Article scientifique de Xue Gui et Liu Dejian publié en 2024. Cette édition conserve la date initiale du site de la Chaire : le 24 septembre 2024. Les avancées, fonctions professionnelles et propositions sont présentées dans leur contexte historique.
Dans cette page
À propos des auteurs
Xue Gui était professeur au Laboratoire national de neurosciences cognitives et d’apprentissage de l’Université normale de Pékin et professeur distingué du programme Chang Jiang Scholars du ministère de l’Éducation. Ses recherches portent sur les mécanismes cognitifs et neuronaux de l’apprentissage et de la mémoire. Ses publications comprennent des travaux sur motivation intrinsèque, motivation extrinsèque et créativité ; l’imagerie par résonance magnétique fonctionnelle événementielle et ses applications en neurosciences cognitives ; Transformative Neural Representations Support Long-Term Episodic Memory ; et Individual-Specific and Shared Representations During Episodic Memory Encoding and Retrieval.
Liu Dejian était codoyen de l’Institut d’apprentissage intelligent de l’Université normale de Pékin et ingénieur principal de rang professoral. Il étudie les applications éducatives de l’IA et des données massives, ainsi que l’éducation numérique.
Résumé
Les progrès des sciences du cerveau et de la cognition et de l’IA accélèrent le passage à l’ère intelligente, créent de nouvelles exigences pour la survie et le développement humains et transforment les objectifs et méthodes éducatifs. Les systèmes futurs doivent dépasser la transmission des connaissances et viser la continuité du développement humain. Ils devraient se centrer sur la capacité d’apprendre, l’apprentissage personnalisé selon les besoins, les principes d’apprentissage du cerveau et l’innovation technologique. Ils favoriseraient ainsi des connaissances structurées et reliées, de solides capacités cognitives et une motivation durable. Cette transformation exige des actions coordonnées en matière de politiques, recherche, formation des enseignants, évaluation, programmes et innovation, afin de passer de la théorie à la pratique.
L’éducation contribue au développement global par les connaissances, compétences et valeurs, et soutient le progrès social et la civilisation. Les sciences du cerveau et l’IA accélèrent l’arrivée de l’ère intelligente. Chaque révolution technique a modifié finalités, contenus, évaluation et outils éducatifs. La première révolution industrielle, liée à la vapeur et à la mécanisation, a encouragé la scolarisation et la formation professionnelle ; la deuxième, fondée sur l’électricité et la production de masse, la spécialisation ; la troisième, sur l’information et l’automatisation, la numérisation et la personnalisation. La quatrième, portée par les sciences du cerveau et l’IA, pourrait transformer radicalement les buts, contenus et modalités de l’éducation. Elle pourrait modifier plus rapidement et largement technologies et rapports de production, tout en mettant à l’épreuve l’intelligence et la dignité humaines. L’éducation doit agir pour préparer les enfants. L’article examine d’abord les tendances scientifiques et leurs nouvelles exigences, puis les principes des systèmes éducatifs innovants et enfin leurs voies de mise en œuvre.
Évolutions des sciences du cerveau, de la cognition et de l’IA
Changements de paradigme et avancées scientifiques
Les méthodes neuroscientifiques permettent d’enregistrer et d’analyser structures neuronales, connexions, expression des gènes et activité à des échelles et résolutions inédites. La transcriptomique spatiale, distinguée comme méthode de l’année 2020 par Nature Methods, identifie les types cellulaires et éclaire leurs fonctions. Elle a permis des atlas de cerveaux de souris et de primates, de premières cartographies humaines et une description spatiale des projections de neurones hippocampiques individuels dans le cerveau. Associée à l’électrophysiologie intracrânienne, elle relie expression génétique et oscillations et aide à identifier des gènes associés à des signatures de formation des souvenirs.
L’arrivée de Neuropixels en 2017 a rendu possible l’enregistrement de nombreux neurones individuels et l’étude des réseaux cérébraux dynamiques. Ces méthodes éclairent le codage, la compréhension et la production du langage au niveau cellulaire, notamment les réponses au sens des mots. D’autres analyses explorent des représentations circulaires de la mémoire de séquences spatiales chez le macaque, les mécanismes préfrontaux qui renforcent et transforment les représentations pour limiter les interférences, et la formation des cartes cognitives humaines.
