Lecture du Référentiel de compétences en IA pour les apprenants de l’UNESCO

Archives historiques : la date originale du site de la Chaire, le 30 octobre 2024, est conservée. Ce texte est une analyse du référentiel par Miao Fengchun, et non le référentiel lui-même.

Sur cette page

Miao Fengchun

Résumé : L’UNESCO a publié en septembre 2024 le premier Référentiel de compétences en IA pour les apprenants de portée mondiale. Cet article en propose une lecture. Alors que les pays entrent progressivement dans une nouvelle ère de sociétés de l’IA, les systèmes éducatifs, dont les missions centrales sont d’orienter la réflexion et de former à la citoyenneté, doivent anticiper les compétences citoyennes nécessaires à des sociétés inclusives et durables et définir et développer activement les compétences des élèves en IA. Dans le primaire et le secondaire, le Référentiel préconise de former des utilisateurs responsables, des coconcepteurs de l’IA et des citoyens créatifs. Les cadres de compétences doivent donc partir de valeurs centrées sur l’humain et définir conjointement les connaissances relatives à l’éthique de l’IA et les responsabilités citoyennes, les connaissances et compétences transférables utiles à l’apprentissage tout au long de la vie, ainsi que les capacités de conception de systèmes favorisant l’inclusion sociale et la durabilité environnementale. Les programmes scolaires d’IA constituent la voie principale pour poser les fondements de cette citoyenneté. Les organismes chargés des programmes doivent élaborer une structure transdisciplinaire de compétences et un enseignement fondamental de l’IA, explorer des ensembles de cours interdisciplinaires et des progressions en spirale, renforcer la formation et le développement professionnel des enseignants d’IA et construire des systèmes d’évaluation critériée dans ce domaine.

Mots-clés : compétences des élèves en IA ; programmes d’IA dans le primaire et le secondaire ; citoyenneté dans les sociétés de l’IA ; approche de l’IA centrée sur l’humain ; éthique de l’IA ; techniques fondamentales et compétences d’application de l’IA ; conception de systèmes d’IA

Pour citer cet article, veuillez utiliser les informations bibliographiques suivantes :

苗逢春.为智能社会公民素养奠基的《学生人工智能能力框架》[J].中国电化教育,2024,(11):1-12.

À l’ère de l’IA, l’éducation doit rester fidèle à ses missions centrales d’orientation de la réflexion et de formation à la citoyenneté, plutôt que de devenir un terrain d’expérimentation passif pour une IA guidée par le profit. Les compétences des élèves en IA doivent être fondées sur la citoyenneté dans les sociétés de l’IA, et non se réduire à la manipulation de systèmes commerciaux sans en comprendre le fonctionnement ou à des exercices mécaniques de programmation. Les programmes d’IA doivent renforcer leur rôle intégrateur de voie principale pour développer une conception humaniste, intérioriser les principes éthiques et cultiver la créativité scientifique et technologique ; ils ne doivent pas devenir un simple complément aux formations commerciales ou une discipline qui n’existe que de nom. En septembre 2024, l’UNESCO a publié le premier Référentiel de compétences en IA pour les apprenants de portée mondiale [1], appelé ci-après le Référentiel. Il vise à aider les responsables des politiques, les chercheurs et les organismes de terrain à anticiper la citoyenneté souhaitée par chaque pays à l’ère de l’IA, puis à définir la structure des compétences des élèves et ses concepts essentiels interdépendants, à construire des enseignements fondamentaux et à adapter les cours interdisciplinaires, ainsi qu’à explorer des méthodes pédagogiques et d’évaluation adaptées aux caractéristiques cognitives de chaque domaine et au développement global de la personne.

I. Former une citoyenneté des sociétés de l’IA centrée sur l’humain

1. Les systèmes éducatifs doivent définir de manière proactive la citoyenneté nécessaire aux sociétés de l’IA, plutôt que devenir des terrains d’essai passifs

Grâce à des innovations intégrées dans les données, la puissance de calcul, les algorithmes et les architectures de modèles, la recherche et le développement en IA ont progressé de manière accélérée depuis plus d’une décennie. Leurs applications se sont diffusées largement et profondément dans la production et la vie quotidienne. L’ouverture de l’IA générative au grand public en novembre 2022 et ses évolutions rapides ont encore accéléré cette pénétration dans tous les secteurs, y compris l’éducation. Bien que ses avantages en matière de productivité ne se soient pas encore pleinement manifestés partout, l’IA a déjà eu de profondes répercussions sur les droits fondamentaux, l’agentivité humaine, l’autonomie de la pensée et de la décision, ainsi que sur la diversité linguistique et culturelle [2][3]. Si l’on appelle société de l’IA la société humaine de cette ère, sa construction implique nécessairement un processus historique de recomposition entrecroisée des ordres social et économique. Dans le nouvel ordre économique, l’IA prendra la forme d’infrastructures numériques toujours plus intelligentes, d’outils de production intelligents polyvalents, d’instruments omniprésents de décision entre humains et machines dans l’administration et les services publics, et de plateformes et applications qui contrôlent et soutiennent la vie individuelle. Cet ordre économique provoquera une recomposition de l’ordre social. Le conflit principal opposera le machinocentrisme de l’IA contrôlé par des oligopoles financiers aux valeurs centrées sur l’humain, selon lesquelles les machines doivent servir les capacités individuelles et le développement durable de la société. Le machinocentrisme s’exprime dans des relations technologiques et sociales profondes : rapports de production fondés sur l’extraction prédatrice de données humaines pour entraîner les modèles ; rapports de service incitant ou contraignant les utilisateurs à échanger leur vie privée contre des services d’IA ; et collusion entre capitaux concentrés et algorithmes pour contrôler l’infrastructure numérique de la société. Pour protéger les droits fondamentaux, l’agentivité et la sécurité de chacun, il convient de promouvoir une transformation vers l’IA centrée sur l’humain.

Lorsque l’humanité se trouve à nouveau à un carrefour historique de recomposition des ordres économique et social, les systèmes éducatifs, chargés d’orienter les idées, de former les citoyens et de développer les ressources humaines, ne doivent pas se réduire à des terrains passifs d’expérimentation. Ils ont la responsabilité incontournable de définir à l’avance la citoyenneté nécessaire aux sociétés de l’IA et de planifier activement les structures de compétences et leur développement. Les recherches et politiques doivent traiter des questions fondamentales : quels citoyens former pour construire des sociétés de l’IA sûres, inclusives et durables [4] ? Comment définir la structure des compétences des élèves et les étapes attendues de leur développement dans le primaire et le secondaire, où se posent les fondements de la citoyenneté ? Comment les programmes, principale voie de formation de ces compétences, peuvent-ils dépasser les limites d’une organisation centrée sur les disciplines pour construire un système transdisciplinaire ? Le Référentiel de l’UNESCO est la première référence mondiale destinée à guider les pays dans leurs réponses à ces questions historiques.

2. Proposer le concept prospectif de citoyenneté dans les sociétés de l’IA et stimuler le débat sur les personnes que l’éducation doit former

Le Référentiel introduit le concept de citoyenneté dans les sociétés de l’IA — AI Society Citizenship — et tente d’en donner une définition opérationnelle, afin de stimuler dans chaque pays une réflexion prospective sur les personnes à former, les compétences à définir et la transition des programmes à organiser.

Le Référentiel propose une définition de cette citoyenneté et en déduit les objectifs généraux de l’enseignement de l’IA dans le primaire et le secondaire : les citoyens doivent adopter une attitude critique et ouverte et une disposition à apprendre tout au long de la vie lorsqu’ils étudient et utilisent l’IA, et mobiliser celle-ci au service de leur réalisation personnelle et du développement social. Ils doivent préserver et adapter de façon dynamique les valeurs d’une citoyenneté responsable et respectueuse de la loi. Face aux situations nouvelles de la société de l’IA, ils doivent notamment développer une réflexion critique sur ses répercussions et la conviction que les technologies doivent renforcer les capacités humaines, pour devenir des évaluateurs critiques de l’IA. Ils doivent intérioriser et mettre en pratique durablement des valeurs centrées sur l’humain, des principes éthiques et les dispositions légales, pour devenir des utilisateurs responsables. Ils doivent aussi dépasser un humanisme limité à l’individu et considérer les effets de l’IA sur l’équité sociale et sur l’environnement humain au sens large, notamment le changement climatique, afin de devenir des codéveloppeurs favorisant l’inclusion sociale et la durabilité environnementale et des acteurs de l’innovation pour la prochaine génération de technologies d’IA.

