Innovation Pédagogique et transition

Retour sur les journées de la pédagogie 2026

Laurent — 2026-06-06T08:11:38Z

Deux journées, deux campus, une même question : comment apprendre et enseigner à l'heure de l'IA générative ? Retrouvez ici les replays, les supports, les ressources et les photos de l'événement.

Retour sur les journées de la Pédagogie 2026 — Récapitulatif

— Le déroulé & les vidéos —

Programme & replays

Mercredi 3 juin Lorient · Le Paquebot — Amphi Cheval marin

À venir

Conférence & atelier

IA générative et évaluation

Colin de la Higuera · Mélanie Pauly Harquevaux · Heléna Stakounis Université de Nantes — Chaire UNESCO RELIA

9h30

Supports & liens

Diaporama conférence Support atelier éthique Chaire UNESCO RELIA

À venir

—>

À venir

Retours d'expériences

« Enseignement et IAG »

Florence Lescoffit (Enseignante UBS – SSI) · Renan Levaillant (Enseignant & Ingénieur de recherche – ENSIBS)

Université Bretagne Sud

13h30

Supports & liens

Support des retours d'expériences Ressource complémentaire

À venir

Table ronde

Apprendre et enseigner : où en est-on ? où va-t-on ?

Catherine Kerbrat-Ruellan · Gilles Pinte · Julien Savary · Alicia Mâzouz · Martin Laigneau

14h30

Supports & liens

Synthèse de la table ronde Ressource complémentaire

Jeudi 4 juin Vannes · Bâtiment Simone Veil — Amphi A101

À venir

Conférence & atelier

Motiver et engager ses étudiants — la classe renversée

Jean-Charles Cailliez Université Catholique de Lille

10h00 (conférence) · 13h30 (atelier collaboratif)

Supports & liens

Diaporama « classe renversée » Scénarios pédagogiques (atelier) Chaîne YouTube JC2

Webinaire – prolongez les échanges des Journées de la pédagogie.

“Mais qu'est-ce qui les motive ?”

Co-animé par Jean-Charles Caillez et Mylène Nieuwjaer, le jeudi 11 juin à 18h à distance et accessible à tous.

Participer au webinaire →

— Pour aller plus loin —

Ressources & liens utiles

Chaire UNESCO RELIARessources éducatives libres & IA — Université de Nantes Blog « De la créativité à l'innovation »Jean-Charles Cailliez · EducPros Chaîne YouTube JC2Jean-Charles Cailliez Site « Fenêtre sur cours (de droit) »Alicia Mâzouz Chaîne YouTube « Transmettre le droit »Pédagogie & médias · A. Mâzouz Service Universitaire de PédagogieUBS — accompagnement & formation

— En images —

La galerie photos

Mercredi 3 juin – Lorient

Jeudi 4 juin – Vannes

Les pédagogies actives au-delà du label

Rochane Kherbouche — 2026-05-04T14:06:52Z

Une belle séance bien reçue n'est pas forcément une séance où l'on apprend. J'ai mis du temps à comprendre la différence. Les méta-analyses d'Hattie la confirment : le facteur décisif se joue du côté du retour qui remonte vers l'apprenant·e, pas du côté du discours qui descend vers lui.

Une scène que je croise souvent sur les réseaux sociaux.

Une personne qui forme partage une photo de sa séance. On voit la salle de dos, les apprenant·e·s penché·e·s sur leurs cahiers, parfois une main levée. Le texte qui accompagne la photo dit à peu près ceci :

Quelle belle journée aujourd'hui avec mes stagiaires, ils étaient à fond, on a parlé de X pendant trois heures, je les ai vus accrochés du début à la fin, hâte de les retrouver demain.

Les commentaires suivent. Bravo, inspirant, quelle énergie, tu es une super pédagogue.

La scène est sincère. La personne qui anime a vraiment senti la salle suivre. Les apprenant·e·s ont vraiment écouté. Il reste juste un malentendu sur ce qu'est enseigner ou former.

Quinze jours plus tard, quand on évalue ce qui a été retenu, les résultats sont souvent plats. Les concepts qu'on jugeait acquis sont flous. Les cas qu'on pensait maîtrisés sont appliqués de travers. L'écoute attentive avait été prise pour de l'apprentissage. Ce sont deux phénomènes différents.

Je connais bien ce malentendu. J'ai été dedans.

Ma propre erreur, reproduite dans l'ordre

Enfant, adolescent, étudiant, j'ai surtout connu le professeur qui parle et l'élève qui prend des notes. J'étais mauvais récepteur. Je pensais que le problème venait des profs. S'ils avaient été plus vivants, plus drôles, plus expressifs, j'aurais mieux retenu. C'était ma première erreur. Je cherchais du côté de celui qui émet ce qui se jouait en réalité du côté de celui qui reçoit.

Devenu jeune prof de mathématiques, sans master d'ingénierie pédagogique encore en poche, j'ai reproduit l'erreur en miroir. J'étais expressif. Je faisais le clown. J'expliquais les principes par des métaphores et des blagues. Quand mes élèves riaient, je concluais qu'ils comprenaient. Je performais ma bonne pédagogie. Je ne la pratiquais pas.