Ces progrès soutiennent aussi la recherche clinique. Les interfaces cerveau-machine relient directement le cerveau à des dispositifs externes. L’article évoque mouvement, parole, diagnostic psychiatrique, recherche sur la restauration visuelle —dont Blindsight de Neuralink—, imagination motrice et pensée. Nature a retenu ces interfaces parmi sept technologies à suivre en 2024. Une interface bidirectionnelle utilisant la microstimulation du cortex somatosensoriel a fourni un retour tactile et réduit le temps de préhension de 20,9 à 10,2 secondes, se rapprochant des performances de personnes sans l’atteinte concernée. Des interfaces vocales décodent l’activité liée à la tentative de parler en texte ou son et permettent à des personnes paralysées de communiquer jusqu’à 62 mots par minute. D’autres produisent une voix et un avatar, avec une précision de communication rapportée supérieure à 85%.
Voies de développement et progrès récents de l’IA
Puces, architectures, algorithmes et applications générales et scientifiques ont progressé, notamment en vision, langage et apprentissage par renforcement. Word2Vec est apparu en 2013 ; les réseaux à mémoire longue et courte et les mécanismes d’attention se sont également diffusés. Les transformeurs captent les dépendances distantes par auto-attention. Les grands modèles préentraînés ont amélioré compréhension et génération, puis leur ajustement fin a élargi les tâches possibles. Réseaux de graphes et apprentissage multimodal aident à traiter langage et scènes visuelles ; l’article cite Midjourney V 5, ChatGPT-4o et Sora. En apprentissage par renforcement, AlphaGo a battu Lee Sedol en 2016, AlphaStar a dépassé des joueurs de premier plan de StarCraft II en 2019, et MuZero a démontré en 2020 des stratégies performantes au go, aux échecs et au shogi.
L’IA pour la science concerne biologie, chimie, mathématiques, neurosciences et archéologie. Les générations d’AlphaFold ont fait progresser la prédiction des structures protéiques. En juin 2024, EvolutionaryScale a publié ESM3, qui travaille sur séquence, structure et fonction des protéines. L’équipe a généré une nouvelle protéine fluorescente verte, décrivant ce résultat par une comparaison évolutive de 500 millions d’années. En décembre 2023, DeepMind a utilisé l’IA pour trouver de plus grandes constructions pour le problème des ensembles sans progression arithmétique à trois termes. En janvier 2024, AlphaGeometry a résolu 25 problèmes géométriques sur 30 sélectionnés aux Olympiades internationales de mathématiques, avec un niveau comparé à celui de médaillés d’or. En mai 2024, des chercheurs du MIT ont découvert avec l’IA trois nouvelles équations aux dérivées partielles intégrables.
Développement réciproque des sciences du cerveau et de l’IA
Les deux domaines convergent en progressant. L’IA apporte des outils d’analyse et d’explication : les modèles d’activité neuronale fondés sur l’apprentissage profond aident à comprendre et prédire vision, langage, parole et réponses aux vidéos. Les algorithmes inspirent aussi des explications du calcul cérébral, comme les architectures récurrentes pour reconnaître rapidement des objets, l’apprentissage visuel non supervisé des nourrissons et le codage prédictif de niveau supérieur et de plus longue durée dans les régions frontopariétales lors du traitement du langage.
Inversement, les sciences cognitives évaluent les capacités de l’IA, éclairent ses mécanismes et inspirent des algorithmes grâce à des méthodes et tests multidimensionnels. L’article rapporte des performances de modèles comme ChatGPT proches ou supérieures à celles des humains dans certaines tâches de matrices de Raven, de reconnaissance émotionnelle et d’annotation, ainsi que des profils proches de la théorie de l’esprit. Raisonnement analogique complexe, causal, verbal et planification restaient à améliorer. Les réseaux artificiels et l’apprentissage profond s’inspirent des neurones et de la vision ; les transformeurs sont rapprochés de l’attention sélective ; et GPT intègre l’apprentissage par renforcement à partir de retours humains, RLHF. Le méta-apprentissage inspiré de l’humain peut favoriser souplesse et systématicité ; modéliser hippocampe et cortex entorhinal peut produire des cartes cognitives ; et les instructions en chaîne de pensée améliorent certaines tâches de GPT.
Les deux domaines ont progressé rapidement. Les sciences du cerveau étudient populations neuronales et circuits pour comprendre l’intelligence, décoder —« lire »— et moduler —« écrire »— l’activité. L’IA avance dans le matériel, les algorithmes, modèles fondamentaux et applications sectorielles et scientifiques, transformant les activités économiques. Les auteurs estiment que leur convergence accélérera l’entrée dans une ère largement intelligente.
