Comprendre et mettre en pratique le cadre de Fullan et Quinn pour développer des compétences durables chez les élèves du 21e siècle.
L'apprentissage en profondeur (deep learning) est un cadre pédagogique systémique développé par Michael Fullan, Joanne Quinn et leurs collaborateurs. Il vise à dépasser la simple acquisition de contenus pour cultiver des compétences globales permettant aux élèves d'agir sur le monde réel et de devenir des citoyens éclairés et engagés (Quinn et al., 2021).
« L'apprentissage en profondeur n'est pas une méthode de plus. C'est une transformation de la relation entre l'élève, l'enseignant et le monde. » — Fullan et Quinn, Coherence (2016)
Les neurosciences et les sciences de l'apprentissage convergent vers un constat clair : l'apprentissage durable exige un engagement cognitif actif, une contextualisation dans des situations authentiques et une rétroaction fréquente (Dehaene, 2018).
Les travaux de John Hattie sur le Visible Learning (2009) montrent que les stratégies ayant le plus grand effet sur la réussite sont celles qui rendent l'apprentissage visible pour l'élève et pour l'enseignant : objectifs clairs, rétroaction formative, métacognition et apprentissage coopératif structuré.
De son côté, Robert Bjork (1994) a documenté l'importance des difficultés désirables : des obstacles cognitifs intentionnels — espacement, interleaving, tests de rappel — qui semblent ralentir l'apprentissage à court terme, mais le consolident durablement en mémoire à long terme.
| Dimension | Modèle traditionnel | Apprentissage en profondeur |
|---|---|---|
| Rôle de l'enseignant | Dispensateur de connaissances | Coconcepteur et coapprenant |
| Rôle de l'élève | Récepteur passif | Agent actif, faculté d'agir et d'influencer |
| Environnement | Aménagement rigide et fermé | Écosystème souple, physique et virtuel |
| Numérique | Substitution (outil de consommation) | Transformation de la tâche (modèle SAMR) |
| Évaluation | Sommative, ponctuelle | Formative, par triangulation, rétroaction continue |
Avant de valider une activité ou une ressource, cinq questions fondamentales permettent d'en évaluer la valeur pédagogique (Brochu, 2025 ; cadre RÉCIT MST, 2026) :
Deux critères s'ajoutent aux cinq précédents. Ils sont non négociables dans toute activité intégrant un outil numérique ou une IA :
Au cœur du cadre de l'apprentissage en profondeur se trouvent six compétences globales, conçues pour former des citoyens capables d'agir sur le monde. Elles ne remplacent pas les apprentissages disciplinaires, mais leur confèrent un sens et une portée qui dépassent les murs de la classe (Quinn et al., 2021, p. 34).
Danny Brochu (2022) rappelle que ces compétences ne s'enseignent pas comme des savoirs isolés : elles émergent lorsque les élèves s'engagent dans des tâches authentiques, complexes et ancrées dans le monde réel.
Stanislas Dehaene (2018) identifie quatre piliers de l'apprentissage efficace : l'attention active, l'engagement et la curiosité, le retour d'erreur et la consolidation par le sommeil et la répétition espacée. Les 6 C mobilisent ces piliers : la collaboration et la communication stimulent l'attention sociale ; la pensée critique et la créativité exigent l'engagement cognitif profond ; le caractère favorise la persévérance face aux erreurs.
Le « napperon » est la représentation visuelle synthèse du cadre de l'apprentissage en profondeur. Il illustre que les 6 C se développent à la confluence de quatre leviers systémiques qui structurent l'ensemble de l'expérience éducative (Quinn et al., 2021).
Cette architecture repose sur l'idée fondamentale que les compétences du 21e siècle ne s'enseignent pas par un cours supplémentaire : elles émergent d'un écosystème cohérent où les pratiques pédagogiques, les environnements, les partenariats et le numérique se renforcent mutuellement.
Pratiques pédagogiques
Fusion stratégique de la recherche éprouvée et des pratiques innovantes. Ce levier intègre l'enseignement explicite, la métacognition, l'étayage progressif (Vygotski, 1978) et les pratiques innovantes comme le projet, le jeu et le récit numérique.
Partenariats d'apprentissage
La relation éducative évolue vers une coconception. L'élève possède l'agentivité — la faculté d'agir et d'influencer son parcours. L'enseignant partage le contrôle, devenant coconcepteur. Les partenariats s'étendent aux parents, aux experts et à la communauté globale.
Environnements d'apprentissage
L'environnement dépasse les murs de la classe. Il est la combinaison synergique du climat psychologique de sécurité et de la flexibilité spatiale. Il favorise l'expression individuelle, cultive l'autonomie et renforce le sentiment de compétence des élèves.
