Expérimenter, pour un avis éclairé.
Tester l'intelligence artificielle dans de vrais cours de l'enseignement supérieur, mesurer ce qu'elle change, et ne retenir, avec esprit critique, que les pratiques pédagogiques réellement utiles.

Ni enthousiasme de principe, ni rejet de principe. Chaque expérimentation suit le même chemin, documenté, pour juger sur pièces de ce que l'IA apporte vraiment, et de ce qu'elle n'apporte pas. Ce qui a fait ses preuves peut ensuite être déployé à plus grande échelle.
Partir d'un besoin réel du terrain, pas d'un outil à la mode. Cadrer les données, les risques, le niveau de délégation.
Dans un cours réel, avec de vrais étudiants, sur un périmètre limité et réversible.
Temps gagné, qualité, retours des étudiants. Les indicateurs sont choisis avant de commencer.
Ne garder que ce qui a fait ses preuves, et le documenter pour que chacun puisse en juger et se l'approprier.
et parfois, renoncerFormer les équipes, outiller avec des kits et des modèles, suivre les indicateurs à plus grande échelle.
Évolution ou révolution dans l'enseignement ?
Accompagner le changement plutôt que le subir.Les expérimentations couvrent les cinq domaines d'activité d'un enseignant du supérieur : concevoir, faire apprendre, évaluer, accompagner, se développer.
Des cours, des modules et des QCM produits plus vite, et surtout plus cohérents.
expérimentations 402Des supports et des activités où l'IA fait travailler l'étudiant, au lieu de travailler à sa place.
expérimentations 303Ce que l'IA peut préparer, et ce qu'elle ne décidera jamais.
expérimentations 104Répondre, relancer, guider à toute heure, sans perdre le lien humain.
expérimentations 205Choisir ses outils, poser des règles, faire monter les équipes en compétence.
expérimentations 3
L'IA joue le monde. L'enseignant garde le jugement.
Le principe commun à toutes les expérimentations.Chaque fiche dit ce qui a été fait, ce que cela apporte aux étudiants et à l'enseignant, et dans quel cadre le généraliser. Toutes les expérimentations
Un retour pour chaque réponse, importable dans Moodle. Le travail de l'enseignant passe de la saisie à la relecture du fond.
Testé en vraiAccompagneroctobre 2026Une FAQ en un seul fichier, première brique d'un assistant étudiant. Et le vrai calcul de son coût en tokens.
FAQ construiteSe développeroctobre 2026Choisir un outil selon les données confiées, pas selon la marque. Et mesurer à l'aveugle ce qu'on gagne ou perd.
Protocole défini« L'innovation pédagogique ne se décrète pas. Elle se teste, se mesure, puis se partage. »
Les questions que se posent les directions d'établissement et les équipes pédagogiques. Les réponses s'appuient sur les essais menés en 2026 et détaillés sur ce site.
Pas forcément là où on l'attend. Produire des contenus est déjà facile ; le vrai changement tient en trois déplacements : le temps de l'enseignant passe de la saisie à la relecture et au choix, l'évaluation regarde davantage la démarche que le seul résultat, et l'accompagnement des étudiants devient possible à toute heure. Rien de tout cela ne se décrète : cela se teste, cours par cours.
Le plus simple est de commencer petit, par des usages sans données d'étudiants et à faible risque : QCM d'entraînement avec retours, annonces de cours, mise en cohérence des supports. On mesure le temps gagné et la qualité. Les outils ouverts aux étudiants, comme une FAQ ou un coach de révision, viennent ensuite.
La tentation se comprend, mais une interdiction qu'on ne peut pas contrôler pénalise surtout les étudiants honnêtes. Plus efficace : fixer, travail par travail, le niveau d'usage autorisé et demander une déclaration, dans le cadre de la charte de l'établissement. L'Université de Sydney distingue ainsi les évaluations sécurisées, sans IA, et celles où son usage est ouvert et encadré.
Elle peut aider à préparer une évaluation, pas décider. Le règlement européen sur l'IA classe à haut risque les systèmes destinés à évaluer les acquis d'apprentissage (annexe III), et la CNIL recommande de ne pas confier de prise de décision à une IA générative. La note reste une décision humaine, et c'est une bonne nouvelle pour tout le monde.
Avant de comparer les marques, regardez les données que vous allez confier. Pour les données d'étudiants : un outil validé par le délégué à la protection des données et hébergé en Europe. En 2026, l'enseignement supérieur français expérimente une offre mutualisée, Mistral ESR, portée par l'Amue et hébergée dans l'ESR.
C'est un très bon début, mais pas une fin. Une charte ne vaut que par sa traduction dans chaque consigne de travail et par son lien avec les règles d'évaluation. Elle gagne aussi en crédibilité quand les enseignants déclarent, eux aussi, leurs propres usages.
Tout dépend de la façon dont il est construit, bien plus que du modèle choisi. Un assistant qui relit toute sa base documentaire à chaque question peut coûter dix fois plus qu'un assistant qui ne cherche que les passages utiles. Le calcul se fait donc avant le choix du modèle, pas après la première facture.
Par l'exemple, bien plus que par la prescription : des expérimentations documentées, des kits réutilisables, des échanges entre pairs. Un enseignant adopte plus volontiers une pratique qu'un collègue a testée et dont il connaît les limites.
Non, et rien dans ces expérimentations ne va dans ce sens. L'IA prend en charge une partie de la production et de la mise en forme ; le choix de ce qui mérite d'être appris, l'évaluation et la relation restent humains. Chaque fiche cherche précisément à tracer cette frontière.
Imaginez un assistant qui ne se contente pas de répondre, mais enchaîne plusieurs actions pour atteindre un objectif. Dans la simulation de réunion de crise de ce Learning Lab, trois agents jouent des parties prenantes face à l'apprenant ; des règles fixes, hors du modèle, tiennent l'état de la réunion, et l'IA n'évalue jamais l'apprenant. Le niveau de délégation se choisit : IA qui rédige, agent sous contrôle, puis agent autonome. Voir la simulation par agents IA.
Pas à pas, et en partant du terrain : un besoin réel, des usages sans données d'étudiants, en fixant le niveau de délégation avant de commencer, puis en testant sur un périmètre réversible avec des indicateurs choisis à l'avance. Bonne nouvelle : les enseignants délèguent plus volontiers la rédaction de contenus que les gestes sur la plateforme de cours. C'est par là que l'accompagnement des équipes peut commencer. Lire la synthèse de l'étude sur 290 enseignants.
Une expérimentation vous parle, vous menez une démarche comparable, ou vous voulez simplement en discuter : écrivez-moi.