Nouvelles exigences pour la survie et le développement humains
Les époques créent des défis, possibilités et besoins différents. L’ère agricole, approximativement de 9000 avant notre ère au XVIIe siècle selon les régions, reposait sur l’agriculture et des structures familiales et communautaires. La production dépendait de la nature et du travail humain. Force, endurance, culture, élevage et irrigation comptaient, avec coopération et entraide. L’irrigation du riz exigeait une large coordination ; l’article cite la coopération dans le sud de la Chine.
L’ère industrielle a commencé avec la première révolution industrielle, généralement située entre 1760 et 1840, et se caractérisait par mécanisation, grandes usines et urbanisation. Utiliser et entretenir les machines a valorisé les compétences techniques. L’électrification a réduit certaines exigences physiques, mais renforcé spécialisation et efficacité. Lecture, écriture, discipline, ponctualité et respect des règles sont devenus essentiels. Adam Smith soulignait dans La Richesse des nations la division du travail et les savoir-faire spécialisés. Enseignement de base, formation professionnelle, coopération et discipline ont ainsi influencé durablement les systèmes modernes.
À partir de la fin du XXe siècle, technologies de l’information et de la communication, internet et données massives ont transformé vie et travail. La culture numérique comprenait l’usage des ordinateurs et réseaux et la gestion de la surcharge d’information. Bill Gates insistait sur programmation, analyse des données, innovation et adaptation. Mondialisation et cybersécurité exigeaient pensée systémique et résolution de problèmes complexes. Les rapports du Forum économique mondial sur l’emploi soulignaient des combinaisons de compétences, notamment pensée critique et intelligence émotionnelle. Pourtant, la diffusion technique n’assurait pas que les contenus et finalités éducatifs répondent pleinement à cette époque.
La transition accélérée vers l’ère intelligente ajoute des exigences nouvelles.
Premièrement, elle renforce la valeur de l’intelligence humaine
Les sciences du cerveau et l’IA étudient et imitent son fonctionnement. Les auteurs envisagent un passage d’une IA étroite, alimentée par les données et le calcul, vers des capacités plus générales. Comme les machines ont remplacé du travail manuel, ils anticipent l’automatisation de certaines tâches qualifiées : production, conduite, traduction, jeux professionnels, comptabilité débutante, droit, programmation et chirurgie. Illustration et certaines activités mathématiques, chimiques, biologiques ou archéologiques pourraient aussi être touchées lorsqu’elles ont des limites et objectifs définis et se prêtent au calcul ou à la prédiction. Ces changements exigent de mieux comprendre et développer l’intelligence humaine. L’éducation doit en identifier les atouts et favoriser la coopération avec l’IA.
Deuxièmement, la capacité d’apprendre devient primordiale
Expansion des connaissances et changements professionnels nécessitent un apprentissage continu. Internet et IA générative facilitent l’accès, et les graphes de connaissances l’analyse et l’intégration. L’article envisage des interfaces portables ou peu invasives pour une interaction plus naturelle. Les informations isolées, rigides ou rarement utiles perdent de la valeur par rapport à des savoirs structurés et reliés, mobilisables avec souplesse pour innover. L’apprentissage dépasse la classe et le livre, s’ouvre à la réalité mixte et passe de la réception à la construction. Les auteurs anticipent un changement profond et une place fondamentale pour apprendre à apprendre, comparable à la langue et aux mathématiques.
Troisièmement, l’ère intelligente favorise les profils en T, alliant largeur et profondeur spécialisée
L’accès aux connaissances et outils communs permet d’agir dans davantage de domaines. Maîtriser plusieurs disciplines et instruments peut donner un avantage. Une personne pourrait assumer plusieurs rôles, réduisant coordination et gestion. De petites entreprises, voire individuelles, pourraient gagner en souplesse et efficacité. Une expertise exceptionnelle dépassant l’IA dans certains domaines et permettant de créer de nouveaux produits de connaissance renforcerait cet avantage. Cette combinaison définit le profil en T.
Quatrièmement, la motivation à progresser est davantage sollicitée
Allongement de la vie et renouvellement des savoirs rendent insuffisante une formation acquise une fois pour toutes. L’apprentissage continu devient une condition de qualité de vie et de développement. Les technologies améliorent potentiellement l’efficacité tout en intensifiant la concurrence et les exigences. Parallèlement, des produits guidés par l’IA ciblent les circuits de récompense : aliments gras et sucrés, biens émotionnellement attractifs, jeux immersifs, vidéos personnalisées, achats simplifiés, publicité et crédit ciblés. Les auteurs mettent en garde contre distraction, affaiblissement de la volonté et possibles troubles anxieux ou dépressifs. Résister aux sollicitations et préserver l’envie de grandir pourrait devenir plus difficile que disposer de ressources.
