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.
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.
Sommaire :
1 – Cadre institutionnel et parcours magistère
2 – Webinaire n°1 : Former à l’intégration de l’IA
- a. Plan de la formation
- b. Réseaux académiques autour de l’IA et ressources associées
- c. Boîte à outils et mutualisation
- d. AI Quest 1: À vous de jouer !
3 – Webinaire n°2 : Approfondir les usages et la connaissance de nouveaux outils pour l’enseignement des mathématiques
4 – Webinaire n°3 : Utiliser l’IA au service du travail personnel de l’élève et découvrir de nouveaux outils d’IA locales et agentiques
– 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 : Approfondir les usages et la connaissance de nouveaux outils pour l’enseignement des mathématiques
a. Plan de la formation
Pour faciliter votre navigation dans le replay dont la vidéo est chapitrée, voici les onze points abordées lors de cette session :
- Ouverture
- Retour sur le Grist 1
- Mathalea :
Présentation de la ressource libre – récupération du code Latex source des fiches d’exercices. L’idée ici est de montrer une situation où la structuration de la donnée source permet d’alimenter les workflows assistés par des LLM (modèles de langage).
Présentation d’un workflow permettant de créer son propre template (document contenant les éléments stylistiques personnels). Workflow permettant de fusionner le contenant (template) avec le contenu (par exemple du code source latex récupéré sur Mathalea). - Prism
Présentation d’une plateforme d’un éditeur commercial : comment l’analyser pour détourner son usage initial vers les usages du professeur de mathématiques ? Sensibilisation à la donnée transmise sur des serveurs étrangers privés. Présentation dans le cadre expérimental, dérogatoire et transitoire permis par le cadre d’usage des intelligences artificielles en contexte d’éducation. - Mathpix
Présentation d’un assistant IA permettant de réinvestir des archives personnelles anciennes : comment transformer ses anciens polycopiés, ses notes manuscrites, … en données numériques structurées pour alimenter les workflows assistés par des LLM (modèles de langage) ? Spécialisé dans la transcription numérique des documents scientifiques et des écritures mathématiques. - Pont vers le webinaire 3
Devant les utilisations croissantes d’outils IA et la maturité des workflows s’installant dans l’académie, deux volets s’imposent naturellement en lien avec le plan IA académique :
– La frugalité et la bifurcation vers des usages d’IA locales (sans cloud – 100% calculées sur la machine de l’utilisateur).
– La transformation des process pédagogiques pour permettre des techniques pédagogiques performantes, assistées par IA, tout en gardant le contrôle humain. - Créer des quiz
Didactique du quiz dans la captation organisée et augmentée des processus mentaux des élèves (évaluation diagnostique enrichie).
Création de quiz à partir de la donnée structurée issue de mathalea et/ou latex. Comprendre l’importance d’alimenter les LLM par un contexte maitrisé et structuré. C’est une clé essentielle, aussi importante que la puissance des modèles choisis, pour garder le contrôle et produire des données synthétiques de qualité.
Utilisation de l’application plickers pour des quiz interactifs en classe, archivage et exploitation des réponses d’élèves. Présentation et partage d’un agent automatisé (GPT) spécialisé dans la conception des QCM sur plickers. Partage d’une bibliothèque de QCM plickers pour le collège. - Produire des aides élèves : CodiMD / caches / ChatMD
Suite du webinaire 1 qui a introduit la logique de CodiMD. Il s’agit ici amélioré le contenu des codiMD en les augmentant de caches (onglets déroulables) qui contiennent des aides étayées pour les élèves.