Sur le plan des valeurs, le Référentiel formule en outre des recommandations plus approfondies concernant cette citoyenneté et les moyens de la développer :

(1) Valeurs d’une citoyenneté critique dans les sociétés de l’IA : les élèves doivent examiner et analyser, à l’aide d’exemples et d’éléments probants, les conséquences profondes d’une pénétration généralisée de l’IA dans les infrastructures de la société humaine, afin de renforcer continuellement leur jugement critique sur ses effets sociaux. Il convient de les sensibiliser au « trilemme » de l’IA et du développement humain et de les aider à former un avis critique : privilégier l’accélération de l’innovation en sacrifiant relativement la sécurité et l’inclusion ; donner la priorité à la sécurité ; ou garantir des possibilités d’utilisation inclusives lorsque les capacités d’application sont limitées ? Il faut les aider à analyser de manière critique l’amplification possible des discriminations envers certains genres, groupes marginalisés et populations socioéconomiquement défavorisées, ainsi que les effets de l’IA sur les relations, normes et structures sociales. À un niveau adapté à leur âge, ils doivent identifier les causes de ces effets profonds et évaluer comment y répondre en adaptant les cadres juridiques, les principes éthiques et les normes sociales.

(2) Responsabilité sociale individuelle dans les sociétés de l’IA : aider les élèves à imaginer ensemble et à partager les caractéristiques de la société de l’IA qu’ils souhaitent, à discuter les responsabilités et obligations de chaque citoyen pour construire des sociétés inclusives, durables et justes, puis à les définir du point de vue des concepteurs et des utilisateurs. Leur fournir un accompagnement socioémotionnel permettant d’intérioriser durablement cette responsabilité individuelle ; les encourager à examiner les principes éthiques de conception et d’utilisation de l’IA dans des simulations complexes, afin d’éprouver la solidité de leur conception humaniste face aux changements.

(3) Sentiment de réalisation personnelle et disposition à apprendre tout au long de la vie : guider les élèves dans l’évaluation continue des effets des applications de l’IA sur le travail et la vie quotidienne et dans l’analyse des compétences nécessaires pour vivre et travailler dans ces sociétés. Les amener à réfléchir à leurs objectifs de développement personnel et au rôle de l’IA dans leur réalisation. Les aider à développer une disposition à apprendre continuellement et une capacité d’adaptation permettant d’utiliser l’IA de manière critique au service de leur réalisation et du développement durable de la société.

3. Définir un référentiel de compétences en IA centré sur l’humain pour guider la construction et l’adaptation des programmes

Les systèmes éducatifs manquent d’une référence internationale neutre pour déterminer si leurs cours et formations dépassent l’apprentissage de produits particuliers et développent des compétences centrées sur l’humain. Le Référentiel cherche à définir cette référence en prenant la citoyenneté dans les sociétés de l’IA comme finalité éducative. Il propose une structure fondamentale de quatre aspects — approche centrée sur l’humain, éthique de l’IA, techniques fondamentales et applications de l’IA, conception de systèmes d’IA — et trois niveaux de progression : « comprendre », « appliquer » et « créer ».

Sur le plan de la volonté politique, les gouvernements se sont accordés dans le Consensus de Beijing sur l’intelligence artificielle et l’éducation [5] pour intégrer les compétences liées à l’IA dans les programmes et systèmes de certification du primaire, du secondaire et d’autres niveaux et formes d’éducation. Cependant, un écart important subsiste entre cette volonté et la construction des programmes. Selon une enquête mondiale de l’UNESCO menée en 2022 [6], seuls 15 pays avaient élaboré et mettaient en œuvre des programmes scolaires d’IA soutenus par les gouvernements. Ces programmes présentaient aussi des déséquilibres structurels : priorité aux manipulations techniques au détriment des valeurs et de l’éthique, ou enseignements vidés de leur substance faute de disposer de plus de quelques heures. À ce retard de l’offre publique s’oppose l’expansion rapide de cours de manipulation de plateformes et de formations commerciales fondés sur les produits d’entreprises privées, diffusés massivement sans évaluation ni validation. Les entreprises prennent aussi fréquemment en main la définition des compétences sous couvert de généraliser la culture de l’IA et en profitent pour promouvoir l’utilisation de leurs propres plateformes. L’effet immédiat est la transformation de cours scolaires en formations commerciales rebaptisées ou en enseignements de façade ; à long terme, cela réduit la capacité des systèmes éducatifs à construire une offre publique et déprofessionnalise les enseignants d’IA.

Le Référentiel propose des programmes équilibrés associant une approche centrée sur l’humain, l’éthique, les connaissances et compétences, et les capacités d’innovation dans les systèmes d’IA. Il explique en détail le contenu et la portée propres à chaque module ainsi que les relations entre modules, afin d’accélérer la planification et la construction de programmes neutres et systématiques.

II. Principes directeurs

1. Partir de l’évaluation de la pertinence de l’IA pour résoudre des problèmes réels afin de développer la pensée critique et de faire évoluer les conceptions

La pensée critique constitue le mode de réflexion fondamental, le point de départ cognitif et l’orientation pratique nécessaires à une interaction sûre et porteuse de sens avec l’IA. Pour construire des sociétés de l’IA dirigées par les humains, les élèves du primaire et du secondaire doivent être préparés à décider de l’évolution et du développement des générations futures de cette technologie. Une conscience humaniste et des capacités critiques doivent leur permettre de déterminer quelles IA développer et comment les utiliser pour des sociétés inclusives et durables. Le Référentiel les invite ainsi à réfléchir et débattre de questions fondamentales : l’IA aidera-t-elle nécessairement à résoudre des défis mondiaux réels ou entraînera-t-elle des menaces dépassant les capacités humaines de contrôle ? Les effets négatifs de son entraînement et de son utilisation sur le climat dépassent-ils largement les contributions positives attendues à la lutte contre la crise climatique ? Quels grands effets sociaux, économiques, politiques ou démographiques de ses applications l’humanité doit-elle particulièrement examiner et évaluer ?

Les transformations impulsées par l’IA ont des conséquences profondes sur l’agentivité humaine, les interactions entre humains et machines, l’équité sociale et l’inclusion économique. Les élèves doivent prendre conscience des avantages et limites des technologies existantes et développer un jugement critique fondé sur des éléments objectifs. Le Référentiel vise à leur apprendre à évaluer la pertinence de l’IA à partir de ses effets sur l’agentivité, l’inclusion et l’équité, la sécurité des institutions et des personnes, la diversité linguistique et culturelle, la construction et l’expression de points de vue pluriels, ainsi que la durabilité environnementale et écologique. Il doit les aider à abandonner l’idée erronée selon laquelle l’IA serait la solution à tout problème ou tâche et à reconnaître quand ne pas l’utiliser, quels problèmes elle ne sait pas encore résoudre, quand elle peut constituer une partie de la solution et quels sont ses avantages et défauts pour résoudre des problèmes.

En matière de connaissances et de compétences, le Référentiel met l’accent sur l’apprentissage de savoirs méthodologiques à travers des tâches authentiques et significatives, ainsi que sur l’exploration et la pratique de la conception d’outils et de systèmes répondant à des enjeux réels de développement durable. Les citoyens doivent non seulement respecter les règles et principes éthiques, mais aussi contribuer à l’adaptation de la gouvernance de l’IA et à la construction de sociétés inclusives et équitables. Le Référentiel préconise des enquêtes et discussions sur les controverses éthiques fondamentales pour intérioriser les principes et développer des habitudes conscientes et autorégulées de respect des règles. Il encourage aussi l’examen critique des manuels d’utilisation pour déterminer s’ils traduisent suffisamment l’éthique de conception, ainsi que la réflexion sur l’amélioration des règles éthiques existantes.

2. Donner la priorité aux compétences et aux pratiques nécessaires à une interaction avec l’IA centrée sur l’humain

La capacité de chaque citoyen à interagir consciemment avec l’IA dans une perspective humaniste, plutôt qu’à être contrôlé sans le savoir ni pouvoir agir par des machines guidées par le profit commercial, déterminera si nous nous dirigeons vers des sociétés où les capacités de l’IA augmentent tandis que celles des humains diminuent, où les richesses se concentrent tandis que s’appauvrissent les personnes dont les données sont exploitées. Le développement de ces compétences d’interaction constitue donc une orientation fondamentale de la formation en IA. L’approche humaniste promue par l’UNESCO comprend les principes essentiels suivants : la conception et l’utilisation de l’IA doivent renforcer les capacités individuelles et le développement durable de la société ; tous doivent bénéficier d’un droit égal et inclusif d’accès et d’utilisation ; les systèmes diffusés à grande échelle doivent être explicables, sûrs, fiables et sans dommage, et protéger particulièrement l’agentivité et la dignité humaines ; enfin, la sélection, l’utilisation et la supervision doivent préserver le contrôle humain et la responsabilité humaine.

