La boucle Délégation-Diligence

Cette leçon montre comment enseigner la boucle Délégation-Diligence comme un cadre de conception responsable et de décision : non plus « comment utiliser l’IA ? » mais « comment prendre de bonnes décisions à propos de l’IA ? ». Vous y verrez la relation à double sens entre les deux compétences, des guides pas à pas pour chaque direction, et une manière d’enseigner par scénarios ; l’exercice vous fait construire la leçon correspondante pour votre discipline.

Au-delà de « comment utiliser l’IA »

Avec la boucle Description-Discernement, cette boucle est la façon la plus puissante d’appliquer l’AI Fluency en pratique. Si vous enseignez le cadre de manière séquentielle, c’est ici que les choses deviennent intéressantes : on commence à voir comment les pièces se relient, et pas seulement comment elles se suivent. La boucle Délégation-Diligence oblige à penser au-delà de l’interaction immédiate : cette tâche relève-t-elle d’une collaboration humain-IA, d’une automatisation, ou doit-elle rester humaine ? Si j’utilise l’IA, quels systèmes s’alignent sur mes valeurs et mes besoins ? Comment garantir que ma collaboration est à la fois réussie et responsable ? Ce ne sont pas des questions théoriques : vos étudiants les rencontreront chaque fois qu’ils envisageront l’IA pour un travail scolaire, un projet créatif, puis dans leur carrière.

Six sous-composantes, une seule conversation

Délégation et Diligence ont chacune trois sous-composantes, et c’est ici qu’elles entrent en interaction. En Délégation, les étudiants apprennent à reconnaître ce qu’ils cherchent à accomplir (conscience du problème), à comprendre ce que les différents outils savent faire (conscience de la plateforme), et à choisir qui fait quoi (répartition des tâches). En Diligence, ils considèrent l’éthique pendant la collaboration (diligence de création), visent une transparence appropriée sur le rôle de l’IA (diligence de transparence), et assument les résultats et le produit final (diligence de déploiement). Le déclic vient quand ils réalisent que ce ne sont pas deux listes séparées, mais une seule conversation : la collaboration efficace ne tient pas seulement à ce que nous pouvons faire, mais à ce que nous devrions faire compte tenu du contexte, des contraintes et des conséquences. L’IA cesse alors d’être un instrument pour devenir un partenaire intégré avec réflexion.

La boucle dans les deux sens

Les étudiants veulent voir des connexions, pas des cases à cocher. Suivons le flux de la Délégation vers la Diligence. Un étudiant définit son objectif, une note de politique sur la vie privée numérique : conscience du problème. Il compare les systèmes disponibles pour l’analyse de données et l’aide à la rédaction : conscience de la plateforme. Il décide de collaborer avec l’IA sur la synthèse initiale de la recherche, mais de se réserver les recommandations : répartition des tâches. Ces décisions soulèvent aussitôt des questions de Diligence : peut-il partager les informations sur les parties prenantes avec le système choisi (création) ? comment reconnaître le rôle de l’IA pour préserver crédibilité et intégrité (transparence) ? quels contrôles garantissent l’exactitude des données (déploiement) ?

La boucle tourne tout aussi puissamment en sens inverse : les considérations de Diligence remodèlent souvent la Délégation. Un étudiant engagé dans un projet de quartier réalise qu’il a une responsabilité profonde de représenter fidèlement des voix (déploiement). Cette responsabilité clarifie son approche : l’IA peut aider à analyser les motifs des entretiens, mais c’est lui qui doit garder la main sur l’interprétation du récit. La responsabilité produit une meilleure délégation. De même, la transparence enrichit la collaboration au lieu de la limiter : l’étudiant qui s’engage à documenter en détail les contributions de l’IA découvre que cette clarté l’aide à déléguer plus efficacement ; il peut élargir sa collaboration avec confiance parce qu’il a posé des limites et des règles d’attribution claires. Aidez vos étudiants à comprendre que la responsabilité augmente l’autonomie et la créativité.

