Bilan et analyse des trois séquences :

Besançon, Nice et Orléans-Tours

 

1. L’intelligence collective en classe

L’objectif était de s’appuyer sur l’intelligence collective pour contrer la puissance de l’IA. Force est de constater que l’expérience s’est avérée concluante à l’échelle de la classe. Dirigées par les professeurs, les prises de paroles ont donné lieu à des analyses constructives. Les confrontations d’arguments ont souvent fait émerger la solution (vrai ou faux). Les élèves s’aperçoivent que, sans guidage de l’Homme, l’IA est incohérente par rapport à notre demande.

De même, il émerge que sans travail collaboratif préalable, tout le monde aurait eu le même travail et donc la même ville de demain. En ayant eu ce travail, les idées ont été très différentes donc les villes qui ont été imaginées également. Cela a été permis par la collaboration et l’intelligence collective.

2. Regards sur les outils

Les élèves se rendent compte qu’il est difficile d’obtenir un résultat convenable avec une IA générative d’images, et qu’en tout cas, les propositions faites à partir de l’intelligence collective (première étape en groupes de 2 ou 3 puis mise en commun des idées de tous les groupes) sont plus complètes et plus pertinentes.

Les outils sont remplis de pubs, marketing agressif sur les boîtes mail et disparition du site d’une semaine sur l’autre… ce qui ne nous facilite pas la tâche par rapport au respect du RGPD.

D’un point de vue technique, à l’heure actuelle, dans un collège classique, l’utilisation de ces outils en classe entière pose quelques problèmes : pour les outils avec compte, les sessions tournent à vide lorsqu’on ouvre plusieurs sessions à la fois, les crédits sont rapidement épuisés lorsqu’on utilise un compte gratuit, et les outils ont alors des fonctionnalités limitées…

Sans guider l’IA générative d’images avec les idées et réflexions qu’on eu auparavant avec les élèves, celle-ci ne répond pas à la consigne donnée (créer la ville de demain) et ne résout pas les problématiques de la ville actuelle. De plus, certaines images restent incompréhensibles.

En la guidant avec leurs idées, les élèves arrivent à obtenir des résultats plus cohérents mais ils se rendent compte qu’il est difficile et long d’obtenir une image en adéquation avec ce qu’ils avaient imaginé au départ. Ils constatent qu’il faut du temps, de la persévérance, de la réflexion et qu’il est nécessaire de connaître le fonctionnement de l’IA pour pouvoir la guider : ce n’est pas magique.

Les élèves sont intéressés et motivés par la séquence et le fait d’être mis « en concurrence » avec des IA. Pour autant, certains se découragent au bout de quelques tentatives infructueuses pour obtenir une image convenable.

3. Quelles réception par les élèves ?

La séquence intéresse beaucoup les élèves qui sont, à ce moment-là, des utilisateurs débutants des IA génératives. La motivation qui en découle est un levier important, qui les amène à réfléchir de façon plus approfondie à ce que devrait être une ville durable. La pauvreté relative des propositions de l’IA constitue par conséquent une certaine déception pour eux.

Parfois, l’analyse qui en est faite par les élèves est déroutante. En amont, nous avions pourtant abordé la notion de source et l’éthique des données et du journalisme, etc… Malgré cela, pour eux, cela permet de créer des images sans savoir ni dessiner, ni prendre des photographies. C’est un outil créatif de plus dans leurs usages.

Nous notons qu’il apparaît nécessaire d’éduquer à l’IA. En effet, face à des questions du genre « Une IA peut-elle avoir des sentiments ? » ; « Est-ce qu’une IA peut vouloir du mal à quelqu’un ? » ; « Une IA peut-elle proposer une idée d’elle-même ? », les élèves sont hésitants et certains répondent par l’affirmative.

 

 

 

Retours des élèves par questionnaire (deux classes) :

 
Pour imaginer la ville de demain, la proposition la plus complète et la plus juste est celle :

    – issue de la réflexion en groupe des élèves = 80% des répondants

    – proposée par l’IA générative = 20% des répondants

L’intérêt du travail en groupe d’élèves est (les réponses n’étaient pas fournies, elles sont données par les élèves spontanément) :

    – permettre de trouver plus d’idées = 48%

    – permettre d’améliorer ses idées = 14%

    – permettre de travailler plus vite = cité par un élève

L’IA générative vous a permis d’améliorer la proposition issue de votre travail de groupe :

    – oui = 26%

    – non = 74%

Quels conseils donneriez-vous à un élève qui voudrait utiliser une IA générative pour imaginer la ville de demain (les réponses n’étaient pas fournies, elles sont données par les élèves spontanément) ?

– utiliser une IA plus performante = 11%

– ne pas utiliser d’IA = 7%

– ajouter des précisions, décrire précisément ce qu’on veut voir sur l’image = 37%

Citations d’élèves (orthographe corrigée) :

    « C’est vraiment pas évident car ça peut donner des choix totalement pas en rapport ».

    « Bien préciser tous les éléments que vous souhaitez trouver sur le résultat ».

    « Je conseille de ne pas utiliser l’IA car les résultats sont trop vagues et diffèrent de la réalité car l’IA ne connaît pas Orléans ».

    Éléments de réflexion sur ce questionnaire :

    Il est à noter que ce sont les élèves les plus à l’aise avec les tâches scolaires qui ont obtenu les meilleurs résultats de leur IA générative, et en même temps, ceux aussi qui ont le retour réflexif le plus complet et le plus critique sur ces outils. Les élèves fragiles considèrent que l’IA générative leur a donné de bons résultats et leur a permis d’améliorer leurs propositions de groupe. Ils n’ont pas de conseil à donner pour améliorer l’utilisation des IA génératives.

Ailleurs, ils conseillent tous l’IA pour illustrer des articles de presse (sans aucuns sens de l’éthique et du droit d’auteur pourtant abordés en classe). Ils sont plus critiques sur les résultats esthétiques et les erreurs commises dans les photos…

Ils ont du mal à se rendre compte du côté « apprenant » de l’IA = plus on joue avec, plus elle s’améliore.

Caroline Vernay (Orléans-Tours), Thomas Bréant (Nice), Mickaël Faivre (Besançon)

Article de mutualisation : intelligence collective et IA
Étiqueté avec :    

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *