Appel à proposition de communication
Usages raisonnés de l’intelligence artificielle générative (IAGen) pour l’enseignement du Français Langue Etrangère et Seconde
Journée d’étude – 4 décembre 2024 – Université de Strasbourg/MISHA – 8h30 à 16h30 Organisée par Nathalie Gettliffe (UR2310 LISEC/Université de Strasbourg, de Lorraine et de Haute-Alsace) et Gérald Schlemminger (Pädagogische Hochschule Karlsruhe, Allemagne)
L’introduction de ChatGPT en novembre 2022 a été un développement significatif dans le monde de l’éducation. Soudainement, n’importe quel individu pouvait interagir avec un ChatBot afin de produire du contenu relativement pertinent. Nul besoin de maitriser des codes complexes, une simple requête écrite de quelques mots ou phrases permet de recevoir des
propositions de toute nature en quelques secondes: une synthèse de documents, une dissertation sur un sujet, un support de présentation orale, des images, de la musique, des poèmes, des codes informatiques, des exerciseurs, des formules, etc., bref, un ensemble de produits variés que l’on pensait uniquement réalisables par l’être humain. Dès lors, les enseignants se sont interrogés sur comment utiliser cette nouvelle technologie en classe de FLE et sur les nouvelles modalités d’évaluation à mobiliser afin de s’assurer que les productions soumises soient bien celles d’élèves/d’étudiants et non pas simplement une proposition de l’intelligence artificielle générative (IAGen). En effet, des sondages rapides ont permis de pointer que les enseignants ne disposaient pas des ressources nécessaires pour détecter les cas d’utilisation de l’intelligence artificielle générative dans les productions de leurs élèves ou étudiants (Fleckenstein& coll., 2024).
Puis, la presse révélait progressivement que l’intelligence artificielle générative, loin d’être totalement autonome, repose sur une importante intervention humaine. Des équipes de programmateurs conçoivent et affinent les algorithmes, tandis que d’autres travailleurs, souvent mal payés dans des pays en voie de développement (Chagnon, 2024), participent à
l’étiquetage et à la classification des données nécessaires à l’entraînement des modèles. A ceci, s’ajoutaient des révélations sur les consommations d’énergie élevées requises pour alimenter et refroidir les centres de données (Piquard, 2024) entrainant une hausse importante des émissions de CO2 des entreprises du secteur numérique (Google, Microsoft...).
Des organisations comme l’UNESCO et coll. (2024) commençaient aussi à questionner les sources utilisées pour alimenter l’intelligence artificielle générative soulignant l’absence de consentement, le manque de traçabilité ou de transparence. Elles s’interrogeaient aussi sur les réponses fournies par les intelligences artificielles génératives (biais culturel, réduction de
la diversité) et surleur utilisation pour générer du contenu discriminatoire, haineux et intrusif sur Internet. Ce qui avait été perçu initialement comme une avancée technologique fascinante commençait à soulever des préoccupations croissantes quant à ses impacts sur le société et l’humanité.
Afin de limiter les risques de dérapages, plusieurs cadres règlementaires ont été mis en place avec parfois des sanctions annoncées (Commission européenne, 2021, IA Act pour l’UE). Dans le domaine de l’éducation, le Consensus de Bejing (UNESCO, 2019) puis le Guide pour les décideurs politiques (UNSECO, 2021) esquissaient déjà des recommandations pour garantir l’utilisation éthique, inclusive et équitable de l’intelligence artificielle générative dans l’éducation. Des propositions plus récentes intègrent aussi le volet durabilité pour les utilisations de l’intelligences artificielle générative (Kasneci & coll., 2023).
Dans ce contexte entouré de défis et avec des pratiques spontanées qui peuvent être parfois en décalage par rapport aux théories d’apprentissage (retour en force des exerciseurs, solo-apprentissage personnalisé), comment imaginer des usages raisonnés de l ’intelligence artificielle générative en didactique du FLES en plaçant l’humain au cœur des préoccupations
des enseignants pour éviter que cette dernière ne devienne « dégénérative » (De La Higuera & Iyer, 2024) ?
Cette journée d’étude propose d’accueillir des retours d’expérience plus ou moins formels d’enseignants-praticiens ainsi que de chercheurs dans l’objectif de faire émerger une charte commune pour une utilisation raisonnée de l’intelligence artificielle générative en didactique du FLES et de recenser des pratiques pertinentes pour notre propre discipline en s’appuyant
sur des propositions déjà existantes pour l’éducation en général (Direction du numérique pour l’éducation, 2024 ; Herft, 2023). Une première conférence introductive reprendra les grandes caractéristiques techniques des intelligences artificielles génératives et leurs affordances (Gibson, 1977) pour la didactique du FLES. Une seconde conférence proposera une
compilation des utilisations spontanées des intelligences artificielles génératives par des étudiants en SHS afin d’établir les zones potentielles de formation à et par l’intelligence artificielle générative.
