Introduction

Depuis plusieurs années, les technologies de l’information et de la communication pour l’enseignement (TICE) enrichissent l’enseignement en offrant des ressources interactives et collaboratives. Aujourd’hui, l’IA occupe une place croissante dans l’éducation, avec un fort potentiel pour personnaliser les parcours et automatiser certaines tâches, bien que son usage soulève des enjeux pédagogiques, éthiques et sociaux (UNESCO, 2023). Dans ce contexte, la présente étude explore les effets de l’intégration de l’IA dans un cours de FLE auprès d’adolescentes en Colombie, afin d’en évaluer les apports et les limites pour l’apprentissage linguistique.

1. Description du contexte

La présente étude a été menée à l’Alliance française de Medellín (AFM), qui est une organisation privée à but non lucratif suivant les principes fondateurs de l’Alliance française née à Paris en 1883. L’institution privilégie principalement l’approche actionnelle, celle-ci favorise l’acquisition des compétences linguistiques par le biais d’activités concrètes et significatives, mettant l’accent sur la communication réelle et l’utilisation pratique de la langue dans des situations authentiques. La mise en place de cette approche repose sur des manuels adaptés à différents publics, organisés en sous-niveaux de 40 heures selon le CECRL (Cadre européen commun de référence pour les langues). Le projet a été mené auprès de vingt filles adolescentes de Medellín, qui ont pu suivre cinq modules à l’AFM grâce à une bourse solidaire.

2. Problématique

Au cours de ces séances, les apprenantes ont manifesté un engagement renforcé lors des activités intégrant les TICE, comme en témoignent leur participation spontanée, la rapidité avec laquelle elles prenaient en main les outils numériques, ainsi que la fréquence et la qualité des interactions pendant les activités. Nous avons témoigné cet engagement sur des plateformes comme Wordwall, LearningApps ou à l’occasion de l’utilisation de la version numérique du livre de cours ; les étudiantes étaient plus nombreuses à demander à passer au tableau, à collaborer entre elles et à solliciter des explications pour mieux réussir les exercices. Ces observations ont été consignées dans le journal de bord des 13, 20, 22 et 29 février, ainsi que des 5 et 19 mars 2024.

Ces ressources diffèrent de celles plus traditionnelles, telles que les fiches pédagogiques imprimées, les cahiers d’exercices, ou les manuels ; cependant, les tendances contemporaines mettent en avant le potentiel des technologies comme l’intelligence artificielle (IA) en tant qu’outil pédagogique pour offrir des solutions plus adaptées, comme le souligne Pokrivcakova (2019) :

Les outils alimentés par l’IA aident à créer un environnement éducatif sophistiqué où l’apprentissage peut être plus personnalisé, l’enseignement plus flexible et la gestion plus inclusive. Ils peuvent aider les apprenants à développer les connaissances et les compétences que la société moderne, renforcée par la technologie, recherche et exige. (p. 146)

Malgré son potentiel, l’IA reste peu intégrée dans l’enseignement des langues en Colombie, où la politique de modernisation vers l’IA (Departamento nacional de planeación, 2019, p. 3) peine à relever les défis de développement des compétences. De plus, une préenquête menée auprès de notre structure d’enseignement a révélé que le numérique, en particulier l’intelligence artificielle, est perçu par toutes les apprenantes comme une ressource potentiellement valorisée pour le cours de langues, notamment, lorsqu’on leur a demandé dans quelle mesure elles étaient intéressées à participer à des activités impliquant l’IA dans le cours de français, 80 % des apprenantes ont indiqué un intérêt modéré ou un très grand intérêt.

Ainsi, à partir de cette analyse de réponses, des ressources disponibles dans l’institution et des tendances actuelles dans l’enseignement des langues, cette étude de recherche-action vise à explorer les effets pédagogiques de l’intégration des IA dans le cours de français langue étrangère. Les actions de la recherche avaient pour objectif d’évaluer les effets pédagogiques de l’intégration de l’IA dans le cours de FLE, en incluant des interventions pédagogiques visant à renforcer les connaissances éthiques et techniques des apprenantes sur les IA, tout en enrichissant leur apprentissage linguistique et en favorisant leur engagement et autonomie.

3. Revue de la littérature

Dans cette section, nous analyserons les principaux éléments théoriques qui soutiennent cette étude. En particulier, nous aborderons le sujet de l’intelligence artificielle (IA) et son impact sur l’apprentissage et l’enseignement des langues, la théorie de l’autodétermination (TAD), ainsi que la notion de la zone proximale de développement (ZPD) et la pédagogie différenciée.

3.1. L’intelligence artificielle et son impact dans l’enseignement des langues

L’intelligence artificielle (IA) est un concept intrinsèque au domaine de l’informatique, définissant des systèmes informatiques ou des algorithmes conçus pour réaliser des tâches complexes et variées qui étaient traditionnellement associées à l’intelligence humaine.

Ce terme a été proposé pour la première fois en 1956 par John McCarthy. Il avançait que les fonctions cognitives humaines (le raisonnement, le calcul, la perception, la mémoire, la découverte scientifique, la créativité artistique, etc.) pourraient être décrites avec suffisamment de précision pour être simulées à l’aide d’un ordinateur (Russel & Norvig, 2010, p. 17). Les intelligences artificielles actuelles, conformément à la vision anticipée par McCarthy, sont dotées de capacités, leur permettant d’accomplir des tâches complexes telles que la résolution de problèmes, la reconnaissance, l’apprentissage, la planification, la compréhension du langage naturel, et bien d’autres. Malgré les capacités avancées de ces technologies à simuler certains aspects du raisonnement humain, ces systèmes traitent des données selon des algorithmes préprogrammés ou entraînés, sans véritable capacité de réflexion autonome ou de compréhension contextuelle profonde. Le terme « intelligence » utilisé ici est envisagé comme une analogie opérationnelle plutôt qu’une propriété réelle intrinsèque.

