Intégrer l’IA générative dans une activité d’enseignement : un exemple de démarche pédagogique évolutive
L’utilisation des intelligences artificielles génératives (IAGen) dans l’enseignement supérieur soulève de nombreuses questions et nous invite à interroger nos pratiques pédagogiques et nos modalités d’évaluation. Mais comment dépasser la simple question de savoir si les étudiant-es peuvent ou non utiliser ces outils ? Comment éviter qu’ils se substituent à leur réflexion personnelle ? Comment leur permettre d’en comprendre les possibilités, mais aussi les limites, tout en développant leur esprit critique et leur autonomie ?
Dans le cadre d’un cours consacré aux méthodes et pratiques d’étude du mobilier archéologique, proposé au Département des sciences de l’Antiquité de l’Université de Genève (Faculté des lettres), j’ai choisi d’expérimenter l’intégration de l’IA générative dans une activité de création d’une fiche d’enregistrement archéologique. Cette expérience, menée une première fois au printemps 2025, puis adaptée en 2026, m’a permis d’observer différentes manières d’aborder l’utilisation de l’IA dans une tâche disciplinaire concrète.
Au-delà des résultats obtenus par les étudiant-es, je me suis intéressée également aux possibilités d’évolution du dispositif : comment une première expérimentation conduit-elle à repenser une activité ? Comment intégrer les observations recueillies et les outils de réflexion pédagogique pour faire évoluer les objectifs, les consignes et les modalités d’évaluation ? Dans ce billet, je vais revenir brièvement sur ces deux expériences, avant de présenter les pistes d’amélioration possibles pour la prochaine édition du cours.
Cette expérience concerne un nombre restreint d’étudiant-es et ne prétend donc pas fournir des résultats généralisables. L’intention ici est plutôt de partager une démarche pédagogique, les observations qu’elle a suscitées et les réflexions qui ont conduit à faire évoluer l’activité.
I. Le cadre institutionnel : l’UNIGE et l’IA générative
L’intégration de l’IA générative dans une activité d’enseignement ne peut se faire indépendamment du cadre institutionnel dans lequel elle s’inscrit.
Le 1er juillet 2024, le Rectorat de l’Université de Genève a actualisé sa position sur l’intelligence artificielle. Celle-ci encourage l’évolution et l’utilisation de ces technologies, tout en rappelant trois principes essentiels : la responsabilité individuelle, l’intégrité académique et la protection des données personnelles. Les facultés et les centres interfacultaires sont chargés de préciser les modalités concrètes d’utilisation de l’IA dans leurs domaines respectifs, notamment pour l’enseignement, l’apprentissage et la recherche.
Les recommandations de la Faculté des lettres insistent notamment sur la nécessité de former des étudiant-es capables de développer une pensée autonome, un esprit critique et des compétences rédactionnelles qui ne se limitent pas à ce que les outils d’IA peuvent produire. Il s’agit également de les sensibiliser suffisamment tôt à ces technologies, de les aider à évaluer les productions générées et d’éviter qu’ils ne deviennent dépendants de ces outils.
Dans le cadre de mon enseignement, j’ai donc choisi de ne pas simplement autoriser ou interdire l’utilisation de l’IA, mais de proposer une activité dans laquelle son recours devient lui-même un objet d’apprentissage. Avant l’exercice, les recommandations institutionnelles ainsi que les bonnes pratiques relatives à l’utilisation et à la citation des productions générées par l’IA sont présentées aux étudiant-es. Plusieurs ressources sont également mises à leur disposition sur Moodle.
Quelques principes sont particulièrement importants :
- déclarer si et comment l’IA a été utilisée dans le cadre du travail ;
- considérer l’IA comme une aide et non comme un substitut à son propre travail ;
- vérifier les informations produites, qui peuvent être inexactes, imprécises ou obsolètes;
- utiliser les réponses générées comme un point de départ pour approfondir une recherche et développer sa propre réflexion.
Ces principes constituent le cadre de l’activité présentée ci-dessous. L’enjeu n’est pas seulement de découvrir un outil, mais d’apprendre à l’utiliser de manière raisonnée, en restant responsable du résultat final.
