Entre usages pédagogiques, transformation des services aux étudiants, évolution des modalités d’évaluation et réflexion sur les compétences à transmettre, l’intelligence artificielle s’impose progressivement dans l’enseignement supérieur. Pour Philippe Monin, directeur académique de l’école, et Stéphanie Gauttier, professeur associé, responsable de l’équipe de recherche « Systèmes d’Information pour la société » la véritable rupture est encore devant nous, mais ses effets sont déjà visibles : dans la salle de cours, dans l’accompagnement des étudiants, dans les processus internes et, plus largement, dans la manière même de penser la formation et la production de connaissances.
L’IA, UNE RÉVOLUTION ENCORE DEVANT NOUS
Olivier Rollot : En quelques mots, qu’est-ce que l’IA a déjà changé pour GEM depuis deux ans ?
Philippe Monin : L’IA n’a pas encore bouleversé de fond en comble notre activité quotidienne, mais nous sommes convaincus que la transformation qui arrive sera considérable. Nous sommes au début du mouvement. Les usages se multiplient déjà chez les étudiants, plusieurs fois par jour, sur de nombreuses applications. Pour nous, la révolution à venir sera d’une ampleur comparable à celle d’Internet, avec des effets sur la pédagogie, sur les business models des écoles, sur les services aux étudiants et sur les processus internes.
O. R : Donc, pour l’instant, le changement reste encore limité ?
O. M : Le changement n’est pas encore en profondeur. Nous continuons à recruter des étudiants avec des outils assez classiques, nous ne sommes pas encore dans une personnalisation complète des parcours ou des admissions. En revanche, nous voyons très bien ce qui arrive. Nous expérimentons déjà des solutions pour corriger des CV, préparer des entretiens, accompagner les étudiants ou automatiser certaines tâches. À notre sens, nous n’en sommes qu’au commencement.
O. R : GEM a la réputation d’être particulièrement avancée sur les sujets technologiques. Cela change-t-il votre manière d’aborder l’IA ?
P. M : Notre positionnement autour de la data et de la technologie rend ce virage assez naturel. Nous travaillons sur ces sujets depuis plusieurs années. Nous avons déjà déployé des outils comme Copilot pour les étudiants et pour les professeurs, avec un travail de formation associé. Nous avons aussi engagé des projets autour de la simulation d’entretien, de la réalité virtuelle et d’assistants pédagogiques. Cette continuité est importante : l’IA n’est pas arrivée chez nous comme un sujet totalement exogène.
DES AGENTS POUR APPRENDRE, RÉVISER ET S’ORIENTER
O. R : Concrètement que testez-vous aujourd’hui en termes de pédagogie ?
Stéphanie Gauttier : Nous testons des dispositifs qui permettent aux étudiants de travailler seuls, de réviser, de s’entraîner. Les professeurs définissent un corpus de référence dans notre LMS, puis des solutions d’IA génèrent automatiquement des QCM, des exercices, des corrections et des renvois vers les ressources pertinentes quand une réponse n’est pas satisfaisante. En réalité, nous construisons des agents d’entraînement et de révision.
Philippe Monin et Stéphanie Gauttier
O. R :Avec quelles ambitions ?
S. G : Nous voulons aller jusqu’à des usages à grande échelle, notamment pour le rattrapage. Aujourd’hui, le rattrapage reste souvent très archaïque : l’étudiant revient, repasse une épreuve, sans accompagnement suffisant. Demain, nous pourrons proposer un corpus ciblé, des questions générées automatiquement, des entraînements progressifs, puis une mise en situation quand l’étudiant est prêt. Cela change profondément l’expérience d’apprentissage, tout en laissant au professeur la maîtrise du cadre académique.
O. R :L’enseignant garde donc la main ?
P. M : Absolument. Le professeur définit le corpus de référence, choisit les ressources, encadre le niveau d’exigence. L’IA ne remplace pas la fonction pédagogique ; elle déplace une partie du travail vers la curation de contenu, le design d’expérience et le suivi des apprentissages. Le rôle de l’enseignant devient encore plus stratégique.
