Bienvenue sur cette page dédiée à l’accompagnement des professeures et professeurs dans l’appropriation de l’Intelligence Artificielle au service de l’enseignement des mathématiques et des apprentissages des élèves.
Cette page s’inscrit dans le cadre de la série des trois webinaires qui se dérouleront au cours de l’année 2025-2026. Elle les complète par de nombreux contenus et ressources et vise plusieurs objectifs :
– Permettre tout d’abord une première découverte du cadre réglementaire relatif aux outils et usages potentiels de l’intelligence artificielle dans le contexte de l’enseignement des mathématiques.
– Proposer plus globalement des pistes des réflexions et des repères pédagogiques vers un usage raisonné, éthique et responsable, et une utilisation pédagogiquement efficace de l’IA, en plaçant l’expertise professionnelle–disciplinaire, didactique et pédagogique- de l’enseignant au cœur de la réflexion sur cette thématique.
Dans le respect du cadre d’usage ministériel, l’IA est envisagée comme un outil pouvant assister – et jamais « faire à la place de » ou « remplacer » – l’enseignant de mathématiques et ouvrant de nouvelles perspectives en matière de conception pédagogique et de réflexions didactiques.
Sommaire :
1 – Cadre institutionnel et parcours magistère
2 – Webinaire n°1 : Former à l’intégration de l’IA
- a. Replay du webinaire
- b. Réseaux académiques autour de l’IA et ressources associées
- c. Boîte à outils et mutualisation
- d. L’AI Quest : À vous de jouer !
3 – Webinaire n°2 : à retrouver le 18 mars
4 – Webinaire n°3 : à retrouver le 27 mai
Vous trouverez sur cette page diverses ressources (replays des webinaires, vidéos, glossaires, tutoriels, etc.) accessibles en ligne.
Pour répondre au mieux aux besoins et aspirations propres à chacun, cette page est évolutive et sera nourrie au rythme des webinaires et des retours des participants (2 collègues par établissement en raison des limitations du nombre de connexions simultanées) et de ceux de l’ensemble de leurs collègues en établissement avec qui ils pourront mutualiser les découvertes et expérimentations.
– Cadre institutionnel et parcours magistère académique
Avant toute expérimentation, il est essentiel de s’approprier le cadre légal et les outils de formation académiques.
● Le Cadre d’Usage National (Juin 2025) :
– Il constitue le document de référence sur les obligations légales, la protection des données (RGPD) et les recommandations éthiques pour sécuriser vos usages en classe et connaître le cadre réglementaire qui s’applique à tous les personnels.
– Télécharger le document « L’IA en education, cadre d’usage »
● Parcours Magistère « L’IA au service des personnels de l’ Éducation Nationale » :
Ce parcours académique est conçu pour acculturer tous les personnels aux fondamentaux. Il propose en particulier des modules spécifiques sur l’art du prompt (rédaction de requêtes efficaces), les principes de responsabilité et des cas pratiques de création de supports (quiz, différenciation, supports textuels).
Auto-inscrivez-vous à cette formation distancielle.
Webinaire n°1 : Former à l’intégration de l’IA
a. Plan de la formation
Pour faciliter votre navigation dans le replay dont la vidéo est chapitrée, voici les quatre grandes parties abordées lors de cette session :
- Introduction et cadre d’usage : Positionnement institutionnel et présentation des réseaux académiques autour de l’IA (MathAdata, Labomaths).
- Démystification et limites : Comprendre et éviter le piège du “vraisemblable” et démystifier le côté « magique » de l’IA générative, découvrir les échecs de l’IA générative pour les mathématiques (reconnaissance de caractères mathématiques, difficultés en géométrie par exemple) et une première approche de son fonctionnement technique, ou encore comment mieux comprendre les mathématiques sous-jacentes au profit d’un usage plus efficace de ces outils.