II. Printemps 2025 : comparer les productions humaines et celles de l’IA
La première expérimentation a eu lieu au printemps 2025, dans le cadre du cours-séminaire « Étude du mobilier archéologique : méthodologies et pratiques ». Destiné principalement à des étudiant-es de deuxième année de bachelor, mais également ouvert à des étudiant-es de master, cet enseignement associe des apports théoriques à des exercices pratiques.
L’activité proposée consistait à élaborer une fiche d’enregistrement destinée à documenter un ensemble de fragments céramiques. Au-delà de la réalisation de cette fiche, trois objectifs étaient poursuivis :
- réfléchir aux informations et aux critères qu’il est pertinent de sélectionner pour documenter un ensemble d’objets ;
- découvrir les possibilités et les limites de l’IA générative dans le cadre d’une tâche disciplinaire ;
- développer un regard critique sur les productions de l’IA, en apprenant à les vérifier, à les discuter et à justifier ses propres choix.
Une première approche : travailler sans IA, puis comparer
Sept étudiant-es ont participé à l’activité. Ils ont été répartis en deux groupes, auxquels j’ai proposé de réaliser quatre productions :
- Une fiche d’enregistrement élaborée collectivement, sans recourir à l’IA.
- Une brève justification des critères retenus.
- Une fiche générée à l’aide d’un outil d’IA, accompagnée des prompts et des réponses obtenues.
- Une comparaison des deux fiches, mettant en évidence leurs différences, leurs apports respectifs et leurs limites.
Les deux groupes ont choisi des outils et des démarches différents.
Le premier groupe a utilisé Perplexity. La fiche générée s’est révélée assez éloignée de l’objectif poursuivi : elle ressemblait davantage à un document générique de gestion de matériel, comprenant notamment des rubriques relatives à la propriété, au stockage ou à l’entretien. Les étudiant-es ont rapidement identifié le décalage entre cette proposition et les besoins de leur travail. Ils ont relevé l’absence de plusieurs informations importantes et conclu que leur propre fiche était plus adaptée. Cette expérience a permis de mettre en évidence un premier point essentiel : une production qui paraît structurée et professionnelle n’est pas nécessairement pertinente. La qualité formelle d’une réponse ne garantit ni sa justesse ni son adéquation à un contexte disciplinaire précis.
Le deuxième groupe a utilisé ChatGPT et testé deux formulations successives. La première demande, relativement générale, a produit une fiche assez exhaustive, mais comportant plusieurs rubriques superflues ou inadaptées. Les étudiant-es ont ensuite précisé leur prompt en indiquant plus clairement les catégories d’informations recherchées. La seconde proposition correspondait davantage à leurs attentes. Ils ont ainsi pu observer l’influence de la formulation de la demande sur le résultat obtenu. Ils ont également relevé que l’IA pouvait suggérer des idées auxquelles ils n’avaient pas nécessairement pensé et proposer une présentation structurée, tout en nécessitant un important travail de sélection et de vérification.
Ce que les étudiant-es ont retenu
Un questionnaire a été proposé à l’issue de l’activité. Six étudiant-es sur sept y ont répondu. Les réponses montrent que les objectifs principaux avaient été compris : comparer les productions, évaluer leur pertinence, identifier les capacités et les limites de l’IA et développer un regard critique sur les résultats obtenus. Les réponses témoignent toutefois de quelques incertitudes concernant les modalités de citation. Malgré la présentation des recommandations en début d’activité, certain-es étudiant-es ne savaient pas précisément quelles informations devaient être conservées ou comment documenter leur utilisation de l’outil. Plusieurs suggestions ont été formulées, notamment la mention de la date, de l’heure ou de la version de l’outil utilisé.
Les réponses relatives à la perception de l’IA sont, quant à elles, nuancées. Pour certain-es, l’exercice a confirmé les limites de ces outils ; pour d’autres, il a permis de mieux comprendre leur intérêt comme aide complémentaire. Une suggestion ressortait du questionnaire : plutôt que de se limiter à comparer une production humaine et une production de l’IA, il pourrait être intéressant de travailler davantage à partir de la proposition générée par l’IA pour la transformer et l’améliorer.