O. R : Ces agents d’IA, vous les développez vous-mêmes ?
P. M : Nous combinons plusieurs approches. Nous travaillons avec des prestataires sur certaines briques, nous développons en interne d’autres outils et nous restons très attentifs à l’open source, qui progresse vite. Notre logique consiste à tester l’intérêt réel des usages avant de les déployer plus largement.
O. R : Vous travaillez aussi sur le service aux étudiants ?
S. G : Nous développons actuellement un agent conversationnel d’orientation qui répond à des questions très concrètes : statut en alternance, règles applicables selon le programme, pénalités éventuelles, options administratives, informations de scolarité. Là encore, nous nous appuyons sur des documents de référence validés. L’objectif est d’apporter une réponse plus rapide, plus claire et plus accessible, sans renoncer à la fiabilité.
O. R : Hors pédagogie, quels sont les chantiers prioritaires ?
P. M : Nous regardons de très près tous les processus d’admission, de planification, d’optimisation des emplois du temps et d’organisation. Aujourd’hui encore, beaucoup d’opérations sont réalisées de manière très manuelle. L’IA permettra de simuler, d’optimiser et de mieux articuler les contraintes. Les écoles devront se transformer sur ces sujets, sinon de nouveaux acteurs prendront la place.
REVOIR LES ÉVALUATIONS À L’ÈRE DE L’IA
O. R : La grande question, c’est aussi celle de l’évaluation. Comment vérifier ce que l’étudiant a réellement produit ?
S. G : Face aux IA nous faisons évoluer la manière de structurer les rendus pour mieux suivre le cheminement intellectuel de l’étudiant. Nous regardons la progression, les échanges avec le tuteur, la capacité à justifier les choix, puis cela se conclut par une soutenance. Notre position est claire : nous n’interdisons pas les outils d’IA, mais nous exigeons qu’ils soient utilisés de manière transparente et que l’étudiant soit capable d’assumer intellectuellement ce qu’il présente.
O. R :L’usage de l’IA doit donc être déclaré ?
S. G : Dans les consignes de mémoire, nous demandons aux étudiants d’indiquer les moments où ils ont utilisé des IA, les outils mobilisés, les traitements réalisés et les raisons de cet usage. Nous avançons vers une logique de versioning : ce qui compte, ce n’est pas seulement la version finale, c’est aussi la capacité à comprendre le passage de la version initiale à la version enrichie.
P. M : Les étudiants savent très bien contourner les détecteurs de plagiat. Nous ne voulons pas rester dans une logique purement policière, qui serait vouée à l’échec. Nous préférons une logique de responsabilité : dites-nous ce que vous avez fait, comment vous l’avez fait, et montrez-nous que vous vous êtes approprié le résultat. C’est cela que nous voulons valoriser.
O. R : Cela conduit-il à modifier les critères du mémoire de fin d’études ?
P. M : Historiquement, la revue de littérature occupait une place très importante dans l’évaluation. Aujourd’hui, l’IA fait cela très bien. Nous allons donc redonner davantage de poids à la méthode, aux données collectées, aux analyses et à la capacité critique. Les données de terrain, elles, ne peuvent pas être inventées de la même manière. Nous allons déplacer le centre de gravité des grilles d’évaluation.
O. R : Et l’oral revient en force ?
S. G : L’oral permet de vérifier si l’étudiant maîtrise réellement son sujet, s’il comprend ce qu’il avance, s’il sait argumenter et prendre du recul. Nous le développons pour le grand mémoire, mais aussi dans d’autres formes d’évaluation.
ENSEIGNER L’IA, OU L’INTÉGRER PARTOUT ?