C'est le piège Dunning-Kruger [1]. Plus on ignore qu'on ignore, plus on se croit compétent. Mes élèves, eux, attendaient qu'on leur laisse faire quelque chose. Refaire une démonstration sur leur cahier, essayer un cas particulier, se tromper, demander à leur voisin. Une blague de plus ne leur servait à rien. Ce qu'ils cherchaient, c'était l'occasion de tenter leur propre pensée sur les objets mathématiques qu'on leur donnait.

Le master a servi à nommer ce que je ne voyais pas. Je ne savais pas que je ne savais pas.

Le problème ne se règle pas en parlant mieux

La méta-analyse de John Hattie [2], qui agrège plus de 1 400 études sur ce qui fonctionne en apprentissage, place le feedback parmi les dix premiers leviers documentés avec une taille d'effet de 0,73. Le seuil d'efficacité moyen d'une intervention pédagogique est à 0,40. Le feedback est donc presque deux fois plus puissant que ce qu'on devrait raisonnablement attendre d'une action pédagogique. Une méta-analyse plus récente, menée par Wisniewski, Zierer et Hattie lui-même en 2020 [3], revoit ce chiffre à 0,48. Le feedback reste largement au-dessus de la moyenne.

Ce que ce chiffre dit, c'est que le facteur décisif se joue du côté du retour qui remonte vers l'apprenant·e. Le discours qui descend vers lui pèse moins. La personne qui forme et qui parle beaucoup répond parfois à des questions que ses apprenant·e·s ne se sont pas posées. Elle distribue des réponses préventives sur une salle qui n'a pas encore rencontré les problèmes correspondants. L'apprenant·e n'est pas encore en travail, on lui sert déjà la correction.

Il n'y a pas une pédagogie, il y en a plusieurs

L'expression "pédagogie active" est presque un pléonasme. Il n'existe pas de pédagogie passive. Quand un apprenant n'est pas actif, aucun apprentissage ne se produit, quel que soit le talent oratoire de la personne qui enseigne. L'expression reste utile pour rappeler une évidence que le modèle transmissif a passé un siècle à faire oublier.

Ce qu'il faut tenir, c'est le pluriel. Les pédagogies actives sont nombreuses et ne se parlent pas toujours entre elles.

Freinet : imprimerie, correspondance scolaire, tâtonnement expérimental, texte libre, journal de classe, conseil coopératif.
Montessori : matériel sensoriel calibré, choix de l'enfant, environnement préparé, auto-correction, respect du rythme individuel.
Classe inversée : contenu en amont, temps présentiel dédié à l'accompagnement et à l'interaction.
Pédagogie par projet : problème ouvert, production d'un livrable, apprentissage par essais et erreurs.
Apprentissage par problèmes : confrontation à un cas complexe avant les outils, apprentissage orienté par le manque.

Ces courants ont des fondateurs, des institutions, des matériels, parfois des rivalités. Ils ne sont pas interchangeables. Le pluriel reconnaît cette variété, le singulier la gomme.

Ce que font concrètement les pédagogies actives

L'apprenant·e produit pour mettre ses idées à l'épreuve d'un résultat : texte, carte, diagnostic, maquette, démonstration orale, schéma, code fonctionnel. Le livrable force la restructuration cognitive.

Les apprenant·e·s interagissent. L'apprentissage se joue dans la zone proximale de développement [4], entre ce qu'on sait faire seul et ce qu'on peut faire avec aide.

Les rythmes alternent. On travaille seul pour rencontrer la difficulté, puis en groupe pour créer du conflit socio-cognitif. On alterne le synchrone, pour l'interaction directe, et l'asynchrone, pour laisser maturer.

Les personnes qui forment donnent du feedback. Des retours individualisés, rapides, qui permettent d'ajuster avant que l'erreur ne se fixe.

Une vigilance qu'on ne peut pas contourner

Bourdieu et Passeron [5] ont montré que les pédagogies libérales favorisent souvent les apprenant·e·s déjà dotés de capital culturel. Les pédagogies actives ne sont pas automatiquement émancipatrices.

Elles le deviennent à condition d'anticiper les difficultés et de construire des étayages. Sinon, elles reproduisent les inégalités qu'elles prétendent corriger.

Un dispositif actif mal conçu peut exclure davantage qu'un cours magistral.

Retour à la scène du début

La personne satisfaite de sa séance n'a pas tort. Elle a créé un lien, tenu un groupe, produit une expérience positive.

Mais le critère d'évaluation est ailleurs.

L'attention reçue ne suffit pas. L'énergie déployée non plus. Le nombre de réactions encore moins.

Le critère réel, c'est ce que les apprenant·e·s produisent pendant la séance, et ce qu'ils retiennent et réutilisent quinze jours plus tard.

Je continue à apprendre ce métier. Le jour où j'ai le plus appris sur la pédagogie est celui où j'ai compris que je devenais plus utile en me taisant.

[1] David Dunning et Justin Kruger, "Unskilled and Unaware of It", Journal of Personality and Social Psychology, 1999.

[2] John Hattie, Visible Learning : A Synthesis of Over 800 Meta-Analyses Relating to Achievement, Routledge, 2009.

[3] Benedikt Wisniewski, Klaus Zierer et John Hattie, "The Power of Feedback Revisited : A Meta-Analysis of Educational Feedback Research", Frontiers in Psychology, 2020.

[4] Lev Vygotski, Pensée et langage, 1934 (trad. française, La Dispute, 1997).