Exploitation du numérique
Le numérique n'est pas une fin en soi, mais un accélérateur. L'objectif est de dépasser la simple substitution pour transformer la nature même de la tâche d'apprentissage (modèle SAMR). Voir l'onglet « IA et numérique » pour les détails.
Brochu (2025), s'inspirant du cadre de Fullan et Quinn, illustre l'apprentissage en profondeur comme un tourbillon — une fusion dynamique entre des connaissances validées par la recherche et des pratiques innovantes. Cette image rappelle qu'il ne s'agit pas de rejeter l'enseignement structuré au profit des modes pédagogiques, mais de les combiner de façon intentionnelle.
Une activité exclusivement innovante, sans ancrage dans une pratique validée identifiable, ne satisfait pas la règle de la fusion (Brochu, 2025). Avant de valider une activité, deux questions s'imposent :
Le tableau ci-dessous propose des exemples de fusion selon le type d'activité.
Le transfert de la responsabilité de l'apprentissage aux élèves est une condition essentielle de l'apprentissage en profondeur. Il ne s'agit pas d'abandonner les élèves à eux-mêmes, mais de construire progressivement leur autogestion et leur autonomie (Future Makers, 2023 ; Hattie et Yates, 2014).
Les neurosciences soutiennent cette démarche : l'agentivité de l'élève — sa capacité à exercer un contrôle sur son apprentissage — est associée à une activation plus forte des réseaux préfrontaux impliqués dans la mémoire à long terme (Dehaene, 2018).
Future Makers (2023), adapté par Potvin (2024), propose un continuum en cinq niveaux qui structure la progression de l'élève d'une posture entièrement soutenue vers une posture autonome. Ce continuum est un outil de planification : toute activité devrait être positionnée sur l'un de ces niveaux dans le guide enseignant.
Les niveaux 4 et 5 (surlignés) sont les cibles habituelles des activités « Défier l'IA » et des tâches complexes de l'apprentissage en profondeur. Le niveau doit apparaître comme champ obligatoire dans tout guide enseignant produit.
Les élèves évaluent eux-mêmes la réalisation de leurs tâches à l'aide d'un code de couleurs ou de symboles. L'autoévaluation visuelle renforce la métacognition et donne à chaque élève un portrait clair de sa progression.
Chaque élève choisit l'objectif qu'il poursuit parmi un éventail proposé. L'autoévaluation, l'évaluation par les pairs et celle de l'enseignant permettent de monitorer les progrès de façon triangulée (Hattie, 2009).
Les élèves accomplissent des tâches obligatoires définies par l'enseignant (Je dois), puis choisissent des tâches enrichissantes facultatives (Je peux). Ce dispositif développe l'agentivité tout en maintenant un cadre structuré, réduisant la charge cognitive extrinsèque (Sweller, 1988 ; Bjork, 1994).
Les élèves utilisent leurs compétences d'autoévaluation pour identifier les ateliers auxquels ils ont besoin d'assister et s'y inscrivent eux-mêmes. Ce dispositif développe la capacité à diagnostiquer ses propres lacunes, un prédicteur fort de la réussite scolaire (Hattie, 2009 — effet d = 0,69).
Deux élèves s'enseignent mutuellement et rassemblent des preuves de leur apprentissage. L'enseignement par les pairs est l'une des stratégies les plus efficaces recensées par Hattie (2009) — effet d = 0,55 — car reformuler pour autrui consolide profondément la compréhension.
Les élèves se situent sur un continuum (peu confiant à confiant ; engagé à désengagé) pour communiquer à l'enseignant leur état d'apprentissage. Cette régulation émotionnelle et métacognitive est fondamentale pour maintenir la motivation intrinsèque (Deci et Ryan, 2000).
Les élèves planifient leur semaine en choisissant les activités par périodes. Ils acquièrent progressivement plus de contrôle sur leur organisation à mesure qu'ils développent les compétences d'autogestion nécessaires.
Ces stratégies s'inscrivent dans une progression à trois niveaux : de l'élève assisté par l'enseignant, à l'élève en autogestion, jusqu'à l'élève véritablement autonome. Cette progression ne survient pas spontanément : elle s'enseigne explicitement, avec des critères de réussite clairs à chaque étape (Future Makers, 2023).
L'intelligence artificielle générative (IAG) représente le prolongement le plus puissant du numérique éducatif — et aussi le plus risqué si elle est mal intégrée. Dans le cadre de l'apprentissage en profondeur, elle n'est ni une solution miracle ni un ennemi : elle est un accélérateur conditionnel, dont l'impact dépend entièrement de la posture pédagogique qui l'entoure (Quinn et al., 2021 ; Livre blanc Canopé, 2023).