O. R : Faut-il encore faire des cours spécifiques sur l’IA ? Il semble être rentré dans les mœurs ?
S. G : Nous partons d’un socle qui reste essentiel : la littératie data. Sans compréhension minimale de la donnée, il est difficile de comprendre l’IA. Ensuite, nous faisons évoluer ce socle vers une littératie IA. Cela passe par des enseignements de tronc commun, mais aussi par des spécialisations. Certains parcours approfondissent le machine learning, la visualisation de données ou l’IA générative ; d’autres abordent davantage les usages métiers.
O. R :Votre idée est donc moins de créer un bloc à part que de diffuser ces compétences dans les programmes ?
S. G : Notre objectif est d’intégrer les compétences en intelligence artificielle à l’ensemble de nos formations, afin de préparer des étudiants capables d’évoluer dans des environnements numériques en transformation. Pour cela, nous avons engagé un travail de cartographie de nos programmes à partir d’un référentiel européen de compétences numériques, afin d’identifier où ces compétences sont déjà présentes, où elles doivent être renforcées et comment mieux accompagner nos étudiants dans le développement de compétences à la fois techniques, critiques et professionnelles.
Ce travail s’inscrit dans le cadre du projet européen DigiMe, qui vise à structurer un écosystème de formation et d’innovation à l’échelle européenne. À GEM nous prolongeons cette dynamique en l’ancrant plus spécifiquement dans les enjeux liés à l’intelligence artificielle, en lien étroit avec les transformations des métiers et des organisations. Cette collaboration nous permet de croiser des approches pédagogiques, des contextes nationaux et des besoins sectoriels, afin de concevoir des référentiels et des dispositifs de formation qui soient à la fois robustes et transférables.
P. M : Nous disposons aujourd’hui d’un référentiel très structuré sur les compétences numériques, et nous avons commencé à l’outiller avec un agent capable d’analyser nos maquettes. À terme, ce type de référentiel pourrait s’imposer dans les évaluations nationales ou internationales. Nous voulons donc être prêts sachant qu’il y a eu à GEM des cours autour de l’intelligence artificielle dès les années 1980 ! Le sujet a connu des périodes plus ou moins visibles, mais il ne nous est pas étranger. Ce qui change aujourd’hui, c’est l’intensité des usages, la vitesse de diffusion et l’ampleur des effets dans tous les métiers.
GARDER L’ESPRIT CRITIQUE
O. R : Beaucoup d’enseignants craignent que les étudiants deviennent plus passifs face à des réponses produites par les IA. Comment éviter cela ?
S. G : Nous travaillons sur des agents d’IA capables de soutenir l’effort, d’éveiller la curiosité, d’ajuster le niveau de difficulté et d’éviter une posture passive. Nous menons aussi des expérimentations sur l’engagement cognitif des étudiants pour comprendre à quel moment l’attention se maintient, à quel moment elle décroche et dans quelles conditions la personnalisation aide réellement à apprendre.
O. R : Vous avez donc une approche presque scientifique de l’attention ?
S. G : Nous essayons d’objectiver ces phénomènes. Nous croisons des approches issues des sciences cognitives avec nos expérimentations pédagogiques. L’enjeu est de comprendre comment personnaliser sans déresponsabiliser.
O. R : Et sur le fond, la bonne réponse face aux IA reste d’avoir l’esprit critique ?
S. G : Nous parlons beaucoup d’esprit critique, mais nous travaillons plus précisément des compétences comme la confiance raisonnée dans l’IA, la capacité à prendre du recul, la compréhension des biais, l’éthique et l’usage responsable. Ces dimensions doivent être discutées dans les cours, quel que soit le programme. Nous avons déjà des enseignements sur l’IA responsable, sur l’éthique, et sur les applications de l’IA dans différents secteurs, y compris la santé.
P. M : Nous savons une chose avec certitude : les étudiants utilisent l’IA de manière massive et systématique. Nous ne pouvons donc pas raisonner comme si elle n’existait pas. Nous devons former à son usage, mais aussi fixer des règles claires et redonner de la valeur aux dispositifs académiques.
