Cette formation en ligne permet aux étudiants de l'enseignement supérieur d'acquérir les connaissances de base en IA ainsi que les compétences pratiques indispensables pour utiliser de manière efficace et responsable les outils d'IA générative (GenAI) dans le cadre de leurs études. Découvrez les principes fondamentaux de l'IA, les enjeux éthiques, les applications pratiques telles que l'aide à la recherche et l'analyse de données, et élaborez des stratégies pour vous adapter à l'évolution du paysage de l'IA dans le milieu universitaire et dans vos futures carrières.
« Compétences en IA pour l'enseignement supérieur : utiliser l'IA générative de manière responsable dans vos études » est un cours asynchrone entièrement en ligne, valant 2 crédits ECTS, conçu pour permettre aux étudiants de toutes les disciplines de saisir les opportunités et de relever les défis liés à l'intelligence artificielle, en particulier l'IA générative (GenAI), dans le contexte universitaire.
– Module 0. Accueil et orientation
– Module 1 : Introduction à l’IA – concepts de base, présentation de la technologie pour les non-initiés
– Module 2 : Impact de l’IA sur la société, conséquences sur le marché du travail
– Module 3 : Utilisation responsable de l’IA et considérations éthiques, défis liés à l’utilisation de la GenAI (des hallucinations aux « yes-bots »)
– Module 4 : Utilisation efficace des grands modèles linguistiques – ingénierie des prompts
– Module 5 : Utilisation de l’IA générative pour soutenir votre processus d’apprentissage, stratégies métacognitives
– Module 6 : L’IA générative pour la recherche et la revue de la littérature
– Module 7 : L’IA générative pour l’analyse de données et d’autres applications
– Module 8 : Synthèse et réflexion – défi final (élaborez votre propre prompt pour soutenir vos études supérieures)
Le cours va au-delà de la théorie pour aborder les applications pratiques. Les étudiants sont directement confrontés à des défis académiques concrets (par exemple : « Comment l’IA générative peut-elle m’aider à mener ma revue de la littérature de manière responsable ? », « Comment puis-je utiliser l’IA générative pour une exploration préliminaire des données de manière éthique ? »). Les modules proposent des travaux pratiques conçus autour de ces défis, qui exigent des étudiants qu’ils mènent des recherches, utilisent des outils et réfléchissent à des solutions. Nous commençons par explorer l’impact sociétal global de l’IA, en invitant notamment les étudiants, dans le module 2, à étudier et à discuter des effets de l’IA sur leurs futurs domaines de spécialisation, en reliant directement les concepts de l’IA à divers contextes disciplinaires. Les considérations éthiques (module 3) et les applications des outils (modules 4 à 7) s’inscrivent dans le contexte général du travail universitaire, applicable à diverses disciplines. En tant que cours en ligne entièrement asynchrone dispensé via Canvas, il offre une flexibilité maximale, permettant aux apprenants de s’approprier les supports et les activités à leur propre rythme.
Définir les concepts fondamentaux de l’IA et de l’IA générative, et expliquer leurs principes technologiques de base.
Analyser l’impact potentiel de l’IA sur le marché du travail et les parcours professionnels futurs liés à leur domaine d’études.
Identifier les éléments clés de la culture de l’IA et évaluer différents modèles permettant de comprendre les capacités et les limites de l’IA.
Appliquer des cadres de référence établis pour évaluer les implications éthiques et l’utilisation responsable des outils d’IA générative dans des contextes universitaires.
Reconnaître les risques et dangers potentiels associés à l’IA générative, notamment les biais, la désinformation, la protection de la vie privée et l’impact environnemental.
Utiliser des techniques efficaces d’ingénierie des prompts pour interagir de manière productive avec les modèles de langage à grande échelle (LLM) dans le cadre de diverses tâches universitaires.