L’ère intelligente apporte donc de nouvelles configurations sociales, économiques et de compétences. Intelligence, capacité et motivation permettent d’apprendre dans plusieurs domaines, d’innover, de résister aux distractions et de poursuivre des buts personnels. L’éducation doit dépasser la transmission pour revenir à une capacité fondamentale : s’adapter au changement rapide et à l’incertitude. Les auteurs en font un premier principe.
Concevoir des systèmes éducatifs innovants pour l’ère intelligente
L’éducation prépare l’avenir et doit anticiper. L’éducation 1.0, associée à l’industrialisation, privilégiait le professeur transmetteur, les élèves récepteurs, les manuels fixes et les examens standardisés. L’éducation 2.0 valorisait activité, autonomie et interactions, diversité des ressources et évaluations par projets, dissertations et pratique. Les technologies ont soutenu l’éducation 3.0 : internet, ordinateurs, multimédia, enseignement en ligne, personnalisation et données. Quel modèle convient à l’ère intelligente ?
Certains chercheurs décrivent une éducation 4.0 intelligente et largement personnalisée. IA et données peuvent soutenir des parcours très individualisés ; réalités virtuelle et augmentée, des expériences immersives et pratiques. Le rapport du Forum économique mondial d’avril 2024 présente l’IA comme défi et réponse possible. Il met en avant citoyenneté mondiale, innovation, créativité, technologie et relations interpersonnelles. L’IA pourrait soutenir apprentissage personnalisé au rythme de chacun, accessibilité et inclusion, coopération par problèmes et apprentissage continu piloté par l’élève. Personnalisation et autonomie sont centrales pour acquérir les capacités futures.
L’éducation 4.0 est-elle suffisante ? La révolution des sciences du cerveau et de l’IA diffère des précédentes. Inertie et extrapolations linéaires peuvent manquer ses tendances et les nouvelles exigences. Les auteurs proposent de nouveaux principes dans cinq dimensions.
Dépasser les frontières de pensée comme préalable
Les changements scientifiques et les besoins de capacités imposent de sortir des habitudes et cadres traditionnels. Repenser la fonction éducative à partir des premiers principes conditionne une transformation réelle.
Premièrement, dépasser la transmission pour soutenir continuité et évolution humaines. Renouvellement, élargissement et disponibilité des savoirs diminuent la nécessité d’une transmission formelle d’un corpus limité et uniforme. Les auteurs questionnent la justification scientifique et l’adaptation des connaissances imposées à tous. Déficit de motivation et difficultés de santé mentale appellent aussi une réponse. Ils proposent donc de réorienter la mission éducative vers le développement et la continuité de l’humanité.
Deuxièmement, franchir les frontières disciplinaires et professionnelles. Les divisions actuelles reflètent le travail industriel, mais leur rigidité devient moins pertinente face à l’organisation cérébrale des connaissances, aux recherches interdisciplinaires et aux besoins humains et sociaux. Thèmes et projets favorisent liens et application ; les croisements nourrissent l’innovation ; et les carrières couvrent plusieurs champs. L’éducation doit former la personne entière. Aux mathématiques, langues, physique, géographie, biologie, chimie et informatique s’ajoutent éducation physique, santé, psychologie, cognition, neurosciences, sociologie et humanités.
Troisièmement, élargir les méthodes à une éducation globale qui façonne le cerveau. Les auteurs placent la capacité d’apprendre au centre. La pratique soutient savoirs et compétences ; l’exercice aérobie, forme, régulation émotionnelle et mémoire ; le sommeil, attention et apprentissage ; des jeux fondés sur les principes d’apprentissage, motivation et efficacité. Ils abordent aussi médicaments, neurofeedback et stimulation, alors surtout employés pour traitement, rééducation et difficultés d’apprentissage. Toute extension future à l’amélioration cognitive de personnes sans diagnostic reste explicitement conditionnée à la sécurité et à l’éthique.
Enfin, dépasser les frontières technologiques pour respecter l’apprentissage cérébral. Les applications privilégient souvent performances techniques et collecte plutôt que besoins, analyse et transformation des données en preuves. Les sciences du cerveau apportent théories, indicateurs et méthodes de collecte, analyse, évaluation et intervention. Leur intégration avec objets connectés, données massives et IA, plutôt que des silos, pourrait renforcer l’éducation future.
Le développement des capacités au centre
Les approches habituelles prédisent des tendances et définissent des compétences, comme technologie, relations ou conscience mondiale dans l’éducation 4.0. Elles sont utiles mais limitées : on surestime souvent les effets immédiats et sous-estime les transformations longues. Les progrès rapides accroissent l’incertitude sur production, relations et concurrence internationale.
