Bienvenue et approches pour enseigner l'AI Fluency
Cette leçon s’adresse à ceux qui connaissent déjà le cadre AI Fluency et veulent le transmettre : enseignants, formateurs, concepteurs pédagogiques. Elle précise la double nature du cadre, annonce les trois questions qui organisent le cours, et présente quatre façons d’introduire les 4D auprès d’un groupe. Vous en sortez avec un document de contexte pédagogique et une première idée de l’approche qui convient à vos étudiants.
Mise à jour du 5 novembre 2026. Cette adaptation a été relue sur le cours officiel de Claude Academy : 7 leçons, environ quatre heures et demie avec les exercices, un quiz final de 12 questions (80 % pour réussir) et un badge. Le cours est issu du partenariat entre Anthropic et les professeurs Rick Dakan (Ringling College of Art and Design) et Joseph Feller (University College Cork), auteurs du cadre ; il répond aux questions nées du cours AI Fluency : cadre et fondations, qu’il recommande d’avoir suivi.
Un cadre à double nature
Si vous êtes ici, vous avez déjà travaillé avec le cadre AI Fluency, vous y avez peut-être trouvé une façon puissante de penser la collaboration avec l’IA, et vous vous demandez comment la partager avec vos étudiants ou vos collègues. Avant de plonger, assurons-nous de parler du même objet : le cadre opère à deux niveaux. D’abord, il décrit ce qui se passe réellement quand des personnes travaillent avec l’IA, les décisions, la communication, l’évaluation, la responsabilité ; il donne une carte du territoire. Ensuite, il guide vers de meilleures pratiques : il ne dit pas seulement ce que les gens font, mais ce qu’ils devraient faire pour travailler avec l’IA de manière efficace, performante, éthique et sûre. Cette double nature est décisive pour l’enseignement : vos étudiants doivent comprendre à la fois comment fonctionnent leurs interactions avec l’IA et comment les améliorer. Le cadre fournit un langage et une structure pour les deux.
Le cours s’organise autour de trois questions que tout enseignant se pose en introduisant l’AI Fluency. Comment présenter le cadre aux étudiants ? C’est la pédagogie, objet de cette leçon et des deux suivantes. Comment savoir s’ils l’ont compris ? C’est l’évaluation, leçons 4 et 5. Comment relier cela à ce que nous enseignons déjà ? C’est le programme, leçons 6 et 7.
Quatre portes d’entrée
Les auteurs ont trouvé utile de présenter le cadre selon quatre approches, qui ajoutent chacune de la richesse conceptuelle et du détail pour des groupes et des contextes différents.
La plus directe est l’approche linéaire : on traite le cadre comme un processus, de la Délégation à la Description, puis au Discernement et à la Diligence. Pour des étudiants qui apprennent à travailler avec l’IA, elle paraît naturelle, gérable et intuitive, proche de la façon dont vous avez sans doute découvert le cadre vous-même. Cette progression « en cascade » aide à construire un processus de base et à aborder les compétences l’une après l’autre : un devoir en quatre parties, par exemple, où la première porte sur la Délégation à travers la planification d’un projet, la deuxième développe la Description par des ateliers pratiques avec l’IA, la troisième construit le Discernement en évaluant ensemble des productions, et la quatrième aborde la Diligence par des discussions éthiques et des pratiques de transparence.
La deuxième approche, non linéaire, reconnaît que les 4D ne forment pas une séquence fixe mais un système interconnecté : on peut entrer n’importe où et circuler selon le besoin. Pour des étudiants plus expérimentés, elle restitue la complexité et la souplesse du réel. Parfois le Discernement conduit à une nouvelle décision de Délégation : l’étudiant qui évalue du code généré réalise que le système choisi ne convient pas à son paradigme de programmation et reconsidère son choix d’assistant. Parfois la Diligence façonne directement la Description : des exigences de confidentialité imposent de formuler ses prompts sans aucune donnée sensible. Parfois les difficultés de Description révèlent une lacune de Délégation : l’étudiant qui n’arrive pas à dire ce qu’il attend de l’IA découvre qu’il n’a pas défini ses propres objectifs. Cette approche se prête aux projets et à l’apprentissage par cas : on présente des situations réelles de collaboration et on laisse les étudiants découvrir quelles compétences sont nécessaires, et quand.
La troisième approche est ciblée : une seule compétence, en profondeur. Elle convient à un objectif précis, une discussion, une séance de développement de compétence. Un atelier entier sur la Description, avec des techniques concrètes pour ses trois sous-composantes ; un séminaire de discussion entièrement consacré à la Diligence ; ou trois séances sur le seul Discernement, l’une sur l’évaluation du contenu produit (discernement du produit), l’autre sur l’approche de résolution de l’IA (discernement du processus), la troisième sur son style de communication (discernement de la performance). Cette profondeur permet d’explorer techniques, cas limites et applications disciplinaires sans la charge cognitive des quatre D à la fois.
