« C’est quoi l’IA ? » : une classe puzzle en 3ème pour décrypter l’intelligence artificielle

Aurélien Dufromont, professeur documentaliste, et Pierre Vaast, professeur de technologie, au Collège Carlin Legrand de Bapaume proposent, dans le cadre d’une co-intervention pédagogique, une séance d’appropriation des enjeux complexes de l’intelligence artificielle.

Contexte : À l’heure où les intelligences artificielles génératives interrogent les pratiques scolaires, ce scénario pédagogique propose d’aborder l’IA non comme un simple outil de production, mais comme un objet d’étude complexe. En utilisant la méthode de la classe puzzle (socio-constructivisme), les élèves de 3ème deviennent experts d’une dimension de l’IA (technique, éthique, sociétale ou pratique) pour ensuite transmettre leurs savoirs à leurs pairs. Cette séance intervient après que le collègue de technologie a exploré les bases techniques de l’intelligence artificielle avec les élèves ; les grands types d’apprentissage des intelligences artificielles et leurs usages possibles (géolocalisation, identification, calcul, traduction, etc.), les incidences sociétales, notamment l’étude du biais et de l’effet de l’usage d’une intelligence artificielle. La classe puzzle est ici un prolongement critique et s’appuie sur des acquis techniques pour développer une culture de l’IA. Le partenariat disciplinaire garantit une vision d’ensemble du sujet.

Public : classe de 3e 

Objectif : comprendre les fondements techniques de l’IA, identifier ses applications quotidiennes et appréhender ses enjeux éthiques et environnementaux.

Compétences :

Déroulé : 

La séance repose sur le principe de l’interdépendance positive : chaque élève devient expert d’une partie du sujet pour l’enseigner aux autres.

Etape 1 : Les Groupes d’Experts (Analyse documentaire)

La classe est divisée en 5 groupes, chacun travaillant sur une thématique précise à partir de documents de natures variées (vidéo ARTE, extraits de Vikidia, expositions de la DRANE et Cartooning For Peace, articles de presse spécialisée) :

• Groupe A – Les bases techniques : Différence entre algorithme et conscience, fonctionnement des IA génératives.
• Groupe B – L’apprentissage machine : Machine learning, apprentissage supervisé vs. renforcement, et le rôle de l’ombre des “travailleurs du clic”.
• Groupe C – Enjeux démocratiques : Menace de la désinformation (Forum de Davos), pouvoir des GAFAM et régulation européenne (IA Act).
• Groupe D – L’utilisation de l’IA : Applications concrètes en médecine, dans l’armée, sur smartphone et pour la gestion des catastrophes naturelles.
• Groupe E – L’art du prompt : Apprendre à communiquer avec la machine, comprendre l’importance du langage et la nuance entre requête humaine et machine.

Chaque groupe doit identifier la source, extraire l’information essentielle et répondre à des questions précises pour préparer une synthèse orale.

Etape 2 : Le Puzzle (Transmission des savoirs entre pairs)

De nouveaux groupes sont formés, composés d’un représentant de chaque groupe d’experts. Chaque élève dispose de 2 minutes pour présenter son document et ses conclusions à ses camarades. C’est ici que s’opère le traitement et la mise en forme de l’information : les élèves complètent leur “pièce du puzzle” globale grâce aux explications de leurs pairs.

Etape 3 : De la prise de notes au podcast – La restitution augmentée par NotebookLM

Après avoir mutualisé les savoirs au sein des groupes “puzzle” , l’enjeu était de stabiliser les connaissances tout en expérimentant un nouvel usage de l’intelligence artificielle générative. Cette étape marque le passage de la collecte d’informations à la structuration des connaissances.

Le dispositif : l’IA comme assistant de publication.

Pour chaque thématique (le “prompt”, les enjeux de désinformation, le fonctionnement technique, etc.), l’élève responsable de la pièce de puzzle a été chargé de saisir sa synthèse de groupe dans l’outil NotebookLM. Cette phase de saisie constitue en soi un exercice de production documentaire et de traitement de l’information. Une fois les données intégrées, nous avons sollicité la fonctionnalité “Résumé Audio” de l’IA pour générer une synthèse sous forme de podcast. Ce procédé a permis de transformer des notes manuscrites en un contenu multimédia dynamique.