Le Référentiel souligne que l’IA doit stimuler et étendre les activités cognitives humaines de haut niveau, sans usurper ni remplacer les processus de pensée. Il recommande de faire de la protection et du renforcement de l’agentivité un principe central des programmes. Les enseignements doivent aider les élèves à comprendre quelles données sont recueillies, comment elles servent à entraîner les modèles et quels effets le cycle de collecte et d’utilisation peut avoir sur leur vie privée et leur existence. Ils doivent stimuler la motivation intrinsèque à grandir et à apprendre en tant qu’êtres humains, tout en renforçant l’autonomie du choix et la responsabilité humaine dans des contextes où l’IA se généralise. Ils doivent faire comprendre que les interactions entre personnes et les créations humaines, particulièrement artistiques, ne doivent pas être remplacées par des productions générées. En développant ces capacités d’interaction, le Référentiel entend aussi prévenir l’addiction aux plateformes et la dépendance excessive.

3. Orienter la conception et l’utilisation de l’IA vers le respect du climat

Pour former les élèves à devenir des codéveloppeurs d’une IA centrée sur l’humain et des acteurs critiques de son évolution et du développement de générations nouvelles, les concepteurs et responsables de l’enseignement doivent eux-mêmes donner l’exemple d’une évaluation critique du caractère humaniste des systèmes existants. Ils ne doivent pas ignorer les dommages et menaces profondes que leur cycle de vie fait peser sur l’environnement, les écosystèmes, les capacités humaines et l’ordre social, ni demander aveuglément aux élèves de comprendre, reproduire et pérenniser des modèles nuisibles d’entraînement, de production et de diffusion.

Le Référentiel est l’un des premiers documents internationaux à promouvoir une conception et une utilisation de l’IA respectueuses du climat. Il souligne que, dans la course au développement guidée par le profit, les conséquences négatives sur la durabilité environnementale sont volontairement reléguées au second plan, tandis que les analyses raisonnées des dommages sont masquées par une communication trompeuse présentant l’IA comme une solution salvatrice pour inverser le changement climatique. Outre l’appel à des mesures de régulation, notamment des mécanismes de gestion de la consommation énergétique, la définition des cadres de compétences, objectifs pédagogiques et thèmes d’apprentissage doit viser explicitement une compréhension approfondie des effets destructeurs des méthodes actuelles d’entraînement sur l’environnement et les écosystèmes. Il convient de proposer des projets sur ces effets et de stimuler et soutenir l’exploration de technologies et méthodes émergentes réduisant les dommages environnementaux.

4. Développer de manière inclusive des compétences en IA favorisant l’inclusion

L’accès à l’IA et les compétences correspondantes deviendront des droits fondamentaux de tout citoyen. Chaque élève doit apprendre à intégrer l’inclusion dans les étapes essentielles de conception et d’utilisation des systèmes et à assumer sa responsabilité personnelle dans la construction de sociétés inclusives. Le Référentiel explicite les différentes dimensions de cette exigence : intégrer des thèmes et activités permettant de comprendre et d’appliquer les principes d’inclusion pendant tout le cycle de vie, notamment la sélection de données représentant différents groupes, la conception d’algorithmes limitant les biais, des méthodes d’entraînement évitant les discriminations, des fonctionnalités d’accès inclusif, des tests d’inclusion des résultats et l’évaluation des effets des usages sur l’inclusion sociale. Les programmes doivent être inclusifs et adaptés aux différents groupes d’élèves du pays et de la communauté locale, sans dépendre d’environnements de haute technologie éloignés des conditions de la plupart des écoles et des élèves, ni de coûts excessifs. Avant de recommander une plateforme ou un outil comme support d’enseignement, il faut prévoir des mécanismes rigoureux d’examen et de validation pour éviter des biais algorithmiques liés au genre, aux capacités, à la situation socioéconomique, à la langue ou à la culture. Les outils aidant les élèves présentant un handicap physique ou intellectuel doivent être spécialement encouragés.

5. Poser les bases de valeurs et de schémas de connaissances transférables pour l’apprentissage tout au long de la vie

La construction de sens au sujet de l’IA dans une situation donnée dépend de la quantité de connaissances et d’expériences antérieures, de leur organisation et de l’aisance avec laquelle l’élève les mobilise. Les structures de compétences et les programmes doivent identifier et synthétiser les valeurs, connaissances et savoir-faire transférables ainsi que leurs modes d’organisation. Ils aideront ainsi les élèves à construire une structure de concepts fondamentaux et des schémas de connaissances élargis intégrant valeurs, connaissances et compétences, pour assimiler des apprentissages nouveaux au fil de la vie ou adapter et enrichir ces schémas face à de nouveaux problèmes et technologies.

Premièrement, une approche centrée sur l’humain et les principes éthiques offrent des orientations de pensée et des habitudes de sélection et d’utilisation de l’IA transférables. Les programmes doivent guider progressivement la réflexion sur les valeurs fondamentales inébranlables — droits et dignité, égalité, non-discrimination et diversité linguistique et culturelle — et sur les concepts à adapter aux situations nouvelles, comme les manifestations concrètes de l’agentivité humaine et de celle des machines dans différentes interactions. Ils doivent approfondir, à partir de cette approche humaniste, la compréhension et l’intériorisation des principes éthiques jusqu’à la pratique de l’éthique de conception. Deuxièmement, les programmes publics doivent dépasser les dépendances envers des marques ou plateformes propres à la formation commerciale et organiser les principes de l’IA indépendamment de produits particuliers, afin de construire des schémas transférables entre générations technologiques. Le Référentiel recommande de développer et d’approfondir progressivement une compréhension conceptuelle des données, algorithmes, modèles et systèmes. Des méthodes pédagogiques et situations pratiques appropriées doivent permettre de construire ces schémas en apprenant des connaissances et en appliquant des technologies à des tâches réelles exigeantes, tout en évaluant celles-ci selon leurs effets sur la société humaine. Le Référentiel encourage également la créativité par l’optimisation de modèles existants et le développement collaboratif d’outils porteurs de sens. La conception d’ingénierie, la réalisation technique et les cycles d’amélioration fondés sur les retours d’expérience doivent développer l’adaptabilité aux situations complexes et aux technologies en évolution rapide. L’intégration de valeurs humanistes, de schémas conceptuels, d’adaptabilité technologique et de créativité constitue la structure de compétences et de personnalité nécessaire pour apprendre toute la vie, créer ensemble et exercer sa responsabilité citoyenne.

III. Un référentiel de compétences en IA : une progression en spirale d’aspects relativement autonomes et intégrés

1. Un cadre bidimensionnel de compétences en IA structuré par une approche centrée sur l’humain

Les compétences en IA doivent refléter à la fois une structure déterminée par le croisement des domaines technologiques avec les valeurs, les connaissances et les savoir-faire, et les étapes du développement des élèves. Le Référentiel les définit donc de manière opérationnelle selon deux dimensions. (1) Les « aspects » de compétence couvrent quatre domaines relativement autonomes et interdépendants qui fondent la citoyenneté dans les sociétés de l’IA : approche centrée sur l’humain, éthique de l’IA, techniques fondamentales et applications, conception de systèmes. L’éthique met particulièrement en évidence le croisement des valeurs avec les connaissances et compétences ; la conception de systèmes exprime surtout les capacités d’innovation scientifique et technologique. (2) Les « niveaux » de progression sont comprendre, appliquer et créer. Leurs définitions et descriptions de pratiques orientent le développement des élèves et donnent aux concepteurs des repères de départ et de maîtrise pour planifier des progressions en spirale. Le croisement de quatre aspects et trois niveaux produit les 12 modules présentés au tableau 1. Chaque module porte le nom d’une caractéristique typique de la compétence attendue à ce niveau pour les connaissances ou tâches de l’aspect concerné.

Sur petit écran, faites glisser le tableau horizontalement. Au clavier, placez le focus sur la zone du tableau puis utilisez les flèches gauche et droite pour voir les autres colonnes.

La version textuelle reprend tous les noms de compétences dans l’ordre des lignes et colonnes de l’image, sans les numéros de cellule. Certains numéros imprimés ne correspondent pas à leur ligne et colonne ; l’image est conservée pour comparaison. Les trois niveaux ne correspondent pas directement à des classes scolaires précises.

2. Définir les modules à partir d’exemples techniques et de situations d’application, pour éviter une conceptualisation détachée de la pratique

La construction d’un référentiel à plusieurs aspects et niveaux est un travail d’abstraction : elle identifie, à travers diverses catégories de technologies et situations d’application, des manifestations générales et cohérentes des compétences, puis les conceptualise. Les définitions des modules mettent en évidence les comportements propres à chaque domaine tout en intégrant les relations internes entre aspects, afin de traduire leur unité organique et les compétences globales de la personne.