- Outils et méthodes pour des usages efficaces de l’IA en mathématiques : Choisir et utiliser des formats structurés adaptés aux outils d’IA générative (Markdown, LaTeX), organiser des démarches de travail efficaces (workflows) pour la création de contenus pédagogiques, tels que des représentations graphiques, des activités différenciées ou des activités inclusives (EBEP).
- Conclusion et perspectives : Lancement de l’AI Quest, une liste de défis sous forme ludique pour expérimenter à son rythme seul et en équipe au sein de l’établissement (réponses à partager avec les participants au webinaire), et les modalités de mutualisation collective via l’outil souverain Grist à travers un questionnaire qui sera envoyé aux participants.
Retrouvez ici les quatre capsules diffusées durant le webinaire pour un accès direct aux tutoriels spécifiques et des capsules complémentaires :
● Démystification : OCR et limites graphiques.
Comment l’IA interprète (parfois mal) les documents et comment contourner ces biais :
● Workflow : Création d’un outil HTML interactif.
Exemple concret de la création d’un démonstrateur du Crible d’Ératosthène en quelques minutes :
● Outil : Maîtriser CodiMD.
Utiliser l’éditeur Markdown collaboratif du ministère – outil clé pour un usage efficace de l’IA -pour structurer vos notes et exercices et générer des diaporamas instantanés :
● Innovation : Usage d’IA grands public et la fonctionnalité RAG. Utiliser la génération augmentée par récupération pour produire des vidéos de correction de DM et des fiches de révisions basées sur vos propres sources via l’outil Notebook LM :
| Terme | Définition | Exemples/Illustrations |
|---|---|---|
| API | Interface permettant à des logiciels de communiquer. | Le logiciel PixelArt appelle en arrière-plan un LLM pour générer un QCM. |
| Chaine de Markov | Modèle probabiliste discret où l’état futur dépend uniquement de l’état présent. | Modélisation météo jour après jour. |
| CodiMD | Éditeur collaboratif basé sur Markdown disponible sur Apps.education | Rédaction collaborative de documents pédagogiques. |
| Compiler un code en LaTeX | Produire un document visuel (par exemple un fichier pdf) à partir du code source écrit en LaTeX. Dans cette opération, le logiciel traite le code source, applique les règles de composition typographique et génère le document final. | Compiler un code LaTeX pour obtenir un QCM en .pdf dans l’interface du logiciel TeXstudio (voir tutoriel) |
| IAG (IA générative) | IA capable de synthétiser de nouveaux contenus vraisemblables (texte, images, code, audio, vidéos, …). | Le Chat de Mistral, Flux (générateur d’images), ElevenLabs (voix synthétiques), HeyGen (avatars synthétiques), Veo3 (vidéos), Sora2 (vidéos) … |
| LaTeX | Langage de composition typographique pour documents scientifiques. | $\frac{1}{2}$ pour écrire la fraction « un demi ». |
| LLM | Modèle de langage de grande taille capable de comprendre et produire du langage naturel. | Le Chat de Mistral, Claude Sonnet, Perplexity, Gemini, ChatGPT, Llama, … |
| Markdown | Langage léger de structuration de texte. Très efficace pour être très bien traité par un LLM tout en étant lisible facilement par un être humain. | # Titre **gras** |
| OCR (Optical Character Recognition) | Technologie de reconnaissance de texte à partir d’images ou PDF. | Extraction de réponses d’une feuille scannée. |
| Outil souverain | Outil développé par l’état garantissant la maîtrise des données et la conformité RGPD. | Assistant IA : c’est l’agent conversationnel de type LLM présenté durant le webinaire 1 qui sera bientôt mis à disposition dans la fonction publique (en cours de test avant déploiement). |
| Prompt | Instruction donnée à une IAG conversationnelle pour orienter sa réponse. | Cf .le parcours magistère “l’IA dans les métiers de l’Education” pour une formation sur l’art du prompting en contexte professionnel. |
| Token | Unité élémentaire de texte traitée par un LLM. Le LLM découpe le prompt en token. | Exemple : Ma-Théma-ti-ques |
| Workflow | Enchaînement structuré d’étapes automatisées. | Voir partie 3 du webinaire. |
Capsule complémentaire sur LaTeX :
Tutoriel vidéo pour prendre en main LaTeX (en ligne ou en installation simple d’un logiciel libre sur sa machine) sans aucune connaissance préalable et générer des documents pdf à partir d’un fichier .tex créé avec une IA conversationnelle..
● Lien d’accès à la plateforme en ligne overleaf (mais qui nécessite la création d’un compte gratuit) mentionnée à titre d’exemple dans le tutoriel : https://fr.overleaf.com/
● Lien de téléchargement du logiciel libre TeXStudio mentionné à titre d’exemple dans le tutoriel : https://www.texstudio.org/
NotebookLM et RAG :
Vous trouverez ci-dessous 2 vidéos générées avec notebookLM à partir de mêmes documents sources (déposés en RAG) : la leçon, le sujet de DM et la correction du DM sur le thème des pourcentages en 2nde. NotebookLM propose des styles graphiques et des ambiances par défaut (par exemple l’ambiance « manga » sur cette vidéo de droite). Voici le prompt simple que l’utilisateur a entré dans ces deux cas :
« Créer une vidéo qui reprend la correction du DM1 dans l’ordre et qui insiste sur les liens entre les différents exercices. L’objectif est de donner du lien et un sens commun à l’ensemble du devoir maison. Insiste sur la notion de ‘coefficient multiplicateur’ dans le cas de manipulation de pourcentages».
Vous trouvez ici la correction originale du DM.
Pour les besoins de la présentation et de la formation, ici, nous avons fait le choix exceptionnel de générer 2 vidéos différentes pour vous montrer la diversité de formes produite par l’outil. Cependant, en vertu d’une maitrise de la frugalité, nous vous recommandons de générer avec parcimonie des vidéos et vous incitons à mutualiser les productions vidéos et documents afférents au sein de vos équipes et réseaux.
Vous remarquerez, dans les deux vidéos ci-dessous, le degré d’analyse et de compréhension de l’outil et le choix du ton employé de manière autonome par l’IA. On remarque aussi certaines erreurs qu’il peut être aussi intéressantes à discuter avec les élèves dans le développement de leur esprit critique face aux IA (les ont-ils détectées ? Comment les analysent-ils ? Que faudrait-il changer dans la vidéo ?).
Cette vidéo montre que l’IA a bien répondu à la commande d’insister sur les liens entre exercices et a bien dégagé la notion « clé » de coefficient multiplicateur. Elle reprend aussi des éléments visuels de la correction qu’elle intègre dans son infographie (comme l’exercice sur la Tour Eiffel à 6’07’’ en ouverture de fin de vidéo ou encore les écrans de calculatrice numworks à 4’41’’ etc.). L’infographie à 6’00’’ décomposant la réflexion et la démarche générale est générée automatiquement par l’IA suite à l’analyse des ressources données. C’est un élément puissant et complémentaire dans un enseignement explicite. Par contre, à 3’36’’, on repère des erreurs sur les étiquettes des taux annuels sur l’axe gradué. L’interprétation ici n’a pas fonctionné correctement.
Ce ton « manga » est davantage ‘gamifié’ et est une des options possibles dans le studio vidéo de notebookLM. Il peut éventuellement convenir à certains élèves. On repère une erreur à 2’53’’ où il manque un ‘saut’ (l’IA en représente 4 au lieu de 5). Il s’agit du même type d’erreur qu’en vidéo 1 mais est plus marquant car plus identifiable visuellement. A 3’10’’, on retrouve la même infographie qu’en vidéo 1 sur les étapes explicites du raisonnement global.
