Description du type d'activité

L'activité « Défier l'IA » est un format pédagogique structuré qui vise à développer chez l'élève une utilisation critique et éclairée de l'intelligence artificielle générative, tout en consolidant des apprentissages disciplinaires. L'élève adopte une posture d'« expert-superviseur » plutôt que de consommateur passif de l'information générée par l'IA.

Intentions pédagogiques principales

  • Développer l'esprit critique face aux outils d'IA générative
  • Identifier les biais et les limites des réponses générées par l'IA
  • Apprendre à formuler des requêtes efficaces (ingénierie des requêtes)
  • Valider l'information en croisant les sources
  • Consolider des apprentissages disciplinaires prescrits
  • Sensibiliser à la sobriété numérique et à l'éthique de l'IA

Structure obligatoire en trois phases

Toute activité « Défier l'IA » doit respecter la structure suivante, conçue pour offrir un guidage serré tout en respectant les principes de la neuroéducation et de la règle du 70-30 (70 % de l'effort intellectuel provenant de l'élève).

1

Phase Avant : préparation

Objectif cognitif : Activer les connaissances antérieures et préparer une posture critique. Avant d'ouvrir l'outil d'IA, l'élève doit engager ses propres réseaux neuronaux pour éviter l'atrophie cognitive.
  • Activité « débranchée » (sans ordinateur) L'élève doit solliciter sa mémoire et ses connaissances AVANT de consulter l'IA. Proposer une tâche de rappel : noter, dessiner, schématiser, lister des éléments en lien avec le sujet. Cette étape prévient l'« effet Google » et la dette cognitive.
  • Formulation d'une hypothèse L'élève prédit un comportement ou un biais potentiel de l'IA. Exemples : « Selon toi, quelle région du monde l'IA va-t-elle favoriser? », « Quel type d'erreur l'IA risque-t-elle de faire? ». Cette hypothèse sera vérifiée dans la phase suivante.
  • Mission d'expert-superviseur L'élève est présenté comme le « pilote » de la machine; il est responsable de la validité des informations produites par l'IA.
2

Phase Pendant : réalisation

Objectif cognitif : Interagir activement avec l'IA en adoptant une posture de pilote. L'élève apprend à structurer sa pensée logique pour formuler des requêtes efficaces.
  • Test initial avec une requête vague L'élève pose une question simple et générique à l'IA. Objectif : révéler les biais par défaut de l'IA (géographiques, culturels, linguistiques).
  • Analyse des biais L'élève identifie les limites de la réponse obtenue. Questions guides : « Est-ce adapté à notre contexte? », « Quelle région est favorisée? », « Quelles informations manquent? »
  • Amélioration de la requête avec la méthode RTF Rôle : Attribuer un rôle d'expert à l'IA (ex. : « Agis en tant qu'écologiste spécialiste du Québec »).
    Tâche : Préciser clairement ce qui est demandé, avec le contexte local pertinent.
    Format : Spécifier le format de sortie attendu (tableau, liste, texte structuré, etc.).
  • Questions de suivi L'élève approfondit en posant des questions complémentaires. Objectif : tester la cohérence et la profondeur des connaissances de l'IA.
3

Phase Après : intégration

Objectif cognitif : Valider, corriger et transférer les apprentissages. L'élève bascule en mode analyste critique.
  • Validation avec des sources fiables L'élève compare les réponses de l'IA avec le manuel, des sites officiels ou d'autres sources reconnues. Identification des informations exactes et des erreurs.
  • Chasse aux « hallucinations » L'élève recherche activement les informations inventées ou inexactes. Les « hallucinations » sont des fabulations présentées avec assurance par l'IA. Fournir une liste de vérification adaptée au sujet.
  • Réflexion sur la sobriété numérique L'élève évalue si l'utilisation de l'IA était proportionnée au besoin. Questions : « Est-ce que ça valait la consommation d'énergie? », « Aurais-tu pu trouver autrement? »
  • Consolidation métacognitive L'élève consigne les modifications apportées et les leçons apprises. Sans écran, l'élève peut expliquer à un pair ce qu'il a découvert et pourquoi certaines informations étaient inexactes.

Fondements théoriques

Chaque élément du défi repose sur des principes pédagogiques et cognitifs. Des fondements de neureosciences et de pratiques probantes guident la conception de l'activité.