Utiliser de manière responsable des outils et techniques spécifiques d’IA générative pour soutenir des activités universitaires telles que le brainstorming, la rédaction, la recherche bibliographique et l’exploration de données de base.
Évaluer de manière critique les résultats générés par les outils d’IA, en reconnaissant la nécessité d’un contrôle humain, d’une vérification et d’une contribution intellectuelle originale.
Élaborer des lignes directrices personnelles pour une utilisation éthique et transparente de l’IA dans son propre travail universitaire, en respectant les principes d’intégrité académique.
Participer à une évaluation constructive par les pairs des tâches universitaires assistées par l’IA, en fournissant des commentaires tant sur le processus que sur le résultat.
Prérequis : connaissances de base en informatique.
Bozkurt, A., & Sharma, R. C. (2023). IA générative et ingénierie des prompts : l’art de murmurer pour libérer le génie du monde algorithmique. Asian Journal of Distance Education, 18(2), i-vii. https://doi.org/10.5281/zenodo.8174941
Deloitte AI Institute (2023). L’IA générative et l’avenir du travail. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/human-capital/Deloitte_GenAI-Future-of-Work.pdf
Furze, L. (10 novembre 2024). Les flagorneurs synthétiques : pourquoi les « Yes-Bots » posent problème dans l’éducation. Leon Furze. https://leonfurze.com/2024/11/11/synthetic-sycophants-why-yes-bots-are-a-problem-for-education/
Hannigan, T. R., McCarthy, I. P., & Spicer, A. (2024). Méfiez-vous du « botshit » : comment gérer les risques épistémiques liés aux chatbots génératifs. Business Horizons, 67(5), 471–486. https://doi.org/10.1016/j.bushor.2024.03.001
Groupe d’experts de haut niveau sur l’intelligence artificielle (AI HLEG) (2019). Une définition de l’IA : principales capacités et disciplines. https://ec.europa.eu/futurium/en/system/files/ged/ai_hleg_definition_of_ai_18_december_1.pdf
Guide d’ingénierie des prompts : https://www.promptingguide.ai/
Russell, S. J., & Norvig, P. (2020). L’intelligence artificielle : une approche moderne (4e éd.). Pearson.
Spatola, N. (2024). Le compromis entre efficacité et responsabilité dans l’intégration de l’IA : effets sur les performances humaines et la dépendance excessive. Computers in Human Behavior : Artificial Humans, 2(2), 100099. https://doi.org/10.1016/j.chbah.2024.100099
Stricker, J. K. (25 février 2025). La crise des connaissances synthétiques [lettre d’information Substack]. The Future of Higher Education. https://jeppestricker.substack.com/p/the-synthetic-knowledge-crisis
UNESCO. (2019). Consensus de Pékin sur l’intelligence artificielle et l’éducation. Document final de la Conférence internationale sur l’intelligence artificielle et l’éducation « Planifier l’éducation à l’ère de l’IA : mener le saut ». UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000368303
Forum économique mondial (2025). Rapport sur l’avenir de l’emploi 2025. https://reports.weforum.org/docs/WEF_Futu
– Diffusion modulaire des contenus (micro-conférences, lectures sélectionnées, éléments interactifs, démonstrations/captures d’écran)
– Discussions asynchrones : forums structurés favorisant la réflexion, le débat critique sur des dilemmes éthiques et le partage d’expériences sur les outils.
– Exercices d’application pratique : travaux pratiques consistant à réaliser des tâches académiques définies à l’aide d’outils d’IA générative, nécessitant une documentation et une réflexion.
– Activités d’évaluation par les pairs : utilisation de la fonctionnalité « Peer Review » de Canvas pour fournir des retours constructifs sur les travaux pratiques, guidés par des grilles d’évaluation.
– Journal de réflexion : courts exercices encourageant la réflexion sur l’apprentissage, l’évolution des points de vue et les positions éthiques personnelles.
– Test de connaissances de base (quiz)
Relevé de notes