[5] Pierre Bourdieu et Jean-Claude Passeron, La Reproduction. Éléments pour une théorie du système d'enseignement, Éditions de Minuit, 1970.

Cinq questions que les formatrices et formateurs n'osent pas se poser sur l'évaluation à l'ère de l'IA

Rochane Kherbouche — 2026-03-14T11:43:28Z

80 % des professionnelles et professionnels de la formation utilisent l'expression « évaluer le processus » sans pouvoir décrire ce qu'ils regarderaient concrètement dans une copie. Ce vide révèle cinq questions que notre profession évite de formuler clairement.

Bruxelles, février 2024. Je forme des enseignantes de l'École Européenne à l'intégration de l'IA. J'expose la nécessité de « noter le processus plutôt que le résultat ». Une formatrice en langues m'interrompt : « Tu as un exemple concret qui ne me prend pas trois heures de correction par copie ? » Je cherche. Je ne trouve pas. J'ai le concept. Pas le mode d'emploi.
Cette question m'a suivi pendant des mois. En interrogeant des dizaines de praticiennes et praticiens francophones, en confrontant mes certitudes aux données terrain, j'ai compris que ce malaise n'était pas isolé. Il révèle cinq questions que notre profession évite de formuler clairement.

1. Le mantra du processus, vidé de sa substance

« Évaluer le processus » est devenu le mantra des formations à l'IA. J'ai interrogé 48 professionnelles et professionnels de la formation francophone. Résultat : 80 % utilisent cette expression sans pouvoir décrire ce qu'ils ou elles regarderaient concrètement dans une copie. Le mot circule. La pratique reste absente.
La confusion est plus profonde qu'un manque de méthode. Beaucoup pensent que documenter le processus revient à évaluer la maîtrise technique de l'IA, savoir prompter, connaître les outils. Cette lecture passe à côté. Ce qui doit être évalué, c'est le discernement disciplinaire à travers les traces d'interaction. Une étudiante en droit qui rejette une suggestion juridiquement incorrecte de ChatGPT démontre sa compétence juridique, pas sa compétence IA. La nuance paraît subtile. Elle change tout.

2. Le double ancrage, ou qui peut évaluer quoi

Christiane Caneva, de l'Université de Fribourg, a formalisé ce qu'elle nomme le paradoxe du double ancrage [1]. Pour utiliser l'IA de manière critique dans un domaine, il faut simultanément maîtriser ce domaine et posséder une littératie IA solide. Les étudiantes et étudiants ont la littératie sans l'expertise disciplinaire. Les enseignantes et enseignants ont l'expertise sans la littératie. Les deux populations sont mal équipées, mais pour des raisons inverses.
Ce déséquilibre produit des situations concrètes. Des étudiantes et étudiants utilisent l'IA pour accomplir des tâches dans des domaines qu'ils et elles ne maîtrisent pas encore : ils et elles ne peuvent pas évaluer la pertinence des réponses obtenues. Des enseignantes et enseignants tentent de détecter des usages qu'ils et elles ne comprennent pas techniquement : ils et elles se fient à des indices de surface qui ne prouvent rien. Qui évalue qui, dans ces conditions ?

3. L'illusion de la détection

Les données sur la détection humaine sont moins rassurantes qu'on ne le croit. Une étude récente montre que des expertes et experts, spécialistes du contenu ou de l'analyse textuelle, identifient correctement les textes générés par IA dans 70 % des cas [2]. Près d'un tiers des productions assistées passent donc inaperçues, et la familiarité avec le sujet n'améliore pas le score.
L'explication tient aux biais cognitifs mobilisés. Les évaluatrices et évaluateurs se fient au vocabulaire soutenu, à l'absence de fautes, à la structuration argumentative. Ce sont précisément les dimensions que l'IA maîtrise le mieux. Les incohérences conceptuelles subtiles, les raisonnements circulaires, les références factuelles erronées, tout ce qui trahit une production algorithmique échappe à la lecture rapide. L'expertise pédagogique ne suffit pas. Elle peut même induire une fausse confiance.

4. La fiction collective de l'évaluation isolée

Si les compétences professionnelles réelles incluent désormais la capacité à mobiliser des assistants IA pour accélérer certaines tâches, pourquoi continuer à évaluer ces mêmes tâches dans des conditions artificielles d'isolement ? L'enquête HEPI 2025 documente un usage massif : 88 % des étudiantes et étudiants britanniques utilisent l'IA générative pour leurs travaux académiques [3]. La plupart le font sans en informer leurs enseignantes et enseignants.
Le décalage entre les pratiques réelles et les conditions d'évaluation crée une fiction collective. On interdit en examen ce qu'on encouragera au travail. On évalue des compétences que personne n'exercera plus sans assistance algorithmique. L'alignement pédagogique, cette cohérence entre objectifs, activités et évaluation, est rompu.

5. La complexité apparente, dernier refuge neutralisé

L'évaluation authentique, telle que définie par Wiggins dans les années 1990, reposait sur la complexité des tâches : mobiliser plusieurs compétences, articuler des savoirs hétérogènes, produire dans des contextes réalistes. Ce critère ne tient plus de la même façon. L'IA combine des informations issues de domaines différents, articule des concepts, produit des structures argumentatives sophistiquées. Elle le fait sans comprendre.
Ce qui résiste encore, c'est autre chose. L'arbitrage entre des critères contradictoires. La prise en compte d'éléments tacites acquis par l'expérience. Le choix entre des approches méthodologiques qui s'affrontent. L'IA propose des connexions plausibles en surface. Seule l'expertise disciplinaire filtre celles qui tiennent en profondeur. Ce n'est plus la complexité de la tâche qui distingue l'humaine ou l'humain de la machine. C'est la qualité d'un jugement face à un choix que personne n'a encore tranché.