Développer une “intelligence d’usage” et un esprit critique.

L’objectif n’était pas de déléguer totalement le travail à la machine, mais d’utiliser l’IA comme un tuteur de restitution. En écoutant le podcast généré, les élèves ont dû exercer leur sens critique :

• Vérification de la fidélité : le résumé audio est-il fidèle aux informations extraites des documents originaux (vidéo ARTE, articles de Vikida, etc.) ?
• Analyse des nuances : l’IA a-t-elle correctement interprété les concepts complexes comme le “deep learning” ou les enjeux de l’IA Act ?

Cette confrontation entre la production de l’IA et le travail de recherche initial permet de valider la compétence EMI consistant à “distinguer la simple collecte d’informations de la structuration des connaissances”. En plaçant l’élève dans une posture d’éditeur et de correcteur vis-à-vis de l’IA, nous renforçons sa confiance en soi et sa capacité à penser de façon critique, des compétences psychosociales essentielles à l’ère des algorithmes.

Bilan réflexif :

Le bilan de cette classe puzzle est très positif, confirmant l’intérêt des pédagogies actives pour aborder des sujets techniques complexes. L’engagement des élèves et la qualité de la production finale soulignent l’efficacité de la classe puzzle alliée à l’IA générative.

L’un des facteurs de réussite a été l’acculturation préalable des élèves à la méthodologie de la classe puzzle, permettant une mise au travail rapide. Plusieurs points de vigilance ont néanmoins été identifiés :

• La constitution des groupes est fondamentale. Il est crucial de repérer en amont les documents les plus exigeants (comme ceux sur le deep learning ou l’IA Act) pour les confier à des élèves capables de traiter des informations plus denses.
• Le succès de l’exercice repose sur l’écoute active et le respect des consignes de collaboration et de coopération. Rappeler ces règles sociales en début de séance est indispensable pour que chaque “expert” puisse transmettre son savoir sans entrave.
• Le format de 20 minutes pour l’extraction d’informations et 25 minutes pour la mutualisation s’est avéré efficace pour maintenir un rythme soutenu.

L’intégration de NotebookLM en fin de parcours a transformé la séance en une leçon de littératie numérique.

• Le passage à l’IA peut être chronophage. Il est nécessaire de prévoir un temps de restitution suffisant, car la génération de l’audio peut excéder les prévisions temporelles initiales.
• L’aspect le plus riche a été la réaction des élèves face au podcast généré. Parce qu’ils avaient déjà construit leurs propres savoirs durant la phase puzzle, ils ont exercé un esprit critique complet en repérant immédiatement les erreurs ou les approximations de l’IA.

Les élèves ont non seulement appris des notions sur l’intelligence artificielle, mais ils ont surtout compris l’intérêt du travail de groupe et de la responsabilité individuelle au service du collectif. Ils ne sont plus de simples utilisateurs passifs photographiant une consigne pour la déléguer à la machine, mais des apprenants capables de mobiliser l’IA comme un tuteur de restitution tout en restant maîtres du contenu

Annexes :

Les documents élèves : https://nuage03.apps.education.fr/index.php/s/mtXWt82WxT4BASk

Les sources données aux élèves :

Lien avec la recherche :

La méthode de la classe puzzle (Jigsaw classroom), conçue par Elliot Aronson, est un pilier de la pédagogie coopérativeet du socio-constructivisme. Elle transforme la classe en un espace d’apprentissage mutuel via un processus en deux temps :

1. Les Groupes d’experts : les élèves se regroupent par sous-thème pour analyser un document et en maîtriser le contenu.
2. Les Groupes Puzzles : ils retournent dans leur équipe d’origine pour s’enseigner mutuellement leur spécialité. Chaque élève détient une pièce unique du savoir.

Les 3 piliers scientifiques de la démarche :

• Interdépendance positive : le succès de chacun dépend de la réussite des autres. Pour réussir l’évaluation finale, il faut avoir bien expliqué et bien écouté.
• Socio-constructivisme en action : les connaissances se construisent par l’interaction. Reformuler pour ses pairs permet de mémoriser et de comprendre en profondeur.
• Bénéfices psychosociaux : la méthode valorise chaque élève, y compris ceux en difficulté, développe l’empathie et l’écoute active.