1. Modules du niveau Comprendre : un socle de citoyenneté dans les sociétés de l’IA pour tous les élèves

Dans les sociétés de l’IA, tous les élèves doivent acquérir des valeurs centrées sur l’humain et les connaissances et savoir-faire élémentaires nécessaires aux interactions quotidiennes avec les machines, afin de devenir des citoyens critiques et des utilisateurs sûrs et responsables. Comprendre est un niveau d’entrée destiné à tous, qui fournit les attitudes, bases cognitives et expériences pratiques nécessaires à la suite des apprentissages. Il peut constituer un niveau d’initiation à l’IA pour l’ensemble des citoyens, mais ne doit pas être le niveau de sortie de l’enseignement scolaire. Les élèves doivent comprendre ce qu’est l’IA et construire, selon leur âge, des explications concernant les valeurs, les questions éthiques, les concepts, les processus d’entraînement et les méthodes techniques. Ils doivent expliquer et illustrer leurs connaissances à partir du monde réel et des pratiques sociales et acquérir une capacité élémentaire à assimiler de nouvelles connaissances à leurs schémas existants ou à actualiser ceux-ci. Les modules sont définis ci-dessous.

(1) Agentivité humaine : ce module concerne la capacité critique de déterminer « qui contrôle qui » dans les interactions entre humains et machines. Les élèves doivent reconnaître que l’IA est dirigée par des humains et que les décisions de ses concepteurs ont des effets profonds sur les droits des utilisateurs, les interactions, leur propre vie et les activités sociales. À partir de leur expérience, ils doivent comprendre l’importance pratique de la protection de l’agentivité dans la conception, la fourniture et l’utilisation de l’IA, ainsi que le sens du contrôle humain pour le développement et l’usage des technologies et les conséquences de son absence.

(2) Éthique incarnée : ce module aide à comprendre des questions fondamentales telles que « en quoi l’éthique de l’IA me concerne-t-elle ? » et « quels principes dois-je apprendre ? ». Les élèves doivent construire des connaissances éthiques élémentaires permettant de relier leurs expériences aux causes des problèmes typiques et à leurs effets sur les droits humains, la justice sociale, l’inclusion, l’égalité et le climat. Ils doivent intérioriser les six principes essentiels proposés et les manifester et appliquer à partir de leurs expériences vécues dans les usages, la réflexion sur la pratique et l’analyse critique. Le Référentiel les définit ainsi : a. Ne pas nuire : les élèves doivent reconnaître qu’il ne faut ni développer ni utiliser des systèmes destinés à porter atteinte aux humains. Ils doivent évaluer si une solution respecte les valeurs humanistes, protège les droits et la confidentialité des données et se conforme aux règles internationales ou locales de gouvernance de l’IA. b. Proportionnalité : ils doivent apprécier les avantages comparatifs d’un système pour atteindre un objectif légitime en considérant conjointement coûts et bénéfices, efficacité et efficience ; avec des connaissances adaptées à leur âge, ils doivent juger sa pertinence dans un contexte socioculturel particulier. c. Non-discrimination : ils doivent développer la conscience et les compétences élémentaires nécessaires pour détecter des biais intégrés ou implicites dans les outils et leurs résultats, et rechercher des discriminations liées au genre, à l’origine ethnique, à l’âge, aux capacités, aux revenus, à la langue ou à la culture ; ils doivent acquérir une conscience de l’IA inclusive. d. Durabilité : selon leur âge et leurs capacités, ils doivent expliquer avec des exemples ou des preuves compréhensibles les effets d’un système sur l’environnement, le climat et la durabilité sociale et culturelle, et promouvoir des modes de conception, de production et d’usage favorables à la société et à l’environnement. e. Décision humaine dans l’interaction : ils doivent expliquer pourquoi les humains assument la responsabilité éthique et juridique de l’usage de l’IA et ne doivent pas céder leur pouvoir de décision aux machines ; ils doivent illustrer comment les humains rendent compte de leurs décisions prises avec l’appui de l’IA. f. Transparence et explicabilité : ils doivent connaître le droit reconnu par la loi d’exiger des concepteurs et fournisseurs des informations explicatives sur le fonctionnement des systèmes, la production des résultats à partir d’algorithmes et de modèles, et les âges et capacités auxquels leurs principales fonctionnalités conviennent.

(3) Fondements de l’IA : ce module établit une compréhension élémentaire de son fonctionnement. Les élèves doivent acquérir des connaissances et savoir-faire fondamentaux, notamment sur les données et les algorithmes, et comprendre l’importance de connaissances interdisciplinaires pour les appréhender progressivement. Ils doivent relier les concepts de l’IA à d’autres activités sociales et à la vie individuelle. L’approfondissement des principes de fonctionnement doit leur permettre de concrétiser et d’enrichir leur approche humaniste et leur compréhension des principes éthiques.

(4) Délimitation des problèmes pour les systèmes d’IA : ce module aide à réfléchir aux problèmes pour lesquels il ne faut pas employer l’IA et à ce qu’est un problème d’IA bien défini. Les élèves doivent comprendre que la délimitation du problème est le point de départ de l’innovation. Le Référentiel est l’un des très rares documents d’orientation à demander de juger d’abord quand ne pas utiliser l’IA comme solution : en fonction de chaque situation, les élèves doivent examiner cette pertinence sous l’angle du droit, de l’éthique et du raisonnement logique. Une fois la pertinence raisonnablement établie, ils doivent apprendre à définir les frontières, objectifs et contraintes du problème selon les besoins et conditions réelles, puis acquérir les connaissances nécessaires pour conceptualiser un système : évaluer les technologies, définir les données requises et concevoir des instruments de test et de retour d’information.

2. Compétences du niveau Appliquer : des critères de maîtrise scolaire de l’IA pour tous les élèves

L’école doit former des utilisateurs responsables, des codéveloppeurs et des personnes capables d’utiliser efficacement l’IA au service de leurs intérêts et du développement durable de la société. Appliquer s’adresse donc à tous les élèves. Un apprentissage efficace à ce niveau suppose les conceptions humanistes, l’intériorisation des principes éthiques et les connaissances et compétences fondamentales de Comprendre. Les élèves doivent construire une structure conceptuelle transférable et des ensembles de savoir-faire pratiques reliés entre eux ; ils doivent mobiliser habituellement valeurs humanistes et principes éthiques pour évaluer, apprendre et utiliser les outils. Bien que les systèmes éducatifs doivent encourager autant que possible la progression vers Créer, la plupart des élèves sans intérêt marqué pour l’IA, ou les systèmes ne disposant pas d’un temps suffisant, peuvent retenir Appliquer comme niveau de sortie du primaire et du secondaire. Les compétences et caractéristiques personnelles correspondantes se décrivent par les modules suivants.

(1) Responsabilité humaine : ce module répond à la question « qui est responsable ? » lorsque l’interaction avec les machines soutient la décision. Les élèves doivent reconnaître que l’obligation de rendre compte incombe juridiquement aux concepteurs et fournisseurs et apprendre à assumer leurs propres responsabilités lorsqu’ils développent et utilisent l’IA. Ils doivent comprendre les responsabilités juridiques et sociales des institutions et individus qui utilisent l’IA pour décider au sujet de personnes, et apprendre à ne pas transférer le pouvoir de décision à un système lors de choix à forts enjeux. Ils doivent renforcer leur discernement et la résistance de leurs convictions face aux affirmations trompeuses proposant de remplacer la pensée humaine par des résultats d’IA ou d’usurper la décision par des prédictions automatisées.

(2) Utilisation sûre et responsable : ce module apprend à utiliser l’IA dans le respect des règles. Les élèves doivent agir de façon responsable conformément aux principes éthiques et au droit local. Ils doivent connaître les risques de divulgation de données privées et les moyens de garantir que leurs données ne sont recueillies, utilisées, partagées, archivées ou supprimées qu’avec une compréhension suffisante et leur autorisation. Ils doivent reconnaître les incidents typiques et les risques particuliers d’un système et adopter des comportements raisonnables pour protéger leur sécurité et celle de leurs camarades.

(3) Compétences d’application : ce module développe les connaissances et savoir-faire permettant de faire fonctionner l’IA à partir de données et d’algorithmes. Les élèves doivent organiser, à un niveau adapté à leur âge, leurs connaissances sur les données, les algorithmes et la programmation d’IA, et acquérir des compétences d’application transférables. Ils doivent apprendre à évaluer de manière critique et à mobiliser des outils, bibliothèques d’algorithmes et jeux de données ouverts.