Ces cinq questions ne sont pas des problèmes à régler par des ajustements techniques. Elles signalent une inadéquation entre les formes héritées de l'évaluation et les exigences d'une formation confrontée à la transformation numérique du travail. Les réponses existent. Elles supposent de reformuler les questions.

Ces réflexions sont tirées d'un manuscrit en préparation dont la sortie est prévue pour Mai 2026.

[1] Caneva, C. (2025). Évaluer à l'ère de l'IA : le paradoxe du double ancrage. Médiations et médiatisations, 22. https://doi.org/10.52358/mm.vi22.495

[2] Doru, B. et al. (2025). Detecting Artificial Intelligence-Generated Versus Human-Written Medical Student Essays. JMIR Medical Education, 11, e62779. https://doi.org/10.2196/62779

[3] HEPI (2025). Students and Generative AI : New Evidence on Usage, Attitudes and Concerns.

Le Mur de l'IA : un dispositif simple pour faire émerger l'intelligence collective

Sylvain Bedouet Lallour — 2026-02-13T10:23:23Z

Lors de la journée de conférences « Que faire de bien avec l'IA ? », un dispositif d'animation contributif a particulièrement mobilisé les participants : le Mur de l'IA. Ce format de recueil d'avis est largement inspiré du modèle proposé par caféIA – une démarche nationale d'intérêt public initiée en 2024 par le Conseil national du numérique. Au-delà du thème abordé ce jour-là, ce mur a surtout montré la puissance d'un outil d'intelligence collective simple, visuel et facilement réplicable, capable de structurer des échanges et de faire émerger des points de vue partagés.

Pensé comme un support d'animation, le Mur de l'IA s'adresse à tous les publics et s'adapte à de nombreux contextes pédagogiques, institutionnels ou événementiels.

Un cadre d'animation clair, engageant et accessible

Le principe du Mur de l'IA repose sur un cadre volontairement simple. Des affiches sont disposées sur un mur ou des panneaux, chacune correspondant à une question. Les participants sont invités à se positionner en collant des gommettes, de manière libre et anonyme. Cette action physique, rapide et ludique facilite l'engagement, y compris de publics peu enclins à prendre la parole.

Ce format présente plusieurs avantages pédagogiques : il favorise la participation du plus grand nombre, rend les tendances immédiatement visibles et crée un support concret pour engager la discussion. Le Mur peut être utilisé en introduction pour lancer un débat, en cours de séance pour recueillir des positions, ou en conclusion pour synthétiser un travail collectif.

Une synthèse pour prolonger la réflexion collective

infographie de synthèse Télécharger

Un outil clé en main… et désormais mutualisable

Fort de cette expérience, le matériel du Mur de l'IA est désormais disponible en prêt. Il comprend notamment les supports d'affichage, les gommettes et les éléments nécessaires à une mise en place rapide. Au-delà du matériel, un accompagnement à l'animation peut également être proposé : conseils de préparation, formulation des questions, posture de l'animateur, gestion du temps et valorisation des productions.

Quelques recommandations clés se dégagent pour une animation réussie : limiter le nombre de questions, privilégier des formulations ouvertes avec des propositions de réponses, prévoir des espaces d'expression plus libres (avec Post-it et crayons) pour nuancer les réponses, laisser du temps à l'observation et aux échanges informels, et prévoir un temps de restitution ou de synthèse. Le Mur gagne à être animé comme un espace vivant, évolutif et non comme un simple outil de sondage.

Vous souhaitez organiser un Mur de l'IA ? Vous pouvez emprunter les 10 affiches format A0 auprès du Service Universitaire de la Pédagogie. Il suffit de nous adresser votre demande par mail : sup[arobase]univ-ubs.fr

Adapter le dispositif à d'autres thématiques

Si le Mur a été mobilisé autour de l'IA, son principe est totalement transposable. Il peut devenir un Mur de la pédagogie pour interroger les pratiques d'enseignement, un Mur de la réussite étudiante, un Mur de l'évaluation, un Mur de l'inclusion, ou encore un Mur du bien-être à l'université.

Un levier pour animer, écouter et co-construire

Le Mur s'impose ainsi comme un véritable outil d'animation pédagogique et d'intelligence collective, permettant de recueillir des positions, de susciter des échanges et de nourrir une réflexion partagée. Facile à mettre en œuvre, adaptable et peu coûteux, il constitue un levier pertinent pour celles et ceux qui souhaitent dynamiser leurs temps collectifs.

En valorisant le Mur comme dispositif, l'UBS se dote d'un outil concret pour écouter sa communauté, faire émerger des idées et co-construire des actions, quels que soient les sujets abordés.

PédagoBoost #5 : Innover dans l'évaluation des étudiants

Sylvain Bedouet Lallour — 2026-02-04T09:53:35Z

Le Service Universitaire de Pédagogie a organisé, le jeudi 29 janvier, la cinquième édition de PédagoBoost, un atelier dédié à l'échange et à la production collective autour des pratiques pédagogiques.

