Concevoir un parcours pédagogique en intégrant les outils de l'intelligence artificielle

Introduction – Situer les enjeux de l’IA en pédagogie

Définition de l’IA et de l’IAG (intelligence artificielle générative)
Exemples concrets d’usage dans l’éducation et la formation (assistants conversationnels, générateurs de supports, outils d’accessibilité)
Enjeux actuels : évolution rapide des technologies, impact sur le métier de formateur, opportunités et vigilance.

Exploiter des outils IA et IAG pour la conception pédagogique

Panorama des outils IA textuels : ChatGPT, Claude, Perplexity, Copilot

Outils IA visuels et multimédias :
- Création d’illustrations pédagogiques (Midjourney, DALL-E)
- Synthèse vocale (Speechify, ElevenLabs)
- Générateurs vidéo (Synthesia, Pictory)
Prompt engineering
- Structure d’une requête (rôle, contexte, consignes précises, format attendu).
- Bonnes pratiques pour obtenir un résultat exploitable.
- Erreurs courantes (prompts trop vagues, biais implicites)
Critères de sélection des outils : Accessibilité, Ergonomie, Personnalisation, Coût et modèle économique

Concevoir un parcours pédagogique intégrant l’IA

Identifier le public (âge, niveau, motivations, freins)
Détecter les besoins particuliers (handicap, hétérogénéité des niveaux)
Prendre en compte le contexte professionnel
Modèle ADDIE : Analyse, Design, Développement, Implémentation, Évaluation.
Pédagogie active (apprentissage par projet, études de cas, simulation)Approche par compétences et alignement pédagogique
Structurer sa conception de formation pour y intégrer l'IA
Générer des objectifs pédagogiques avec IA : la taxonomie de Bloom
Créer des quiz adaptatifs avec IA
Personnaliser des supports selon profils apprenants
Articulation des séquences
Choix des modalités (asynchrone/synchrone, auto-formation, accompagnement)
Utilisation d’outils IA pour gagner en efficacité dans la conception

Analyser et réviser un parcours produit avec IA

Typologie des biais et exemples en pédagogie : sexistes, culturels, linguistiques, cognitifs, liés aux données d’entraînement
Repérer des incohérences de contenu (erreurs factuelles, doublons)Identifier des problèmes d’accessibilité (langage trop complexe, format non adapté).Stratégies pour corriger avec prompts ciblés
Contrôler la cohérence entre objectifs, contenus et évaluations.
Confidentialité et protection des données (RGPD)Responsabilité du formateur face aux productions IA
Importance de la validation humaine