Un premier bilan
Cette première expérience a permis aux étudiant-es de constater concrètement que l’IA ne produit pas nécessairement une réponse adaptée à une situation particulière et que l’expertise disciplinaire reste indispensable pour évaluer les propositions. Elle a également fait apparaître certaines limites de l’exercice. La comparaison entre deux productions, l’une réalisée sans IA et l’autre avec IA, permet de prendre du recul, mais elle ne conduit pas nécessairement à examiner en profondeur la manière dont une production générée pourrait être retravaillée. La suggestion formulée par un-e étudiant-e, ainsi que les observations faites lors de la correction des travaux, m’ont donc incitée à modifier l’approche pour l’édition suivante.
III. Printemps 2026 : intégrer l’IA dès le début de l’activité
Au printemps 2026, plusieurs éléments de l’expérimentation ont changé: le nombre d’étudiant-es (7 contre 3), le nombre de groupes (2 contre 1) et les outils choisis par les étudiant-es poru l’activité (Perplexity et ChatGPT, puis ChatGPT seul), ainsi que la démarche elle-même. J’ai en effet proposé une nouvelle version de l’exercice, basée sur les retours d’étudiant-es de 2025. L’objectif n’était plus de construire d’abord une fiche sans IA pour la comparer ensuite à une proposition générée, mais de partir directement d’une production de l’IA et de demander aux étudiant-es de la transformer.
Trois étudiant-es ont participé à cette deuxième expérimentation, au sein d’un seul groupe.
De la proposition générée à la production finale
Les étudiant-es ont commencé par demander à ChatGPT de produire une première fiche d’enregistrement. Cette proposition a ensuite servi de point de départ à leur travail. Ils l’ont confrontée à leurs observations des objets et à des références méthodologiques spécialisées. Ils ont alors sélectionné les informations pertinentes, supprimé ou modifié certaines rubriques, réorganisé la structure et complété les éléments qui leur semblaient manquer. La démarche consistait donc à ne pas considérer la fiche générée comme un résultat à accepter ou à rejeter en bloc, mais comme une proposition à examiner et à retravailler. Les étudiant-es devaient être capables de justifier leurs choix et de prendre la responsabilité de la fiche finale. Leur analyse a fait apparaître plusieurs apports de l’IA : une structure initiale cohérente, la possibilité de rassembler rapidement des connaissances et certaines suggestions utiles pour organiser le travail. Mais ils ont également relevé des omissions, des imprécisions terminologiques, des répétitions et des informations trop techniques ou peu adaptées à leur contexte. La fiche finale était ainsi le résultat d’un travail de sélection, de vérification et de réorganisation effectué par les étudiant-es, et non une simple reprise de la production de ChatGPT.
Un regard plus nuancé sur l’IA
Les trois étudiant-es ont répondu au questionnaire proposé à la fin de l’activité. Tous ont identifié l’esprit critique comme un objectif central et estimé avoir respecté les bonnes pratiques de citation, en conservant notamment les prompts et les réponses en annexe et en explicitant leur démarche. Pour les trois, cette activité constituait une première expérience d’intégration explicite de l’IA dans un exercice de cours. Les réponses montrent des perceptions différentes, mais complémentaires. Un-e étudiant-e explique avoir dépassé certaines réticences initiales et découvert que l’IA pouvait constituer une source d’idées et aider à structurer un travail. Un-e autre souligne son utilité pour une première mise en forme, tout en rappelant que le contenu doit être vérifié. Le troisième confirme un regard critique qu’il ou elle avait déjà développé.
Deux approches, deux expériences complémentaires
La comparaison entre les éditions 2025 et 2026 est intéressante, car elle met en évidence deux manières différentes d’intégrer l’IA dans une activité d’apprentissage. En 2025, les étudiant-es construisaient d’abord leur propre réflexion, sans assistance, avant de comparer leur production à celle de l’IA. Cette démarche permettait de mesurer le décalage entre les connaissances mobilisées par les étudiant-es et les propositions de l’outil. En 2026, l’IA intervenait dès le début de l’exercice. Les étudiant-es devaient apprendre à examiner une proposition générée, à en identifier les limites et à la transformer en s’appuyant sur leurs observations et leurs connaissances. La seconde approche ne doit pas nécessairement être considérée comme meilleure que la première. Leurs intérêts pédagogiques sont différents. La première permet de construire une réflexion autonome avant de découvrir ce que l’IA peut proposer ; la seconde place les étudiant-es dans une situation de dialogue critique avec une production générée.