L’évolution humaine offre un autre éclairage. Durant des millions d’années, le cerveau, la cognition et la vitesse d’apprentissage ont progressé. Les connaissances acquises ne sont pourtant pas transmises génétiquement. Hormis l’instinct, le nouveau-né ne possède pas de savoir explicite linguistique, moteur ou social, mais une puissante capacité à apprendre la langue locale, s’adapter à l’environnement et à la culture et acquérir des moyens de subsistance. Cette capacité a soutenu la survie dans les changements et doit être fondamentale pour l’avenir.
Les auteurs nomment cette base capacité d’apprendre. Ils rattachent le concept à Jay Forrester, au MIT, et à son article de 1965 A New Corporate Design. À partir du milieu des années 1990, il influence gestion et culture d’entreprise. Plus récent en éducation, il réunit généralement motivation, persévérance, aptitude et innovation : acquérir, partager, utiliser et créer des savoirs. L’article invoque Apprendre à être, de l’UNESCO, pour souligner que l’analphabétisme futur concerne aussi l’absence d’apprentissage de la manière d’apprendre.
Plusieurs modèles sont présentés. Claxton, à Bristol, propose en 2002 quatre éléments, donnés ici comme les 4 R : résilience, mobilisation des ressources, réflexion et relations. Le projet ELLI élargit à sept dimensions : changement et apprentissage, curiosité critique, construction de sens, créativité, relations d’apprentissage, conscience stratégique et résilience. Le texte attribue aussi au professeur Kirby, de Harvard, une conception enrichie par la pratique et un livre de 2005, Learning Power, intégrant motivation, attitudes, méthodes, efficacité, pensée innovante et créativité.
À partir des recherches et des sciences du cerveau, les auteurs proposent trois composantes : un système organique de connaissances, de fortes capacités cognitives et une motivation durable. Le premier est un réseau structuré reliant plusieurs niveaux du concret à l’abstrait, qui facilite acquisition, transfert, souplesse et innovation. Les cortex sensorimoteur et temporal et le lobule pariétal inférieur sont cités comme supports importants. Les capacités comprennent attention, stockage bref, planification et raisonnement, mise à jour et inhibition exécutives, conservation et transformation longues, et contrôle métacognitif. Elles reposent notamment sur les réseaux préfrontaux et exécutifs. La motivation associe enthousiasme, curiosité et croissance ; régulation émotionnelle, maîtrise des impulsions, gratification différée et résilience ; et sens, finalité et aspiration. Les auteurs les rapprochent des interactions entre systèmes limbiques anciens et préfrontaux médians plus récents.
La capacité d’apprendre est présentée comme pertinente pour les résultats scolaires et pour carrière, revenu, satisfaction, santé et longévité. Un cadre informé par le cerveau pourrait répondre aux besoins présents tout en préparant l’avenir, et rapprocher objectifs courts et longs, examens et développement global.
L’apprentissage selon les besoins comme orientation
Chaque cerveau résulte d’une combinaison singulière de gènes et d’environnement. Des profils de connectivité fonctionnelle adultes se distinguent comme des empreintes, offrant une base biologique à la personnalisation. À l’inverse, la concurrence autour d’un seul standard peut provoquer stress et atteintes au bien-être. Respecter les différences et adapter l’enseignement peut développer le potentiel et réduire cette pression. Moins d’élèves et davantage d’IA pourraient faciliter la personnalisation. Les auteurs envisagent de relier ressources, environnements et services grâce aux technologies, dans des situations naturelles, selon des besoins et objectifs progressifs, tout en renforçant la capacité d’apprendre.
Premièrement, cette approche aide à construire des connaissances reliées. En référence aux intelligences multiples de Gardner, l’article évoque des points forts linguistiques, logico-mathématiques, spatiaux, musicaux, corporels, interpersonnels, intrapersonnels et naturalistes. Les élèves diffèrent aussi par leurs acquis, préférences, intérêts et niveau. Choisir les contenus et adapter les approches à ces différences peut mieux cibler les ressources et limiter les pertes de temps.
Deuxièmement, elle répond aux capacités de chaque enfant par un soutien ciblé. Les enseignants peuvent ajuster aide et difficulté. Les élèves en difficulté d’apprentissage peuvent recevoir davantage de ressources, et les plus avancés des tâches et occasions plus exigeantes. L’évaluation peut identifier besoins et atouts, pour combiner développement équilibré et capacités distinctives.