Pendant longtemps, le rattrapage a parfois été dévoyé. Nous voulons réaffirmer qu’il s’agit d’une seconde chance académique, pas d’un simple filet de sécurité après une fraude. Cela suppose des règles plus lisibles et des sanctions qui aient un sens pédagogique.
DES ENSEIGNANTS AUX PRATIQUES TRÈS DIVERSES
O. R : Les enseignants se sont-ils tous emparés du sujet ?
S. G : Il reste beaucoup de travail. Comme dans beaucoup d’établissements, les pratiques sont très hétérogènes. Certains expérimentent beaucoup, d’autres beaucoup moins. Nous assumons aussi qu’il puisse y avoir des contextes pédagogiques dans lesquels l’IA n’a pas sa place. L’idée n’est pas l’automatisme ; l’idée est de mettre l’IA au service d’une intention pédagogique.
Nous organisons des espaces de partage et de formation entre collègues soutenus par le financement du projet Européen Digi-me. Nous discutons de ce que nous testons, de ce qui fonctionne, de ce qui doit être ajusté. Il y a une vraie conversation collective sur le sujet dans l’école.
O. R : Côté formats, imaginez-vous de nouvelles formes de rendus ?
S. G : Nous n’avons plus forcément besoin de demander uniquement un essai écrit. Les étudiants peuvent produire des podcasts, des vidéos, des simulations, des cas interactifs. Nous explorons de nouveaux formats d’évaluation et de nouveaux formats pédagogiques.
P. M : Nous avons déjà développé des cas interactifs dans lesquels les étudiants interrogent des agents, avancent étape par étape, identifient des problèmes, construisent des réponses. Nous avons aussi des cas en réalité virtuelle sur le management interculturel, la négociation commerciale ou la négociation salariale. Les premiers retours sont très impressionnants en termes d’engagement et de progression.
O. R : Ces dispositifs servent-ils aussi en formation continue ?
P. M : Les simulations de négociation ou d’entretien, par exemple, sont déjà utilisées dans des séminaires de formation continue. Nous observons d’ailleurs une forte demande des entreprises sur les sujets IA, avec plusieurs niveaux : la sensibilisation générale, d’un côté, et des usages beaucoup plus appliqués, de l’autre.
ET DEMAIN, LE MÉMOIRE SERA-T-IL TOUJOURS LA NORME ?
O. R : Au fond, tout cela conduit à une question plus radicale : le mémoire de fin d’études restera-t-il la norme ?
P. M : C’est une vraie question. Aujourd’hui, le mémoire autonome de recherche reste la pierre angulaire du grade de master. Mais il existe d’autres manières d’évaluer les compétences d’analyse, de synthèse, de critique, de collecte et d’interprétation des données. Je pense que ce modèle sera de plus en plus discuté.
S. G : Nous voyons déjà apparaître, à l’international, des réflexions sur d’autres formes de production de connaissance : un code, un artefact, un outil, un prototype. La question n’est pas de dévaluer l’exigence académique, mais de se demander sous quelle forme elle peut désormais se matérialiser.
O. R : Vous pensez donc que nous sommes au début d’un basculement plus large que la seule salle de classe ?
P. M : Très clairement. L’IA ne change pas seulement les outils. Elle nous oblige à reposer des questions fondamentales : qu’est-ce qu’apprendre ? qu’est-ce qu’évaluer ? qu’est-ce qu’une preuve de compétence ? qu’est-ce qu’une production originale ? C’est pour cela que nous parlons d’une transformation systémique, et pas simplement d’une nouvelle technologie à intégrer.
LES ÉTUDIANTS : PLUS INQUIETS DE LA GUERRE QUE DE L’IA
O. R : Vos étudiants sont-ils inquiets pour leur avenir professionnel à cause de l’IA ?
P. M : Franchement, pas vraiment. Pour eux, l’IA fait partie du paysage. Ils n’ont pas le même rapport que nous à cette technologie, parce qu’ils ont grandi avec des outils numériques omniprésents. Nous avons encore de bonnes insertions, de bons niveaux de salaire à la sortie et une dynamique d’alternance solide. L’angoisse principale n’est pas là.