L’une des formes d’IA, les plus répandues de nos jours, est l’IA générative (IAGén) qui produit automatiquement du contenu varié (texte, images, vidéos, musique, code) à partir de prompts en langage naturel (UNESCO, 2023, 8). Par ailleurs, l’intelligence artificielle en éducation (IAEd) désigne l’intégration des technologies IA dans l’enseignement pour optimiser apprentissage, prise de décision et administration. Ses applications incluent la personnalisation des parcours, l’automatisation des tâches, l’accompagnement pédagogique ciblé et l’analyse de données pour améliorer les performances des élèves (Hwang & coll., 2020 ; DNE-TN2, 2023).

Du côté pédagogique, l’intégration de l’IA dans l’éducation ouvre la voie à une transformation progressive des méthodes d’apprentissage traditionnelles. Elle propose des outils tels que les systèmes de tutorat intelligents, les plateformes d’analyse de données, les agents conversationnels ou encore les environnements d’apprentissage exploratoire (Holmes & Tuomi, 2022 ; Pokrivcakova, 2019 ; Schmidt & Strasser, 2022). Selon la Commission européenne, l’IA permet de mettre en place un « environnement informatique pour l’apprentissage humain » incluant des systèmes tutoriels fondés sur le dialogue, ainsi que des applications d’aide à l’apprentissage des langues (DNE-TN2, 2023, p. 25).

Cette diversité d’outils permet non seulement de soutenir les enseignants dans leurs cours, mais aussi de répondre aux besoins individuels des apprenants. Toutefois, l’efficacité réelle de ces outils dépend fortement de leur mise en œuvre pédagogique, du contexte socio-éducatif et du niveau de formation des enseignants. Une personnalisation excessive ou mal encadrée pourrait, par exemple, accentuer certaines inégalités ou réduire la richesse des interactions humaines en classe essentielles à la dynamique d’apprentissage. Il convient donc d’aborder cette transformation avec discernement.

Dans l’enseignement des langues étrangères, de nombreuses études soulignent le potentiel enrichissant de l’IA. Ainsi, Radwan (2017) met en avant son efficacité en reconnaissance vocale et en évaluation de l’écriture, tandis que Sharrab & coll. (2023) insistent sur l’amélioration de la prononciation et des interactions personnalisées. Le traitement du langage naturel et l’évaluation automatisée permettent une adaptation en temps réel aux besoins de chaque apprenant (Schmidt et Strasser, 2022 ; Son & coll., 2023). En outre, l’association de l’IA à la réalité étendue favorise le développement du vocabulaire, de la compréhension et des compétences conversationnelles (Divekar & coll., 2022), tandis que divers outils – tutorat intelligent, simulations, agents conversationnels et environnements exploratoires – ainsi que les assistants d’écriture et supports pédagogiques personnalisés, élargissent les possibilités éducatives (Holmes & Tuomi, 2022 ; Pokrivcakova, 2019).

En complément de ces fonctions cognitives et techniques, plusieurs travaux récents soulignent l’importance du rôle de l’IA dans la dimension affective de l’apprentissage. Wei (2023) démontre que l’usage d’une plateforme IA dans un cours d’anglais a permis non seulement d’améliorer les performances linguistiques, mais aussi de renforcer la motivation et l’engagement des étudiants grâce à une approche interactive. Xiao, Yi et Akhter (2024) confirment cette tendance en montrant que les environnements d’apprentissage assistés par IA favorisent une expérience plus plaisante, réduisant l’anxiété et améliorant la régulation émotionnelle. De manière complémentaire, Liu, Darvin et Ma (2024) révèlent que le plaisir ressenti lors de l’usage d’outils IA en contexte d’apprentissage informel agit comme un levier essentiel de la motivation. Enfin, Jiang et al. (2025), ainsi que Xu et Liu (2025), mettent en évidence que des outils tels que les chatbots conversationnels ou les applications gamifiées peuvent accroître la motivation autonome et rendre l’apprentissage plus attractif. L’IA peut constituer un levier pédagogique et affectif capable de renouveler l’expérience éducative. En combinant personnalisation, interactivité et dimension ludique, elle peut être en mesure de renforcer l’engagement des apprenants tout en répondant à leurs besoins cognitifs et émotionnels.

L’ensemble de ces études met en évidence le potentiel de l’IA pour contribuer à l’amélioration de l’enseignement et de l’apprentissage des langues. Lorsqu’elle est intégrée de manière réfléchie et encadrée, l’IA peut jouer un rôle significatif dans la diversification des pratiques pédagogiques, en offrant des réponses plus ciblées aux besoins des apprenants tout en enrichissant leur expérience langagière. Ses nombreuses applications ouvrent de nouvelles perspectives pédagogiques, qu’il convient d’explorer dans les recherches à venir pour enrichir l’expérience éducative des apprenants.

3.2. La théorie de l’autodétermination sur la motivation

Cette théorie développée par Deci et Ryan (1985) explique les mécanismes et les motivations qui poussent une personne à prendre le contrôle de sa vie. Ils illustrent ce processus par une suite de comportements non autodéterminés aux comportements autodéterminés qui influencent les actions humaines, allant de l’absence de motivation (amotivation), à la motivation extrinsèque (motivée par un but externe à l’activité) jusqu’à la motivation intrinsèque (motivée par l’intérêt ou le plaisir inhérent à l’activité).

Notamment, la motivation extrinsèque se subdivise en quatre formes de régulation classées par degré croissant d’autodétermination : externe (l’action est motivée par des facteurs extérieurs), introjectée (l’action est motivée plus par une pression intérieure que par un choix pleinement assumé), identifiée (l’activité est menée parce que l’individu en reconnait l’importance pour ses objectifs personnels) et intégrée (l’action est en accord avec les valeurs et l’identité de la personne). Plus la régulation est internalisée, plus la motivation est autodéterminée, jusqu’à la motivation intrinsèque, considérée comme la plus autodéterminée, car elle est suscitée par le plaisir ou l’intérêt que procure l’activité elle-même. Par ailleurs, trois besoins psychologiques fondamentaux conditionnent la qualité de cette motivation : la compétence (se sentir efficace), l’autonomie (se percevoir à l’origine de ses actions) et l’affiliation (ressentir un lien et une appartenance sociale). Lorsqu’ils sont satisfaits, l’individu développe une motivation plus autodéterminée, propice à un apprentissage plus durable et profond (Deci & Ryan, 1985, p. 16).