Enfin, elle peut renforcer motivation et intérêt. Des parcours adaptés aux points forts donnent une reconnaissance personnelle. Concevoir les activités autour des intérêts et motivations internes favorise enthousiasme et initiative. Des relations et milieux favorables soutiennent le développement psychologique et émotionnel. Face à la compétition externe pour classement et admission, la personnalisation peut cultiver une envie intérieure et durable de progresser.
Associer contenu, difficulté et méthodes soutient donc les connaissances organisées. Évaluation et accompagnement ciblés peuvent développer la cognition, tandis que le lien aux objectifs et valeurs nourrit l’intérêt. Les auteurs considèrent l’apprentissage selon les besoins comme une voie majeure pour développer la capacité d’apprendre.
Les principes du cerveau comme guide
Une transformation efficace et réalisable doit tenir compte du développement, du fonctionnement et de l’apprentissage cérébraux pour concevoir programmes, stratégies et évaluations.
Le savoir organique présente modules, hiérarchie et structure. Organiser les ressources par liens et ressemblances, utiliser grandes unités, thèmes transversaux, projets, regroupements et cartes mentales peut le favoriser. Plus profondément, l’accent doit passer de ce que transmet l’enseignant à ce que construit l’élève, et de l’entrée à la production. Expliquer avec la méthode Feynman et réaliser des travaux intégrateurs aide à repérer des relations et relier les acquis. Les auteurs soulignent également l’apprentissage espacé et la récupération en mémoire par tests, efficaces mais insuffisamment utilisés.
Le texte estime que le système chinois ne donnait pas assez de place au développement cognitif. Hormis certaines écoles identifiant des talents par évaluation, notes et compétitions dominaient. Quatre raisons sont avancées : tradition des examens, croyance en des capacités fixes, confiance dans la suffisance de l’enseignement ordinaire et maîtrise insuffisante des définitions, outils et méthodes scientifiques. Il faut comprendre développement et influences, et savoir évaluer et accompagner. L’école primaire est présentée comme importante pour la maturation préfrontale, l’attention et la mémoire de travail. Les auteurs préconisent une évaluation des capacités et un soutien ciblé ; ils citent des recherches sur un entraînement durable de mémoire de travail, conçu pour la validité écologique et le transfert, susceptible d’améliorer cognition et résultats.
La motivation doit également tenir compte du cerveau. L’article décrit les voies dopaminergiques liées à anticipation, apprentissage, décision et plaisir ; les voies sérotoninergiques liées aux états émotionnels et, en cas de perturbation, à dépression, impulsivité, mésusage d’alcool, comportement suicidaire, agressivité ou violence ; et l’axe hypothalamo-hypophyso-surrénalien, HPA, lié au stress, à digestion, immunité, humeur, métabolisme et comportement sexuel. Ces systèmes contribuent à l’approche et à l’évitement. Agrément et aversion influencent la répétition ; l’incertitude peut éveiller curiosité et prudence. Le contrôle de soi oriente la motivation, et les habitudes stabilisent des comportements acquis par répétition sans récompense immédiate. Les expériences forment des profils individuels.
Six pistes en découlent. D’abord, donner à motivation et émotions une importance comparable aux savoirs, et ne pas attendre une crise psychique. Ensuite, cultiver l’intérêt par des liens avec la vie réelle, une difficulté adaptée, des retours positifs et un climat tolérant l’erreur et l’innovation. Troisièmement, travailler orientation professionnelle et valeurs à chaque étape. Quatrièmement, mobiliser perspective mondiale, engagement envers le pays et la communauté, exploration, innovation, égalité et attention aux autres. Cinquièmement, combiner récompenses, conséquences, habitudes et maîtrise de soi pour durer avec souplesse. Enfin, associer connaissances sur la motivation et compétences socioémotionnelles pour faire de l’apprentissage une habitude autonome.
L’éducation physique doit aussi être centrale. L’activité, surtout aérobie, est associée à condition physique, réussite et santé mentale. Des recherches adolescentes concernent lecture, mathématiques, moyenne scolaire et cognition. Le facteur neurotrophique dérivé du cerveau, BDNF, et le développement hippocampique sont évoqués comme mécanismes liés à la mémoire. L’exercice peut soutenir régulation émotionnelle et réduction du stress par des changements physiologiques, dont dopamine et sérotonine, et par des expériences positives. Le texte cite les recommandations de l’OMS pour les 5–17 ans, décrivant 60 minutes quotidiennes d’activité modérée à intense, principalement aérobie, et des activités intenses et de renforcement musculaire et osseux au moins trois jours par semaine.