Élément Fondement théorique
Effort de rappel initial Évite l'« effet Google » et la dette cognitive. Maintient la plasticité cérébrale. Référence : testing effect (récupération active).
Formulation d'hypothèse sur les biais Développe la conscience de la représentativité culturelle. L'IA reflète les biais de ses données d'entraînement.
Test des biais géographiques ou culturels Déconstruit l'illusion d'objectivité de l'IA. Confronte l'élève aux limites de l'outil.
Méthode RTF (Rôle-Tâche-Format) Compétence du 21e siècle. Force la structuration de la pensée logique. L'élève passe de consommateur à pilote.
Distinction conceptuelle ciblée Teste la qualité épistémique de l'IA. Les réponses sont statistiquement plausibles mais parfois scientifiquement inexactes.
Comparaison avec sources fiables Positionne l'élève en expert-superviseur. La validation humaine est la seule garantie contre les hallucinations.
Chasse aux hallucinations Entraîne l'inhibition cognitive (fonction exécutive). L'élève freine son impulsion d'accepter une réponse présentée avec assurance.
Réflexion sur la sobriété numérique Intègre l'éthique du développement durable. Développe le jugement sur la proportionnalité de l'usage.

Éléments de guidage spécifiques, suggestions

  • Bonne pratiques : phase préparation Définir explicitement le vocabulaire : Ajouter un glossaire ou un temps d'arrêt sur les termes clés. Lié à l'IA : hallucination, biais, requête, modèle de langage. Liée au sujet disciplinaire abordé. Activation des connaissances : Insérer une brève activité où les élèves partagent ce qu'ils savent déjà sur les erreurs ou les limites de l'IA. Démonstration par l'enseignant : Avant de laisser les élèves «défier l'IA», l'enseignant peut faire une démonstration à voix haute. Il montre comment il rédige une requête, comment il analyse la réponse, et comment il identifie l'erreur.
  • Bonnes pratiques : phase réalisation Après le modelage, faire un premier défi «tous ensemble» ou en petites équipes avec un soutien fort de l'enseignant avant la pratique autonome. Demander aux élèves de travailler en paires pour rédiger leurs requêtes ou analyser les réponses de l'IA. Demander aux élèves d'expliquer pourquoi ils pensent que l'IA a échoué à cette question précise, plutôt que de noter simplement «ça n'a pas marché».
    • Bonnes pratiques : phase d'intégration Utiliser l'erreur comme levier : Créer un moment spécifique pour analyser les «ratés» des requêtes (ex. : quand l'IA a bien répondu alors qu'on voulait la piéger). Faire une objectivation finale : Terminer par une synthèse collective : «Qu'avons-nous appris sur le fonctionnement de l'IA aujourd'hui ?» (et non «Qu'avons-nous fait ?»).
  • Traces de l'activité Exiger des élèves qu'ils gardent les traces de leur processus, soit dans un cahier de bord ou en utilisant directement la page web avec les zones de saisies à imprimer dans un PDF. Proposer une liste de vérification ou une grille d'autoévaluation pour chaque phase de l'apprentissage (voir la page Ingénierie au bas de la page pour un exemple).
  • Napperon de questionnement Fournissez (ou créez les en groupe) des modèles de phrases (requêtes) à trous pour les phases d'analyse afin d'éviter que l'élève ne demande simplement « Donne-moi la réponse ».
  • Évaluation du processus Notez la qualité des requêtes formulées et la pertinence de l'analyse critique de l'élève plutôt que la beauté finale du résultat.
  • Inhibition cognitive Intégrez des pauses obligatoires où l'élève doit prédire le résultat ou identifier un biais potentiel avant de soumettre sa requête à l'IA.
  • Différenciation Pour les élèves avancés : ajouter une comparaison entre plusieurs IA. Pour les élèves «en difficulté» : fournir des amorces de requêtes à compléter.

Points de vigilance

  • Ne pas présenter l'IA comme « mauvaise » L'objectif est l'apprentisage d'une utilisation éclairée et efficace, pas un rejet de l'outil.
  • Prévoir des sources fiables accessibles S'assurer que l'élève aura accès à des ressources pour valider (manuel, sites officiels).
  • Éviter les sujets où l'IA performe très bien Choisir des sujets où les biais ou erreurs sont probables et détectables.
  • Inclure la dimension éthique La sobriété numérique n'est pas optionnelle, elle fait partie intégrante du défi. L'IA n'est pas toujours le meilleur outil pour la tâche.
  • Respecter le niveau scolaire Ne pas proposer des outils ou des concepts inadaptés à l'âge des élèves. Votre jugement professionnel est de mise.
Note importante : Contextualiser au Québec : les exemples, les espèces, les situations doivent être pertinents pour le contexte québécois afin de révéler les biais géographiques des IA. C'est souvent en posant des questions sur notre contexte local que les limites de l'IA deviennent les plus visibles et les plus pédagogiquement utiles.