Un répétiteur IA qui accompagne réellement les élèves

Un élève rentre de l’école avec un exercice de mathématiques qu’il ne parvient pas à résoudre. Il photographie l’énoncé avec son téléphone et demande à un assistant d’intelligence artificielle : « Peux-tu m’aider à comprendre ? » L’application lui répond, puis adapte ses explications au fil de la conversation.

À première vue, l’idée paraît simple. Les modèles d’IA savent déjà résoudre de nombreux exercices et expliquer des notions scolaires. Une startup peut donc réaliser rapidement une première démonstration.

Mais imaginons maintenant que l’objectif soit plus ambitieux : accompagner réellement les apprentissages, respecter les programmes applicables, reconnaître les erreurs des élèves et proposer une progression pédagogique cohérente. C’est alors qu’apparaît un travail essentiel, rarement visible à l’écran.

Un bon répétiteur ne doit pas seulement fournir la solution. Il doit comprendre ce que l’élève cherche à faire, situer l’exercice dans son apprentissage et choisir une aide appropriée.

Parfois, il devra reformuler une consigne. Parfois, proposer un indice. Dans d’autres situations, il devra identifier un prérequis non maîtrisé, expliquer une erreur ou suggérer un exercice plus simple.

Prenons l’équation 3x + 7 = 22. Si l’élève répond x = 7, l’assistant peut lui indiquer immédiatement que la solution est x = 5. Mais il peut aussi lui demander de remplacer x par 7 dans l’égalité pour constater que 3 × 7 + 7 donne 28, et non 22. Cette seconde démarche peut aider l’élève à comprendre son erreur.

Le choix entre ces deux réponses est une décision pédagogique. Il ne dépend pas uniquement de la capacité du modèle à effectuer un calcul.

Pour accompagner un élève dans un contexte scolaire donné, l’application peut avoir besoin de connaître les programmes en vigueur, les notions enseignées à chaque niveau, les exercices pertinents et les méthodes d’explication retenues.

Or ces ressources peuvent être dispersées entre programmes officiels, supports pédagogiques, manuels, banques d’exercices et documents produits par les enseignants. Elles n’ont pas toutes la même autorité, la même date ni les mêmes droits d’utilisation.

Il faut donc identifier les sources, vérifier leur provenance, distinguer les versions et organiser les contenus. C’est notamment le rôle de l’ingénierie documentaire.

Ce travail ne consiste pas simplement à télécharger des fichiers PDF. Il vise à construire un ensemble de ressources fiables et traçables, dont on sait ce qu’elles contiennent et dans quelles conditions elles peuvent être utilisées.

Disposer d’un manuel ne signifie pas que toutes les relations utiles à l’accompagnement sont déjà explicites. Un chapitre présente des notions et des exercices, mais il ne décrit pas toujours les prérequis, les erreurs fréquentes ou les conditions dans lesquelles une méthode doit être proposée.

L’ingénierie des connaissances aide à identifier et formaliser ces éléments. Elle peut produire des fiches de notions, des descriptions de méthodes, des règles de correction et des indications sur les difficultés observées.

Une partie des savoirs utiles se trouve également dans l’expérience des enseignants. Un professeur sait souvent reconnaître qu’un élève confond une erreur de calcul avec une erreur de raisonnement. Cette expertise doit parfois être recueillie, expliquée puis vérifiée avant de pouvoir être intégrée à une application.

Il ne s’agit pas de transformer chaque pratique individuelle en règle universelle. Les connaissances recueillies doivent être confrontées aux exigences pédagogiques et validées par les professionnels compétents.

Pour proposer une progression cohérente, l’assistant peut devoir savoir qu’une notion dépend d’une autre. Comprendre certaines équations suppose, par exemple, de maîtriser des opérations, la notion d’égalité et le sens d’une inconnue.

Ces relations peuvent être décrites dans un référentiel structuré : notions, prérequis, compétences, exercices et méthodes. L’ingénierie ontologique et sémantique contribue à définir les concepts et les liens qui les unissent.