La quatrième approche, le cadre comme deux boucles imbriquées, est la plus riche conceptuellement. Une fois les bases acquises, elle aide les étudiants à penser plus finement l’interaction fluide avec l’IA. On découpe la collaboration humain-IA en deux espaces de décision. La boucle Délégation-Diligence traite la vue d’ensemble, stratégique et éthique : qu’est-ce que je cherche à faire ? comment répartir le travail entre l’IA et moi ? quels systèmes s’alignent sur mes valeurs ? comment garantir une collaboration responsable ? La boucle Description-Discernement traite les décisions du moment : comment communiquer ce besoin précis ? cette réponse est-elle à la hauteur ? comment affiner ? En pratique, les deux boucles s’informent constamment : les décisions stratégiques façonnent l’exécution, et les découvertes tactiques remodèlent la stratégie. Les leçons 2 et 3 leur sont consacrées.
Enseigner l’AI Fluency, c’est aider les étudiants à développer des valeurs, du jugement et des compétences pratiques, tout en cultivant une approche plus réfléchie de la collaboration humain-IA. Le cours reste volontairement souple : ses auteurs ne connaissent ni votre situation, ni votre discipline, ni vos contraintes, mais ils vous donnent de quoi adapter ces approches à votre contexte.
À vous de jouer
Exercice 1 : cartographier votre contexte d’enseignement (10 min). Ouvrez une conversation avec Claude ou tout autre assistant (rien dans ce cours n’impose un modèle ou un produit particulier). Donnez-lui d’abord de quoi savoir de quel cadre vous parlez : le résumé du cadre AI Fluency et, idéalement, le texte des vidéos de la leçon. Expliquez ensuite que vous êtes un enseignant qui prépare un cours sur le cadre, partagez l’essentiel de votre situation et de vos cours, décrivez vos étudiants (parcours, expérience de l’IA, motivations, sans données personnelles) et vos contraintes : temps de classe, accès à la technologie, politiques institutionnelles. Explorez avec l’IA ce qui rend votre contexte singulier, les forces et difficultés probables de vos étudiants face à la collaboration avec l’IA, ce à quoi ressemblerait leur réussite, et les ressources et soutiens dont vous disposez. Demandez enfin une synthèse structurée, relisez-la, et conservez ce document de contexte pédagogique : vous le réutiliserez pour ouvrir les conversations des leçons 2 et 3.
Exercice 2 : concevoir avec chaque approche (20 min). Poursuivez la conversation pour voir comment chaque approche fonctionnerait chez vous. Approche linéaire : esquissez avec l’IA un enseignement séquentiel des 4D, identifiez des activités par compétence et les transitions entre elles qui parleraient à vos étudiants, puis discutez des difficultés possibles de cette structure pour votre public. Approche non linéaire : identifiez quelques scénarios de votre discipline qui s’y prêtent, explorez par quel D entrer dans chacun et pourquoi, puis cartographiez les critères qui vous feraient passer d’une compétence à l’autre selon les objectifs et les contraintes des étudiants. Approche ciblée : identifiez le D qui apporterait le plus de valeur compte tenu de vos contraintes, planifiez l’exploration de ses trois sous-composantes, et concevez des activités qui l’abordent sous plusieurs angles. Les leçons fondées sur les boucles se conçoivent aux leçons 2 et 3.
Sources officielles : Welcome & approaches to teaching AI Fluency (Claude Academy : vidéo, deux exercices) · Teaching AI Fluency (page du cours) · AI Fluency pour les enseignants (notre cours sur l’IA dans votre propre pratique)
Points clés à retenir
- Le cadre AI Fluency est à la fois un modèle descriptif et un guide normatif de l’interaction avec l’IA : enseignez les deux versants.
- Quatre approches offrent des portes d’entrée différentes selon le contexte et les objectifs : linéaire, non linéaire, ciblée, deux boucles.
- L’approche linéaire convient aux débutants, qui ont besoin de structure et de progression.
- Les étudiants plus expérimentés gagnent aux approches non linéaire ou en boucles, qui reflètent la complexité réelle, ou à l’approche ciblée, qui apporte de la profondeur.
- Le choix se fait selon la maturité des étudiants, le temps disponible et les objectifs d’apprentissage.
Crédits et licence — Adaptation française du cours « Teaching AI Fluency » 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) à travers 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.