« Une agentivité appuyée par des informations partielles ou fausses est-elle réellement de l'agentivité ? » — Livre blanc Enseigner et apprendre à l'ère de l'IA, GTnum LINE, 2023
Le modèle SAMR (Puentedura, 2006) permet de situer tout usage du numérique — y compris l'IAG — sur un continuum. L'apprentissage en profondeur ne vise pas la substitution : il vise la redéfinition de la tâche. La question guidante reste : « Cette utilisation de l'IA transforme-t-elle la tâche d'apprentissage ou la contourne-t-elle ? »
L'IA remplace la tâche sans changement cognitif. (Ex. : demander à l'IAG de rédiger la réponse à la place de l'élève.)
L'IA améliore l'outil. (Ex. : l'IAG reformule une explication dans un langage adapté au niveau de l'élève.)
L'IA redéfinit la tâche. (Ex. : l'élève conçoit une requête structurée (RTF), analyse la réponse et identifie les biais.)
L'IA permet des tâches auparavant inconcevables. (Ex. : l'élève joue le rôle d'expert-superviseur qui valide, corrige et challenge l'IAG.)
La recherche en neurosciences cognitives et en sciences de l'apprentissage pose un avertissement fondamental : l'IA peut réduire précisément l'effort cognitif qui construit les apprentissages durables. Ce phénomène, documenté sous le nom de décharge cognitive (cognitive offloading), consiste à externaliser vers un outil des processus mentaux que le cerveau aurait dû accomplir lui-même.
Des études expérimentales montrent que l'augmentation du coût d'accès à un outil (rendre son usage plus exigeant) améliore significativement la précision de la mémoire lors d'un test ultérieur (Grinschgl et al., 2021). Autrement dit : la facilité apparente de l'IAG est un piège cognitif si elle n'est pas encadrée pédagogiquement.
L'usage de l'IA par les élèves n'est pas uniforme selon le niveau : il est encadré par des limites développementales et réglementaires précises. Le tableau suivant résume les distinctions applicables au contexte québécois (MEQ, 2023 ; RÉCIT MST, 2026).
| Cycle | Usage de l'IA par l'élève | Usage du numérique par l'élève |
|---|---|---|
| Préscolaire et cycle 1 (mat. à 2e année) | Interdit — IA réservée à l'enseignant uniquement. | Limité à la manipulation guidée (robotique débranchée, activités orales). |
| Cycle 2 (3e-4e année) | Interdit — IA réservée à l'enseignant uniquement. | Possible avec encadrement fort ; accent sur le développement du langage et de la pensée mathématique avant la médiation numérique. |
| Cycle 3 (5e-6e année) | Possible avec vérification des limites d'âge de la plateforme (MEQ, 2023) et encadrement explicite de l'enseignant. | Possible au niveau M ou R du SAMR. |
| Secondaire (tous cycles) | Possible avec encadrement pédagogique explicite et vérification des limites d'âge. | Cibler les niveaux M ou R du SAMR. |
Au préscolaire et aux cycles 1 et 2 du primaire (maternelle à 4e année), aucune interaction directe de l'élève avec une IA générative n'est pédagogiquement justifiée ni réglementairement autorisée. L'enseignant peut utiliser l'IA pour préparer ses ressources, différencier ses activités ou générer des rétroactions, mais l'élève ne l'utilise pas directement.
Le format « Défier l'IA » ne peut pas être utilisé en bas du 3e cycle du primaire. Pour les cycles 1 et 2, des alternatives débranchées (jeu de rôle, débat, manipulation physique) permettent de travailler les mêmes compétences critiques sans recours à l'outil.
Lorsqu'elle est bien encadrée, l'IAG peut amplifier chacune des 6 compétences globales. Le tableau suivant présente des usages concrets alignés sur les 6 C (RÉCIT MST, 2026 ; Livre blanc Canopé, 2023).