Pour la mise en œuvre de notre projet, nous nous sommes penchés sur la motivation intrinsèque parce qu’elle se caractérise par une régulation où les actions sont menées à bien en raison de l’intérêt et du plaisir que l’individu en retire, sans chercher à obtenir de récompense externe. Dès le début et grâce aux questionnaires distribués auprès des apprenantes, nous avons cherché à savoir si elles étaient intéressées par l’usage de l’IA pour améliorer leur processus d’apprentissage du français, tout en réalisant une tâche qui leur procurait du plaisir. Elles se sont dit prêtes à l’employer tout en sachant que c’était un outil qu’elles utilisaient quotidiennement. Cette démarche s’inscrit dans l’une des propositions de la théorie des orientations de causalité, à savoir l’orientation autonome.

Cette orientation se présente chez les individus qui comprennent leur environnement comme une source d’opportunités pour découvrir de nouvelles expériences et acquérir de nouvelles connaissances. Ces individus sont sensibles aux informations et aux situations en lien avec leurs centres d’intérêt, ils privilégient les actions qui leur offrent des choix et des défis. Lorsqu’une personne est autonome, elle ressent un sentiment de liberté et de choix et subit peu de pression par rapport au comportement auquel elle adhère pleinement. Elle est alors en mesure de mobiliser l’ensemble de ses ressources, intérêts et capacités pour s’engager dans l’action. Ces personnes ont tendance à faire preuve de proactivité et à assumer la responsabilité de leurs actions, ce qui témoigne d’une motivation intrinsèque élevée.

3.3. La zone proximale de développement

La zone proximale de développement (ZPD) est un concept central de la théorie socioconstructiviste introduit par Vygotsky (1978), qui le définit comme un espace cognitif situé entre deux autres zones : la « zone d’autonomie », où l’élève est capable d’accomplir une tâche seule, et la « zone de rupture », où, même avec de l’aide, l’élève rencontre des difficultés pour réaliser la tâche. En tant qu’enseignants, notre rôle consiste à accompagner les élèves dans leur ZPD en mettant en place diverses actions.

Nous voulions favoriser l’autonomie des apprenantes tout en proposant des défis pour l’acquisition de nouveaux apprentissages. Pour ce faire, il s’avère important de créer un échafaudage pédagogique, c’est-à-dire, de décomposer de grandes tâches en éléments plus gérables. Les résultats de chaque tâche peuvent s’appuyer sur les cadres du programme scolaire, les objectifs d’apprentissage de l’école ou du département, ou encore sur les besoins spécifiques des élèves, notre priorité étant ce dernier aspect.

C’est la raison pour laquelle, nous avons utilisé des prompts adaptés aux besoins et intérêts des apprenantes. Notre objectif n’était pas seulement de leur fournir les outils nécessaires à l’acquisition des compétences attendues en fin de cours, mais aussi de leur donner les compétences essentielles pour qu’elles puissent, à terme, améliorer leur niveau de langue de manière autonome grâce à l’utilisation des IA.

3.4. La pédagogie différenciée

La pédagogie différenciée, appelée aussi différenciation pédagogique, s’inspire des réflexions de Carol Ann Tomlinson, auteure américaine et conférencière pionnière dans ce domaine. La pédagogie différenciée est une approche pédagogique flexible, centrée sur l’élève, qui le positionne comme un acteur proactif au cœur de son apprentissage.

Le but de la différenciation est de développer le potentiel de chaque individu en tenant compte de ses capacités et de sa motivation (Tomlinson, 1999). Dans un premier temps, l’enseignant analyse les besoins, la motivation et les intelligences multiples de ses élèves. Ensuite, il consacre son temps de préparation à concevoir des techniques et des outils adaptés aux objectifs de la leçon, tout en répondant aux besoins spécifiques des élèves.

Cette approche pédagogique s’inscrit dans le cadre de notre projet, car les élèves n’avancent pas tous au même rythme, ils n’apprennent pas de la même manière et ne partagent pas nécessairement les mêmes centres d’intérêt ou motivations pour atteindre leurs objectifs. Les IA offrent, alors, une opportunité unique pour encourager l’apprentissage différencié, en s’adaptant aux préférences et aux intérêts de chaque apprenant. De plus, elles favorisent la motivation en permettant aux étudiants de progresser à leur propre rythme, en fonction de leurs besoins et de leurs aspirations. Grâce à cette flexibilité, les apprenants deviennent acteurs de leur propre apprentissage, ce qui contribue à un engagement plus profond et durable.

4. Méthodologie

Cette recherche s’inscrit dans une démarche de recherche-action (Hendricks, 2017, p. 2) caractérisée par un processus cyclique et structuré, fondé sur une réflexion continue. Elle implique une collaboration entre chercheurs et praticiens, qui s’associent pour identifier un problème ou intérêt, concevoir des interventions, les mettre en œuvre, puis observer, analyser et ajuster les pratiques dans le but d’améliorer la situation étudiée. Ce type de démarche repose sur un processus en spirale, alternant des phases de planification, d’action, d’observation et de réflexion critique.

Ce projet a débuté par des observations bihebdomadaires pendant quatre mois (février à juin 2024) auprès d’une classe de 20 élèves étudiant le FLE, pour identifier une problématique à explorer. Au deuxième semestre (juillet à octobre 2024), nous avons assuré complètement les sous-modules A1.2+ et A1.3+ en suivant le découpage de l’AFM. Le projet a suivi les étapes définies par Burns (1999) : diagnostic, identification de la problématique, élaboration et mise en œuvre d’un plan des interventions pédagogiques, analyse des résultats et formulation de conclusions.

