Il y a un risque que les universités passent "à côté des opportunités offertes par l’IA générative" (étude Fnege)

Les écoles de commerce "semblent s’être appropriées le phénomène de l’IA générative d’une manière plus marquée que les universités", ces dernières adoptant plutôt une posture de "suiveurs", selon une étude de la Fnege publiée le 7 novembre 2024. Le risque pour les universités est de passer "à côté des opportunités offertes dans l’enseignement supérieur", tandis que les écoles de commerce seraient déjà au stade du développement de trajectoires différenciées d’appropriation. Cette enquête est le second volet d’une étude plus large, dont la première partie a été publiée cet été.

LIRE AUSSI | IA : il faut "une manière claire de cadrer l’utilisation de ces nouveaux outils" (étude de la Fnege)

Un gain de temps pour évaluer les QCM et calculs

Les enseignants-chercheurs et ingénieurs pédagogiques interrogés dans cette étude soulignent unanimement "la nécessité d’un usage raisonné des IA génératives dans l’enseignement", en raison des risques d'"hallucination" ou de "confiance excessive" envers ces outils.

Parmi les usages de l’IA générative recensés par les répondants, on trouve plusieurs applications :

• L’aide à la création de cours, comme la génération de syllabus et de contenu (fiches de synthèse, études de cas, QCM, etc.), ou encore la création de vidéos traduites automatiquement dans plusieurs langues.
• L’animation des cours, notamment l’analyse critique des contenus générés par IA, ou leur utilisation dans des exercices pratiques pour créer des vidéos (fausse publicité, deepfake, etc.). La création d’un avatar conversationnel, qui agirait comme un "assistant virtuel", est également explorée. Cependant, l’étude insiste sur le fait que ces outils ne peuvent "remplacer l’expérience du professeur". L’un des témoins de l’étude a mentionné que les vidéos générées par IA deviennent rapidement ennuyeuses une fois l'effet "sensationnel" dissipé, et d’autres ont souligné que de nombreux étudiants préfèrent échanger directement avec leur enseignant plutôt qu’avec un avatar virtuel.
• L’évaluation des étudiants, par exemple en utilisant l’IA générative pour corriger des copies. Les retours sont "mitigés" quant à l’efficacité de ces outils, et leur généralisation n’est ni prévue ni souhaitée. Cependant, des solutions technologiques pour la correction des calculs et des QCM, développées par des edtech, rencontrent une "grande satisfaction" des enseignants-chercheurs, tant le gain de temps est évident.

"Les progrès en la matière sont exponentiels, portés par un marché en pleine croissance. Dans ce contexte, la prudence reste de mise quant à la transformation rapide de nos pratiques d’évaluation." Concernant l’évaluation, plusieurs sondés ont expliqué avoir mis en place des modalités d’examen visant à empêcher l’utilisation des IA : retour aux examens surveillés de type "papier-crayon", salles informatiques limitées, renforcement des oraux pour les mémoires, etc.

Dépasser la "dualité" entre les écoles et les universités

Le rapport propose trois recommandations. Premièrement, il est nécessaire de dépasser l’idée reçue selon laquelle les écoles de commerce, pour des raisons économiques, seraient mieux préparées que les universités à s’approprier les IA génératives. Cette "dualité" prive les enseignants-chercheurs des synergies qui favoriseraient le partage d’expérience, la formation commune et la co-construction de solutions technologiques mutualisées. L'un des risques est que les universités passent à côté des opportunités que l’IA générative peut offrir dans l’enseignement supérieur, tandis que les écoles de commerce se trouveraient déjà au stade de développement de trajectoires d’appropriation différenciantes.

Deuxièmement, le rapport met en lumière la nécessité de former concrètement les étudiants et les enseignants aux enjeux de l’IA et à son usage raisonné et intelligent. Cette formation doit aller au-delà de simples webinaires ou capsules vidéo disponibles sur Internet. "L’urgence de former les enseignants-chercheurs est telle qu’il n’est plus suffisant de les laisser s’auto-former", avertit l’étude.

La piste du RAG pour la maîtrise des données

Enfin, l’étude aborde la question de l’adaptation des IA génératives aux besoins spécifiques de l’enseignement supérieur en gestion. Les établissements doivent-ils investir dans des versions payantes "sur étagère" pour offrir un meilleur service à leurs étudiants et enseignants ? Cela soulève aussi la question de la traçabilité des sources utilisées pour alimenter les IA et de la confidentialité des données transmises.

L’étude plaide pour le développement d’IA génératives "spécifiques à l’enseignement supérieur", d’intérêt général. Elle fonde des espoirs sur les IA génératives de type RAG (Retrieval Augmented Generation), qui permettraient aux établissements d’ESR de maîtriser la confidentialité des données et de contrôler les sources d’apprentissage. Un exemple est le projet RAGaRenn, porté par l’Université de Rennes.

SOURCE : AEF INFO