Fondements théoriques : concepts en pédagogie
Les modèles pédagogiques
Les IA pédagogiques s’ancrent dans plusieurs théories de l’apprentissage :
- Constructivisme : Selon Piaget et Vygotski, l’apprenant construit activement ses connaissances à partir de son interaction avec l’environnement. Les IA peuvent proposer des situations problèmes contextualisées, stimulant l’élaboration cognitive et la résolution collaborative.
- Cognitivisme : Inspirée des modèles mentaux et du traitement de l’information, cette approche considère que l’IA peut modéliser des processus cognitifs pour guider les apprenants dans la structuration et la consolidation des savoirs.
- Approche socioconstructiviste : Elle souligne l’importance de l’interaction sociale dans l’apprentissage, ouvrant la voie à des IA coopératives, capables de simuler des dialogues pédagogiques, voire de soutenir des travaux collaboratifs entre pairs.
- Apprentissage adaptatif : Ce paradigme, à la croisée du cognitivisme et de l’IA, postule que l’environnement doit s’adapter aux besoins spécifiques de l’apprenant, selon des paramètres cognitifs, affectifs et comportementaux.
Le modèle du triangle pédagogique
Dans une situation pédagogique classique, trois pôles essentiels interagissent : le formateur, l’apprenant et le savoir.
Ce schéma triangulaire, popularisé par Jean Houssaye (1988), permet de conceptualiser les dynamiques de l’enseignement selon trois types de relations : la pédagogie, la didactique et la mathétique.
Ce modèle reste d’une grande pertinence pour penser, de manière systémique et durable, l’introduction de l’intelligence artificielle dans les pratiques de formation.
Le triangle pédagogique de Houssaye offre un cadre conceptuel robuste pour penser l’intégration de l’intelligence artificielle dans l’éducation.
Il permet de structurer les usages de l’IA selon trois fonctions complémentaires — didactique, pédagogique et mathétique — et d’identifier les leviers technologiques pertinents selon la nature des interactions visées.
Cette approche systémique aide à dépasser une vision purement technocentrée pour envisager l’IA comme un outil au service des relations éducatives, à condition qu’elle soit mise en œuvre avec discernement, dans le respect des finalités humaines de l’apprentissage.
La didactique correspond à la manière dont un formateur structure et met en forme un contenu pour le rendre accessible.
Chaque domaine disciplinaire dispose de ses propres logiques : on n’enseigne pas les mathématiques comme une langue vivante ou l’EPS.
L’intelligence artificielle intervient ici notamment comme aide à la conception pédagogique, en facilitant :
- la curation de contenu
- la génération automatique d’exercices
- la transformation multimodale des ressources : par exemple, transformer un texte en vidéo, audio ou infographie
Ces usages permettent d’optimiser l’ingénierie pédagogique en adaptant les formats aux contraintes et aux préférences des publics.
La pédagogie concerne les modalités d’accompagnement de l’apprenant par le formateur.
Elle englobe :
- la gestion des groupes
- la dynamique de classe
- la motivation des apprenants
- le suivi de la progression
- les feedbacks personnalisés
Dans cette perspective, l’IA peut jouer un rôle de soutien pédagogique, notamment via :
- des systèmes de remédiation
- des agents conversationnels capables d’expliquer des erreurs
- des plateformes de suivi personnalisé des acquis
- des avatars interactifs pour animer à distance
L’objectif n’est pas de remplacer le formateur, mais de l’aider à individualiser son accompagnement, notamment dans des contextes massifiés où le temps et les ressources sont limités.
Des outils comme Duolingo illustrent cette capacité à modéliser les connaissances d’un apprenant et à ajuster en permanence les activités proposées.
Moins connue, mais tout aussi essentielle, la mathétique désigne la relation directe entre l’apprenant et le savoir, c’est-à-dire l’ensemble des stratégies cognitives et métacognitives qu’il mobilise pour apprendre.
Le terme, introduit au XVIᵉ siècle par Comenius dans son Tractatus Didacticus, vient du grec mathêmatikós, « celui qui aime apprendre ».
L’intelligence artificielle peut ici contribuer à renforcer l’autonomie et l’engagement de l’apprenant, notamment grâce à :
- l’identification du profil d’apprentissage
- des tests de positionnement pour évaluer les acquis
- des moteurs de recommandation personnalisés
- un accompagnement à l’autoréflexion (feedbacks, auto-évaluation)
Des outils comme Learning Coach permettent, par exemple, de déterminer rapidement le profil d’un apprenant et d’adapter les parcours en conséquence.
L’IA devient ainsi un levier pour développer la réflexivité, l’orientation et la capacité d’apprentissage tout au long de la vie.