Il n’est pas nécessaire de construire une ontologie complexe pour chaque assistant pédagogique. Des fiches structurées et des relations simples peuvent suffire. L’important est de rendre explicites les correspondances dont le service a réellement besoin.

Sans critères de maîtrise ni relations de prérequis suffisamment définis, l’application peut proposer des exercices, mais elle ne peut pas garantir que le parcours respecte une progression pédagogique déterminée.

Le développeur construit l’interface et les fonctions du service. L’ingénieur IA organise l’accès aux modèles et aux outils. Mais d’autres professionnels interviennent pour rendre le produit utile.

Les enseignants et spécialistes pédagogiques définissent les objectifs d’apprentissage et valident les méthodes. Les documentalistes identifient et qualifient les ressources. Les ingénieurs des connaissances explicitent les notions et les règles. Les spécialistes sémantiques organisent les relations nécessaires entre les concepts. Les évaluateurs vérifient les résultats et les comportements de l’assistant.

Une startup n’a pas nécessairement besoin de recruter une personne distincte pour chaque fonction. Certaines compétences peuvent être réunies dans une même équipe, mobilisées ponctuellement ou partagées avec des partenaires.

Le point décisif est de reconnaître ces fonctions et de désigner ceux qui en assument la responsabilité.

Un corpus bien préparé ne garantit pas automatiquement une bonne réponse. L’assistant peut retrouver le mauvais passage, mal interpréter une méthode ou donner une explication inadaptée au niveau de l’élève.

Il faut donc le tester avec des situations variées : réponses correctes, erreurs fréquentes, énoncés incomplets, méthodes alternatives et questions hors périmètre.

Il faut également distinguer la satisfaction de l’élève de sa progression réelle. Un assistant qui donne rapidement toutes les solutions peut sembler efficace sans nécessairement favoriser l’apprentissage.

L’évaluation doit donc associer l’exactitude des réponses, la qualité de l’accompagnement et, lorsque c’est possible, des observations sur les apprentissages. Pour un service destiné à des mineurs, la protection des données et les limites de l’assistance doivent aussi être prises en compte.

Imaginons maintenant trois startups : la première développe un répétiteur conversationnel, la deuxième une plateforme d’exercices et la troisième un outil d’aide aux enseignants.

Ces entreprises peuvent avoir besoin de certaines ressources communes : programmes, référentiels de notions, prérequis et exercices qualifiés. Sous réserve des droits et des validations nécessaires, une partie de ces connaissances pourrait être produite et maintenue de façon partagée.

Les startups conserveraient leurs propres applications, expériences utilisateurs et modèles économiques. La mutualisation porterait sur les ressources dont la préparation commune présente un intérêt réel.

Ce scénario montre qu’un patrimoine pédagogique organisé peut dépasser le cadre d’une application unique. Il peut contribuer à soutenir plusieurs innovations, à condition que sa gouvernance et son financement soient assurés.

Le répétiteur IA révèle une réalité plus générale. Un pays peut disposer d’enseignants expérimentés, de programmes, de cours et d’exercices, sans que ces ressources soient immédiatement exploitables par des applications intelligentes.

Pour passer des savoirs disponibles à des services fiables, il faut des compétences capables de retrouver, expliciter, organiser, relier, valider et entretenir les connaissances.

Ces compétences existent en partie dans des métiers que l’on n’associe pas spontanément à l’IA. Leur spécialisation et leur coopération peuvent devenir un levier important de développement des applications sectorielles.

Le même raisonnement peut s’appliquer à l’administration, à l’agriculture, à l’industrie ou à la santé, même si les exigences de chaque domaine sont différentes.

Un modèle d’IA peut déjà résoudre de nombreux exercices. Mais un service qui prétend accompagner les apprentissages selon des exigences précises doit aussi s’appuyer sur des connaissances pédagogiques organisées, des responsabilités de validation et des mécanismes d’évaluation.

Derrière un répétiteur IA réellement utile, il n’y a pas seulement un modèle et une application : il y a aussi des enseignants, des documentalistes, des ingénieurs des connaissances et d’autres professionnels qui rendent les savoirs exploitables.