(4) Conception d’architectures : ce module aide à comprendre le fonctionnement des architectures en couches. Selon leur niveau, les élèves doivent apprendre les méthodes et pratiques nécessaires pour planifier et configurer des architectures évolutives, maintenables et réutilisables, en articulant données, algorithmes, modèles et interfaces. Ils doivent acquérir les capacités élémentaires d’utilisation des bases de données, outils de programmation et ressources de calcul nécessaires à la construction de systèmes. Ils doivent intégrer les valeurs humanistes et principes éthiques dans la configuration, la réalisation et l’optimisation des architectures.

3. Compétences du niveau Créer : un horizon d’approfondissement pour les élèves particulièrement intéressés et préparés

Pour construire des sociétés inclusives et durables, les élèves doivent être préparés à guider la définition des normes de conception d’une IA digne de confiance. Créer vise à former des codéveloppeurs réfléchis qui mettent en pratique une conception humaniste favorable à l’inclusion et à la durabilité environnementale. Il concerne principalement les élèves ayant un intérêt soutenu et des compétences préalables. Pour ceux dont l’intérêt, le temps ou les ressources sont insuffisants, les résultats attendus peuvent relever d’enseignements facultatifs plutôt qu’obligatoires. Les élèves doivent appliquer de manière critique leurs connaissances sur les données, algorithmes et éthique de conception à la combinaison et à l’utilisation d’outils ainsi qu’à l’adaptation et à l’amélioration de la gouvernance. Ils doivent développer leur intérêt et leurs capacités d’innovation et apprendre à créer de nouveaux outils grâce à des ressources et modèles, notamment ouverts. Ils doivent renforcer leur identité et leur sentiment d’appartenance comme codéveloppeurs. La pratique doit approfondir leur critique des effets sociaux et leur sens personnel de la responsabilité citoyenne. Les caractéristiques de ce niveau sont définies ci-dessous.

(1) Citoyenneté dans les sociétés de l’IA : ce module aide à comprendre les responsabilités civiques de chacun. Les élèves doivent former des points de vue critiques sur les effets sociaux de l’IA et prolonger leurs valeurs humanistes dans des initiatives en faveur de sa conception et de son utilisation centrées sur l’humain. Ils doivent consolider leur conscience citoyenne et leur responsabilité sociale et renforcer l’ouverture et la curiosité nécessaires pour apprendre et utiliser l’IA au service de leur réalisation personnelle.

(2) Éthique de conception : ce module apprend comment assurer la conformité des outils lors de leur conception et évaluation. Les élèves doivent adopter une approche d’éthique de conception lorsqu’ils conçoivent, évaluent et utilisent des outils ou examinent et améliorent les règles de gouvernance. Ils doivent comprendre que l’évaluation et la correction des intentions commencent dès la conceptualisation et couvrent tout le cycle de vie. Ils doivent utiliser des indicateurs appropriés pour juger du respect des principes et règles par un outil, et des méthodes telles que les matrices d’évaluation éthique multipartites pour analyser les règles de gouvernance et proposer des ajustements.

(3) Création d’outils d’IA : ce module développe la créativité et l’adaptabilité nécessaires pour combiner et personnaliser des outils en vue de résoudre des problèmes réels. Les élèves doivent approfondir leurs connaissances et compétences en données et algorithmes et adapter des outils existants pour en créer d’autres répondant à des tâches précises. Lors de l’évaluation d’outils et des tests de leurs propres créations, ils doivent intégrer valeurs humanistes et règles éthiques et développer les compétences socioémotionnelles de collaboration, notamment l’adaptabilité, la communication complexe et le travail en équipe.

(4) Retours d’expérience et itération : ce module invite à réfléchir à la décision complexe d’arrêter ou d’optimiser un système et développe les capacités intégrées d’amélioration. Les élèves doivent acquérir les connaissances interdisciplinaires et méthodes pratiques permettant d’évaluer la justification humaniste de la conception d’un modèle, la robustesse technique du système et ses effets sociaux et environnementaux. Ils doivent apprendre à appliquer valeurs et principes éthiques dans des décisions simulées concernant l’arrêt d’un système et la réduction de dommages déjà causés. Selon leur âge, ils doivent savoir améliorer les données, recomposer les algorithmes et renforcer les architectures à partir des tests et des retours, et se reconnaître comme cocréateurs de l’IA.

IV. Planifier les enseignements à partir des modules : concepts et recommandations pédagogiques pour les programmes d’IA

Outre la définition des modules, le Référentiel fournit des orientations détaillées pour leur planification pédagogique. Il considère que la citoyenneté résulte de l’action conjointe du programme scolaire, voie principale, et d’autres canaux : activités extrascolaires, apprentissage non formel par internet et d’autres médias, et interactions avec la famille et les pairs. Les systèmes éducatifs doivent d’abord renforcer la planification et la mise en œuvre scolaires et leur rôle d’orientation et d’intégration des autres voies. Dans les rubriques « objectifs curriculaires », « méthodes pédagogiques suggérées » et « environnements d’apprentissage suggérés », les orientations expliquent les concepts propres à chaque thème et les méthodes et conditions adaptées, tout en faisant apparaître les relations conceptuelles et pratiques entre modules. Elles forment ainsi une cartographie de planification applicable à des situations variées. Le tableau 2 présente ces rubriques et leur intention.

Sur petit écran, faites glisser le tableau horizontalement. Au clavier, placez le focus sur la zone du tableau puis utilisez les flèches gauche et droite pour voir les autres colonnes.

Ce tableau illustre une structure de planification. Les douze cellules de planification sont volontairement vides dans l’image source ; elles ne représentent pas des spécifications complètes manquantes.

1. Objectifs curriculaires : une grille de schémas de connaissances et d’applications pratiques

Les objectifs curriculaires planifient, du point de vue des concepteurs des programmes, les finalités de formation, l’étendue et la profondeur des thèmes fondamentaux et les activités susceptibles de développer les compétences. Leur définition cherche un équilibre raisonnable entre les tensions suivantes :

(1) Caractère systématique et nécessité des concepts : après avoir passé en revue les notions importantes pouvant relever des compétences des élèves, le Référentiel sélectionne et définit les thèmes essentiels de valeur fondamentale. Il veille à l’intégrité de l’ensemble des valeurs, connaissances et technologies tout en tenant compte de leur utilité. Le module Agentivité humaine, par exemple, organise la conscience du fait que l’IA est dirigée par des humains, la compréhension de la nécessité d’un contrôle humain suffisant et la réflexion critique sur les relations dynamiques entre agentivité humaine et agentivité des machines. Le module Éthique incarnée synthétise les six principes indispensables pour utiliser l’IA.

(2) Caractère conceptuel et situé des compétences : les exemples techniques et situations d’application expliquent le contenu et la portée de concepts abstraits, afin d’aider les élèves à apprendre des technologies, développer ensemble ou innover selon leurs besoins et ceux de la société. Dans Agentivité humaine, par exemple, la compréhension de la nécessité d’un contrôle suffisant s’appuie sur une réflexion située sur la relation dialectique entre humains et machines. Des cas où l’IA soutient l’agentivité montrent comment des interactions appropriées renforcent les capacités humaines ; d’autres invitent à discuter des conflits entre ces agentivités. Les systèmes dépassant les limites perceptives humaines pour aider au diagnostic médical ou la correction automatique de code par l’IA générative permettent ainsi de comprendre que la frontière n’est pas fixe et doit être adaptée raisonnablement aux situations.

(3) Singularité et interdépendance des thèmes : les orientations décrivent les manifestations propres à chaque compétence tout en montrant le caractère indispensable et complémentaire des différents aspects. Elles soulignent de manière constante que l’approche humaniste fournit à chaque domaine un mode de pensée critique et les attitudes nécessaires à la responsabilité citoyenne. Les principes éthiques concrétisent cette approche dans des usages sûrs et conformes et guident l’évaluation, l’utilisation et le développement collaboratif d’outils. Inversement, l’étude des techniques fondamentales et la conception de systèmes apportent des situations technologiques, du concret à l’intégration globale, qui approfondissent l’intériorisation éthique.

