L'impact de l'IA sur votre discipline

Cette leçon prend du recul sur une question qui occupe tous les enseignants : comment l’IA change-t-elle ce que nous enseignons, et qu’y faire ? Elle examine l’impact, différent selon les disciplines, sur le programme, la pédagogie et l’évaluation, rappelle que votre expertise est le fondement de toute intégration réfléchie, et vous fait rédiger un document de position à partager avec vos collègues.

Amplifier, pas automatiser

L’AI Fluency ne consiste pas à automatiser votre expertise, mais à amplifier ce que nous savons et faisons le mieux, en augmentant nos capacités, nos connaissances, nos intuitions et notre jugement par un partenariat réfléchi. Notre savoir disciplinaire ne devient pas obsolète : il devient le socle d’accomplissements inédits. C’est le message à incarner, et à faire comprendre aux étudiants.

Pensez à ce que vos diplômés affronteront. Qu’est-ce qui sera automatisé ? Quelles tâches routinières de leur futur métier l’IA prendra-t-elle probablement en charge, et qu’est-ce que cela change à ce que nous enseignons aujourd’hui, et comment ? Où est le partenariat ? Où la collaboration humain-IA aura-t-elle le plus d’impact ? Ce sont des domaines prioritaires pour développer ensemble l’expertise disciplinaire et l’AI Fluency. Qui est aux commandes ? Quand l’IA travaille de façon autonome dans leur domaine, comment les étudiants la pilotent-ils et en restent-ils responsables, et comment les y préparer dès maintenant ?

L’IA crée des perturbations, positives et négatives, dans chaque discipline, à travers nos programmes, notre pédagogie et nos pratiques d’évaluation. Mais la perturbation n’est pas uniforme : votre programme peut rester stable pendant que vos évaluations se transforment, ou votre pédagogie évoluer pendant que le contenu fondamental demeure. Certaines perturbations sont des occasions à saisir, d’autres des problèmes à résoudre ; savoir lesquelles, c’est là qu’intervient votre expertise. Vous en avez trois. L’expertise disciplinaire : vous comprenez non seulement le contenu de votre domaine, mais ses valeurs, ses méthodes et ses façons de penser ; vous savez quelles compétences sont fondamentales et lesquelles périphériques, quels concepts débloquent les apprentissages futurs, et ce qui rend quelqu’un vraiment fluide dans votre discipline. L’expertise pédagogique : vous savez où les étudiants butent, où ils font des percées, où ils atteignent la maîtrise ; vous connaissez le parcours émotionnel de l’apprentissage de votre matière. L’expertise en évaluation : vous reconnaissez la compréhension authentique quand vous la voyez, et savez concevoir des évaluations qui révèlent un apprentissage profond, avec ou sans IA.

Programme, pédagogie, évaluation

Commençons par le programme. L’IA ne remplace pas le savoir disciplinaire, mais elle nous oblige à reconsidérer ce que nous enseignons, quand, comment et pourquoi. Que signifie la maîtrise d’un domaine dans un contexte d’IA ? Comment aider les étudiants à développer le jugement, la créativité et la compréhension personnelle nécessaires pour reconnaître quand l’IA produit un contenu de qualité ou leur est vraiment utile ? Les fondamentaux restent des fondamentaux, mais les étudiants demanderont pourquoi ils en ont besoin : pourquoi apprendre les méthodes de recherche si l’IA cherche pour moi, pourquoi étudier l’écriture si l’IA génère du texte ? Il nous faut des réponses convaincantes et propres à la discipline, qui relient l’apprentissage profond à une capacité accrue et aux objectifs des étudiants eux-mêmes. Avec vos collègues, évaluez en profondeur l’impact sur votre programme : ce que les systèmes d’IA peuvent automatiser dans votre discipline, quels concepts fondamentaux gagnent ou perdent en importance quand l’IA gère la routine, comment l’augmentation change et peut améliorer les bonnes pratiques, et comment aider les étudiants à diriger efficacement des agents d’IA.

L’IA transforme aussi la façon d’enseigner et d’apprendre. Tutorat personnalisé à grande échelle, simulations interactives, retour immédiat : ce dont nous rêvions il y a quelques années comme soutien à l’apprentissage devient soudain possible. Les applications éducatives fondées sur l’IA bousculent nos hypothèses sur la dynamique de classe, les devoirs et la nature même de la relation pédagogique. Mais toute amélioration par l’IA n’améliore pas l’apprentissage : certains systèmes aident vraiment à apprendre, d’autres ne font que court-circuiter. La clé est de savoir lesquels, dans votre contexte. Définissez donc, dans votre discipline, comment l’IA renforce ou diminue les différents types d’apprentissage ; avec vos pairs, cherchez comment les systèmes d’IA peuvent permettre l’apprentissage et l’enseignement, comment ils peuvent les inhiber, et pour les deux, quelles collaborations entre enseignants, étudiants et IA tirent le meilleur de son potentiel d’assistant pédagogique. Considérez l’IA comme un environnement interactif ou un partenaire d’activités d’apprentissage, et déterminez quelles approches pédagogiques exploitent au mieux ce potentiel pour votre pratique, et lesquelles doivent être activement évitées et découragées.