Afin de refléter une diversité de contextes (FLE, FLS, FLI, FOS, FLP, FLSco), les communications pourront se faire en ligne ou en présentiel. Deux formats sont possibles : une communication courte (10 min + 5 minutes d’échanges) ou longue (20 minutes + 10 minutes d’échanges). Les communications pourront ensuite être soumises au comité de rédaction et éventuellement publiées dans un numéro de la revue Didactique du FLES : Recherches et Pratiques consacré à
l’IAGen en didactique du FLES (parution juin 2025 ; date butoir de soumission 31 décembre 2024 sur https://ouvroir.fr/dfles/index.php?id=1087).
Calendrier et modalités de soumission :
15 octobre 2024 : envoi de la proposition de communication sous la forme d’un résumé d’une à deux pages (hors bibliographie) rédigé en français aux adresses des organisateurs (ngettliffe@unistra.fr;schlemminger.gerald@gmail.com).
20 octobre 2024 : réponse des organisateurs (pour ceux qui viendront en présentiel, n’oubliez pas de réserver vos billets de train et votre logement rapidement pour pouvoir profiter du Marché de Noël de Strasbourg).
4 décembre 2024 (8h30 à 16h30): Journée d’étude –Université de Strasbourg/MISHA – 5 allée du Général Rouvillois, Strasbourg.
BIBLIOGRAPHIE :
Chagnon, L. (2024, avril 9). « Ils profitent de notre pauvreté » : Derrière le boom des intelligences artificielles génératives, le travail caché des petites mains de l’IA. France
Info Télévisions. https://www.francetvinfo.fr/internet/intelligence-artificielle/ils-profitent-de-notre-pauvrete-derriere-le-boom-des-intelligences-artificielles-generatives-le-travail-cache-des-petites-mains-de-l-ia_6466742.html
Commission européenne (2021). Proposition de règlement du parlement européen et du conseil établissant des règles harmonisées concernant l’intelligence artificielle (législation sur l’intelligence artificielle) et modifiant certains actes législatifs de l’union, 2021/0106/COD.
De La Higuera, C. & Iyer, J. (2024). IA pour les enseignants : un manuel ouvert. Unesco et Nantes Université.
Direction du numérique pour l’éducation. (2024). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques. Ministère de l’éducation nationale.
Fleckenstein, J., Meyer, J., Jansen, T., Keller, S. D., Köller, O. & Möller, J. (2024). Do teachers spot AI? Evaluating the detectability of AI-generated texts among student essays. Computers and Education: Artificial Intelligence, 6, 100209.
https://doi.org/10.1016/j.caeai.2024.100209
Gibson, J. (1977). The theory of affordances. Dans Shaw, R. & Bransford, J. (dir.), Perceiving, acting, and knowing: Toward an ecological psychology (p. 67-82). Lawrence Erlbaum Associates, Inc.
Herft, A. (2023). Guide de l’enseignant—L’usage de ChatGPT « ce qui marche le mieux » (A.Gagne, Trad.). https://labua.univ-angers.fr/wp-content/uploads/2023/01/ChatGPTGuide-de-lenseignant-FR.pdf
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel,
C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT
for good ? On opportunities and challenges of large language models for education.
Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Piquard, A. (2024, février 8). « L’explosion de la demande d’électricité liée à l’IA a déjà des
conséquences locales ». Le Monde. https://www.lemonde.fr/economie/article/2024/02/08/l-explosion-de-la-demande-
d-electricite-liee-a-l-ia-a-deja-des-consequences-locales_6215368_3234.html
UNESCO, Fengchun, M. & Holmes, W. (2024). Orientations pour l’intelligence artificielle générative dans l’éducation et la recherche. UNESCO Bibliothèque Numérique. https://doi.org/10.54675/HBCX3851
UNESCO. (2019). Consensus de Beijing sur l’intelligence artificielle et l’éducation. UNESCO Bibliothèque Numérique
UNESCO. (2021). IA et éducation : Guide pour les décideurs politiques. UNESCO Bibliothèque Numérique. https://unesdoc.unesco.org/ark:/48223/pf0000380006
Français
Italiano