Un peu de vocabulaire

Utilisation de l'IA en classe.

Logo du référentiel IA de l'UNESCO

Lexique IA de base

Termes clés pour comprendre et intégrer l’intelligence artificielle en classe : concepts techniques, leviers pédagogiques, repères éthiques et organisationnels.

IA (intelligence artificielle)

Ensemble de techniques permettant d’imiter des processus cognitifs (analyser, apprendre, créer). En classe : soutien à la planification, différenciation, création de matériel et rétroaction.

Concept-clé

IAG (IA générative)

IA capable de produire du texte, des images ou du code à partir de requêtes (prompts). Exemples : ChatGPT, Gemini, Copilot.

Production

Apprentissage automatique (machine learning)

Entraîner un modèle sur de grandes quantités de données pour repérer des régularités et prédire. À expliciter : les réponses sont probabilistes, pas « compréhensives ».

Fondamentaux

RAG (retrieval-augmented generation)

Technique qui combine génération et recherche dans un corpus pour ancrer les réponses sur des sources pertinentes (documents, normes, PDA).

Technique avancée

Communauté de pratique (CoP)

Espace d’apprentissage professionnel pour partager, expérimenter et mutualiser autour de l’IA. Favorise la co-construction de stratégies d’intégration.

Collaboration

Faire le tofu

Posture d’écoute active et d’absorption d’information avant d’agir. Légitime l’appropriation progressive des outils d’IA par le personnel scolaire.

Posture

Esprit du bac à sable

Approche expérimentale et ludique : tester librement des outils, documenter les découvertes et itérer sans peur de se tromper.

Culture d’essai-erreur

« Couleurs MST » de l’IA

Trois axes de travail proposés : planifier, différencier, évaluer. Sert de cadre simple pour organiser les usages en équipe-école.

Cadre MST

PEPPITons

Robots personnalisés d’autoformation et de conception de tâches alignées au PFEQ/PDA. Intègrent phases d’apprentissage, triangulation des traces et justification des compétences ciblées.

Automatisation guidée

Loi 25 (Québec)

Encadre la protection des renseignements personnels. En classe : limiter les données d’élèves envoyées à des services externes; privilégier les comptes et outils institutionnels.

Conformité

Référentiels UNESCO (enseignant / apprenant)

Repères pour développer une utilisation éthique, critique et créative de l’IA; utiles pour calibrer la formation continue et la citoyenneté numérique.

Repères

Esprit critique & validation

Adopter une posture d’analyse des réponses, vérifier les sources et reconnaître les limites des modèles. Inclut la validation par des experts selon la discipline.

Posture