Prompts et fichiers pour construire l’application Pixel Art :
Retrouvez enfin ici en téléchargement les prompts, fichiers teX et pdf, instructions pour les agents et le code html de l’application Pixel Art qui ont été présentés dans le webinaire. Ils sont partagés avec vous pour que vous puissiez mieux comprendre la logique de construction et pouvoir vous en inspirer si vous le souhaitez pour vos propres projets.
b. Réseaux académiques autour de l’IA et ressources associées
Ce projet, porté par l’ENS et le Collège de France, initié par Stéphane Mallat titulaire de la chaire Sciences des données et médaille d’or du CNRS 2025, déployé initialement en co-développement avec l’académie de Lille, permet d’enseigner certains contenus du programme des mathématiques du lycée via des challenges de données réelles (reconnaissance d’images, santé des fœtus, etc.).
- Site officiel : https://mathadata.fr/fr
- L’équipe MathAData propose régulièrement des webinaires de découverte que vous retrouvez ici : https://mathadata.fr/fr/formation
Sur cette même page dédiée à la formation, vous retrouvez aussi pour une découverte rapide 3 petits tutoriels vidéo pour découvrir en détail les ressources proposées en classe et aussi un tutoriel technique expliquant l’accès gratuit à ces ressources. - Formation au Plan Académique (PAF) : une formation de 3h en présentiel le mercredi 8 avril 2026 (14h-17h) est organisée pour devenir autonome sur l’usage des Notebooks IA et des ressources pour mettre en place Mathadata dans ses classes de lycée (inscriptions closes au 28 janvier pour cette année).
Le réseau des Laboratoires de Mathématiques de l’académie encourage l’expérimentation collective.
Vous retrouverez sur le site dédié de nombreuses informations et ressources.
- Lien vers le site du forum :
https://forum-labomaths.site.ac-lille.fr - Lien vers la cartographie :
https://forum-labomaths.site.ac-lille.fr/cartographie-des-labomaths/ - Lien vers la page réseaux (dont réseau IA et réseau MathAdata) :
https://forum-labomaths.site.ac-lille.fr/reseaux/
c. Boîte à outils et mutualisation
C’est un outil collaboratif d’édition de textes basé sur le langage de balisage léger Markdown, disponible sur Apps.education. Il permet la rédaction – seul ou à plusieurs – et le partage de contenus structurés, à partir d’un balisage simple inspiré du HTML, et est particulièrement adapté à la production de documents pédagogiques clairs et lisibles.
Comme cela a été vu dans le webinaire 1, le Markdown est un langage (dit « langage de balisage léger ») très utile dans le contexte de l’IA. C’est une syntaxe de structuration, simple et facilement lisible par l’humain, très utilisée pour produire des documents exploitables par des outils numériques.En particulier, le Markdown est extrêmement efficace dans l’utilisation des outils d’IA générative que sont les LLM car ils sont capables de traiter correctement cette syntaxe et sont capables d’en produire une restitution alignée sur les instructions explicitement formulées par l’utilisateur.
Les LLM sont capables de produire facilement à la demande du texte structuré en Markdown, incluant des fragments de code ou de notation en LaTeX.
- Lien vers un tutoriel pour les mathématiques :
Ce tutoriel sous forme de diaporama interactif permet de découvrir les nombreuses possibilités offertes par codiMD pour effectuer une présentation de mathématiques (cours, exercices, etc.) sous forme de diaporama. - Un tutoriel vidéo pour la génération d’autres types de productions et exploitations pédagogiques avec codiMD :
Pages web collaboratives ou partageables, enrichies par des liens, vidéos, images,formules LaTeX, etc:
Un outil ministériel pour comparer la pertinence et la frugalité énergétique des différents modèles de langage : https://comparia.beta.gouv.fr/
Une plateforme (version bêta) regroupant des briques d’IA pour améliorer l’accessibilité de vos documents (transcription braille, adaptation DYS, description d’images).
https://accessdoc.fr/wp-login.php
Vous pouvez tester les configurations d’agents présentés pendant le webinaire 1 pour générer facilement et sans connaissances en codage des fiches QCM LaTeX, des représentations graphiques (basées sur du code Python) ou du code pour Geogebra.
Ces agents, réalisés à l’aide de ChatGPT, présentés à titre d’exemple de pratiques durant le webinaire, sont issus d’initiatives personnelles des professeurs formateurs et réalisés pour leur usage personnel avec leurs classes.
Ils auront vocation à être améliorés au gré des tests qui pourront être réalisés par les collègues qui le souhaiteront et aux retours possibles proposés aux participants du webinaire via le questionnaire dédié.
- Lien vers l’agent GPT pour créer facilement et sans connaissance en LaTeX des fiches de QCM pour l’épreuve anticipée de mathématiques de première en version LaTeX:
https://ChatGPT.com/g/g-68d7b51525d08191ba0add259714a93b-automatisme-e-a-m-latex-pdf - Lien vers l’agent GPT pour obtenir à la demande et en langage naturel des représentations graphiques variées :
https://ChatGPT.com/g/g-68ed7eb4d0748191bd33241792ced168-representations-graphiques-maths-du-secondaire - Lien vers l’agent GPT pour produire des figures sous Geogebra (qui produit du code à insérer dans la fenêtre d’édition de Geogebra) :
https://ChatGPT.com/g/g-694a3abb0a448191b1a8e155b88fdf90-generateur-geogebra
https://codimd.apps.education.fr/s/yKb6m3F3j
Le code est accessible en cliquant sur le lien, puis sur l’icône Stylo (éditer) en haut à droite puis sur l’icône vue partage (en haut à gauche).
Ce code en markdown peut être copié-collé dans un LLM et retravaillé et adapté selon vos souhaits.
Vous pouvez l’utiliser pour résoudre un défi de l’AI Quest !
● Vidéo de Stéphane Mallat : « Mathématiques de l’IA pour l’enseignement au lycée » : https://mathadata.fr/fr/formation
Cette vidéo introduit de manière pédagogique les fondements mathématiques de l’IA et fait le lien avec les ressources MathAdata permettant de travailler en classe avec les élèves des parties du programme de mathématiques du lycée au travers de challenges d’IA motivants et accessibles.
● Série « Neural Networks » de vidéos du site www.3blue1brown.com sur les LLM : https://www.3blue1brown.com/?v=mini-llm#video-sectionCette série de 9 courtes vidéos (accessibles en langue française) permettent de découvrir pas à pas, grâce à des visualisations très parlantes et internationalement renommées, une introduction aux notions fondamentales de l’apprentissage profond et les détails du fonctionnement « intelligent » des IA.
On peut y découvrir les mathématiques sous-jacentes présentes derrière les notions de réseau de neurones dans leurs différentes formes, la descente de gradient, la rétropropagation, le fonctionnement des LLM comme ChatGPT, le principe de l’attention et des Transformers qui ont révolutionné l’IA générative depuis 2017 ou encore comme les LLM stockent les faits ou encore comme fonctionne la génération d’images et les vidéos produites avec l’IA.
À noter : la notion de « Transformer » est à l’origine du nom de ChatGPT qui signifie Chat Generative Pre-trained Transformer. Ce terme dans sa version longue explique exactement la nature de ce que nous connaissons de ChatGPT : un dispositif de chat, génératif et pré-entrainé !
● Lien de téléchargement du livre Deepmath de François Recher et Arnaud Bodin : http://exo7.emath.fr/cours/livre-deepmath.pdf
Ce livre très complet permet de découvrir au travers de courts chapitres illustrés de nombreuses figures le fonctionnement des réseaux de neurones, la notion de convolution dans le contexte des réseaux de neurones et même le fonctionnement détaillé de Chagpt dans sa version 2 qui est accessible en open source (version antérieure à ChatGPT 3.5 dont la sortie mondiale en 2022 a révolutionné le monde de l’intelligence générative).
Les amateurs de Python y trouveront également dans certains chapitres des morceaux de code et les explications associées.
● Série de vidéos progressives et pédagogiques de la formation Deep Learning de Machine learnIA :
https://www.youtube.com/watch?v=XUFLq6dKQok&list=PLO_fdPEVlfKoanjvTJbIbd9V5d9Pzp8Rw
Destinée à un public avec une expertise plus avancée dans le codage en Python, cette série de 10 vidéos est un peu plus exigeante tout en suivant la même logique que celles de Neural Networks en explorant pas à pas les notions à travers des expérimentations autour d’exemples concrets.
Faisant le pont au travers d’allers-retours entre mathématiques et des notions plus orientées vers les sciences numériques, elles expliquent la manière d’implémenter les notions mathématiques au cœur de ces réseaux de neurones sous la forme de petits exercices de codages commentés en direct pour programmer soi-même un réseau de neurones en Pyhton, avec l’ensemble des codes accessibles et téléchargeables. Cette série est proposée à titre indicatif et est destinée à des collègues souhaitant approfondir les mathématiques au cœur du deep learning tout en découvrant leur implémentation via du codage en python.
d. L’AI Quest : À vous de jouer !
Objectifs
Une liste de défis autour de l’IA et de l’enseignement des mathématiques vous est proposée pour découvrir et vous acculturer à votre rythme et selon vos souhaits et aspirations. Lancez-vous dans l’aventure en relevant nos défis classés par difficulté (Découvertes, Explorations, Aventures) pour gagner de l’expérience et enrichir vos pratiques.
Modalités de participation
Choisissez et réalisez des défis, seul ou en équipe, parmi les 34 défis proposés en mutualisant vos réponses par établissement. Contribuez à la base de ressources avec votre équipe en établissement : partagez vos propres prompts et exercices générés (notamment pour le travail des automatismes) par votre équipe en établissement via le formulaire Grist (qui sera envoyé aux participants par mail via la plateforme SOFIA).
Finalité des contributions sur le questionnaire Grist
Vos contributions permettront de bâtir une banque de ressources collaborative commune à toute l’académie qui sera proposée en téléchargement à l’issue du webinaire 2.
Comme cela sera expliqué dans le webinaire 2, cela permettra à chacun de générer facilement des fiches ou diaporamas d’automatismes sur les niveaux et thématiques souhaitées à l’aide des LLM et également les documents attenants (correction, fiches d’aides, etc.).
Webinaire n°2 : à retrouver le 18 mars
Grâce aux retours des participants et de leur équipe en établissement via le questionnaire en ligne (lien envoyé aux participants), il permettra de revenir sur les expérimentations menées en établissements après le premier webinaire. S’appuyant sur les défis qui auront été réalisés et les besoins et remarques exprimés, il permettra d’apporter des informations et accompagnements complémentaires dans la découverte de ces nouveaux outils et des enjeux et problématiques associés.
Il sera également l’occasion de poursuivre l’exploration des outils disponibles et des workflows possibles au service l’enseignement des mathématiques et poursuivra le travail de mutualisation de différentes ressources.
Il permettra enfin de revisiter les réflexions et enjeux didactiques et pédagogiques de notre discipline à l’aune de ces nouveaux outils.
Webinaire n°3 : à retrouver le 27 mai
Prolongeant les webinaires 1 et 2, il sera construit pour répondre au mieux aux besoins et aspirations exprimés en s’appuyant sur les retours du développement des expérimentations et réflexions en établissements.
Il permettra également d’approfondir la réflexion autour de ces outils et des enjeux associés grâce à des apports issus de la recherche. Il permettra encore de découvrir comment installer un LLM spécialisé, de manière locale sur son ordinateur et non connectée à internet, dans des versions open source selon une perspective éthique et frugale.
S’appuyant sur le développement de la stratégie nationale et académique en matière d’intelligence académique, il sera l’occasion de dresser de premiers constats et de nouvelles perspectives.