2. Méthodes pédagogiques suggérées : différencier les démarches selon les domaines et les articuler

Fonder les compétences des élèves pour les sociétés de l’IA exige que l’école organise différentes activités pédagogiques et pratiques ouvertes, à l’intérieur et à l’extérieur de l’établissement, afin d’atteindre des objectifs dépassant une discipline unique. Il s’agit d’un enseignement typiquement transdisciplinaire. Les formes d’apprentissage comprennent la formation des valeurs, le développement socioémotionnel, l’intériorisation de l’éthique, la compréhension et l’exploration de concepts interdisciplinaires, l’étude et l’utilisation de données et d’algorithmes dans des situations réelles, la création d’outils pour des tâches authentiques, la conception de systèmes mobilisant la pensée d’ingénierie, ainsi que l’apprentissage individuel et collaboratif. Les élèves rencontrent aussi de nombreux concepts et problèmes mal structurés qui n’admettent pas de réponse unique.

La rubrique consacrée aux méthodes suggère de concevoir les enseignements selon les caractéristiques de chaque domaine ou thème tout en reliant et intégrant les démarches. Pour l’approche humaniste et l’éthique, elle recommande notamment la prise de perspective face à des dilemmes. Dans Éthique incarnée, les enseignants peuvent s’appuyer sur des situations conflictuelles pour faire comprendre les causes éthiques sous-jacentes, choisir entre des positions et justifier ce choix. Des exemples situés illustrent l’analyse des causes des controverses, la compréhension des principes et l’intériorisation des règles. Pour les six principes, il est recommandé d’analyser des cas, de débattre des controverses liées aux outils et à leurs usages, d’en identifier les causes et les principes pertinents, puis de construire et d’élargir la compréhension à l’aide de cartes conceptuelles comparant plusieurs situations. Pour les schémas conceptuels de l’IA, le Référentiel propose des investigations par problèmes autour d’outils ou de contextes concrets, avec actualisation progressive des connaissances. Dans Fondements de l’IA, le thème de la définition et du périmètre à partir d’exemples invite à enquêter et expérimenter dans divers domaines pour distinguer les outils relevant ou non de l’IA et identifier leurs principales techniques. Pour les manipulations et la création d’outils, il propose des projets sur tâches simulées et des variantes favorisant le transfert. Dans Création d’outils, on peut combiner ou adapter des systèmes pour suivre la consommation électrique à l’école ou au domicile, établir des prévisions météorologiques à très petite échelle pour la vie quotidienne ou les déplacements, ou suivre une maladie infectieuse locale. Pour la conception de systèmes, il privilégie des projets et pratiques intégrateurs. Dans Retours d’expérience et itération, les élèves peuvent tester de façon critique leurs propres systèmes, apprendre des méthodes d’examen et de test, puis décider de les arrêter, les reconcevoir ou les optimiser.

3. Environnements d’apprentissage suggérés

Le Référentiel résume les conditions nécessaires à une mise en œuvre efficace : formation et soutien des enseignants, ressources pédagogiques en IA, recherche et amélioration des pratiques au sein des établissements, entretien et actualisation des infrastructures numériques, et accès aux ressources élémentaires par acquisition ou partage avec des entreprises et organismes de recherche. Ses recommandations sur les environnements d’apprentissage mettent l’accent sur les points suivants.

1. Généraliser les environnements numériques et exploiter pleinement la valeur des activités débranchées

Pour garantir à tous les élèves des conditions élémentaires accessibles, le Référentiel invite chaque pays à envisager des équipements numériques et outils intelligents de base disponibles et abordables. Il souligne également la valeur des solutions débranchées — Unplugged Solutions — comme environnement transitoire dans les écoles sans équipement numérique suffisant, afin de permettre une première exploration des technologies. Pour les aspects ne nécessitant pas absolument de dispositifs, comme les conceptions de l’IA et l’éthique, ces activités peuvent éliminer les distractions inutiles de l’apprentissage en ligne et favoriser une étude attentive des valeurs et des principes scientifiques. Même pour les compétences pratiques et la conception de systèmes, qui exigent davantage de ressources numériques, des activités débranchées soigneusement conçues peuvent aider à réfléchir aux problèmes pour lesquels l’IA n’est pas adaptée, à leur délimitation, aux algorithmes et aux processus de conception, avant de passer à la pratique informatique ou à des simulations fondées sur la compréhension des principes. Le Référentiel cite Everyday AI (https://everyday-ai.org/resources) et AI Unplugged (https://www.aiunplugged.org).

2. Intégrer les ressources ouvertes comme étayage cognitif de l’exploration et de la création, et exercer un regard critique sur les données et algorithmes ouverts

Aux niveaux Appliquer et Créer, l’apprentissage des techniques et applications et de la conception de systèmes dépend fortement des bases de données, codes et outils de conception ouverts. Interpréter des exemples d’algorithmes et manipuler des outils partiellement élaborés aide les élèves à approfondir les principes scientifiques ; la simulation d’entraînement et la combinaison ou l’adaptation d’outils développent ensuite l’innovation. Dans la définition de Créer, le Référentiel considère comme une compétence importante la réalisation de nouveaux outils et systèmes à partir de bases de données, environnements de programmation et modèles ouverts. Les orientations de tous les modules mobilisant des données, algorithmes ou outils intègrent des recommandations et exemples de ressources ouvertes. Elles insistent aussi sur l’examen critique de leur sécurité et de leur adéquation à l’objectif de développement concret.

3. Garantir des équipements matériels et logiciels élémentaires et collaborer avec des organismes extérieurs pour construire des environnements ouverts

Les services responsables des équipements pédagogiques numériques doivent définir un socle minimal de matériels et logiciels d’IA en tenant compte des budgets nationaux, des besoins fondamentaux des programmes et de la durabilité de leur entretien et utilisation dans les moyens de l’établissement. Le Référentiel présente les configurations ci-dessous pour soutenir cette définition. Il recommande aux autorités d’encourager et de coordonner la coopération entre écoles, entreprises et organismes de recherche afin de partager les ressources et de construire ensemble des environnements transdisciplinaires ouverts et plus respectueux du climat :

(1) Outils d’apprentissage des techniques fondamentales : outils aidant à comprendre et explorer des technologies complexes, par exemple Machine Learning for Kids (https://machinelearningforkids.co.uk/) pour comprendre l’apprentissage automatique, Teachable Machine (https://teachablemachine.withgoogle.com) pour simuler l’entraînement, et TensorFlow (https://www.tensorflow.org), plateforme intégrée d’apprentissage automatique ouverte.

(2) Langages de programmation pour l’IA.

(3) Logiciels de fonctionnement pour l’IA : par exemple, des logiciels ouverts gratuits ou peu coûteux tels qu’Ubuntu (https://ubuntu.com).

(4) Matériels pédagogiques d’IA : toutes les activités et tous les cours ne nécessitent pas d’équipement spécifique. Les matériels courants comprennent les capteurs de température, d’humidité, de son et d’autres données ou dispositifs de collecte ; les équipements de restitution des résultats et les interfaces nécessaires entre humains et machines ; et des ensembles intégrés tels que les robots.

V. Portée pour la Chine : quels programmes solides d’IA pour une puissance éducative à l’ère de l’IA ?

Depuis le début du XXIe siècle, la Chine occupe une place de premier plan dans l’orientation et la mise en œuvre des programmes scolaires de technologies de l’information. Avec les Normes expérimentales des programmes de technologie pour le lycée général de 2003 [7], elle a anticipé, dès l’ère d’internet, l’importance des compétences en IA et fait partie des premiers pays à les développer par des enseignements formels dans le primaire et le secondaire. Les normes du lycée de 2017 [8] et celles des technologies de l’information dans la scolarité obligatoire de 2022 [9] ont renforcé l’approche par compétences, l’organisation systématique du domaine et l’importance des thèmes de l’IA. Face à la transformation mondiale, les bases solides accumulées pendant des décennies ne doivent pas devenir un refuge d’immobilisme, mais un levier d’évolution des programmes vers les sociétés de l’IA. Les questions fondamentales explorées par le Référentiel peuvent orienter leur adaptation afin de former les citoyens de ces sociétés.

1. Quels enseignements transdisciplinaires pour la citoyenneté et l’innovation scientifique et technologique ?

A. Dépasser les cloisonnements disciplinaires et construire un système transdisciplinaire d’enseignement de l’IA

Comme indiqué précédemment, la citoyenneté des sociétés de l’IA et les capacités d’innovation seront déterminantes pour les nouvelles forces productives et relations sociales. L’IA constitue aussi un domaine fondamental capable d’intégrer les branches des technologies de l’information et de contribuer à définir la profondeur théorique et les frontières de recherche d’autres technologies. La réduire, dans une logique de matières séparées, à un thème de l’informatique placé au même rang que d’autres domaines relève d’un nivellement qui néglige sa portée historique. Il faut donc dépasser les cadres étroits de l’informatique et de l’IA elle-même pour construire un système répondant à des objectifs de formation globale : renforcer son noyau d’enseignement, explorer des cours interdisciplinaires, stimuler l’adaptation d’autres matières et orienter les voies non formelles. Il faut aussi dépasser l’idée que seul compte le programme scolaire, apprendre des formations extérieures de qualité et renforcer l’évaluation et l’autorisation des formations privées introduites à l’école, afin d’éviter la prolifération d’offres non validées et l’éviction des programmes publics. Le Référentiel présente l’expérience de la stratégie nationale d’IA adoptée en 2019 par la République de Corée, qui distingue quatre catégories de besoins :

(1) Les compétences d’usage quotidien de l’IA nécessaires au grand public.