IV. ARIA : un cadre pour repenser son dispositif pédagogique
En mars 2026, lors de la Journée IA et enseignement à l’UNIGE, j’ai pu assister à l’atelier de présentation du cadre ARIA, développé pour accompagner l’intégration critique de l’intelligence artificielle générative dans l’enseignement supérieur, au cours duquel nous étions invités à tester l’outil IA «Transformer l’évaluation à l’ère de l’IA».
Le cadre ARIA repose sur quatre dimensions complémentaires :
- Acceptabilité : l’utilisation de l’IA est-elle pertinente au regard des objectifs pédagogiques et des compétences que l’on souhaite développer ? Il importe notamment d’expliquer aux étudiant-es pourquoi l’IA est utilisée — ou, au contraire, pourquoi elle ne l’est pas.
- Responsabilité : les étudiant-es doivent pouvoir assumer et expliquer le travail qu’ils et elles remettent. Il s’agit de rendre visible l’utilisation de l’IA, les sources mobilisées et les choix effectués.
- Intelligence collective : l’intégration de l’IA peut devenir une occasion d’apprendre avec et autour de ces outils, mais aussi de réfléchir collectivement à leurs usages. Elle ne doit pas se faire au détriment des interactions humaines et du travail collaboratif.
- Accessibilité : les différences d’accès aux outils, aux licences payantes et les inégalités de maîtrise numérique doivent être prises en considération.
Ces dimensions ont complétées par un cycle méthodologique en quatre étapes (Analyser, Repenser, Intégrer, Accompagner) servant à améliorer les dispositifs d’évaluation. Dans le cadre de la méthodologie ARIA, des assistants conversationnels ont été développés pour accompagner les enseignant-es dans la réflexion et la transformation de leurs dispositifs pédagogiques à l’ère de l’intelligence artificielle. Fondés sur une démarche de dialogue guidé, interactif et réflexif, ils proposent un questionnement progressif pour aider à prendre du recul, à examiner ses choix pédagogiques et à envisager des pistes d’évolution. Ils s’appuient notamment sur trois dimensions de l’ingénierie pédagogique : la conception universelle de l’apprentissage, la scénarisation pédagogique et la reconfiguration des évaluations. Leur approche intègre également des points de vigilance éthiques et pédagogiques, tels que la transparence, l’équité, la diversité des formats et le développement des compétences humaines.
Analyse de mon dispositif d’évaluation par l’assistant ARIA
L’analyse produite par l’assistant IA a d’abord souligné plusieurs points forts de l’exercice : les étudiant-es ne se contentent pas de recevoir une réponse générée, mais doivent la confronter à des observations concrètes, mobiliser leurs connaissances disciplinaires et justifier leurs choix. La comparaison entre la proposition de l’IA et la fiche retravaillée constitue également une occasion de développer une réflexion sur les usages de ces outils.
Quelques points de vigilance ont toutefois été identifiés. Le premier concerne la justification des choix. Les étudiant-es peuvent expliquer qu’une rubrique est inutile ou qu’une information manque, mais leurs arguments risquent de rester généraux s’ils ne sont pas explicitement reliés aux objectifs de l’exercice et aux connaissances disciplinaires mobilisées. Le deuxième porte sur l’analyse critique de la production de l’IA. Une comparaison peut facilement devenir descriptive : les étudiant-es énumèrent les différences entre les deux fiches sans nécessairement expliquer pourquoi certaines propositions sont pertinentes, inadaptées ou discutables.
Enfin, l’analyse souligne que tous les critères ne se valent pas et que certains choix peuvent dépendre du contexte. Une rubrique écartée dans un cas particulier pourrait, par exemple, être pertinente dans une autre situation. Introduire ce type de nuance permettrait de dépasser une opposition trop simple entre une réponse de l’IA qui serait juste ou fausse.
À partir de ces observations, l’assistant a proposé plusieurs pistes d’évolution :
- expliciter davantage les critères permettant de juger de la pertinence d’une proposition ;
- structurer l’analyse critique de la production de l’IA, en invitant les étudiant-es à examiner son adéquation au contexte, son degré de précision et les risques d’omissions ou d’erreurs ;
- introduire une situation de discussion dans laquelle un critère écarté pourrait néanmoins être défendable dans un autre contexte ;
- conserver les différentes étapes du travail afin de rendre visible la transformation de la proposition initiale.
