Rappel du cadre AI Fluency
Sur cette page
Cette leçon résume le cadre AI Fluency pour les enseignants qui ne l’ont pas encore étudié : la différence entre augmentation et automatisation, puis chacune des 4D et ses trois composantes, avec des exemples pris dans la préparation de cours. Si vous avez suivi AI Fluency : cadre et fondations et que ces notions vous sont familières, le cours officiel vous autorise à passer directement à la leçon 3.
Augmentation plutôt qu’automatisation
Le cadre des 4D repose sur une distinction que tout enseignant reconnaîtra d’instinct : celle entre l’augmentation, enrichir votre travail avec l’IA, et l’automatisation, laisser l’IA faire le travail à votre place. Un professeur qui automatise sa préparation obtient des cours qu’il n’a pas pensés et qu’il défendra mal devant ses élèves. Un professeur qui s’augmente garde la main sur chaque décision pédagogique, mais explore plus de pistes, plus vite, et avec un interlocuteur qui ne se lasse jamais de ses questions. Dans les contextes d’apprentissage, cette distinction n’est pas un détail de méthode : c’est ce qui sépare un usage de l’IA qui renforce le métier d’un usage qui le vide.
La Délégation : décider quoi confier
La Délégation commence bien avant d’ouvrir Claude : au moment où vous décidez ce que vous confiez à l’IA et ce que vous gardez. Elle repose d’abord sur la conscience du problème, la compréhension de vos objectifs et de la nature du travail. Un enseignant qui prépare une séquence sur la Révolution française doit savoir ce qu’il veut obtenir, un plan de séance, des exercices différenciés, une évaluation, avant de pouvoir déléguer quoi que ce soit ; sans objectif clair, l’IA produira quelque chose de plausible et d’inutilisable. Vient ensuite la conscience de la plateforme : connaître les capacités et les limites des systèmes d’IA. Savoir qu’un modèle excelle à reformuler un texte à trois niveaux de difficulté mais peut se tromper sur une date précise change complètement ce que vous lui confiez les yeux fermés et ce que vous vérifiez systématiquement. La troisième composante, la répartition des tâches, consiste à partager le travail entre vous et l’IA de manière réfléchie : à l’IA le premier jet du quiz, à vous le choix des notions évaluées et la validation finale de chaque question.
La Description : dire ce que vous voulez, et comment
La Description est l’art de communiquer efficacement avec l’IA, sur trois registres. La description du produit définit ce que vous voulez : le format, le style, le contenu. « Un guide de révision d’une page, avec des questions ouvertes, pour des étudiants de première année qui découvrent la comptabilité » produit un tout autre résultat que « fais-moi un guide de révision ». La description du processus guide la manière dont l’IA aborde la tâche : lui demander de commencer par lister les erreurs fréquentes des débutants avant de rédiger les questions, exactement comme vous cadreriez la démarche d’un stagiaire. La description de la performance précise le comportement attendu pendant l’échange : voulez-vous des options ou une décision ? Des questions avant de produire ? Le rôle critique d’un collègue exigeant ? Ces réglages se demandent explicitement, et ils changent la nature de la collaboration.
Le Discernement : évaluer avec votre expertise
Le Discernement est le miroir de la Description : votre capacité à évaluer ce que l’IA produit, aux trois mêmes niveaux. Le discernement du produit juge la qualité de la production, exactitude et pertinence : cette fiche d’exercices est-elle juste, et convient-elle vraiment à mes élèves ? Le discernement du processus analyse comment l’IA est arrivée à son résultat : si elle a construit votre barème sur un critère que vous n’utilisez jamais, le problème est en amont du texte final. Le discernement de la performance juge le comportement de l’IA dans la collaboration : était-elle trop complaisante, validant chacune de vos idées sans jamais les questionner ? C’est ici que votre expertise d’enseignant est irremplaçable : personne d’autre ne peut dire si une activité fonctionnera un vendredi de fin de trimestre avec votre classe.
La Diligence : rester responsable
La Diligence couvre la dimension éthique et la responsabilité, à travers trois engagements. La diligence de création consiste à choisir les bons outils et à protéger les données sensibles : on ne colle pas les copies nominatives de ses élèves dans un système d’IA sans réfléchir à ce que cela implique, ni au cadre de son établissement. La diligence de transparence demande d’être honnête sur le rôle de l’IA, vis-à-vis de vos étudiants, de vos collègues, de votre institution : si un support a été co-construit avec une IA, l’assumer ouvertement est aussi un acte pédagogique. La diligence de déploiement rappelle que vous vérifiez et assumez la responsabilité des résultats : ce qui sort de la classe sous votre nom est votre travail, quel que soit l’outil qui vous a aidé à le produire.
La boucle Description-Discernement
Ces compétences ne fonctionnent pas en silo. Description et Discernement, en particulier, forment une boucle d’amélioration continue qui transforme l’IA d’un simple outil en un partenaire de réflexion : vous décrivez ce que vous voulez, vous évaluez ce que vous recevez, vous expliquez pourquoi cela convient ou non, vous affinez votre demande, et le résultat s’améliore à chaque itération. C’est cette boucle que vous pratiquerez concrètement dans les deux prochaines leçons.
À vous de jouer
Dix minutes, sur le document de contexte de la leçon 1.
- Prenez une tâche de préparation que vous faites chaque semaine (une fiche d’exercices, un corrigé, une consigne de devoir). Écrivez en une ligne ce que vous lui confieriez à l’IA, ce que vous feriez ensemble, et ce que vous garderiez : c’est votre Délégation.
- Rédigez la demande sur les trois registres : produit (format, public, longueur), processus (par quoi commencer), performance (questions d’abord, ou propositions ?).
- Soumettez-la à Claude avec votre document de contexte, puis évaluez la réponse sur les trois registres du Discernement. Notez une phrase par registre : c’est l’exercice que vous referez à grande échelle aux leçons 3 et 4.
Sources officielles : AI Fluency Framework review (Claude Academy) · AI Fluency: Framework & Foundations (Anthropic)
Points clés à retenir
- Les 4D fonctionnent ensemble ; aucune ne suffit seule.
- En éducation, l’augmentation (travailler avec l’IA) est plus puissante que l’automatisation (laisser faire l’IA).
- Chaque D a trois composantes qui couvrent des aspects différents de l’interaction.
- La boucle Description-Discernement transforme l’outil en partenaire de réflexion.
- Ces compétences restent valables quelle que soit l’évolution des outils.
Crédits et licence — Adaptation française du cours « AI Fluency for Educators » de l’Anthropic Academy, créé par Anthropic avec Rick Dakan (Ringling College of Art and Design) et Joseph Feller (University College Cork), auteurs du cadre AI Fluency, avec le soutien de la Higher Education Authority (Irlande) via le National Forum for the Enhancement of Teaching and Learning. Les supports d’origine sont © 2025 Rick Dakan, Joseph Feller et Anthropic, publiés sous licence CC BY-NC-SA 4.0 ; cette adaptation, qui les traduit et les remanie, est diffusée sous la même licence.