(2) Les compétences des travailleurs pour employer outils et logiciels d’IA dans des situations professionnelles associant l’IA à différents secteurs.

(3) Les compétences intégrées des professionnels chargés de rechercher et développer des plateformes et systèmes d’IA.

(4) Les compétences avancées des spécialistes de haut niveau pour résoudre les difficultés fondamentales et concevoir de nouveaux modèles et algorithmes. Le gouvernement prévoit des programmes transdisciplinaires différenciés. Dans le primaire et le secondaire, l’accent porte sur la pensée informatique, notamment l’encouragement et le soutien de l’usage de l’IA dans les autres matières, ainsi que sur des établissements spécialisés et enseignements avancés du secondaire faisant de l’IA une caractéristique de leur offre.

B. Renforcer le noyau d’enseignement propre à l’IA

Dépasser le centrage disciplinaire ne signifie pas abandonner les fondements propres à l’IA, mais renforcer leur place, leur organisation et leur rôle d’articulation interdisciplinaire. Si les compétences en IA deviennent fondamentales, il faut envisager un statut, des formes d’enseignement et un temps garanti correspondant à leur importance. À partir de la structure de compétences du Référentiel, il convient de dépasser les objectifs fermés de l’informatique ou de l’IA et de définir des finalités transversales, les horaires et formes nécessaires à chaque étape, en envisageant des enseignements spécifiques d’une importance proportionnée. Il faut aussi consolider le système propre aux conceptions humanistes, à l’intériorisation éthique, à la compréhension et l’application des principes et à la conception de systèmes, tout en rendant explicites les liens entre disciplines. Ce noyau doit traiter raisonnablement la relation entre les connaissances générales de l’IA et les plateformes concrètes. Les thèmes et orientations du Référentiel peuvent servir à construire des modules relativement indépendants des produits. Pour les techniques et applications, on peut organiser une séquence allant des fondements logiques aux technologies essentielles puis aux applications caractéristiques, avec un système de savoirs et compétences structuré par les principes, détaillé par les technologies et illustré par des plateformes. Celles-ci peuvent soutenir la compréhension et la pratique, mais leur manipulation commerciale passive et sans compréhension ne doit pas devenir le centre du programme. Les autorités doivent guider et financer des « arbres curriculaires » dont les racines sont les principes, les branches les applications et les feuilles les plateformes, ainsi que des ensembles gratuits de cours ouverts en ligne, comme ceux d’AI Singapore soutenus par le gouvernement de Singapour (https://learn.aisingapore.org/students-2/).

C. Explorer des cours interdisciplinaires articulés autour de l’IA

Il faut évaluer les limites possibles d’un enseignement fondamental unique et explorer et valider des cours interdisciplinaires articulés par l’IA. Le programme de Sciences informatiques, conception créative et innovation des Émirats arabes unis, cité par le Référentiel [10], en constitue une tentative. D’un enseignement de manipulations techniques, il est passé à une conception moins centrée sur l’ordinateur, puis à un programme intégrant robotique, programmation d’IA et électronique. Ses objectifs comprennent la créativité, la résolution de problèmes et la conscience éthique ; il encourage l’étude et la pratique répétée des principes et le développement de la maîtrise et du transfert dans des situations de plusieurs domaines. Ses contenus comportent cinq champs liés :

(1) Sciences informatiques, notamment données et analyse de données.

(2) Principes et systèmes d’ingénierie, notamment microélectronique, robots et leurs systèmes d’IA, et systèmes embarqués.

(3) Conception et innovation, notamment compétences entrepreneuriales et processus de conception d’ingénierie.

(4) Développement durable, notamment effets de l’IA sur la durabilité sociale.

(5) Représentation visuelle, notamment conception visuelle, conception assistée par ordinateur et réalisation de produits.

D. Étayer une amélioration multidisciplinaire des programmes stimulée par l’IA

Les enseignements fondamentaux et ensembles de matières nécessaires aux compétences en IA constituent un facteur de transformation susceptible de dépasser les programmes cloisonnés et de déclencher des réformes systémiques. L’IA est intrinsèquement interdisciplinaire et entretient des liens toujours plus profonds avec les mathématiques, les sciences, l’ingénierie, les langues et les études civiques et sociales. Son apprentissage réussi doit s’appuyer sur des savoirs concernant les données, la programmation et les architectures informatiques, intégrés à la pensée informatique, à la pensée d’ingénierie et au raisonnement scientifique. Une approche humaniste exige aussi des compétences socioémotionnelles adaptées. Après avoir défini et mobilisé les contributions des autres matières, il convient d’engager au bon moment des adaptations ou réformes multidisciplinaires fondées sur les objectifs de compétences : ajuster par exemple les études sociales et civiques pour développer valeurs humanistes, conscience et responsabilité citoyennes et éthique de l’IA ; adapter l’étendue et la profondeur de certains savoirs mathématiques aux besoins des principes techniques ; ou renforcer pensée informatique, ingénierie et capacités de conception dans les cours technologiques afin de soutenir la conception de systèmes.

2. Comment planifier un étayage curriculaire pour une progression en spirale ?

A. Organiser des séquences en spirale autour des thèmes essentiels de compétence

Les trois niveaux ne correspondent pas à des années scolaires : ils décrivent des profondeurs cognitives et des manifestations pratiques différentes autour des thèmes centraux de chaque aspect. Les orientations peuvent aider à définir des thèmes et relations adaptés aux élèves chinois. À travers des thèmes relativement continus du primaire au collège puis au lycée, les contenus, objectifs et modules doivent s’articuler en élargissant et approfondissant progressivement les acquis, pour offrir un étayage d’une année à l’autre. Everyday AI du MIT, par exemple, propose aux jeunes des séries de cours d’une difficulté et d’une étendue croissantes autour de questions telles que ce qu’est l’IA, quelles IA fonctionnent bien ou mal, comment elle fonctionne et comment elle apprend. L’expérience d’outils et la compréhension intuitive conduisent progressivement aux principes abstraits et opérations complexes par la programmation, l’entraînement et les activités d’IA générative de plus en plus exigeantes. En parallèle, les élèves approfondissent par étapes leur compréhension de l’éthique et des effets sociaux.

B. Organiser l’enseignement par groupes d’intérêt et de compétence

Le Référentiel recommande d’envisager une organisation par cohortes : proposer des cours à des groupes d’élèves de classes différentes, de niveau comparable et intéressés par certains domaines ou thèmes. Elle suppose une combinaison souple des démarches appropriées, un sentiment d’appartenance nourri par l’intérêt partagé et une collaboration organisée selon les compétences. Dans les établissements secondaires ayant assez d’enseignants ou des programmes flexibles, une offre diversifiée par branches de l’IA ou de cours interdisciplinaires peut permettre des choix selon l’intérêt et les capacités, après garantie de l’enseignement obligatoire. Dans les écoles ne pouvant proposer d’options faute de personnel, le cours obligatoire peut s’inspirer du niveau Créer pour offrir des approfondissements ou activités extrascolaires aux élèves en mesure d’aller plus loin.

3. Comment renforcer la formation et le développement professionnel des enseignants d’IA ?

Le Référentiel souligne que la place souvent périphérique de l’informatique et de l’IA marginalise les enseignants concernés et recommande leur professionnalisation. Les enseignants spécialisés à plein temps doivent d’abord bénéficier d’un statut et de conditions équivalents à ceux des autres disciplines fondamentales. Sur cette base, des référentiels propres aux enseignants d’IA du primaire et du secondaire doivent guider une formation initiale et continue plus solide. Le Référentiel suggère de prendre appui sur le Référentiel de compétences en IA pour les enseignants publié simultanément par l’UNESCO [11][12], en tenant pleinement compte des besoins didactiques spécifiques de la discipline pour définir des normes et formations plus spécialisées. Il cite les Normes de compétences des enseignants d’IA du primaire et du secondaire, version expérimentale non officielle, élaborées et publiées conjointement par l’Académie nationale des sciences de l’éducation de Chine et Tencent Education ①.

