Les habitudes de travail se sont prises avec un assistant américain. L'enseignement supérieur français s'organise autour d'une IA hébergée chez lui. Plutôt que de trancher par principe, le choix se fait par usage, avec une comparaison à l'aveugle.
Le niveau de délégation indique jusqu'où l'IA agit seule. Ici, l'IA générative produit des propositions, et chaque production est relue et validée avant usage.
Choisir une IA pour l'université oppose souvent souveraineté et performance, sans critère partagé.
Un tri des usages selon les données confiées, puis un protocole de comparaison à l'aveugle sur de vraies tâches pédagogiques.
Un choix d'outil argumenté, compatible avec le cadre de l'établissement et l'offre Mistral ESR, et transposable à d'autres équipes.
Trois familles d'usages, classées selon les données qu'elles exposent. L'outil se choisit ensuite, famille par famille.
C'est la logique de la CNIL : partir d'un besoin précis, ne pas fournir de données personnelles à un système qui pourrait les réutiliser, impliquer le délégué à la protection des données.
Quatre repères pour situer le cadre qui se construit dans l'enseignement supérieur français.
Des dizaines d'établissements s'allient avec Mistral AI pour une IA générative souveraine.
L'Amue ouvre une expérimentation : Le Chat Pro et un accès API à Mistral Medium.
Via la fédération ILaaS, sur un centre de données de l'Université de Rennes.
600 € la part : 10 sièges et 150 000 tokens d'API par jour.
L'expérimentation court jusqu'à fin 2026 ; la suite (offre pérenne, marché européen) reste à suivre.
Les méthodes, les skills et les consignes ont été rodés avec un outil précis. Changer d'outil se décide sur une comparaison, pas sur une impression.
Ce que la comparaison mesure :
Score à l'aveugle, tâche par tâche
Temps de correction des sorties
Tâches où l'écart compte vraiment

« Choisir une IA, c'est d'abord choisir à qui l'on confie quoi. »
le critère retenuCôté assistants grand public, l'utilisation des conversations pour l'entraînement est un réglage : il est désactivé. Côté établissement, le choix de l'outil pour les données d'étudiants n'appartient pas à l'enseignant seul : il passe par le délégué à la protection des données.
Ne cherchez pas la meilleure IA. Cherchez la bonne IA pour chaque type de données, puis mesurez ce que vous perdez ou gagnez.
Le tri tient en une feuille.
Vos usages actuels de l'IA.
Selon les données confiées : aucune, étudiants, public.
Ce que votre établissement autorise et propose.
Sur vos vraies tâches, à l'aveugle.
Renseignez-vous auprès de votre direction du numérique : votre établissement participe peut-être déjà à l'expérimentation Mistral ESR.
Le kit contient la grille de tri par données et le protocole de comparaison à l'aveugle.
Dans la veille : Alberta : un assistant IA dans tous les cours · UNESCO : une déclaration ministérielle et une enquête auprès des universitaires