Direction du numéro
Gérald Schlemminger (Pädagogische Hochschule Karlsruhe) et Nathalie Gettliffe (université de Strasbourg)
Numéro thématique et de varia
La date limite de soumission des contributions complètes est le
31 décembre 2024 pour une publication en juin 2025
Les contributions complètes sont à envoyer à
schlemminger.gerald@gmail.com et à ngettliffe@unistra.fr
ainsi qu’à asso.rhenane.enseignants.fle@gmail.com.
La feuille de style se trouve sur le site de la revue à
https://ouvroir.fr/dfles/index.php?id=72.
L’intégration de l’intelligence artificielle générative (IAG) dans l’enseignement du français est en pleine expansion et promet d’influencer, voire transformer l’apprentissage et les méthodes d’enseignement. Nous nous proposons de donner un bref aperçu de la situation actuelle et des perspectives futures dans ce domaine, puis de proposer des axes de travail pour la soumission de contributions.
Donnons d’abord une définition des termes, proposée par ChatGPT1 et aménagée par nos soins.
L’intelligence artificielle générative est dite « générative » car elle est capable de créer de nouvelles données, telles que des images, du texte ou d’autres contenus, plutôt que simplement d’analyser ou de répondre à des données existantes. Elle génère de manière autonome des résultats. L’IA générative est un système algorithmique avancé qui utilise des matrices de vecteurs et des réseaux de transformation pour analyser des ensembles de données et créer de nouvelles informations. En manipulant des vecteurs dans des matrices à travers une série d’opérations mathématiques, ces algorithmes peuvent produire du texte, des images, de la musique et d’autres types de contenu de manière autonome. Ces systèmes utilisent de grandes quantités de données basées sur des patterns identifiés dans les données d’entrainement, pour affiner leurs modèles et générer des sorties cohérentes et pertinentes par rapport aux entrées, les prompts, qu’ils reçoivent.
La situation actuelle
Les modèles de langage avancés, tels que GPT-4 de OpenAI, sont capables de comprendre et de générer du texte de manière très fluide et contextuelle. Ces modèles peuvent simuler des conversations naturelles, rédiger des textes variés et répondre à des questions complexes. Ces technologies sont de plus en plus intégrées dans des applications éducatives pour aider les apprenants à pratiquer la langue cible de manière interactive.
Des plateformes d’apprentissage des langues comme Duolingo, Babbel et Rosetta Stone commencent à intégrer des éléments d’intelligence artificielle pour personnaliser l’apprentissage et proposer des exercices adaptatifs. Des chatbots conversationnels basés sur l’IA sont utilisés pour pratiquer les compétences orales et écrites (Freyer & coll., 2020). Ces outils peuvent fournir une rétroaction instantanée et des corrections personnalisées. L’IA permet ainsi de créer des expériences d’apprentissage personnalisées en adaptant les contenus et les exercices au niveau et aux besoins spécifiques de chaque apprenant.
Les modèles de langage continueront de s’améliorer en termes de compréhension et de génération de texte, ce qui permettra des interactions encore plus naturelles et pertinentes avec les apprenants. Par conséquent, l’IA générative ouvrira probablement la voie à de nouvelles méthodes d’enseignement, telles que des environnements d’apprentissage immersifs, des simulations de conversation en réalité augmentée et des tuteurs virtuels. La collaboration entre les experts en linguistique, en éducation et en intelligence artificielle sera essentielle pour développer des outils pédagogiques efficaces et adaptés aux besoins des apprenants.
Pour ne mentionner que la rédaction assistée par l’IA, elle offre de nombreuses possibilités pour l’écriture, comme par exemple :
-
Didask, une IA pédagogique, qui transforme des contenus complexes en supports d’e-learning ;
-
Tome, une application qui permet de créer des présentations PowerPoint de A à Z ;
-
Chatmind, un outil pour générer des cartes heuristiques avancées ;
-
Perplexity, un outil assisté par l’IA qui aide à trouver des sources fiables pour répondre à des questions, particulièrement utile lorsque ChatGPT se trompe dans ses références.