Les données ont été recueillies à partir d’observations consignées dans le journal de bord de la chercheuse, un outil privilégié en recherche-action, car « il peut être utilisé pour évaluer les informations affectives et comportementales (Hendricks, 2017, p. 79) ». D’autres sources incluaient les productions des apprenantes (prompts écrits, images et chansons créées avec l’IA), les évaluations de fin de module, ainsi que des enquêtes et entretiens semi-dirigés.

L’analyse a suivi une approche qualitative visant à identifier des catégories et thèmes récurrents, complétée par des éléments quantitatifs pour évaluer les progressions linguistiques. Nous avons appliqué l’analyse thématique (Shank, 2002) manuellement, en respectant les cinq étapes de Yin (2015) : compilation, désassemblage, réassemblage, interprétation et formulation de conclusions.

Ce processus a également permis de réaliser une triangulation des données. Nous nous sommes servis de la triangulation proposée par Reidy et Mercier (1996) qui conseillent d’utiliser et de croiser plus d’une technique de collecte de données pour renforcer la validité des conclusions. Nous avons également employé l’analyse inductive, définie par Blais et Martineau (2006) comme « un ensemble de procédures systématiques permettant de traiter des données […]. Elle s’appuie sur différentes stratégies […] pour faire émerger des catégories à partir des interprétations du chercheur qui s’appuie sur ces données brutes. » (p. 3)

5. Plan d’action et déroulement des actions

Après la phase d’observation initiale, le projet est passé à sa mise en œuvre avec un examen diagnostique suivant le modèle du DELF, évaluant les quatre compétences linguistiques selon le CECRL. Deux évaluations ont été réalisées, avant et après les interventions, pour mesurer les progrès. Des enquêtes ont également été menées afin de recueillir les perceptions des participantes sur l’intelligence artificielle et son usage en contexte éducatif.

La première intervention a été consacrée à l’introduction à l’IA et à la création de « prompts » efficaces, tout en sensibilisant aux biais et risques associés à son usage. Nous avons intégré ces notions avec le contenu linguistique du cours, notamment l’expression « il faut » pour exprimer la nécessité (c’est-à-dire : pour écrire un bon « prompt », il faut définir le contexte.). Les apprenantes ont aussi analysé des images pour distinguer celles générées par l’IA, en s’appuyant sur des critères d’évaluation précis.

La phase suivante s’est centrée sur le développement des compétences en création de « prompts » à travers un jeu interactif en ligne. Ce jeu de vrai ou faux consistait à relever les caractéristiques de rédaction d’un prompt.

Figure 1 : Exemple du jeu des caractéristiques d’un bon prompt

Par une approche inductive, les apprenantes ont analysé des phrases contenant des conseils pour rédiger un bon prompt, ce qui leur a permis de déduire l’usage de l’expression « il faut » pour exprimer une nécessité. Cette notion a été renforcée grâce à des exercices de systématisation et une tâche de production en binômes où elles ont formulé des phrases sur l’utilisation de l’IA et la rédaction de prompts, en employant « il faut ». Ensuite, par groupes, elles ont appliqué leurs connaissances en générant des images sur Canva, à partir de « prompts » liés aux thèmes du cours précédent. Ces images ont été réutilisées dans une séance ultérieure pour réviser le vocabulaire des activités quotidiennes, l’heure et les moments de la journée.

La deuxième intervention a évalué l’impact de l’intelligence artificielle sur l’expression orale en langue étrangère. Deux groupes de 10 étudiantes ont été constitués : le groupe A (expérimental) a utilisé l’assistant vocal de ChatGPT pour préparer une présentation sur leur routine quotidienne, tandis que le groupe B (groupe contrôle) a suivi une méthode traditionnelle avec des corrections de l’enseignante et des camarades. Le groupe A a bénéficié de corrections de texte et d’exercices de prononciation, mais a rencontré des limites techniques comme des réponses en anglais et des transcriptions phonétiques incorrectes.

Pour surmonter ces limites, une deuxième stratégie a été mise en place en utilisant l’application Gliglish, spécialisée dans l’apprentissage linguistique par la pratique orale. Cette application propose des dialogues interactifs sur des thèmes concrets (dire l’heure ou décrire sa routine) et des mises en situation réelle (comme commander au restaurant, chez le médecin, etc.) Pendant un mois, le groupe A s’est entraîné de manière autonome avec cet outil hors du cours, tandis que le groupe B continuait avec des exercices traditionnels de manuel. L’évaluation finale a permis de comparer l’impact des deux approches sur le développement des compétences linguistiques des apprenantes.

Pour la troisième intervention, une activité de production écrite a été conçue autour de l’impératif pour donner des instructions, combinant apprentissage linguistique et créativité via l’IA. Les apprenantes ont utilisé SUNO AI pour générer des chansons : après une présentation de l’outil, elles ont travaillé en sous-groupes pour rédiger des prompts détaillés (sujet, rythme, style musical) employant l’impératif. Après correction des brouillons et soumission à l’IA, elles ont affiné les résultats avant de présenter leurs chansons et prompts. Une discussion finale a évalué l’impact pédagogique de l’expérience.

L’étude a mené trois interventions : la première et la troisième avec l’ensemble du groupe, tandis que la deuxième a comparé deux groupes. Le groupe A a utilisé de manière autonome un outil d’IA (Gliglish), alors que le groupe B a suivi des méthodes traditionnelles. Toutes les participantes ont toutefois été exposées ponctuellement à l’IA, notamment lors de séances sur les prompts et la création de chansons

Tableau 1 : Synthèse activité de diagnostic

Type	Diagnostic linguistique
Objectifs	Mesurer les progrès linguistiques dans les quatre compétences avant et après les interventions par le biais de l’évaluation officielle du cours.
Compétence(s) ciblée(s)	Évaluation des quatre compétences linguistiques
Groupes concernés	Groupe complet
Instruments de collecte de données	Résultats des évaluations
Dates	11 juillet 24 octobre