Enseigner par scénarios

Une bonne façon d’enseigner ces connexions est le scénario appliqué qui les rend visibles. Présentez un brief de projet et faites parcourir la boucle dans les deux directions. D’abord la Délégation : quel est l’objectif ? quelles plateformes pourraient convenir ? comment répartir les tâches ? Puis la Diligence : quelles questions éthiques apparaissent ? qui a besoin de transparence ? comment garantir l’exactitude ? Ensuite, inversez : partez d’une contrainte de Diligence, par exemple « l’établissement exige que tout usage de l’IA soit clairement signalé », et demandez comment elle remodèle la stratégie de délégation. Faites comparer les deux approches : laquelle a révélé ce que l’autre aurait manqué ?

Vous pouvez aussi entraîner le regard des étudiants à reconnaître quand leur travail Délégation-Diligence fonctionne. Quand les deux compétences se répondent bien, les étudiants développent des justifications claires de leurs choix : ils savent dire non seulement ce qu’ils font avec l’IA, mais pourquoi leur approche s’aligne sur leurs objectifs et leurs valeurs. Au lieu de vivre la Diligence comme une limite, ils découvrent que les frontières éthiques clarifient et renforcent leurs décisions de délégation : les contraintes deviennent des catalyseurs créatifs. Et ceux qui maîtrisent cette boucle élargissent leur collaboration avec l’IA en confiance, parce qu’ils ont établi des cadres de responsabilité clairs : ils savent de quoi ils répondent et disposent de systèmes pour garantir la qualité.

À vous de jouer

Exercice 1 : créer votre scénario de boucle (10 min). Reprenez la conversation de la leçon 1 et annoncez à votre partenaire IA que vous concevez une leçon centrée sur la boucle Délégation-Diligence. Créez ensemble un scénario ou un workflow réaliste de votre discipline, avec des détails précis qui permettront aux étudiants de réfléchir à la nature du travail, aux capacités et limites de l’humain et de l’IA, à l’éthique, à la transparence et à la responsabilité. Prévoyez des points de décision où ils devront arbitrer entre choix stratégiques et considérations éthiques, et la façon dont ils documenteront leur raisonnement.

Exercice 2 : structurer l’expérience d’apprentissage (20 min). Pour le flux aller (de la Délégation à la Diligence), créez une fiche ou un guide qui fait partir les étudiants de la conscience du problème et du choix de plateforme, des invites qui les aident à reconnaître quand leurs décisions de délégation soulèvent des questions éthiques, des points de contrôle sur la transparence et la responsabilité, et un moyen de documenter le lien entre choix stratégiques et implications éthiques. Pour le flux retour (de la Diligence à la Délégation), créez une variante où les étudiants partent de contraintes éthiques ou d’exigences de transparence, des activités qui montrent comment ces contraintes clarifient et améliorent la répartition des tâches, et des invites de réflexion qui font percevoir la responsabilité comme une force plutôt qu’une entrave. En option, demandez à l’IA de compiler scénario, activités et évaluation en un plan de cours complet : objectifs d’apprentissage centrés sur la pensée en boucle, notes de facilitation pas à pas, fiches et questions de réflexion pour les étudiants.

Sources officielles : The Delegation-Diligence loop (Claude Academy : vidéo, deux exercices) · La Délégation en détail et La Diligence en détail (notre cours de fondations)

Points clés à retenir

• La boucle Délégation-Diligence gère les décisions stratégiques et éthiques sur l’usage de l’IA : faut-il l’utiliser, avec quel système, sous quelle responsabilité.
• Délégation et Diligence s’informent mutuellement : la boucle tourne dans les deux sens.
• Enseigner par scénarios fait voir les connexions entre compétences au lieu de cases à cocher.
• Les étudiants qui maîtrisent la boucle savent justifier leurs choix et expliquer pourquoi leur approche s’aligne sur leurs objectifs et leurs valeurs.
• Responsabilité et transparence élargissent les possibilités créatives avec l’IA au lieu de les limiter.

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.