Quelques idées sur l'usage des IAs génératives dans un contexte pédagogique
Simiand, Guillaume. « Quelques idées sur l'usage des IAs génératives dans un contexte pédagogique ». Présenté à Pédagogiquement vôtre : les ateliers virtuels - L'IA et l'enseignement, 7 mars 2024.
Quelques idées sur l'usage des IAs génératives dans un contexte pédagogique
Le titre est volontairement prudent : « quelques idées », et non une doctrine. En mars 2024, sur un sujet aussi neuf que celui des IA génératives, il faut se garder des certitudes. Cette communication, donnée dans le cadre des ateliers « Pédagogiquement vôtre », se limitait donc à proposer des repères, et surtout une attention portée au prompting, c'est-à-dire à la manière dont on s'adresse à ces outils.
Un terrain mouvant
Le secteur repose sur un petit nombre d'acteurs, dont l'intégration verticale dans nos environnements de travail mérite qu'on la surveille : quand le modèle est fourni par le même acteur que la suite bureautique, on ne choisit plus grand-chose.
Le terrain est mouvant à plusieurs titres. Les cas d'usage sont difficiles à prévoir, ce qu'on a appelé la « jagged frontier », la frontière dentelée : un modèle réussit brillamment une tâche et échoue sur une autre, apparemment voisine, sans qu'on sache toujours pourquoi. Des capacités nouvelles apparaissent par effets de seuil au-delà d'une certaine taille de modèle. Et le cadre réglementaire se construit en même temps que les usages.
L'état neutre de la langue
Un point mérite qu'on s'y arrête. La production par défaut d'un LLM tend vers l'état le plus neutre de la langue, et de l'argumentation. Sans consigne précise, le modèle régresse vers une moyenne : un texte lisse, consensuel, dépourvu d'aspérités. C'est précisément ce constat qui fonde l'intérêt du prompting : sortir le modèle de cette neutralité pour obtenir quelque chose d'utile.
Sortir de la neutralité : quelques stratégies de prompting
La communication passait en revue les principales stratégies alors en circulation. Le jeu de rôle assigne au modèle une posture (« tu es un correcteur exigeant », « tu es un étudiant débutant »), ce qui oriente le registre et le contenu de sa réponse ; la technique du « tip », qui promet une récompense ou dramatise l'enjeu, relève du même registre, en plus folklorique. Le « chain of thought » demande au modèle de raisonner par étapes, ce qui améliore souvent le résultat sur les tâches qui enchaînent des inférences. La Retrieval Augmented Generation (RAG) adjoint au modèle une base documentaire, pour ancrer ses réponses dans des sources contrôlées plutôt que dans sa seule mémoire d'entraînement. Le few-shot prompting, enfin, guide le modèle vers le format attendu en lui fournissant des exemples.
Je ne prétendais pas transformer ce catalogue en méthode pédagogique clé en main : en mars 2024, personne n'avait le recul pour cela, et les recettes de prompting vieillissent vite. L'objectif était plus modeste, donner aux collègues de quoi comprendre ce qu'ils voyaient passer et de quoi expérimenter eux-mêmes.
Mobilis in mobile
La conclusion empruntait sa devise au capitaine Nemo : mobile dans l'élément mobile. Sur un terrain aussi instable, la seule posture tenable consiste à poursuivre les expériences en cours, collectives et individuelles, sans prétendre les figer, et à garder un œil sur ce qui peut tout changer : l'automatisation possible du prompting, les capacités des nouveaux modèles, l'intégration verticale de ces outils dans nos environnements de travail.