Tableau 2 : Synthèse activité d’évaluation des perceptions

Type	Évaluation des perceptions des apprenantes
Objectifs	Évaluer les perceptions à propos de l’engagement et la motivation des apprenantes sur l’emploi des IAs dans l’apprentissage du FLE.
Groupes concernés	Groupe complet
Instruments de collecte de données	Réponses des enquêtes avant et après les interventions Enregistrements de l’entretien
Dates	23 juillet  31 octobre

Tableau 3 : Synthèse intervention 1

Type	Intervention 1 : Introduction à l’IA et au développement de compétences en prompt.
Objectifs	Sensibiliser les apprenantes aux enjeux de l’IA et développer leurs compétences en rédaction de prompts.
Outil IA mobilisé	Canva pour la création d’images
Compétence(s) ciblée(s)	Compétence écrite, lexique, expression de l’obligation (« il faut »), compréhension visuelle.
Groupes concernés	Groupe complet
Instruments de collecte de données	Observation Journal de bord Productions des apprenantes
Date	13 août

Tableau 4 : Synthèse intervention 2

Type	Intervention 2 : Préparation orale en autonomie avec l’IA vs. Préparation traditionnelle
Objectifs	Analyser l’impact des IAs sur les progrès linguistiques et l’autonomie.
Outil IA mobilisé	Gliglish
Compétence(s) ciblée(s)	Expression orale, prononciation, fluidité, vocabulaire.
Groupes concernés	Groupe A (expérimental) vs. Groupe B (contrôle)
Instruments de collecte de données	Captures d’écran des pratiques des apprenantes
Dates	Du 12 septembre au 17 octobre

Tableau 5 : Synthèse intervention 3

Type	Intervention 3 : Création collaborative de chansons avec IA
Objectifs	Encourager la motivation et la créativité des apprenantes.
Outil IA mobilisé	SUNO AI
Compétence(s) ciblée(s)	Production écrite, créativité, expression à l’impératif.
Groupes concernés	Groupe complet
Instruments de collecte de données	Prompts créés par les apprenantes Chansons créées par les apprenantes Entretien
Date	26 septembre

6. Résultats et discussion

6.1. Expérience d’apprentissage avec des outils IA

6.1.1. Impacts sur la motivation

En général, les activités intégrant des outils IA ont déclenché des réactions positives chez les apprenantes. D’après leurs opinions et les observations, ces outils ont dynamisé les leçons, favorisant une expérience d’apprentissage plus engageante et motivante. Plusieurs apprenantes ont souligné une compréhension facilitée et un intérêt accru pour le français grâce aux activités basées sur l’IA, comme les témoignages suivants expriment :

Apprenante A : « Ces activités dynamiques avec l’intelligence artificielle nous aident à nous motiver davantage, et à comprendre plus facilement. »

Apprenante B : « L’intelligence artificielle m’a beaucoup aidée à mieux comprendre le français, ce qui m’a un peu plus motivée. »

Apprenante C : « Je pense que c’était un outil très important parce que […] je n’aime pas trop l’anglais, mais j’aime de plus en plus le français, probablement parce que les cours d’anglais ne sont pas aussi dynamiques. »

Les opinions des apprenantes ont été croisées avec les observations réalisées pendant les séances. En effet, les interactions avec les outils IA ont révélé un engagement visible et une participation active de leur part. Les observations ont aussi montré une amélioration de leur compréhension du français, accompagnée d’un enthousiasme manifeste pour les activités proposées. Voici quelques extraits des journaux à titre d’exemple :

Journal du 13 août : « Les premières interactions avec l’outil IA ont déclenché un enthousiasme notable. La plupart des filles se sont montrées très réactives, toutes se sont impliquées, voire les apprenantes qui ne participent pas souvent. »

Journal du 26 septembre : « Durant les interactions avec l’IA, le groupe contrôle a exprimé un sentiment de réussite à chaque fois que l’IA corrigeait une erreur. »

Journal du 3 octobre : « Cette activité a permis le travail collaboratif. Certaines apprenantes ont parlé entre elles soulignant que ce type d’exercices rendait la leçon plus dynamique. »

Ces constats reflètent un intérêt accru et une motivation renforcée, ce qui peut être analysé à la lumière du modèle du développement de l’intérêt de Hidi et Renninger (2006, p. 113). Selon ce modèle, il est possible d’affirmer que ces activités ont déclenché un intérêt situationnel, captant l’attention des apprenantes par leur caractère engageant, et par la répétition de ces expériences positives ; cet intérêt a été maintenu et a commencé à évoluer en un intérêt individuel. Certaines ont même élargi l’utilisation des outils d’IA à l’apprentissage d’autres langues comme l’italien et l’anglais (d’après l’entretien semi-dirigé finale).

Dans cette même perspective, elles ont pu renforcer leur motivation intrinsèque à travers un apprentissage considéré comme agréable et stimulant, qui intégrait à la fois des supports pédagogiques et des activités adaptées leurs intérêts. D’après les travaux de Deci et Ryan (1985), la motivation intrinsèque est renforcée lorsque trois besoins psychologiques sont satisfaits : l’autonomie, la compétence et l’affiliation (p. 68). Ces activités, médiées par l’IA, ont permis aux apprenantes de choisir des thèmes d’intérêt et de travailler à leur propre rythme, ce qui a favorisé leur autonomie. L’IA a également donné des retours sur les progrès des apprenantes renforçant leur sentiment de compétence, comme le montre le témoignage des apprenantes A et B. Enfin, l’intégration d’activités collaboratives et dynamiques, telles que la création d’images et de chansons, a répondu au besoin d’affiliation, ce qui a favorisé un apprentissage plus social et interactif. En combinant le plaisir, la progression et l’interaction, les outils d’IA ont activé les mécanismes clés de la motivation intrinsèque, transformant l’apprentissage en une expérience plus engageante, significative et plaisante.