Prolongation vers la didactique du chatbot via chatMD. Un chatbot contient une arborescence, un menu organisé. Il renvoie la responsabilité de la navigation à l’utilisateur (élève). L’activité cognitive nécessaire pour naviguer avec cohérence dans le chatbot permet à l’élève de s’engager dans l’activité, de structurer ses idées et mettre en perspective les notions d’un même thème. - NotebookLM : méthodes, infographies, podcasts
Suite du webinaire 1 sur les fonctionnalités de NoteBookLM pour présenter les diverses possibilités des différentes IA rassemblées dans une même architecture. Permet de faire une revue d’actualité sur les possibilités des IA grand public. - Travail d’équipe et frugalité
Logique de mutualisation et nécessité d’avancer en équipe localement. Appel à volontaires pour se lancer collectivement dans des processus mutualisés : détection de besoins locaux, réflexion sur les solutions amenées assistées par IA. La mutualisation permet un usage frugal des IA car le coût environnemental d’une production est répartie sur le nombre de personnes partageant cette production. - Méthodologie de travail : du besoin vers l’outil
Présentation de la logique à appliquer pour mener une réflexion autour de l’insertion d’outils IA pour augmenter sa pédagogie. Quelle IA pour quel besoin ? Proposition de nomenclature pour aider à s’y repérer. - Conclusion
● Présentation de MATHALEA et extraction de données sources en LaTeX.
● Présentation de PRISM et usage pour professeur de mathématiques.
Présentation et initiation à LM Studio : logiciel permettant de gérer des LLM gratuits et open source en local (sans cloud). Prendre conscience de nombreux paramètres passés sous silence lors d’utilisation sur des plateformes commerciales cloud. Sensibilisation par l’expérience à la consommation énergétique des LLM et à leur calibrage.
b. Boîte à outils et mutualisation
- Cadre d’usage national de l’intelligence artificielle en contexte d’education : https://www.education.gouv.fr/sites/default/files/2025-06/l-ia-en-ducation—cadre-d-usage-440685.pdf
- Banque d’applications souveraines mises à disposition par le ministère de l’Éducation Nationale : https://portail.apps.education.fr (visio agent, grist, codiMD, nuage, evento, tchap, sondage, docs, raccourcisseur d’URL, …)
- Banque d’applications souveraines mises à disposition pour les agents publics d’Etat (interministérielle) : https://lasuite.numerique.gouv.fr (tchap, visio, fichiers, …).
- Mathalea : https://mathalea.fr
- Mathpix : https://mathpix.com
- Plickers – application de quiz interactifs : https://www.plickers.com
- Prism d’OpenAI : https://prism.openai.com
- NoteBookLM de Google : https://notebooklm.google
En lien avec le cas d’usage n°2 présenté (workflow pour la mise en forme personnalisée – avec Assistant IA) :
● Exemple de prompt permettant de fusionner son template.tex (« contenant ») avec son code source extrait de mathalea (« contenu ») pour obtenir une fiche d’exercice mathalea mise en forme selon sa charte graphique personnalisée :
Ci-joint, tu trouveras :
- le fichier « code_source_mathalea.tex » contenant le code latex d'une fiche d'exercices de mathématiques du secondaire
- le fichier « template.tex » contenant code latex source qui contient tous les codes stylistiques pour produire un pdf avec une charte graphique complète et personnalisée
Donne moi le code latex de cette fiche d'exercices dans le style exact de la charte graphique. Le style doit être EXACTEMENT celui de la carte graphique et complètement indépendant du style initial. Le contenu des exercices doit être EXACTEMENT celui de lafiche d'exercices. Rajoute les objectifs dans chacun des exercices. Dans l'exercice 4, finis l'énoncé par une figure mathématiques illustrant la situation.
● Exemple de prompt pour générer son propre fichier « template.tex » (à adapter avec votre propre charte stylistique. Ne pas hésiter à faire plusieurs essais pour peaufiner).
Génère le code latex respectant les conventions suivantes :
- objectif principal : servira de template.tex pour donner à un LLM la structure de code nécessaire à l'application d'une charte graphique personnelles sur différents contenus. L'objectif est de joindre ce fichier template.tex pour donner les informations de la charte graphique.
- code compilable
- format portrait
- format A4
- marge de 1.4cm tout autour du document (haut, bas, gauche, droite).
- un cadre noir continu et fin tout autour du document avec une marge interne de 1 cm tout autour (avec le contenu du cadre).
- un en-tête automatique contenant en italique et en taille small : "Madame X" à gauche, "collège Y" au centre et "Année scolaire 2025-2026" à droite.
- un titre principal centrée, gras, avec grande police. A configurer dans un environnement personnel "titre_principal". Le titre doit être encadré avec marge à gauche et à droite de 3cm. Couleur de police blanche. Couleur de fond : bleu nuit. Ne doit pas empiéter sur l'en-tête.
- un sous-titre principal centré, gras et italique, avec police une taille en dessous de celle de titre.
- un environnement "exercice" pour numéroter automatiquement les exercices. Les titres d'exercices sont en gras, taille \large, encadré à fond orange et écrit en noir. Prévoir un paramètre optionnel qui contient le titre de l'exercice.
- un environnement "theoreme" pour numéroter automatiquement les théorèmes. Ils sont écrits en gras et sont à fond rouge.
- un environnement "definition" dans le même style de "\theoreme" mais aux couleurs vertes.
- un environnement "exemple" dans un style normal avec marqué, en gras, "exemple n°" et numéroté automatiquement. Pas de couleur spécifique.
- une numérotation de pages automatiques, en pied de page, sous la forme "Page n°XX sur YY".
- un environnement "aide" qui encadre le texte de cet environnement dans un cadre bleu ciel, sans bord et qui commence le contenu par une icône "?" et le mot "Aide :"
- utiliser les bibliothèques suivantes :
-- amsmath
-- forest pour les arbres de probabilités
-- tkt-euclide pour les figures de géométrie non repérée
-- pgfplots pour les graphiques cartésiens
-- graphicx pour la gestion images et pdf (insertion)
-- tkz-hist pour les histogrammes
-- tkz-tab pour les tableaux de variations et les tableaux de signes.
Structure le code et commente pour une meilleure lisibilité.
Voici deux banques d’automatismes mis en partage par Arnaud Moragues sur codiMD :
– Banque d’automatismes niveau collège
– Banque d’automatismes niveau 1ère
● Exemple de prompt pour générer son propre fichier « template.tex » (à adapter avec votre propre charte stylistique. Ne pas hésiter à faire plusieurs essais pour peaufiner).
Ton but est d'épurer et de traduire pour CodiMD le code latex qui t'est présenté (ce sont des exercices de mathématiques). Ta production a pour vocation d'être insérée dans un document plus large: tu omettras le titre global, chaque exercice aura un titre de niveau 4 de type :
#### Exercice 3A-XXX-XX (le numéro exact de l'exercice est précisé dans le code Latex) si les exercices sont de niveau 1ère, ou bien:
#### Exercice XXX-XX (le numéro exact de l'exercice est précisé dans le code Latex) si les exercices sont de niveau 3ème ; et chaque exercice sera immédiatement suivi de son corrigé caché dans un bloc :::spoiler Corrigé:::.
Tu veilleras à bien formater les formules pour CodiMD, entre $, sans espaces entre les $ et la formule.
Tu ne chercheras pas à transcrire les images, les courbes ou les tkiz: tu laisseras à la place un placeholder.
Tu traiteras l'intégralité du document en une seule fois, même s'il est long.
Donne ta réponse sous forme de code copiable.
● Brevet blanc généré avec l’assistance de Prism :
● Liste de bibliothèques latex usuellement utilisées dans la production de code latex pour le secondaire. A indiquer dans vos prompts lors de la génération de code latex (ou dans la confection de son propre template.tex à ‘contenant’).