Les sciences du cerveau offrent ainsi des perspectives théoriques et pratiques sur la capacité d’apprendre. Les auteurs estiment que politiques, programmes, pédagogie et évaluation doivent en tenir compte.
L’innovation technologique comme appui
Elle peut soutenir la transformation lorsqu’elle respecte objectifs et principes d’apprentissage. Les sciences du cerveau apportent théories, indicateurs et méthodes. IA et objets connectés peuvent renouveler outils et évaluations et automatiser tâches administratives et enseignantes, libérant du temps pour ce que l’IA ne réalise pas. Réalité virtuelle et moteurs de jeux offrent des environnements réalistes et peuvent soutenir motivation et efficacité.
Au-delà des fonctions cérébrales et des objectifs, ces sciences peuvent guider le développement technique. Comprendre développement, mémoire et apprentissage informe responsables, enseignants et élèves et améliore potentiellement politiques et pratiques. Cela peut aussi guider concepts de produits, fonctions, indicateurs, collecte ciblée, modèles et validation de l’IA et de la réalité virtuelle.
Elles contribuent également à évaluation et entraînement. Combiner tests cognitifs et neuroimagerie peut améliorer la mesure des capacités et fonctions. Le texte renvoie à Anderson en 1982 et à Glaser et ses collègues en 1985 sur développement et dimensions des compétences. Il mentionne acquisition, organisation et structure des savoirs ; profondeur de représentation des problèmes ; modèles mentaux ; métacognition ; automatisation des tâches ; et efficacité procédurale. La motivation peut être étudiée par questionnaires, techniques projectives, associations implicites et neuroimagerie. Les auteurs envisagent une intégration avec IA, données et réalité virtuelle pour améliorer évaluation et soutien.
Enfin, ils décrivent l’éducation comme façonnant le cerveau et discutent une modulation ciblée. Ils citent des méthodes présentées comme relativement non invasives —neuroimagerie, stimulation non invasive et interfaces— ainsi que certains médicaments neurologiques. Ils évoquent des usages médicaux et des perspectives pour les difficultés d’apprentissage ou l’augmentation cognitive. Ils abordent aussi interfaces et stimulations invasives par lumière, électricité, son, magnétisme ou optogénétique, et interventions par neurotransmetteurs ou hormones. Les applications éducatives proposées restent prospectives et expressément conditionnées à la résolution des questions de sécurité et d’éthique.
L’article rapporte les propos de Kumar Murty, alors directeur du Fields Institute for Research in Mathematical Sciences, sur des possibilités dépassant technologie et disciplines pour renouveler l’éducation mondiale. Le rapport d’avril 2024 du Forum économique mondial décrit augmentation et automatisation du travail enseignant. Parmi les tâches automatisables figurent listes bibliographiques et audiovisuelles, vérification de faits, dates et statistiques, correction, calcul et enregistrement des résultats. L’augmentation peut soutenir analyse des performances, évaluation des systèmes et supports, conception de produits et d’aides en ligne, préparation de documents et tests et répartition des tâches aux assistants ou bénévoles. Les enseignants auraient plus de temps pour programmes, pédagogie, soutien socioémotionnel, accompagnement individuel et échanges avec les familles.
Le texte alerte aussi sur les mauvais usages. Une logique d’examen peut transformer l’IA en machine à exercices, fragmentant les connaissances sans construire de réseau et reproduisant l’uniformité plutôt que les différences. Les données peuvent rester isolées ou ne produire aucune preuve utile sans analyse systématique, gaspillant les ressources. La surveillance continue des enseignants et élèves peut accroître pression et insécurité, voire empêcher d’apprendre.
Réalité virtuelle et jeux offrent d’autres possibilités. Les simulations apportent des expériences incarnées que les mots ne transmettent pas et relient concret et abstrait. Avec l’IA générative, elles pourraient modéliser quantité, géométrie, physique, chimie, biologie, politique, économie, histoire, société et psychologie, pour apprendre en interagissant. Évaluation et entraînement ludiques peuvent améliorer validité écologique et transfert. Qualité audiovisuelle, immersion et retour immédiat favorisent l’intérêt, mais peuvent aussi susciter un usage compulsif. Les auteurs envisagent des simulations de pression physique ou sociale pour développer résilience et des expériences personnalisées de réussite pour confiance et motivation.
Ces évolutions pourraient ensemble redéfinir l’éducation, centrer la capacité d’apprendre, proposer méthodes cérébralement informées, parcours personnalisés et technologies cohérentes. Les auteurs y voient un appui global à la transformation future.