Évaluer autrement : l'exemple de l'Escape Game

Lors de cette session, une quinzaine d'enseignants de disciplines variées se sont réunis autour de Kristell Cahic, professeure d'anglais à la Faculté des Sciences et Sciences de l'Ingénieur de Lorient. Elle a partagé son retour d'expérience sur une méthode originale d'évaluation des acquis : la création d'un escape game par les étudiants.
Les échanges ont permis d'aborder plusieurs enjeux clés : l'engagement des étudiants, les critères d'évaluation, les résultats obtenus ou encore la plus-value pédagogique pour l'enseignant.

Un temps d'échanges pour nourrir la réflexion collective

L'atelier a donné lieu à la production d'un document commun, conçu non pas pour apporter des réponses toutes faites, mais pour susciter des questionnements et inspirer de nouvelles pratiques.
En une heure, les participants ont pu se rencontrer, échanger et construire ensemble des pistes de réflexion.

Les enseignants présents dans la salle PIC de l'IUT de Lorient

Retrouvez le document produit par les enseignants présents pendant l'atelier.

Vous êtes enseignant à l'UBS ?

Rejoignez l'équipe Teams PédagoBoost pour prolonger les échanges et partager vos expériences en envoyant une demande à sup[at]univ-ubs.fr

Crédits photographiques : © Université Bretagne Sud. Service Universitaire de Pédagogie

PédagoBoost #4 : Les usages de l'IA en Licence Professionnelle, des étudiants utilisent l'IA pour apprendre et mieux préparer leur avenir professionnel

Sylvain Bedouet Lallour — 2025-12-10T14:34:27Z

Le Service Universitaire de Pédagogie a mis en place pour la quatrième fois PédagoBoost, un atelier d'échanges et de production commune.

Le thème : les IA génératives professionnelles en cours

Pendant une heure, une quinzaine d'enseignants de tous horizons se sont réunis jeudi 27 novembre autour de Gilles Bedoux,professeur des Universités au Laboratoire de Biotechnologie et Chimie Marines (LBCM) à la Faculté des Sciences et Sciences de l'Ingénieur à Vannes, spécialité : chimie analytique. Celui-ci a relaté son utilisation de trois IA génératives dans le cadre de travaux pratiques avec ses étudiants de « développement des produits cosmétiques et de santé ». Il s'agit de Me Now, GoodFaceProject et de Consensus.

Des pistes à explorer

Durant le débat entre les enseignants, des questions ont émergé, parmi lesquelles :

Comment évaluer l'étudiant ?
Quelle est la part réelle du travail des étudiants ?
L'utilisation de l'IAg est-elle équitable (entre les étudiants qui peuvent se payer un abonnement premium et les autres qui ne le peuvent pas) ?
Comment gérer la fuite de données sensibles (données de recherches notamment) ?

Et vous, utiliseriez-vous une Intelligence Artificielle en cours ?

La méthode utilisée

Un document relevant les interrogations a été élaboré par les enseignants de l'UBS présents. Ce document n'a pas vocation à donner des réponses mais plutôt à susciter des envies, initier des questionnements.

En une heure d'atelier, les participants ont pu :

rencontrer les autres enseignants de différentes composantes ;
échanger entre eux ;
produire un document commun.

Retrouvez le document produit par les enseignants présents pendant l'atelier.

Vous êtes enseignant à l'UBS ?

Nous proposons aux enseignants volontaires de rejoindre l'équipe Teams PédagoBoost afin de continuer les échanges. Vous n'avez pas pu participer, vous voulez trouver des conseils, des trucs et astuces, vous voulez partager vos expériences, venez rejoindre l'équipe en envoyant une demande à sup[at]univ-ubs.fr

Crédits photographiques : © Université Bretagne Sud. Service Universitaire de Pédagogie

Comment détecter l'utilisation d'IA génératives dans des travaux ?

Laurent — 2025-11-22T10:29:00Z

via le Service Universitaire de Pédagogie Université Bretagne Sud

Il existe de nombreux détecteurs d'IA. Ils peuvent être utiles comme indicateurs ou outils de remédiation, mais présentent plusieurs limites :

La fiabilité des résultats ne permet pas avec certitude de confirmer l'utilisation d'une IA dans la conception de contenus.
Il existe des faux positifs : une écriture « humaine » détectée comme générée via IA.
Ils sont contournables : des services permettent par exemple de « rendre humain » un contenu brut généré par une IAG.
Les résultats sont difficilement recevables au niveau des services juridiques des universités.

D'autres approches consistent à observer la cohérence du style, à vérifier la qualité et l'existence des références, ou à comparer avec les productions antérieures de l'étudiant. En cas de doute, un oral complémentaire peut être organisé.

Plus de ressources

Compilatio : Plagiat, IA, évaluation : et maintenant ? – Mini-série : 4 épisodes pour comprendre, agir, s'adapter. Des repères concrets pour relever les défis avec vos étudiants.
Compilatio : Replay d'un webinar spécial IAG
Détecteurs d'IA : Une fausse solution à un vrai problème
Why AI Detection Alone Shouldn't Be Used To Establish Academic Standing
Recherch : Harrison, G., Whitney C., (2024). AI Detection's High False Positive Rates and the Psychological and Material Impacts on Students.