| Compétence (6 C) | Usage de l'IA qui la développe | Condition pédagogique |
|---|---|---|
| Caractère | L'élève persévère face aux limites de l'IAG et reformule sa requête jusqu'à obtenir une réponse satisfaisante. | L'effort de reformulation doit venir de l'élève, pas de l'enseignant. |
| Citoyenneté | Débat sur les biais culturels, les données d'entraînement, l'impact environnemental et les enjeux éthiques de l'IAG. | Ancrer le débat dans des exemples concrets et vérifiables. |
| Collaboration | Coconception d'une requête RTF en équipe ; co-validation critique des réponses de l'IAG. | Rendre visible la pensée collective — chaque élève argumente ses choix. |
| Communication | La méthode RTF exige de structurer sa pensée avec précision pour être compris par un système non humain. | Comparer plusieurs formulations et analyser pourquoi certaines donnent de meilleurs résultats. |
| Créativité | Créer un récit numérique, un balado ou une simulation en utilisant l'IAG comme assistant de production — pas comme auteur. | L'idée créatrice originale doit venir de l'élève. |
| Pensée critique | Activité « Défier l'IA » : l'élève identifie les erreurs, les biais géographiques et les hallucinations de l'IAG. | Fournir des sources de référence fiables pour permettre la comparaison. |
La méthode RTF structure la requête adressée à l'IAG : on lui donne un Rôle (quel expert doit-elle incarner ?), une Tâche précise (que doit-elle faire ?) et un Format de réponse attendu. Cette méthode développe la structuration logique de la pensée — l'élève passe de consommateur à pilote de l'IA (RÉCIT MST, 2026).
Format d'activité RÉCIT MST en trois phases : (1) avant — l'élève mobilise ses connaissances sans IA ; (2) défi — il interroge l'IAG, identifie ses limites et biais ; (3) validation — il compare avec des sources fiables et pointe les hallucinations.
L'élève est positionné en expert-superviseur, jamais en récepteur passif. Cette posture renforce l'inhibition cognitive — la capacité à freiner l'impulsion d'accepter une réponse présentée avec assurance (Bjork, 1994). Niveau minimal : 3e cycle du primaire. L'activité exige que les prérequis disciplinaires soient maîtrisés avant son déclenchement.
L'élève configure l'IAG comme tuteur socratique : « Ne me donne pas la réponse — pose-moi 3 questions pour m'aider à comprendre mon erreur. » Cette pratique maintient l'effort cognitif profond tout en fournissant une rétroaction immédiate — l'un des effets les plus puissants selon Hattie (2009, d = 0,72).
Condition essentielle : l'élève doit d'abord tenter de répondre par lui-même avant de consulter le tuteur IA. L'effet de génération (Bjork, 1994) exige que la réponse soit produite, pas seulement reconnue.
L'élève crée un balado, une vidéo explicative ou un album numérique sur un sujet disciplinaire, en utilisant l'IAG comme assistant de production — pas comme auteur. L'idée originale, le script et la validation du contenu demeurent la responsabilité de l'élève.
Reformuler pour un vrai public exige une maîtrise profonde du contenu (Hattie, 2009, d = 0,62). La publication amplifie la motivation intrinsèque (Deci et Ryan, 2000).
Le ministère de l'Éducation du Québec a établi cinq critères pour encadrer l'utilisation responsable de l'IAG en contexte scolaire. Ces critères sont directement cohérents avec les valeurs de l'apprentissage en profondeur.
| Critère MEQ | Enjeu central | Lien avec l'apprentissage en profondeur |
|---|---|---|
| Sobriété numérique | Consommation énergétique et impact environnemental de chaque requête. | Citoyenneté — durabilité humaine et environnementale. |
| Qualité | L'IAG génère des réponses parfois erronées ou biaisées (hallucinations). | Pensée critique — évaluer l'information et les arguments. |
| Équité et inclusion | Risque de reproduire des discriminations sociales ou culturelles. | Citoyenneté — engagement envers l'équité et la diversité. |
| Transparence | La « boîte noire » de l'IAG rend difficile de tracer l'origine des données. | Caractère — intégrité intellectuelle et honnêteté académique. |
| Agentivité | Risque de déléguer complètement le travail intellectuel à l'IA. | Fondement de l'apprentissage en profondeur : l'élève doit rester l'agent actif de son apprentissage. |
Les quatre piliers de l'apprentissage de Dehaene (2018) permettent de situer précisément où l'IA aide et où elle nuit :
L'IA peut aider : une tâche bien conçue avec l'IAG capte l'attention par la nouveauté. Elle peut nuire si l'élève délègue l'effort de concentration à l'outil.
L'IA peut aider : l'activité « Défier l'IA » génère un conflit cognitif motivant. Elle peut nuire si la facilité de l'outil remplace le désir de comprendre.
L'IA peut aider : un tuteur socratique bien configuré fournit une rétroaction immédiate. Elle peut nuire si elle donne la correction sans que l'élève ait tenté de trouver l'erreur.
L'IA peut aider : générer des quiz de rappel espacé. Elle peut nuire si elle remplace la répétition espacée par un accès instantané qui court-circuite la mémorisation à long terme.