Toutes ces recommandations permettent au final d’évaluer mieux le raisonnement et la démarche. Cette question est d’autant plus importante que l’exercice est réalisé en groupe. La production collective permet de travailler la discussion et la prise de décision, mais elle ne donne pas nécessairement accès à la contribution et aux apprentissages de chaque étudiant-e. L’assistant suggère donc de compléter le travail de groupe par une courte réflexion individuelle, dans laquelle chacun-e pourrait expliciter ses choix, sa contribution et les éventuels désaccords au sein du groupe.
V. Et maintenant? Perspectives pour la prochaine édition du cours
La prochaine édition du cours, au semestre de printemps 2027, sera l’occasion de poursuivre cette expérimentation et de mettre à l’épreuve certaines des pistes identifiées.
Trois points méritent un approfondissement :
- Mieux expliciter les critères de décision : il paraît important d’aider les étudiant-es à distinguer une information pertinente d’une information simplement plausible ou bien formulée. Il s’agira de les inviter à justifier leurs choix en les reliant explicitement aux objectifs du travail et aux connaissances mobilisées.
- Donner davantage de place à la réflexion individuelle : le travail collectif restera intéressant pour confronter les points de vue et construire une réponse commune. Il pourrait toutefois être complété par une courte production individuelle permettant à chaque étudiant-e de rendre compte de sa démarche, de ses choix et de sa compréhension des limites de l’IA.
- Rendre visible le processus de transformation : la conservation de la proposition initiale de l’IA, des modifications apportées et de leur justification permettrait de mieux comprendre le cheminement suivi. L’évaluation pourrait ainsi accorder une place plus importante à la qualité du raisonnement, à la capacité de vérifier les informations et à la justification des décisions, plutôt qu’au seul résultat final.
Ces pistes ne constituent pas encore un scénario définitif. Elles devront être adaptées aux contraintes du cours et au nombre d’étudiant-es. Un point important sera de veiller à ce que les consignes restent compréhensibles et que la documentation du processus ne devienne pas une charge disproportionnée.
VI. Quelques réflexions pour conclure
Plusieurs observations de base se dégagent de ces deux expériences:
- L’intégration de l’IAGen dans l’enseignement ne peut se limiter à autoriser ou à encadrer son utilisation. Il est nécessaire de proposer aux étudiant-es des activités qui leur permettent d’expérimenter ces outils, d’en comprendre le fonctionnement et surtout d’apprendre à en évaluer les productions.
- L’utilisation de l’IA doit être accompagnée : présenter les recommandations institutionnelles est indispensable, mais il est tout aussi important de les mettre en pratique dans des situations concrètes.
- La formulation des demandes compte : les étudiant-es doivent apprendre à préciser leurs attentes, à ajuster leurs prompts et à expérimenter plusieurs formulations.
- La vérification est essentielle : les réponses de l’IA ne peuvent être considérées comme fiables par défaut. Elles doivent être confrontées à des sources documentaires et aux connaissances disciplinaires.
- L’expertise humaine reste indispensable : l’IA peut proposer, structurer et enrichir une réflexion, mais la sélection des informations, leur validation et la responsabilité de la production finale restent du ressort des étudiant-es.
Enfin, l’esprit critique ne s’acquiert pas uniquement par des recommandations ou des mises en garde. Il se développe en plaçant les étudiant-es dans des situations où ils doivent concrètement exercer leur jugement, argumenter leurs choix et assumer la responsabilité de leur travail. Côté enseignant-e, l’IA générative n’est pas seulement un nouvel outil qu’on peut, ou non, intégrer dans nos cours, elle constitue aussi une occasion de repenser nos activités, de rendre les apprentissages plus explicites et de poursuivre notre propre réflexion pédagogique.
Bibliographie
- Ressources de l’Université de Genève
- S. Decamps – A. Zanichelli, « Le cadre ARIA: accompagner l’intégration critique des intelligences artificielles génératives en enseignement supérieur », Médiations et médiatisations 25, mai 2026, DOI: https://doi.org/10.52358/mm.vi25.533
- S. Descamps, Cadre ARIA: Repenser les dispositifs de formation en enseignement supérieur à l’ère de l’IA. Guide pédagogique, Cellule d’Accompagnement Pédagogique, HELHa, 2025