6.1.2. Impacts sur la créativité

L’IA a été également perçue comme un outil capable de déclencher la créativité des apprenantes leur permettant de se détacher des tâches répétitives et monotones auxquelles elles sont habituées au lycée. Certaines ont souvent exprimé que les méthodes plus traditionnelles, telles que la copie ou l’écoute passive, étaient ennuyeuses pour elles (enquête #1, journal du 26 septembre). En revanche, elles ont apprécié les activités qui sortent de l’ordinaire comme l’activité de création de chansons, qui a été considérée comme leur activité préférée du projet d’après l’entretien et l’enquête finale. La tâche de création de chanson, bien qu’elle ne soit pas innovante en soi sur le plan pédagogique, prend ici une dimension nouvelle grâce à l’intégration d’un outil d’intelligence artificielle dans le processus de composition. L’IA a été mobilisée pour générer des idées de paroles, suggérer des structures ou adapter des textes selon les niveaux linguistiques des apprenantes. Cette approche leur a permis de travailler sur des thématiques personnelles tout en explorant différents styles musicaux, dans un cadre interactif et créatif. L’activité a favorisé leur engagement actif, diversifié les modalités d’apprentissage, et introduit une manière plus contemporaine et collaborative de développer leurs compétences langagières.

Les chansons produites ont révélé une diversité de thèmes, allant de la culture à l’environnement, en passant par des sujets liés à la langue comme les métiers ou les nationalités (Annexe A). À cet égard, il convient de mentionner que l’IA peut générer des contenus qui reproduisent des stéréotypes, comme nous l’avons constaté dans la chanson sur les nationalités :

Les Nationalités Européennes

[Verse]

Espagnol danse sur la plage
Italien fait la sauce tomate
Français mange son fromage
Allemand roule en auto rapide

[Verse 2]

Portugais chante fado doux
Irlandais lève son verre
Suisse compte ses sous
Belge cuisine une gaufre

[....]

Dans ces paroles, nous trouvons des stéréotypes comme l’idée que les Espagnols dansent toujours sur la plage, les Italiens sont associés à la cuisine et la sauce tomate, ou les Français au fromage. Ces généralisations véhiculent des images simplifiées de chaque culture, souvent éloignées de la réalité complexe des individus et des sociétés qu’elles représentent. En conséquence, le soutien des enseignants est important pour aider les apprenants à dépasser ces stéréotypes, à développer une compréhension plus nuancée, et à encourager une pensée critique face aux contenus générés.

6.1.3. L’IA comme support de l’apprentissage et levier de l’autonomie

En ce qui concerne l’apprentissage, les outils d’IA ont été perçus comme des alliés utiles offrant un soutien personnalisé, une flexibilité et une accessibilité accrues. Les apprenantes ont exprimé leur satisfaction face à la possibilité de pratiquer de manière autonome, à tout moment et à leur propre rythme, ce qui a contribué à un sentiment accru de progression et d’indépendance. Ces activités ont également favorisé le développement de la confiance en soi et éveillé la curiosité, tout en s’adaptant aux préférences individuelles. Ces réflexions mettent en avant l’importance d’un apprentissage centré sur l’apprenant, où la diversité des approches et la personnalisation occupent une place centrale. À cet égard, les outils d’intelligence artificielle peuvent être envisagés comme des ressources pertinentes pour appuyer une pédagogie différenciée (Tomlinson, 1999) en promouvant des parcours d’apprentissage individualisés, adaptés aux rythmes, besoins et aux préférences d’apprentissage (p. 2).

De plus, les apprenantes ont pu réduire leur dépendance envers les enseignants. Une participante a expliqué que l’IA lui permet de résoudre ses doutes rapidement, même en l’absence d’un adulte ou d’un professeur : « Le fait de ne pas avoir à recourir nécessairement à un professeur pour pouvoir répondre à certaines questions me semble un avantage assez bénéfique. » Même dans la salle de classe, nous avons observé une diminution de la dépendance à l’enseignante. En effet, lorsque les apprenantes avaient des questions, elles ont commencé à recourir aux IAs pour clarifier leurs doutes spécifiques liés à la langue (corrections grammaticales, vocabulaire, orthographe.) Cette autonomie accrue leur a permis de prendre en charge de manière plus active leur propre apprentissage.

6.2. Progression linguistique

Les interventions ont eu un impact positif sur les compétences langagières des apprenantes. La plupart d’elles a rapporté des améliorations dans la langue grâce à ce type d’outils. Lors des observations consignées dans les journaux du 13 août, 26 septembre, et 10 octobre, nous avons constaté que :

L’activité de correction de prononciation avec ChatGPT leur a permis de détecter et de corriger des erreurs récurrentes comme la prononciation de la liaison et des consonnes finales

Les apprenantes du groupe expérimental ont montré une meilleure structuration de leurs phrases, une amélioration dans la prononciation des diphtongues, et un vocabulaire plus riche

Ces résultats sont en relation avec ce que les apprenantes ont rapporté. D’après elles, elles ont eu des améliorations surtout dans l’écriture, l’acquisition du vocabulaire et la prononciation. Voici quelques témoignages :

APPRENANTE D : « […] dans le dernier examen, qui a eu lieu avant d’utiliser l’intelligence artificielle chaque semaine, parfois je ne comprenais pas bien […] quand j’ai commencé à utiliser l’intelligence artificielle, j’ai vraiment compris parce que je pouvais le traduire, j’ai pu apprendre de nouveaux mots et essayer de me corriger, donc j’ai pu mieux comprendre »

APPRENANTE E : « L’intelligence artificielle m’a beaucoup aidée avec la prononciation et l’écriture, parce que je ne savais pas trop écrire […] »

APPRENANTE F : « L’intelligence artificielle m’a beaucoup aidée pour la prononciation et l’écriture. J’avais une prononciation assez moyenne, mais avec l’intelligence artificielle, je l’ai beaucoup améliorée. »

APPRENANTE G : « Par exemple, quand on a fait la routine, je me souviens que je disais “quatre heures”, séparé… Et l’IA m’a corrigée pour que je le dise plus fluidement /katʁ‿œʁ/ »

APPRENANTE H : « Cela m’a beaucoup aidée avec la prononciation et les nouveaux mots »

Cette amélioration, déclarée dans l’écriture par exemple, peut s’expliquer grâce à l’interaction avec des IAs et à la guidance de l’enseignante. Cependant, lors de l’écriture des prompts, certaines difficultés ont été observées, notamment en ce qui concerne la conjugaison de certains verbes, ce qui a affecté la clarté de quelques phrases (figure 4).