| Objet à générer dans le pdf | Bibliothèque latex conseillées |
| Arbre de probabilités | forest |
| Figure de géométrie non repérée | tikz (ou tkz-euclide) |
| Graphiques cartésiens | pgfplots |
| Insérer des images (png, jpg) et pdf | graphicx |
| Diagrammes commutatifs | tikz-cd |
| Histogrammes | tkz-hist |
| Tableaux de signes et tableaux de variations | tkz-tab |
| Écriture avancée des mathématiques | amsmath |
● Exemple de prompt dans PRISM pour traduire une image importée en code latex (cas de la reproduction numérisée de l’arbre de probabilité pris en photo au tableau). Attention : mettre l’image en pièce jointe du prompt grâce à l’icône « + » dans la barre de prompt :
Dans un nouveau fichier nommé « figure_vers_exo_2.tex », créer le code latex qui reproduit fidèlement la figure ci-jointe en utilisant la bibliothèque forest. Puis, à la suite, créer un exercice de niveau lycée, en première, qui permet de préparer l’élève au bac dans un contexte du domaine du sport.● Exemple de prompt dans PRISM pour fabriquer un diaporama de type ‘beamer’ inspiré fidèlement d’un fichier de cours « cours.tex » :
Dans un nouveau fichier nommé « diaporama_beamer.tex », génère une présentation Beamer à partir du cours présent dans « cours.tex ». Après la première vignette de titre, inclus une vignette qui donne le plan complet du cours (titres de sections, sous-titres).Prompt pour la création d’un podcast audio sur NotebookLM :
Tu es un assistant pédagogique spécialisé en mathématiques.
Ton rôle est d’accompagner l’élève qui écoutera le podcast dans la compréhension des attendus pour chaque question énoncée.
Il est interdit de donner les réponses dans le podcast.
Tu dois amener l’élève à se questionner sur la compréhension des questions, en citant précisément de quelle partie de l’évaluation tu parles.
c. Grist 2 et AI Quest version 2 : à vous de jouer !
● Lien vers le questionnaire Grist n°2
Webinaire n°3 : Utiliser l’IA au service du travail personnel de l’élève et découvrir de nouveaux outils d’IA locales et agentiques
a. Plan de la formation
Pour faciliter votre navigation dans le replay dont la vidéo est chapitrée, voici les huit points abordées lors de cette session :
- Ouverture
Les webinaires 1 et 2 ont permis de cheminer à l’intérieur du grand thème de l’intégration de l’IA dans l’enseignement des mathématiques. Nous avons pu couvrir ensemble des questions, des réflexions, des expérimentations et des premières réponses dans les piliers suivants : la maitrise technique, la maitrise scientifique, la maitrise éthique, la maitrise légale, la maitrise des procédures d’expérimentations, la veille sur les outils existants. C’est donc l’occasion de converger, pour chacune des entrées, vers les gestes professionnels du professeur de mathématiques et l’impact didactique sur les élèves.
Le webinaire 3 permet d’accentuer et structurer toutes ces réflexions sur le travail personnel de l’élève, l’action de l’enseignant dans l’évaluation et la captation d’informations assistées par IA et la frugalité et l’impact énergétique de l’utilisation des IA. - Retour sur les productions de collègues de l’académie
Nous mesurons le mouvement entrepris par la communauté des enseignants de mathématiques de l’académie. L’engagement, la réflexion collective, le nombre et la qualité des initiatives locales montrent à quel point le sujet est pris à bras le corps et avec sérieux. Cette partie est l’occasion de mettre en valeur cette dynamique, de l’encourager à poursuivre en ce sens puis de rappeler les garde-fous incontournables en la matière (notamment sur l’évaluation automatisée et la vigilance à adopter sur le transfert de la responsabilité aux machines). - Boucle pédagogique du travail personnel de l’élève – cas d’usage avec l’assistant IA (chatbots et LLM)
L’activité de l’élève en classe, l’activité de l’élève en dehors de la classe et surtout leur coordination représente une boucle temporelle répétée au cœur de notre rôle de guide auprès des élèves. C’est l’occasion de comprendre le positionnement des gestes professionnels dans cette boucle et comment insérer l’IA pour viser des plus-values pédagogiques. - Les IA locales – suite du webinaire 2
C’est quoi une IA locale ? Pourquoi choisir une IA locale ? Cette partie a vocation d’y répondre. - VTT – Vox-to-text, le tout terrain de l’Education
Présentation en avant-première, exclusivement pour notre communauté des professeurs de mathématiques de l’académie de Lille, du logiciel VTT. Ce logiciel pour mac est développé depuis plus d’un an par Miguel Toquet, IA-IPR de mathématiques de l’académie de Lille (chef de projet) et par Rémi Poison, formateur académique, référent IA et formateur F1 au lab’IA (développeur technique). L’enjeu ici est de capter la voix, donnée sensible, d’en faire une donnée structurée assistée par IA et de l’exploiter au maximum pour assister le professeur dans la captation du processus mental de l’élève au cours de la formation de sa pensée.