D’autres IA permettent de générer des images (MidJourney, Stable Diffusion), de l’audio (Speechify, ElevenLabs), des vidéos (Invideo AI, Synthesia), des dialogues (YesChatAI), etc.
Les axes de contribution
Etant donné l’émergence du domaine de l’intelligence artificielle générative pour l’enseignement du FLE et son influence sur tous les domaines de la didactique du FLE, les axes de contribution se veulent nécessairement larges et convoquent aussi bien des méthodes de recherche descriptives que réflexives sur des pratiques en construction.
-
Apprentissage linguistique : comment l’utilisation d’outils basés sur l’IAG affecte-t-il l’acquisition des compétences linguistiques, telles que la compréhension orale, la production écrite et la fluidité de la conversation dans la langue cible ? Les parcours d’apprentissage des apprenants de FLE sont-ils modifiés dès lors que l’IAG prend en charge une partie des processus cognitifs ? Peut-on établir des liens entre l’acquisition de la compétence d’écrire des prompts / requêtes performantes et la progression en langues (Allouche, 2024) ?
-
Développement de ressources : comment l’IAG contribue-t-elle au développement de ressources éducatives interactives basées sur l’intelligence artificielle générative, telles que des chatbots, des jeux de rôle virtuels et des simulateurs de conversation (Huang & coll., 2022 ; Young & coll., 2023) ?
-
Stratégies d’interactivité : Peut-on identifier des stratégies d’interactivité entre les apprenants et les systèmes d’intelligence artificielle générative qui permettraient de soutenir l’engagement et l’apprentissage (Xu & coll., 2022 ; Mollick, 2024) ?
-
Adaptation aux besoins individuels : Comment les modèles de langage génératif peuvent-ils être adaptés aux besoins et au niveau des compétences individuelles des apprenants pour offrir ainsi une expérience d’apprentissage personnalisée et tenant compte de l’hétérogénéité des groupes (Herft, 2023)?
-
Intégration dans les programmes éducatifs : Comment peut-on identifier et évaluer les pratiques pertinentes mobilisant les technologies d’intelligence artificielle générative dans les programmes éducatifs formels et informels afin de les intégrer de manière réfléchie au sein de méthodologies pédagogiques existantes ? Comment évaluer les risques et les opportunités et définir la place de la décision humaine dans ce processus (UNESCO, 2019) ?
-
Évaluation des compétences linguistiques : Quels sont les méthodes et les outils d’évaluation innovants basés sur l’intelligence artificielle générative qui pourraient être mobilisés pour évaluer les compétences linguistiques des apprenants de manière fiable et valide (Audran, 2024) ?
-
Inclusion et diversité : Les technologies d’intelligence artificielle générative peuvent-elles être utilisées de manière inclusive pour soutenir les apprenants de FLE provenant de différents milieux socio-culturels et linguistiques (Romero & coll., 2021) ?
-
Formation des enseignants : Comment former les enseignants à l’utilisation de l’IAG dans leur cours de FLE en incluant la compréhension des capacités et des limites de l’IAG ainsi que des réflexions sur les méthodes d’intégration (Ouyang & Jiao, 2021 ; Inria & AI4T, 2023) ?
-
Défis éthiques et sociétaux : Quels sont les points de vigilance (éthiques, sociétaux et environnementaux) concernant l’utilisation généralisée de l’intelligence artificielle générative pour l’apprentissage du français, notamment en ce qui concerne la confidentialité des données, les représentations culturelles, l’accès équitable aux outils de l’IAG (Holmes & coll., 2022) ?
-
Éthique, confidentialité et droit d’auteur : Comment s’assurer du respect de la confidentialité des données des utilisateurs et de la gestion éthique des interactions avec l’IAG (Collin & Marceau, 2021) ? Comment prendre en compte les sources/les ressources mobilisées et citées afin d’éviter le plagiat et le duplicate content ?