Contenu et déroulement
Ouvrir le capot : comment fonctionne vraiment une IA générative
- Du réel aux nombres : numérisation, vectorisation, ce qu'est réellement un embedding — chaque mot devient une position dans un espace mathématique.
- Le réseau de neurones : couches, poids, ce que "apprendre" signifie pour une machine — des milliards de réglages ajustés par essais et erreurs.
- L'entraînement : rétropropagation, gradient, ce que représentent physiquement les dizaines de gigaoctets d'un modèle entraîné.
- La génération : prédiction token par token, logique probabiliste — pourquoi l'IA ne "sait" rien mais produit du vraisemblable.
- Ancrage physique à chaque étape : capteurs, RAM, GPU, datacenter, consommation énergétique — pour que le fonctionnement devienne concret et non abstrait.
Activités : explication progressive avec analogies visuelles, questions flash à chaque étape, pas d'équations.
Ce que ce fonctionnement implique concrètement en classe
Pourquoi les hallucinations sont structurelles et non des bugs corrigeables.
Ce que ça signifie de laisser un élève utiliser un outil qui prédit sans vérifier.
Biais, données d'entraînement, représentation du monde dans le modèle — d'où viennent les angles morts.
Activités : analyse de cas réels documentés, échanges en sous-groupes, mise en commun.
Cadre juridique appliqué à l'enseignement
RGPD et données des élèves mineurs : ce que dit le texte, ce que ça implique pour l'enseignant au quotidien.
Cadre institutionnel MEN 2025 : circulaires en vigueur, recommandations officielles, responsabilités de l'enseignant et de l'établissement.
Outils souverains vs outils américains : pourquoi la localisation des serveurs change tout juridiquement — le cas des données hébergées hors UE.
Droits d'auteur et productions générées par IA : à qui appartient ce qu'un élève produit avec une IA ? Que dit le droit français ?
Activités : présentation des textes clés avec exemples concrets, questions-réponses, mise en situation rapide.
Risques data — atelier de classement
Quelles données ne jamais soumettre à un outil IA : copies d'élèves, données d'identité, informations sensibles, productions non anonymisées.
Grille de décision pratique : ce que je peux faire / ce qui m'expose / ce qui est interdit.
Activités : atelier de tri par cartes — chaque équipe classe un ensemble de situations en trois catégories, puis défend ses choix devant le groupe.
Atelier final — simulation de cas
Un enseignant fictif a utilisé des outils IA dans plusieurs situations au cours d'une semaine scolaire. Les participants reçoivent le dossier complet : les situations, les outils utilisés, les données impliquées, les résultats obtenus. Ils doivent identifier les problèmes techniques, juridiques et éthiques, évaluer les risques réels, et défendre ou critiquer les choix de cet enseignant devant le groupe.
Objectif : mobiliser l'ensemble des acquis de la journée dans une situation réaliste, engageante et mémorable.
Activités : travail en équipes, restitution orale structurée, débat arbitré par le formateur.
Synthèse et engagements
Les trois idées fondamentales à retenir. Fiche d'engagement individuelle : une chose que je change, une chose que je vérifie, une chose que j'explique à mes élèves.
Activités : synthèse collective, fiche d'engagement individuelle écrite.
Organisation temporelle
Format 1 journée : matin — fonctionnement technique et implications pédagogiques / après-midi — cadre juridique, risques data et atelier de simulation.
Démonstration live en ouverture, apports théoriques progressifs avec analogies visuelles, ateliers de classement, simulation de cas en équipes, débat structuré, fiche d'engagement individuelle.
Supports utilisés :
L'ensemble des supports pédagogiques du module est mis en ligne sur un site dédié accessible aux participants : présentation visuelle avec schémas techniques annotés, cartes de situation pour l'atelier de tri, dossier de simulation pour l'atelier final, fiche réglementaire synthétique (RGPD, MEN, droits d'auteur), fiche d'engagement individuelle.
