IA nous sommes encore collectivement en phase d’exploration plus que d’exploitation

La Conférence des grandes écoles a publié un livre blanc consacré à l’usage "raisonné et critique de l’IA dans les grandes écoles", le 26 février 2025. Il appelle notamment à repenser les modalités d’évaluation, faisant le constat que les outils actuels sont plus que faillibles pour détecter des cas de triche avec des IA. Plusieurs exemples sont donnés sur des usages potentiels, avec pour conseil "d’adopter une organisation permettant d’effectuer une veille continue". Une attention est également portée sur les biais potentiels de ces technologies ainsi que leur coût environnemental.

"Nous sommes encore collectivement en phase d’exploration plus que d’exploitation réelle des outils d’IA", alors que "le potentiel des IA génératives semble considérable", pointe un livre blanc publié par la CGE le 26 février 2025, et intitulé : "Pour un usage raisonné et critique de l’IA dans les grandes écoles".

Repenser les évaluations

D’après ce livre blanc, "les établissements de formation n’ont d’autre choix que de repenser leurs modalités d’évaluation en profondeur" face au développement des IA génératives. Même si, "à ce stade, le tâtonnement est général". "Dans l’ensemble (en France et à l’étranger), le réflexe principal pour faire face à ces changements a été de revenir à des examens traditionnels avec papier et crayon. En parallèle, la mise en place d’évaluations orales a également le vent en poupe", est-il constaté.

Cependant, il apparaît "compliqué de se limiter à ces formats d’évaluation". Ainsi, il est anticipé que les expérimentations actuellement menées, comme des examens autorisant l’utilisation d’IA génératives, aboutiront "à un renouvellement en profondeur des évaluations tout en les rendant plus résistantes à la triche via des LLM". Il est en effet noté que de nombreux établissements se sont tournés vers des IA pour tenter de détecter les cas de triche, "comme avec le plagiat traditionnel". Mais les outils actuellement sur le marché sont plus que faillibles, et des "faux positifs peuvent entraîner des situations désastreuses pour les étudiants".

Par ailleurs, l’IA générative bouscule également les métiers, si bien que "la nature même de ce à quoi nos étudiants doivent être formés, évolue rapidement et considérablement, impliquant de transformer aussi le contenu de ces évaluations", souligne la CGE.

Des exemples d’usages

La publication cite plusieurs exemples d’usages d’IA génératives par des établissements membres de la Conférence, divisés en plusieurs catégories :

Activités d’enseignement. L’aide à la préparation de syllabus ou de supports de cours est mise en avant, de même que la génération d’évaluations dans des formats QCM/quiz, ou encore la création de grilles d’évaluation. L’aide à la correction et l’analyse des copies est également citée, par exemple avec la vérification de l’orthographe, la création de feedbacks détaillés ainsi que la génération de tableaux de bord analytiques. L’Iéseg a par exemple déployé la solution de la edtech Nolej, qui "permet aux professeurs de créer rapidement, à partir de leurs supports de cours, des vidéos interactives, des quiz, des résumés de cours, des flashcards ou des mini-jeux", etc. (lire sur AEF info). Mais attention, l’ensemble de ces contenus doit "faire l’objet d’une vérification de la part des professeurs".

Activités d’apprentissage. L’usage d’IA génératives peut "faciliter" l’expérience apprenante, souligne la CGE, avec des outils qui peuvent "être utilisés comme tuteur d’apprentissage". Cette aide peut tout aussi bien toucher à l’organisation, par exemple la constitution de plans de révision, que la génération de traductions ou d’explications de cours, ainsi que l’adaptation de contenus éducatifs en cas de handicap. L’exemple de "Skema AI tutor" est cité (lire sur AEF info).

Activités de recherche. "L’IA générative peut également fournir une aide précieuse aux chercheurs aux différentes étapes de leur travail, qu’il s’agisse du design de la recherche, de la découverte ou formalisation de la revue de littérature, de la collecte et de l’analyse de données, de la finalisation ou édition de leur document final", selon le livre blanc. Cependant, "leur praticité ne doit pas faire oublier qu’il ne s’agit là que d’outils complémentaires", qui doivent être utilisés en ayant conscience "de leurs limites et risques associés, et notamment des considérations éthiques".

Activités administratives. Pour la CGE, les outils d’IA générative peuvent "fournir une aide non négligeable aux personnels administratifs des écoles, en améliorant à la fois leur productivité et la qualité du service rendu". Cela peut par exemple passer par une assistance pour répondre aux sollicitations, en "générant des réponses automatisées et personnalisées aux questions fréquentes" (lire sur AEF info) ; ou encore l’aide à l’analyse, la traduction ou la rédaction de documents, rapports, comptes rendus, emails, etc. De plus, les outils d’IA peuvent aider "à la génération et à l’analyse d’indicateurs", par exemple "automatiser la création de tableaux de bord et fournir des insights sur la gestion des ressources".

Des conseils pour "se lancer"

"Désapprendre d’anciens réflexes et apprendre de nouvelles compétences et manières de penser, voilà donc le monde dans lequel nous plonge l’IA générative", pointe le livre blanc, qui donne quelques conseils pour "se lancer". L’exemple de la stratégie mise en place par Neoma est cité, avec notamment une démarche de tests mise en place "par des membres du Learning Lab et des professeurs de l’école pour évaluer la performance, la fiabilité et l’intérêt de l’IA générative" (lire sur AEF info).

Risques de biais et coût environnemental

Par ailleurs, le livre blanc insiste sur les risques de biais qui accompagnent l’utilisation de ces modèles de langage :

Les "biais amont, liés à la conception des LLM". En effet, ces modèles peuvent "absorber" et reproduire des biais antérieurs. Par exemple : "En 2018, Amazon a dû arrêter d’utiliser un outil de recrutement basé sur l’IA qui favorisait les candidats masculins pour des postes techniques (biais aval), car il avait été entraîné à partir de CV reçus au cours des 10 années précédentes, période pendant laquelle la majorité des candidats étaient des hommes".

Les "biais aval, liés à l’utilisation des résultats obtenus". Même si le LLM est "relativement neutre", des biais peuvent apparaître via l’utilisation de ses résultats "dans des environnements biaisés", par exemple via la façon dont un humain interprète ou utilise une réponse donnée par une IA générative.

La publication revient également sur le coût environnemental de l’usage de cette technologie. Un "premier exemple de LLM conçu au sein d’une grande école française avec un souci de l’impact environnemental de celui-ci est le LLM Croissant (CentraleSupélec)", note le livre blanc.

SOURCE : aefinfo