Exemple de détecteurs

Compilatio : en expérimentation pour 2025/2026 à l'Université Bretagne Sud.
GPTZero
zerogpt

En lien :Comment citer et encadrer l'utilisation des IA génératives par les étudiants ?

Module de découverte des IA génératives pour les étudiants (UBS)

Laurent — 2025-11-06T05:28:12Z

Ce module en ligne proposé par le Service Universitaire de Pédagogie de l'Université Bretagne Sud est ouvert à tous les étudiants. Il vise à sensibiliser aux usages de l'intelligence artificielle générative (IAG) dans le contexte universitaire. Vous découvrirez ce qu'est l'IA, les IA génératives, leurs possibilités, leurs limites, leurs usages, leurs applications en contexte universitaire envisagées de manière responsable, éthique et critique.
Objectifs pédagogiques

À l'issue du module, vous serez capable de :

Comprendre les bases de l'intelligence artificielle et le fonctionnement spécifique des IA génératives.
Identifier les opportunités et les défis de l'utilisation des IAG dans vos études.
Développer un usage responsable, éthique et critique des IAG dans votre travail académique.
Maîtriser les techniques de base des prompts pour interagir efficacement avec les IAG.
Connaître des outils et des plateformes d'IAG pertinents pour vos études.

Fonctionnement du module

Navigation : le menu latéral gauche dépliable permet d'accéder à l'arborescence des chapitres et leurs sous-sections.
Activités : des exercices interactifs (icône ✅) permettent de s'entraîner tout au long du module. Vous pouvez recommencer autant que souhaité pour vous entraîner.
Récapitulatif : les points principaux évoqués sous forme d'une FAQ.
Glossaire : pour retrouver l'ensemble des définitions évoquées.

Contact

Pour toute remarque, suggestion ou correction concernant ce module : sup.iag@listes.univ-ubs.fr

Les différents chapitres

Mémo pour un usage responsable des IAG à l'université (Université Bretagne Sud)

Laurent — 2025-11-06T05:20:10Z

À destination des étudiants, ce mémo/checklist vous guide pour utiliser les outils d'IA générative de manière responsable et conforme aux attentes du milieu universitaire. Il est également disponible en téléchargement.

Avant

Cadre & règles

☐ Je vérifie que l'usage est autorisé dans l'enseignement concerné, les activités spécifiques réalisées. Si l'usage est interdit, je m'abstiens.
☐ Je respecte les consignes et la limite d'usage autorisée par l'enseignant (par exemple l'utilisation d'une IAG peut être autorisée pour la mise en forme mais pas pour la recherche documentaire).
☐ J'évalue la pertinence de l'IAG pour ma tâche (aide à la rédaction, vérification, etc.).
☐ J'ai à l'esprit que les résultats générés par des IAG peuvent être incorrects, biaisés, non pertinents ou incomplets.

Confidentialité & sécurité

☐ Je ne transmets aucune donnée personnelle, confidentielle ou sensible (identité, santé, situation financière, etc.).
☐ Je privilégie les outils institutionnels ou souverains quand ils existent.
☐ Je reste attentif à la sécurité de mes données et aux conditions d'utilisation du service.

Pendant

Éthique & intégrité académique

☐ Je fais preuve d'honnêteté intellectuelle : je n'utilise pas l'IAG pour tricher ni pour déléguer entièrement mon travail.
☐ Je vérifie systématiquement l'existence et la fiabilité des sources citées par l'IAG.
☐ Je compare les informations avec des références académiques fiables (ouvrages, articles scientifiques, bases de données).
☐ J'analyse les biais possibles et garde un regard critique sur les réponses générées.
☐ Je garde à l'esprit que je reste responsable du contenu que je choisis d'utiliser.

Qualité & pertinence

☐ J'utilise l'IAG comme outil d'aide (brainstorming, reformulation, vérification, mise en forme), non comme producteur final.
☐ Je conserve la maîtrise du raisonnement et du contenu.
☐ Je développe mes propres compétences d'analyse, de rédaction et de réflexion critique.

Après

Transparence & traçabilité

☐ Je cite clairement et documente tout usage de l'IAG dans mon travail (note, annexe ou bibliographie).
☐ Je garde la trace de mes échanges avec l'IAG pour pouvoir expliquer ma démarche si besoin.

Responsabilité personnelle

☐ Je suis capable d'expliquer et de défendre mon travail sans aide extérieure.
☐ Je vérifie que le rendu final reflète ma compréhension et mes compétences réelles.
☐ Je reste l'auteur et le responsable final du contenu remis.

Télécharger le mémo

Version : 1.0 – 03/11/2025 – Creative Commons – Pas d'Utilisation Commerciale 4.0 International (CC BY-NC 4.0).

A la une Le chantier IA de l'Ecole

2025-09-05T07:34:41Z

Rentrée 2025 : l'Intelligence Artificielle est déjà là. Avec comme conséquence une industrialisation de la triche dans l'Ecole du 21ème siècle ? La simplicité, l'efficacité, l'indétectabilité des IA facilitent à tel point le copier-coller qu'un sentiment de toute-puissance s'est emparé de bien des élèves et une impression d'impuissance de bien des collègues. Face à l'IA, ne faut-il pas choisir la raison plutôt que la fascination ou la peur, la confrontation au réel plutôt que les grands discours, la pédagogie plutôt que l'inaction ? Car si l'IA est perçue comme une possible entreprise de démolition de l'Ecole, en particulier des modalités traditionnelles d'évaluation, alors il nous faut envisager une reconstruction. Le chantier est ouvert pour les années à venir : en guise de vadémécum de rentrée, voici quelques pistes d'actions collectives pour éviter que l'IA ne favorise la paresse cognitive des élèves, pour qu'à l'âge de l'IA l'Ecole augmente toujours leur capacité à découvrir, écrire, réfléchir, créer, partager.