4. Comment construire un système d’évaluation des compétences en IA fondé sur les compétences ?

A. Établir des épreuves critériées fondées sur les compétences

L’éducation fondée sur les compétences suppose que certaines connaissances, aptitudes et valeurs sont indispensables à la vie et au développement de chacun et que le système doit garantir leur maîtrise élémentaire avant l’entrée dans la société. Le Référentiel invite donc l’éducation de base à envisager des épreuves critériées. Ses modules décomposent déjà les compétences en comportements attendus et niveaux cognitifs mesurables. Des référentiels contextualisés et des séries de critères correspondant aux seuils de maîtrise de chaque aspect peuvent être construits sur cette base, pour déterminer si les élèves les atteignent, diagnostiquer leurs progrès et décider de manière individualisée si un accompagnement curriculaire supplémentaire est nécessaire.

B. Concevoir des situations d’évaluation permettant d’examiner les performances observables et les compétences sous-jacentes

Le caractère pratique du domaine exige une évaluation des performances à partir de tâches simulées, afin de mesurer l’application effective des conceptions humanistes, principes éthiques, connaissances et savoir-faire. Les systèmes critériés doivent améliorer cette évaluation dans les directions suivantes :

(1) Articuler performance extérieure et développement intérieur : ne plus examiner uniquement les comportements observables — ce que l’élève sait faire — mais aussi utiliser ces performances et des méthodes psychométriques pour apprécier les compétences sous-jacentes. Cela comprend l’organisation de ses connaissances et techniques et sa capacité d’application — son potentiel d’action — ainsi que sa pensée humaniste et ses valeurs éthiques — sa capacité à mettre l’éthique en pratique.

(2) Passer de l’évaluation mécanique au transfert, à l’adaptation et à la créativité : dépasser la répétition de procédures et utiliser des tâches variées pour examiner l’application souple des principes dans des situations différentes — la transférabilité des schémas de connaissances et de compétences —, l’actualisation des acquis face aux nouvelles technologies — leur adaptabilité — et la capacité à évaluer de manière critique des outils existants et à en créer ensemble — la capacité de codéveloppement.

(3) Équilibrer les évaluations thématiques et l’appréciation globale : à partir de l’évaluation de valeurs, connaissances et savoir-faire propres à certains thèmes, concevoir des épreuves intégrées ou par projets fondées sur des tâches ou problèmes simulés. Elles doivent apprécier la mobilisation conjointe des principes éthiques et des savoirs ainsi que les compétences profondes de pensée informatique et d’ingénierie, notamment pour reconcevoir des algorithmes et améliorer des systèmes.

C. Constituer des banques de tâches simulées et d’exemples d’évaluation

Les orientations détaillées des modules fournissent une référence pour concevoir tâches et méthodes et précisent des priorités différentes aux niveaux Comprendre, Appliquer et Créer. Pour Comprendre, les tâches peuvent porter davantage sur la reconnaissance, l’interprétation et l’intériorisation des principes éthiques, des concepts et de la délimitation des problèmes, ainsi que sur des opérations élémentaires, et moins sur des manipulations complexes. Pour Appliquer, l’accent doit être mis sur les opérations fondées sur des problèmes et sur l’adaptation à des variantes de tâches authentiques. Pour Créer, l’évaluation doit davantage examiner l’intégration des valeurs, connaissances et compétences, la planification d’algorithmes et leur réalisation par programmation, la conception de nouveaux outils ou prototypes et les pensées informatique et d’ingénierie associées au développement collaboratif. Elle doit aussi considérer la mise en pratique située de l’éthique et des valeurs tout au long de la création d’outils, de la conception et de la réalisation des systèmes. Le Référentiel propose des types de tâches différenciés et des exemples représentatifs pour chaque aspect :

(1) Approche de l’IA centrée sur l’humain : a. prise de perspective fondée sur une tâche ; b. évaluation critique de cas conflictuels ; c. comportement social dans des situations de conflit.

(2) Éthique de l’IA : a. orientation des valeurs éthiques en situation ; b. comportement éthique situé ; c. élaboration de règles dans des contextes particuliers.

(3) Techniques fondamentales et applications : a. compréhension des connaissances à partir de problèmes ; b. examen des connaissances conceptuelles et des compétences transférables à l’aide d’outils ; c. création d’outils guidée par des tâches.

(4) Conception de systèmes d’IA : a. pensée de conception par projets ; b. configuration de systèmes par projets ; c. décisions et opérations d’itération par projets.

VI. Conclusion

L’élaboration d’un référentiel ne doit jamais oublier la valeur des citoyens en tant qu’êtres humains. Elle doit protéger leurs droits individuels, leur bien-être et leurs possibilités de développement et de réalisation dans les interactions avec les machines et les sociétés de l’IA. Elle ne doit pas non plus oublier qu’une société repose sur une coexistence inclusive : à partir du renforcement individuel, elle doit rechercher un équilibre entre droits personnels et responsabilités collectives et développer la capacité de participer à la vie sociale. Seule l’association de ces deux dimensions permet de maintenir connaissances, compétences et créativité dans un cadre humaniste et d’éviter que les citoyens soient, sans en avoir conscience, contrôlés par les machines ou assujettis aux capitaux de l’IA. Les programmes du primaire et du secondaire doivent dépasser les limites disciplinaires pour définir des compétences transdisciplinaires centrées sur l’humain, tout en réexaminant et renforçant leurs propres objectifs, formes, contenus, méthodes pédagogiques et systèmes d’évaluation. C’est ainsi seulement qu’ils pourront former des personnes et citoyens autonomes, sûrs, responsables et créatifs et préparer les talents d’innovation en IA nécessaires à la transformation économique et au développement autonome du pays.

① https://cn.chinadaily.com.cn/a/202203/25/WS623d8cc0a3101c3ee7acd735.html.

Références :

[1] Miao,F.,Shiohira,K..AI competency framework for students [M].Paris:UNESCO,2024.

[2] Miao,F.,Holmes,W..Guidance on generative AI in education and research [M].Paris:UNESCO,2023.

[3] 苗逢春.基于教师权益的自主人工智应用:教师人工智能能力框架解读[J].开放教育研究,2024,30(5):4-16.

[4] UN.Global Digital Compact [Z].New York:UN,2024.

[5] UNESCO.Beijing consensus on artificial intelligence and education [Z].Paris:UNESCO,2019.

[6] Miao,F.,Shiohira,K..K-12 AI curricula:A mapping of government-endorsed AI curricula [M].Paris:UNESCO,2022.

[7] 教基[2003]6号,教育部关于印发《普通高中课程方案(实验)》和语文等十五个学科课程标准(实验)的通知[Z].

[8] 教材[2017]7号,教育部关于印发《普通高中课程方案和语文等学科课程标准(2017年版)》的通知[Z].

[9] 中华人民共和国教育部.义务教育信息科技课程标准(2022年版)[M].北京:北京师范大学出版社,2022.

[10] UNESCO.AI in the UAE’s computing,creative design and innovation K-12 curriculum [M].Paris:UNESCO,2024.

[11] Miao,F.,Cukurova,M..AI competency framework for teachers [M].Paris:UNESCO,2024.

[12] 苗逢春.生成式人工智能及其教育应用的基本争议和对策[J].开放教育研究,2024,30(1):4-15.

Notes éditoriales et sources

Les archives de la Chaire portent la date du 30 octobre 2024. La notice officielle de China Educational Technology indique le numéro 11 de 2024, pages 1–12, avec une publication datée du 10 novembre 2024. Les deux dates sont conservées sans supposer la cause de cet écart. Le PDF de l’article intégral de la revue n’a pas été obtenu pour cette page.

Les versions anglaise, arabe, espagnole, française et russe sont des traductions intégrales préparées par le site à partir des archives chinoises originales, et non des traductions officielles de l’UNESCO. La citation originale, l’URL de la note et les 12 références bibliographiques sont conservées pour permettre leur vérification.

Note technique : l’auteur classe Ubuntu parmi les « logiciels de fonctionnement pour l’IA ». Ubuntu est un système d’exploitation ouvert pouvant accueillir des logiciels d’IA et d’apprentissage automatique, à distinguer d’une application d’IA particulière. La formulation de l’auteur est conservée.

La troisième option du « trilemme » comporte une formulation ambiguë dans l’original : « 确保包容性的应用机会和应用能力有限 ». Le texte est conservé et les traductions suivent son sens littéral connexe, sans le réécrire en proposition politique vérifiée.

• Archives originales de la Chaire
• Notice bibliographique et publication officielle de la revue
• UNESCO : référentiel de compétences en IA pour les apprenants
• UNESCO : présentation des référentiels pour les élèves et les enseignants
• Ubuntu : informations officielles sur le système d’exploitation de bureau