O. R : Qu’est-ce qui les inquiète davantage, alors ?
P. M : Le contexte géopolitique, très clairement. La guerre, les tensions internationales, l’instabilité générale : voilà ce qui remonte le plus dans les conversations. Sur l’emploi, ils restent plutôt confiants. Certains métiers vont se transformer, c’est évident, mais ils ne vivent pas cela comme un horizon d’effondrement.
O. R : Vous sentez aussi un déplacement d’autres préoccupations, comme l’écologie ?
P. M : Le sujet reste important, mais il me paraît moins saillant qu’il y a quelques années. Nous ressentons, chez les étudiants comme dans la société, une forme de reflux de l’élan militant. Ils ressemblent beaucoup à la société telle qu’elle est aujourd’hui : plus inquiète, plus immédiate, plus pragmatique.
VERS UNE TRANSFORMATION DU TRAVAIL ACADÉMIQUE LUI-MÊME
O. R : L’IA change aussi le métier d’enseignant-chercheur ?
P. M : Profondément. Les revues reçoivent davantage d’articles, les revues de littérature sont produites beaucoup plus vite, les bibliographies aussi. Le risque, à terme, c’est une embolie du système académique : trop d’articles à soumettre, trop peu de reviewers, une inflation de production et une difficulté croissante à distinguer l’originalité.
O. R : Cela se voit aussi dans les exigences de publication ?
P. M : Ce qui était suffisant il y a dix ans ne l’est plus du tout aujourd’hui. Les standards montent, les possibilités technologiques élargissent le champ des analyses, et les exigences éditoriales suivent. Cela change la manière de former les jeunes chercheurs.
O. R :C’est aussi pour cela que vous insistez davantage sur le code et moins sur certains enseignements plus classiques ?
S. G : Nous estimons qu’un jeune chercheur doit comprendre les outils qu’il mobilise, les logiques de code qui les sous-tendent, les choix méthodologiques qui sont faits. Sans cela, il aura du mal à interpréter ce qu’il produit. Cela ne signifie pas que certaines spécialisations, comme l’économétrie, disparaissent ; cela signifie qu’un socle commun autour de l’IA et du code devient de plus en plus nécessaire.
O. R : Avec aussi des questions d’intégrité scientifique ?
S. G : Aujourd’hui, il est possible de générer des données synthétiques, des entretiens fictifs, des corpus artificiels. Cela pose des questions méthodologiques, éthiques et épistémologiques majeures. Quel type de connaissance produisons-nous ? À quelles conditions reste-t-elle valable ? Ce sont des débats qui doivent être pris très au sérieux dans la formation doctorale comme dans la recherche.
Notre objectif est d’intégrer les compétences en intelligence artificielle à l’ensemble de nos formations, afin de préparer des étudiants capables d’évoluer dans des environnements numériques en transformation. Pour cela, nous avons engagé un travail de cartographie de nos programmes à partir d’un référentiel européen de compétences numériques, afin d’identifier où ces compétences sont déjà présentes, où elles doivent être renforcées et comment mieux accompagner nos étudiants dans le développement de compétences à la fois techniques, critiques et professionnelles.
Ce travail s’inscrit dans le cadre du projet européen DigiMe, qui vise à structurer un écosystème de formation et d’innovation à l’échelle européenne. À GEM nous prolongeons cette dynamique en l’ancrant plus spécifiquement dans les enjeux liés à l’intelligence artificielle, en lien étroit avec les transformations des métiers et des organisations. Cette collaboration nous permet de croiser des approches pédagogiques, des contextes nationaux et des besoins sectoriels, afin de concevoir des référentiels et des dispositifs de formation qui soient à la fois robustes et transférables.