Un articlerepris du café pédagogique, 21 propositions très intéressantes par Jean Michel Le Baut qui concernnent tout aitant l'enseignement supérieur et la formation tout au long de la vie

1 Résister à la tentation d'interdire l'IA à l'Ecole : un combat perdu d'avance, contraire au sens de l'Histoire (la plume, le stylo, la machine à écrire, le traitement de texte, la génération de texte…) et à l'intérêt même des élèves (qui dans leurs études et leurs métiers futurs devront savoir manipuler l'IA au mieux).

2 Montrer aux élèves qu'on sait utiliser (intelligemment) l'IA : manipuler l'IA en classe pour éviter de laisser croire qu'il va être aisé de duper des enseignant·es en voie d'obsolescence programmée ; montrer et expliquer aux élèves nos usages professionnels de l'IA ; intégrer dans nos séquences des usages pédagogiques de l'IA par les élèves.

3 Amener les élèves à douter de l'IA : construire des séances de travail pour en éclairer le fonctionnement, les hallucinations, les manques, les biais ; favoriser ainsi une distance critique face aux propositions de l'IA, l'estime par les élèves de leur propre intelligence, voire une reconnaissance d'une certaine autorité de l'enseignant·e sur les savoirs.

4 Développer à l'Ecole une culture réflexive du droit d'auteur·e en expérimentant bien des questions et enjeux : que sont le droit patrimonial et le droit moral ? y a-t-il une « exception pédagogique » ? l'enseignant est-il propriétaire de ses cours ? l'élève est-il propriétaire de ses productions scolaires ? l'IA est-elle propriétaire de ses réponses ? des principes et sanctions en cas de falsification ou de violation de la propriété intellectuelle sont-elles explicitées dans le règlement intérieur de l'établissement et/ou par l'Education nationale ? que sont les Licences libres, les Communs, les Ressources Educatives Libres ? …

5 Interroger avec les élèves les notions de « plagiat » et de « triche » : se demander où commence la tromperie, expliciter ce qui est inapproprié / acceptable / pertinent. Par exemple : est-ce de la triche ou non si j'utilise l'IA pour corriger mes erreurs orthographiques ? rechercher des idées ? trouver un plan avant de rédiger par moi-même ? reformuler une phrase que j'ai écrite et que je trouve maladroite ? copier-coller un passage entier généré par l'IA dans mon devoir ? le copier-coller en mettant des guillemets et en indiquant la source ? demander à l'IA d'écrire toute la rédaction ? composer un texte à partir de différentes réponses générées par une ou plusieurs IA ?…

6 Coconstruire dans les établissements scolaires des chartes d'usages de l'IA : à la lumière des interrogations précédentes, définir collectivement ce qu'on a le droit ou non de faire dans le cadre d'un devoir évalué, établir ces règles collectives dans un document officiel et partagé, amener les élèves à signaler précisément sur leurs travaux leurs éventuels usages de l'IA.

7 Intégrer aux « grilles d'évaluation » et « échelles descriptives » les usages éventuels de l'IA, du moins élaboré au plus élaboré : simple consommation passive ? adaptation de contenus IA ? création ou cocréation ? réflexion critique ?…

8 Repenser l'articulation entre le travail en classe et le travail à la maison : relocaliser les activités de production en faisant de la classe le lieu du savoir, de l'appropriation des connaissances et bien sûr de l'évaluation.

9 Former les élèves à exploiter le potentiel de l'IA pour qu'elle soit réellement au service des apprentissages : apprendre à l'utiliser comme assistant de recherche ; apprendre à prompter ; apprendre à toujours reformuler, vérifier, corriger et compléter ; placer en particulier l'écriture de travail au cœur des activités de classe, en amenant l'élève à considérer que l'IA ne lui fournit qu'un brouillon, sans cesse à transformer, enrichir, personnaliser.

10 Évaluer moins le produit fini que le processus de production : favoriser une logique de portfolio où l'élève garde trace de ses recherches, prompts, outils, essais, échecs, réussites, témoigne de sa capacité à concevoir, comparer, interroger, évaluer, contester, exploiter, améliorer.

11 Faire de l'IA un outil au service non de la reproduction mais de la créativité : apprendre à lui donner des consignes les plus précises et pertinentes possibles pour générer des images, des textes littéraires, des musiques, pour ensuite les commenter, les comparer, les transformer, les exploiter, les dépasser.

12 Développer les pratiques collaboratives avec l'IA : gagner en intentionnalité et en esprit critique grâce aux interactions et négociations dans les temps de recherche, d'élaboration, de tâtonnement, de coévaluation, d'évaluation par les pairs ; remettre l'échange, le lien, l'humain au cœur de la culture et de l'Ecole.

13 Faire désormais de l'originalité un critère d'évaluation important, à rebours de la tradition scolaire qui tend à valoriser la conformité avec des modèles normés, à contrepied de l'IA qui repose sur la captation et l'imitation.

