un petit peu,
45:45des manières fiables,
45:47fiables d'efficacité pour donner l'efficacité de l'IA.
45:51En effet, les études que vous avez présentées là,
45:53sur la méta-analyse,
45:55j'ai pas la durabilité de l'atelier,
45:57ça a un effet assez immédiat.
46:01À mon souvenir, il y a très peu d'études qui montrent
46:07est-ce que ça a un effet à long terme, etc.
46:13Donc oui, pour rebondir sur ce que dit mon collègue,
46:15il faudrait qu'il y a des études en général,
46:17c'est-à-dire qu'on construit des cohortes,
46:21de mou pendant plusieurs années,
46:23parce que ça a un impact ou pas,
46:25ça c'est très très difficile.
46:27Et en fait, plus globalement,
46:31on voit aussi dans les études qu'on a examinées,
46:34il y a des domaines qui sont sous-exploités dans le primaire,
46:37et c'est beaucoup dans le secondaire qu'on utilise l'IA.
46:39En fonction des études qu'on appelle les STEM,
46:41c'est les sciences, les technologies,
46:43ils sont en matière de mathématiques.
46:45Donc un peu moins dans les disciplines autres que ces disciplines-là.
46:49Et puis beaucoup chez les étudiants,
46:51parce qu'en fait, on cherche les étudiants,
46:53c'est un peu simple.
46:55En tant que enseignants-chercheurs,
46:57les participants sont beaucoup plus facilement accessibles
47:01chez les étudiants qu'en primaire et en secondaire.
47:07Et donc évaluer l'efficacité,
47:09c'est aussi ce qu'on en a parlé tout à l'heure.
47:11Pour finir, on va vraiment avec une provocation.
47:17C'est pas du tout ça, c'est une véritable réflexion.
47:21C'est Luc Julia qui est un chercheur,
47:27un chercheur, un ingénieur,
47:31un ingénieur qui a créé,
47:33qui a inventé ces livres,
47:35et en fait, qui a écrit un livre en disant
47:37que l'intelligence artificielle ne le sait pas,
47:39en partant du principe que, en fait,
47:41derrière ce terme-là,
47:43il y a déjà une première chose,
47:45il y a un grand malentendu,
47:47un fantasme sur le fait que,
47:49il y a des robots qui créent le pouvoir,
47:51des machines qui vont devenir intelligentes,
47:53et Luc propose de parler de l'intelligence augmentée,
47:57c'est-à-dire qu'il est toujours l'humain qui est au centre,
48:01et à réduire le rôle des filles.
48:05On a développé, tout à l'heure,
48:07avec M. Lamine, en aparté,
48:09c'est justement que les premiers chercheurs
48:11qui ont développé le terme intelligence artificielle,
48:15c'était stratégique,
48:17pour avoir un classement de financement,
48:19pour attirer l'attention,
48:21c'est un champ émerchant,
48:23et, en fait, l'intelligence artificielle n'existe pas réelle,
48:27le terme et le mal n'est pas choisi.
48:29Ludo propose de parler d'intelligence augmentée,
48:33parce que cette intelligence,
48:35ces algorithmes,
48:37ne font pas d'innovation au sens humain,
48:41ne peut pas innover, créer des choses nouvelles,
48:43se passe uniquement sur ce qui existe,
48:45et à l'absence de sentiments,
48:47l'absence de doutes,
48:49soit la compétence, on a toujours le sentiment,
48:51on écoute, on a une conscience morale,
48:53ou pas,
48:55on peut avoir une conscience morale,
48:57et donc, le temps et l'intelligence,
48:59la décision, sans qu'il est guidée,
49:01au pas de cette conscience morale,
49:03si on n'a pas conscience morale,
49:05on est dans la chance de la psychopatologie,
49:07mais quand même, on a tous une conscience morale,
49:09donc on agit en fonction de ça,
49:11ce qui n'est pas le cas des machines,
49:13au moins les machines qui sont sur le marché,
49:15dont on a accès actuellement,
49:17qui sont plus ou moins démocratisées.
49:19Justement, quand on a suivi ces répétitions,
49:21on a des correlations,
49:23et non, une compréhension profonde des phénomènes.
49:25Et donc ça, ça nous interroge,
49:29et c'est vraiment très distinct de l'intelligence humaine.
49:33Il y a même des chercheurs,
49:35à travers le monde, qui disent
49:37« Est-ce que le CHPT est plus intelligent que l'humain ? »
49:39L'intelligence humaine, ça n'a pas,
49:41en réalité, ça n'a pas de sens, parce que...
49:43On n'a pas vraiment de définition claire
49:45de l'intelligence humaine déjà.
49:47C'est déjà un gros problème,
49:49déjà le bien de l'intelligence artificielle.
49:51Il y a des algorithmes,
49:53il y a des technologies,
49:55qui peuvent être utilisées dans le champ d'éducation,
49:57et qui nécessitent des peur,
49:59des fantasmes,
50:01mais aussi des espoirs.
50:03Et là, le tout, c'est notre rôle en nous,
50:05en tant que chercheurs, dans le domaine,
50:07on n'est pas spécialiste de la question,
50:09mais il n'est pas spécialiste que nous,
50:11c'est justement de s'interroger aussi
50:13sur les différents aspects,
50:15les intérêts, les mythes,
50:17la réflexion éthique sur l'utilisation de l'IA,
50:19pour préparer la société de justice et de l'homme.
50:23Et donc voilà,
50:25l'augmentation,
50:27vous allez lui participer
50:29pour faire de l'augmentation humaine,
50:31et à prendre aussi avec précaution,
50:33parce qu'il y a aussi des courants derrière
50:35cette intelligence artificielle,
50:37et des courants post-humanistes,
50:39trans-humanistes,
50:41un nom parfait,
50:42l'intelligence parfaite,
50:43un nom parfait,
50:44et donc là,
50:45il y a quand même des questions éthiques
50:46qui se posent derrière,
50:47sur lesquelles il faut rester vigilant
50:49pour le chercher.
50:51Et ça serait le type,
50:53enfin...
50:55Non, non, non,
50:57c'est vraiment un outil,
50:59l'IA doit être considéré comme un outil,
51:01et comme tout outil,
51:03il y a des choses on peut l'utiliser
51:05ou on ne veut pas l'utiliser.
51:07Dans quelles conditions on peut l'utiliser,
51:09et dans quelles conditions on ne peut pas l'utiliser ?
51:10C'est un peu comme un marteau,
51:11un marteau,
51:12on ne va pas utiliser beaucoup de clous
51:14sur une plâtre,
51:16ou sur un mur, etc.
51:19Donc il y a des conditions d'utilisation
51:21qui sont importantes.
51:22Et les recherches sont en cours
51:24pour savoir comment on pourrait l'utiliser
51:27sans qu'il y ait de manière optimale.
51:33Merci à vous.
51:34Merci beaucoup.
Écris le tout premier commentaire