Figure 2 : Exemples de prompts générés par les apprenantes avec l’IA

Malgré ces obstacles, les résultats globaux ont montré une progression, car elles ont appliqué les conseils partagés sur la clarté et la concision et la majorité des apprenantes a su formuler des prompts plus précis, en intégrant des éléments clés tels que les personnages, l’action, le contexte, et même le style artistique désiré.

Quant à la prononciation, les progrès les plus significatifs ont été observés lors de l’épreuve orale finale dans le groupe ayant utilisé l’application Gliglish, grâce aux corrections directes et personnalisées fournies par cet outil. Le tableau suivant compare les progrès faits auprès du groupe ayant reçu un support additionnel avec l’IA Gliglish et du groupe contrôle lors de la performance dans les examens de fin de module avant et après les interventions.

Tableau 6 : Progression moyenne des notes obtenues dans les examens

Compétence	Moyenne initiale	Moyenne finale	Croissance groupe	Moyenne initiale	Moyenne finale	Croissance groupe
	Groupe expérimental	Groupe expérimental	Groupe expérimental	Groupe contrôle	Groupe contrôle	Groupe contrôle
Compréhension orale (CO)	11,3	18,6	+ 7,3	11,75	21	+ 9,25
Compréhension écrite (CE)	13,4	21,5	+ 8,1	13,5	18,5	+ 5
Production écrite (PE)	12,8	17,1	+ 4,3	11,5	19	+ 7,5
Production orale (PO)	12,4	19,1	+ 6,7	15,5	15,3	- 0,2
Note finale (NF)	50,5	79,7	+ 29,2	53,4	73,75	+ 20,35

Figure 3 : Comparaison des scores pour la compréhension orale (CO) avant et après les interventions

Figure 4 : Comparaison des scores pour la compréhension écrite (CE) avant et après les interventions

Figure 5 : Comparaison des scores pour la production écrite (PE) avant et après les interventions

Figure 6 : Comparaison des scores pour la production orale (PO) avant et après les interventions

Figure 7 : Comparaison générale dans la note finale (NF) des deux groupes avant et après les interventions

Selon les résultats, le groupe contrôle a obtenu de meilleures performances en compréhension orale et en production écrite, ce qui suggère que les méthodes traditionnelles se sont également avérées efficaces dans ces domaines, grâce à une pratique structurée et au soutien direct de l’enseignant.

D’un autre côté, le groupe expérimental a montré un progrès plus important en compréhension écrite par rapport au groupe contrôle (+ 8,1 contre + 5,0). De même, ce groupe a affiché une amélioration notable en production orale (+ 6,7), alors que le groupe contrôle n’a pratiquement montré aucun changement. Ces résultats indiquent que l’intervention impliquant des retours et des corrections, en temps réel, fournies par l’IA a été bénéfique pour cette compétence, permettant aux étudiantes de progresser en fluidité, en prononciation et en précision.

Les deux groupes ont montré des progrès dans leurs compétences linguistiques, ce qui est attendu après une intervention éducative. Cependant, la note finale révèle une augmentation plus importante dans le groupe expérimental (+ 29,2) par rapport au groupe contrôle (+ 20,35). Cette amélioration globale indique que, bien que les deux groupes aient progressé, le groupe expérimental a atteint un niveau de performance globalement plus élevé, ce qui suggère que la pratique guidée avec l’IA en dehors de la salle de classe a eu un impact positif supplémentaire sur l’apprentissage des compétences linguistiques.

Ces résultats peuvent être interprétés dans le cadre de la notion de la zone proximale de développement (Vygotsky, 1978) qui soutient que les apprenants sont dans la capacité de progresser quand ils reçoivent un soutien fourni par un guide compétent. Ce soutien aide à surmonter la distance qui existe entre ce que l’apprenant est capable de réaliser de manière autonome et ce qu’il peut accomplir avec de l’assistance. En complément, la théorie du connectivisme (Siemens, 2004 ; Downes, 2022) élargit cette perspective en affirmant que l’apprentissage ne se limite pas aux interactions humaines, mais inclut également des sources non humaines, telles que les outils numériques. Dans ce cadre, l’IA peut agir comme une médiatrice, offrant un soutien personnalisé pour aider les apprenantes à combler la distance dans leur ZPD. Pour garantir un apprentissage équilibré et répondre aux besoins affectifs et sociaux des apprenants, il est essentiel d’associer l’utilisation des outils d’IA à une approche humaine et contextualisée.

6.3. Réflexion critique et appropriation responsable de l’IA

Si le recours à l’IA encourage la prise d’initiative et le développement de stratégies d’auto-apprentissage, il n’est pas exempt de risques. Il faudrait explorer ces effets à long terme parce que, d’une part, une utilisation excessive ou non accompagnée de ces outils pourrait conduire à une réduction des interactions pédagogiques humaines, pourtant essentielles à la coconstruction du savoir, à l’accompagnement différencié et à l’instauration d’un climat d’apprentissage sécurisant. D’autre part, l’IA, bien qu’efficace sur certains aspects linguistiques, reste sujette à des erreurs ou approximations, et son usage non critique pourrait favoriser la mémorisation d’informations inexactes ou mal comprises.

Les apprenantes, quant à elles, ont aussi soulevé leurs propres préoccupations lors des entretiens, comme une éventuelle dépendance envers ces outils, certaines craignant de ne pas pouvoir progresser sans leur aide ou d’arrêter de penser par elles-mêmes. Ces inquiétudes témoignent d’une réflexion critique de leur part et aussi la nécessité d’une utilisation équilibrée des technologies éducatives, où les outils d’IA servent de complément à l’apprentissage.