14 Favoriser les questions qui demandent de faire le lien avec l'expérience personnelle et réelle, les productions qui exigent un engagement subjectif dans la réflexion, la lecture, la création, à rebours d'une Ecole qui bride l'expression authentique et formatrice de soi, à contrepied d'une IA qui se nourrit d'opinions toutes faites par d'autres.

15 Favoriser les évaluations qui portent moins sur la restitution de connaissances que sur des tâches complexes, sur la confrontation à des situations-problèmes conduisant les élèves à expliciter et justifier les étapes et ressources nécessaires à leur résolution.

16 Inviter à créer des contenus multimédias qui à l'inverse des habituelles productions papier obligent à transformer et donc à s'approprier les connaissances : vidéos, cartes mentales, infographies, podcasts, webradio, écritures web

17 Renforcer la place de l'oral dans l'évaluation : par-delà les copies, mémoires, dossiers (désormais dans l'ère du soupçon ?), évaluer la capacité de l'élève ou des groupes d'élèves à les présenter et les commenter, à témoigner de leur appropriation réelle des connaissances en jeu, à expliciter leurs démarches de travail, y compris d'usage éventuel de l'IA en montrant combien a eu lieu un intense et fécond travail d'amélioration et de personnalisation, combien s'est fortifié le regard critique jusque sur l'IA.

18 Développer à l'Ecole une éthique et une didactique de la transparence : inciter les enseignant·es aussi à révéler procédures, sources, « secrets de fabrication » ; dire ce que l'on fait (pour réaliser ce cours, utilisation de telle ou telle IA, livre, site, manuel, proposition de collègue… ?), pourquoi on le fait (gain de temps et d'efficacité, volonté d'approfondissement, travail d'équipe… ?), comment on le fait (montrer les brouillons du cours, les prompts et leurs résultats, les documents-sources …) ; inviter les élèves à participer à la fabrique d'un nouveau cours.

19 Sortir d'une école pronote : cesser de faire de la note, autant dire de la performance et de la compétition, la finalité du travail scolaire, amener à ne plus considérer que cette fin justifie tous les moyens (piller aujourd'hui l'IA comme hier une fiche Wikipedia ou jadis un Profil d'une œuvre), valoriser les attitudes (l'engagement, l'autonomie, la responsabilité, l'esprit coopératif …, y compris dans les usages de l'IA), évaluer les gestes d'apprentissage (rechercher, sélectionner, critiquer, supprimer, contextualiser, réécrire, amplifier …) et les progressions, restituer saveurs et enjeux au travail scolaire des savoirs.

20 Mettre en œuvre une pédagogie qui amène l'élève moins à consommer (via les cours, les manuels, l'IA …) qu'à produire (des savoirs, des ressources, des processus, des œuvres…) : donner la capacité et le pouvoir de se sentir acteur·ice d'une société de la connaissance, d'une culture participative, d'une Ecole wikipédienne.

21 Prendre en considération l'impact environnemental de l'IA : responsabiliser en incitant une génération sensible aux questions écologiques à limiter l'usage de l'IA aux seuls cas où elle sera vraiment utile et pertinente ; s'interroger comme enseignant·e sur la nécessité ou non d'utiliser pour préparer ses cours des plateformes qui font gagner du temps de travail mais perdre du temps de vie pour la planète.

Immense, le chantier est bel et bien devant nous : il s'agit de reconstruire, enfin, massivement, nos modalités de travail et d'évaluation. Ces modalités, beaucoup d'ailleurs les appellent de leurs vœux depuis longtemps. Des établissements, en particulier du supérieur, ont d'ores et déjà commencé à les mettre en œuvre. Des dispositifs comme les TPE, jadis heureuse réponse éducative à l'avènement d'internet, les avaient même anticipées et préparées.

Le défi est essentiel : il s'agit de nous confronter à une Intelligence Artificielle qui potentiellement « comble le désir de savoir et tue le désir d'apprendre » (Philippe Meirieu). Un tel défi ne sera relevé que si, par-delà les vœux pieux d'annonces ministérielles de rentrée, une formation réellement continue (non ponctuelle, non virtuelle) vient armer techniquement, pédagogiquement, culturellement les enseignant·es en les initiant au fonctionnement de l'IA, à ses possibilités, ses enjeux et ses dérives, aux postures et dispositifs à repenser. Nul doute d'ailleurs que des temps de travail communs aux professeur·es et aux élèves seraient bienvenus dans les établissements tant il serait fécond pour tous et toutes de partager en la matière les pratiques, les interrogations et les réflexions.

Bref, pas de panique, morale, mais, comme toujours, de l'action, résolument pédagogique !

Jean-Michel Le Baut

Biblio

Analyses et pratiques dans le dossier IA du Café pédagogique

Le rapport 2025 de l'Inspection Générale sur l'IA

Sur le site ministériel : « Le cadre d'usage de l'IA en éducation »

Sur le site de l'Université de Bretagne Sud : « Repenser ses évaluations à l'heure des IA Génératives »

Sur le site de l'UQAM : « 6 stratégies pédagogiques pour s'adapter aux défis de l'IA »
Sur le site de l'université de Beyrouth : « 10 stratégies pour éviter le plagiat lors de l'utilisation d'un agent conversationnel »

Sur le site de la DRANE Lyon : Evaluer les usages des élèves d'une IA Générative

Jean-Michel Le Baut