On y présente le logiciel et 3 cas d’usages pédagogiques croissants pour montrer le champ des possibles et l’insertion naturelle de VTT dans les workflows quotidien de l’enseignant.
VTT répond à un cahier des charges strict : local (aucun cloud), gratuit, open source, frugal, respectueux des données personnelles, ergonomique et prenant en charge le calibrage technique des IA en fonctions des cas d’usages de terrain. - Intervention du professeur Stéphane Mallat (Collège de France) : entretien en direct avec le Professeur Stéphane Mallat (Collège de France) sur l’état de la recherche en IA au niveau mondial, de l’orientation de la recherche pour les court et moyen termes, sur son analyse à propos de l’Education à l’IA dans le secondaire, sur la place du professeur de mathématiques dans ce contexte.
- Focus sur les IA agentiques et le devenir des IA.
Ouverture et petite projection sur ce qui nous attend l’année prochaine devant les toutes récentes avancées technologiques, notamment les IA agentiques. - Conclusions
Entretien avec le Professeur Stéphane Mallat (Collège de France) sur l’état de la recherche en IA au niveau mondial, de l’orientation de la recherche pour les court et moyen termes, sur son analyse à propos de l’Education à l’IA dans le secondaire, sur la place du professeur de mathématiques dans ce contexte.
b. Boîte à outils et mutualisation
● Présentation de VTT :
● VTT : cas d’usage n°1 :
Externalisation de la pensée de l’enseignant pour produire des supports pédagogiques. Brainstorming assisté.
● VTT : cas d’usage n°2 :
Demandes d’aides vocales des élèves, structuration et analyse pour l’enseignant, assistées par VTT.
● VTT : cas d’usage n°3 :
Workflow complet autour d’une séquence de bac blanc en EAM 1ère Générale spécifique. Feedbacks individualisés pour élèves autour des automatismes + analyse de classe + génération d’un chatbot chatMD pour travailler sur l’erreur.
● IA Agentique et Hermes.
Présentation de l’interface et de cas pratiques de base afin d’appréhender ces nouveaux usages des IA en pilotant des équipes d’agents semi-autonomes.
● Installer une IA locale.
- Cadre d’usage national de l’intelligence artificielle en contexte d’éducation : https://www.education.gouv.fr/sites/default/files/2025-06/l-ia-en-ducation—cadre-d-usage-440685.pdf
- Banque d’applications souveraines mises à disposition par le ministère de l’Éducation Nationale : https://portail.apps.education.fr (visio agent, grist, codiMD, nuage, evento, tchap, sondage, docs, raccourcisseur d’URL, …)
- Banque d’applications souveraines mises à disposition pour les agents publics d’Etat (interministérielle) : https://lasuite.numerique.gouv.fr (tchap, visio, fichiers, …).
- Hermes Desktop (version nouvellement sortie qui évite les lignes de commande et se dote d’une interface logicielle ergonomique) : https://hermes-agent.nousresearch.com
- Le collège de France : https://www.college-de-france.fr/fr
- Séries de vidéos thématiques de l’année du collège de France (sur youtube) : « colloque de rentrée 2025 sur les formes de l’intelligence » : https://www.youtube.com/watch?v=K5Xn8ZMSgHA&list=PL1NaqiieWs8kokym4MM_Mj74_1tTDqA_B