Le plus urgent, peut-être : l’IA remet en cause la façon de mesurer l’apprentissage. Quand les étudiants peuvent générer une dissertation en quelques secondes, qu’évaluons-nous réellement ? Comment créer des évaluations qui honorent la progression individuelle, la créativité et la résolution de problèmes ? Il faut penser à évaluer avec authenticité les démonstrations de compréhension assistées par l’IA comme celles sans IA, et en sortir, espérons-le, avec une idée plus claire des compétences qui font la maîtrise dans nos domaines, et une méthodologie de mesure plus riche, qui peut impliquer l’IA dans l’évaluation elle-même. C’est la perturbation la plus grande et la plus difficile que l’IA crée pour les enseignants, et votre expertise y est essentielle : identifiez ce à quoi ressemble une démonstration authentique d’apprentissage dans un travail assisté par l’IA, concevez des devoirs que les outils d’IA ne permettent pas de court-circuiter, cherchez s’il existe un autre type d’évaluation capable de démontrer une compréhension plus profonde encore quand les étudiants travaillent avec l’IA, valorisez le processus et la progression et pas seulement les produits, et déterminez où la collaboration avec l’IA renforce ou mine les objectifs d’apprentissage. Comment nous adapter au fait que les étudiants se tourneront vers l’IA quoi qu’il arrive, et pivoter vers l’évaluation de leur pensée critique et de leur travail avec l’IA plutôt que sans ? C’est plus facile à dire qu’à faire : parlez-en à vos étudiants, et travaillez avec vos collègues et votre institution à des stratégies d’évaluation adaptées à vos besoins.

Ce que l’humain apporte

Dans chaque discipline, les humains apportent des capacités irremplaçables : l’expertise du domaine, le contexte réel, le jugement dans les situations ambiguës et désordonnées, la résolution créative de problèmes, le raisonnement éthique, la construction de relations. Notre travail est de faire en sorte que l’IA amplifie ces capacités, et l’AI Fluency joue dans les deux sens : plus votre expertise est profonde, mieux vous identifiez des applications pertinentes de l’IA ; plus vous travaillez couramment avec l’IA, plus vous repoussez les frontières de votre discipline. Trois choses à garder en tête : l’IA perturbe l’avenir de nos étudiants et notre enseignement de façons à la fois enthousiasmantes et préoccupantes ; répondre efficacement demande de s’engager dans l’évaluation critique de la technologie, de développer l’AI Fluency par la pratique, et de construire avec ses collègues une stratégie intentionnelle pour son contexte ; et l’AI Fluency commence et finit avec votre expertise, qui vous place en bonne position pour conduire un changement bénéfique, pour votre institution et pour l’avenir de vos étudiants.

À vous de jouer

Les durées sont indicatives : prenez votre temps, l’important est que les conversations soient nourries.

Exercice 1 : explorer l’impact sur votre programme (10 min). Ouvrez une conversation avec Claude, ou poursuivez celle des leçons précédentes, en lui donnant le texte des vidéos du cours, votre contexte d’enseignement et disciplinaire, et en lui annonçant que vous rédigerez un document de position sur ces changements. Explorez quelles tâches routinières de votre domaine l’IA automatise déjà ou automatisera bientôt, comment ces automatisations changent l’importance des concepts fondamentaux, et construisez des réponses convaincantes et propres à la discipline à la question « pourquoi apprendre X si l’IA peut le faire ? ». Identifiez les compétences humaines qui deviennent encore plus cruciales, où la collaboration humain-IA ajouterait le plus de valeur, et les nouvelles compétences nécessaires pour travailler efficacement avec l’IA dans votre discipline.

Exercice 2 : examiner la transformation pédagogique (10 min). Explorez des façons précises dont l’IA pourrait permettre de meilleures expériences d’apprentissage, des possibilités qui semblaient impossibles avant (tutorat personnalisé, retour immédiat, simulations interactives), et distinguez où l’IA aide vraiment à apprendre et où elle rend seulement les choses plus faciles ou plus rapides ; voyez comment elle pourrait répondre à des difficultés persistantes de votre enseignement. Puis les risques et la rigueur : où l’IA pourrait court-circuiter l’apprentissage authentique, quelles approches pédagogiques éviter ou modifier, comment maintenir l’exigence quand l’IA peut faire bien des devoirs classiques, quelles expériences doivent rester centrées sur l’humain, et comment aider les étudiants à utiliser l’IA comme outil d’apprentissage plutôt que comme substitut.

Exercice 3 : repenser l’évaluation (10 min). Discutez de ce qui démontre une compréhension authentique quand les étudiants ont accès à l’IA, de la façon d’évaluer le processus, la progression et la pensée critique à côté des produits finaux, des nouvelles formes d’évaluation que l’IA rend possibles, et des moyens de valoriser créativité, jugement et synthèse. Puis l’intégrité : imaginez des évaluations impossibles à court-circuiter avec l’IA, explorez où la collaboration avec l’IA pourrait au contraire améliorer la démonstration de maîtrise, distinguez les usages appropriés et inappropriés dans votre domaine, et concevez des évaluations qui encouragent un usage responsable tout en démontrant la compréhension individuelle.

Exercice 4 : synthétiser votre position (10 min). Demandez à l’IA de vous aider à transformer la discussion en un document de position cohérent : votre perspective sur l’évolution du programme, la transformation pédagogique et l’innovation en évaluation ; des principes clairs sur la façon dont l’IA devrait et ne devrait pas être utilisée dans votre discipline ; des exemples précis et des justifications qui parleront à vos collègues.

Sources officielles : AI’s impact and your discipline (Claude Academy : vidéo, quatre exercices) · Appliquer votre expertise disciplinaire à l’AI Fluency (leçon suivante)

Points clés à retenir

• L’IA touche le programme, la pédagogie et l’évaluation différemment selon les disciplines.
• Vos expertises disciplinaire, pédagogique et évaluative sont le fondement d’une intégration pertinente de l’IA.
• Trois questions guident l’analyse : ce qui s’automatise, où le partenariat ajoute de la valeur, comment maintenir la responsabilité.
• Les schémas d’impact varient : certains pans se transforment pendant que d’autres restent stables.
• L’AI Fluency amplifie l’expertise disciplinaire, elle ne la remplace pas.

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.