Voies de mise en œuvre de l’éducation innovante
Passer de la théorie à la pratique nécessite la coordination des gouvernements, responsables éducatifs, chercheurs, enseignants, élèves, familles et professionnels des technologies éducatives.
Gouvernement et politiques
Les auteurs demandent une transformation scientifique et intelligente accélérée par politiques, normes, financements fondamentaux et appliqués, suivi et accumulation de preuves. Les changements doivent être étayés et évalués indépendamment pour relier données, preuves et pratique. L’équité signifie répondre justement à des besoins différents, plutôt que fournir l’identique. Élèves exceptionnellement capables et enfants en difficulté d’apprentissage ont besoin de ressources suffisantes ; atouts et intérêts variés exigent de véritables choix et parcours différenciés. Petites classes, projets scolaires distinctifs et évaluations variées peuvent y contribuer.
Recherche
Il faut approfondir la connaissance du cerveau et des liens entre activité à petite échelle et pratique éducative, tout en développant bases et applications de l’IA. Les auteurs proposent un investissement stratégique à l’intersection cerveau, IA et éducation : centres, projets et formation des talents. Neurosciences, sciences de l’information, informatique et éducation doivent collaborer sur les grands enjeux.
Formation des enseignants
Des occasions d’apprendre sciences du cerveau, méthodes et applications sont nécessaires : enseignements généraux dans les établissements de formation, cours spécialisés en psychologie et éducation et formation continue. Cultures informationnelle et de l’IA doivent permettre de maîtriser les outils. L’évolution des conceptions et compétences doit aussi aider à évaluer apprentissage, caractéristiques psychologiques et organisation des savoirs, comprendre intérêts et besoins et accompagner le développement individuel.
Programmes
Les auteurs préconisent thèmes, projets et apprentissages approfondis reliant les connaissances. Les sciences du cerveau peuvent être intégrées dans des cours sur l’apprentissage, la santé mentale, les disciplines, les options après la classe et les activités thématiques. Les cultures informationnelle et de l’IA doivent développer concepts, raisonnement et compétences. L’éducation physique, surtout aérobie, mérite davantage de place pour santé et apprentissage ; les humanités soutiennent compréhension humaine, orientation et motivation durable.
Examens et évaluation
Les auteurs proposent de dépasser l’examen unique par des méthodes associant acquis fondamentaux, capacité d’apprendre et atouts personnels. Elles doivent examiner organisation des savoirs, cognition, application souple et innovation. Différents moyens peuvent aussi étudier motivation et caractéristiques psychologiques, que les auteurs proposent de considérer dans le suivi de qualité, la progression et la sélection. Moments, retours et rapports doivent soutenir le développement par une évaluation adaptée.
Recherche et développement technologiques
Les produits doivent répondre aux objectifs éducatifs éclairés par le cerveau, en combinant IA, évaluation et soutien cognitifs, réalité virtuelle, objets connectés, données, neurofeedback et modulation lorsque cela convient. Le but est de développer connaissances reliées, capacités et motivation conformément aux principes d’apprentissage. Les affirmations pratiques exigent aussi expériences rigoureuses, validation par données, modèles mathématiques et résultats généralisables. Les auteurs y voient une condition pour renforcer la capacité d’apprendre et la transformation éducative.
En conclusion, sciences du cerveau et IA accélèrent progrès et changements sociaux, créant exigences et défis. L’éducation future doit soutenir le développement humain et agir. Comprendre intelligence, développement cérébral, apprentissage, mémoire, motivation et émotions, avec recherches sur évaluation et modulation et intégration appropriée de l’IA, peut fournir objectifs, voies pratiques et outils. Les auteurs présentent cette combinaison comme une base pour concrétiser la transformation éducative.
Source : Frontiers,2024, no 17.
Auteurs : Xue Gui et Liu Dejian.
Sources et notes éditoriales
Le texte initial de la Chaire et les notices biographiques ont été comparés à l’article officiel de la revue, publié le 18 septembre 2024. Les passages sur l’évaluation et le développement technologique étaient chacun reproduits deux fois ; une seule occurrence est conservée. Les appels de notes, références et résumé anglais originaux figurent dans le PDF intégral de 17 pages, p.24–40, disponible dans les archives officielles de CIT. L’image est une reproduction complète de sa première page, et non une photographie de l’article. La page de SLI trouvée lors des recherches est un bilan annuel qui mentionne ce travail ; ses images sans rapport avec l’article n’ont pas été reprises.
Lien original: https://aiedchair.bnu.edu.cn/news-8379-fr/
