Quelques outils expérimentaux appuyés sur l'intelligence artificielle pour l'enseignement et la recherche

Le colloque « Enseigner le droit hors des amphithéâtres », organisé par l'Université de Strasbourg et la Société pour l'histoire des facultés de droit, posait une question d'apparence simple : que se passe-t-il quand on sort le droit de son cadre habituel ? La réponse que je propose ici est qu'on peut, entre autres choses, le confier — avec précaution — à des machines. Cette communication présente trois outils expérimentaux développés pour l'Institut d'Enseignement à Distance de Paris 1 Panthéon-Sorbonne, où la question de l'enseignement « hors les murs » n'est pas un thème de colloque mais une condition quotidienne.

Un générateur de questions

Le premier outil est un générateur automatique de questions de cours. L'enseignant lui fournit un corpus — supports de cours, articles, extraits de manuels — et le système produit des questions de différentes typologies : QCM, questions ouvertes, questions de compréhension, questions d'application. On peut cibler des notions précises, ajuster le niveau de difficulté, choisir le format. Le modèle de traitement du langage extrait les concepts-clés du corpus et formule des questions qui s'y rapportent.

Pourquoi est-ce utile ? Parce que la création de supports d'évaluation est l'un des travaux les plus chronophages de l'enseignement, et l'un des plus répétitifs. Un enseignant qui donne le même cours depuis cinq ans a épuisé ses réserves d'inspiration pour les QCM de révision ; la machine, elle, peut varier les formulations et les angles d'approche indéfiniment. L'enseignant garde la main — il valide, corrige, ajuste — mais il gagne un temps considérable sur la production brute. C'est un usage instrumental de l'IA, modeste mais concret, qui ne prétend pas révolutionner la pédagogie et qui, pour cette raison même, fonctionne.

Un extracteur d'ontologies

Le deuxième outil est plus exploratoire. Il s'agit d'un système d'extraction d'ontologies juridiques à partir de corpus documentaires. En clair : on lui donne un ensemble de textes juridiques et il en extrait une cartographie structurée des concepts, de leurs relations, de leur hiérarchie. L'outil rend visible l'architecture conceptuelle implicite d'un corpus — ce qui peut servir autant à l'enseignement (montrer aux étudiants comment s'organise un domaine du droit) qu'à la recherche (repérer des structures récurrentes, des lacunes, des évolutions terminologiques).

L'extraction d'ontologies n'est pas une idée neuve — les travaux en ingénierie des connaissances s'y intéressent depuis les années 1990 — mais les modèles de langue actuels lui donnent une efficacité nouvelle, à condition de ne pas confondre la carte et le territoire. Le système produit une représentation, pas une vérité.

Un agent conversationnel juridique

Le troisième outil est un agent conversationnel spécialisé dans l'apprentissage et la recherche en droit — un cousin du projet ArchéoBot, mutatis mutandis, transposé au domaine juridique. Même architecture RAG, même souci de traçabilité des sources, même ambition de produire des réponses qui renvoient à des textes identifiés plutôt qu'à l'imagination stochastique du modèle.

Retour d'expérience

La présentation se conclut sur un retour d'expérience qui ne masque ni les réussites ni les limites. Le générateur de questions est l'outil le plus immédiatement adopté par les enseignants — il résout un problème concret avec un minimum de friction. L'extracteur d'ontologies fascine les chercheurs mais reste trop expérimental pour un usage quotidien. L'agent conversationnel suscite l'enthousiasme des étudiants et l'inquiétude des enseignants, ce qui est probablement le signe qu'il touche à quelque chose d'important. Ces trois outils n'ont pas la prétention de remplacer quoi que ce soit ; ils cherchent à occuper les interstices — entre le cours et la révision, entre la lecture et l'analyse, entre la question posée et celle qu'on n'ose pas formuler.