Par ailleurs, la manière dont certaines apprenantes ont utilisé les outils illustre leur potentiel de ces derniers pour être exploités de manière pédagogique et constructive. En effet, lors de la rédaction de « prompts » dans la troisième intervention, quelques apprenantes ont révélé des éléments de métacognition, en intégrant volontairement des objectifs d’apprentissage explicites dans leurs consignes (figure 8). Cette démarche met en lumière une prise de conscience de l’utilité pédagogique des outils utilisés.

Figure 8 : Exemples de « prompts » rédigés par les apprenantes sur l’IA SUNO intégrant des objectifs d’apprentissage explicites

De plus, les apprenantes ont développé une compréhension critique des IAs, en approfondissant leurs connaissances sur leurs avantages, leurs risques et leurs implications éthiques. À travers les activités interactives, les étudiantes ont renforcé leur capacité à identifier les biais et les limites des outils technologiques. Cela se reflète, par exemple, dans leur aptitude à différencier les contenus générés par IA de ceux produits par des humains :

Journal du 13 août : « Après s’être entrainées avec plusieurs images, les apprenantes étaient, à la fin de l’activité, capables de distinguer avec précision les images créées par l’IA. Elles ont également su énoncer les critères de différenciation, comme l’uniformité des détails et certains aspects techniques propres à la génération par IA. »

Par ailleurs, sur le plan cognitif, les apprenantes considèrent ces outils comme compléments à leur apprentissage, et non comme substituts. L’une d’elles a souligné :

« Les intelligences artificielles sont un outil et non un remplacement pour faire les tâches. »

Une autre a ajouté :

« Il ne faut pas prétendre qu’une IA doit tout faire à notre place. »

Cette prise de conscience inclut également une vigilance face aux erreurs potentielles des IA, comme le mentionne cette réflexion :

« J’ai appris qu’il ne faut pas toujours faire confiance à tout ce que dit l’IA, car parfois elle fait des erreurs. »

Ces témoignages, ainsi que les réponses issues de l’enquête, mettent en lumière une compréhension critique des IA, alignée avec les recommandations de l’UNESCO (2023) qui insistent sur l’importance de former les apprenants aux enjeux éthiques des technologies, en promouvant une utilisation réfléchie et responsable (p. 23).

7. Conclusions

L’intégration des outils d’IA dans cette étude a révélé un potentiel significatif pour enrichir l’expérience d’apprentissage du français langue étrangère (FLE). Ces technologies ont permis de diversifier les approches pédagogiques, de mieux répondre aux besoins individuels des apprenantes et de renforcer leur motivation. L’apprentissage s’est ainsi transformé en une expérience plus interactive, personnalisée et dynamique. Par ailleurs, les participantes ont expérimenté une autonomie accrue, en poursuivant leur apprentissage en dehors de la classe grâce à des ressources accessibles, tout en développant des compétences réflexives et critiques face aux contenus générés par l’IA. En tant qu’outil complémentaire, l’IA s’est révélée être un levier pour transformer l’apprentissage des langues en une expérience plus riche et engageante, tout en soulignant l’importance d’une pédagogie équilibrée entre innovation technologique et accompagnement humain.

L’IA apporte une valeur ajoutée à l’apprentissage en offrant un accompagnement individualisé, un feedback immédiat, une flexibilité en dehors du cadre scolaire et un espace sans jugement qui encourage l’expression personnelle. Par ailleurs, les activités dynamisées par l’IA à l’intérieur du cours permettent une démarche attirante pour les apprenants dans les activités linguistiques et culturelles où ils peuvent générer des supports innovants – images, vidéos, textes ou compositions musicales – servant tantôt de point de départ, tantôt de moyens ou de produits finaux au sein d’une séquence pédagogique. Cette approche valorise le travail des apprenants en transformant leurs productions en outils pédagogiques interactifs et significatifs, tout en permettant une évaluation critique des contenus générés et, par conséquent, une opportunité d’enrichir le processus éducatif.

Bien que les résultats aient mis en évidence des progrès, notamment en production orale et en motivation, les bénéfices liés à l’intégration de l’intelligence artificielle (IA) doivent être envisagés avec prudence. En effet, plusieurs limites sont apparues au cours des interventions. Certaines productions générées par l’IA, comme la chanson portant sur le thème des nationalités, ont révélé des stéréotypes culturels ou des biais implicites. Ces éléments rappellent que les contenus générés par les IA ne sont pas neutres et nécessitent un encadrement critique de la part de l’enseignant. Sur le plan pédagogique et cognitif, certaines apprenantes ont craint et même développé une dépendance à l’égard des outils numériques. Si l’IA est perçue comme un soutien utile, notamment pour la rétroaction rapide et la pratique autonome, elle peut aussi réduire l’espace de réflexion personnelle. Sur le plan fonctionnel et technique, des problèmes de connexion, des bugs d’utilisation ou encore des erreurs d’interprétation des consignes par les outils d’IA ont parfois perturbé le déroulement des séances. Ces imprévus ont nécessité des ajustements pédagogiques, tels que la reformulation plus explicite des consignes ou la modification d’activités.

En définitive, l’intégration de l’IA en contexte éducatif ne peut être envisagée comme une solution magique ni autonome, dans des cadres socio-éducatifs similaires à celui de la Colombie, où les risques d’exclusion et de renforcement des inégalités demeurent préoccupants – notamment en ce qui concerne l’accès aux ressources technologiques, la maîtrise des compétences numériques, ou encore la capacité à interpréter et évaluer de manière critique les contenus générés par l’IA. Dès lors, son intégration ne peut se concevoir qu’à travers une réflexion rigoureuse, portée par une exigence de justice éducative, et inscrite dans une stratégie didactique clairement définie. Celle-ci doit reposer sur l’accompagnement humain, la clarté des intentions pédagogiques et la formation des apprenants à un usage critique, éthique et éclairé des technologies. C’est dans cette articulation entre innovation technologique, justice et présence éducative que réside le véritable potentiel de l’IA pour l’enseignement.