FICHE DE LECTURE
Article 164
1. Identification de l’article
Titre : Titre
Auteur(s) : Titre
Source (revue, site, etc.) : Titre
Date de publication : Titre
Comment citer l’article : Titre
2. Résumé de l’article
3. Mots-clés
4. Problématique – Question principale abordée
5. Présentation du contenu
Partie 1 : Titre
6. Résultats ou points clés
7. Appréciation personnelle
8. Eléments iconographiques
9. Références bibliographiques
10.Articles connexes
Fiche de lecture d’un article scientifique
1. Identification de l’article
Titre de l’article : L’intelligence artificielle générative dans l’enseignement supérieur, une course
perdue d’avance ?
Auteur(s) : Laurent Chevalier, Fabienne Garcia
Source (revue, site, etc.) : 29e Conférence de l’Association Information et Management (AIM)
Date de publication : Mai 2024 (conférence) / Soumis le 1er juillet 2024 (HAL)
Comment citer l’article : Chevalier, L., & Garcia, F. (2024). L’intelligence artificielle générative dans
l’enseignement supérieur, une course perdue d’avance ?. 29e Conférence de l’Association Information
et Management, Montpellier - La Grande-Motte, France. halshs-04631049.
https://shs.hal.science/halshs-04631049
2. Résumé de l’article
Depuis la mise à disposition au grand public de ChatGPT par Open AI fin 2022, l’intelligence
artificielle générative (IAG) vient troubler le jeu entre enseignants et étudiants dans les formations de
l’enseignement supérieur. À travers une étude exploratoire, cette recherche propose d’approfondir la
perception des étudiants et des enseignants de l’usage et du rôle de l’IAG dans la rédaction du
mémoire de fin d’études et étudie comment cette perception modifie les relations entre étudiants et
enseignants en s’appuyant sur le concept d’objet-frontière pour mieux comprendre ces interactions.
Des entretiens auprès d’étudiants diplômés de master en 2023 et d’enseignants ayant tutoré des
étudiants cette même année sont en cours de réalisation. Les premiers retours sur ce travail soulignent
que le mémoire est issu d’un processus interactif entre l’étudiant, le tuteur universitaire et souvent
l’IAG, ce qui provoque aujourd’hui des questionnements et tensions chez ces acteurs.
3. Mots-clés
Intelligence artificielle générative ; éducation ; mémoire ; objet frontière ; interaction
4. Problématique / Question principale abordée
Comment l’intelligence artificielle générative (IAG) modifie-t-elle les perceptions et les relations entre
étudiants et enseignants dans la rédaction du mémoire de fin d’études ? L’article explore l’impact de
l’IAG comme innovation perturbatrice, en utilisant le concept d’objet-frontière pour analyser les
interactions et les tensions émergentes, tout en questionnant l’équité, l’évaluation et l’évolution des
pratiques pédagogiques.
5. Présentation du contenu
- Intro (p. 3-4): Lancement ChatGPT (2022) + débats (adaptation vs interdiction) / Exemples
historiques (plagiat internet) / Enjeux mémoire (apprentissage, originalité, critique) / Questions
éthiques (redevabilité, transparence) / Objectifs: perceptions étudiants/enseignants + évolution
relations via objet-frontière (OF).
=> S. 2: Fondement/cadre théorique (p. 4-7): 2.1 IAG enseignement sup (usages positifs
personnalisation + débats plagiat/hallucinations) / Paradigmes relation apprenant-IA (tutorat, soutien,
coopération) / 2.2 Mémoire comme OF (Star & Griesemer 1989; Carlile 2002) + frontières
(syntaxique/sémantique/pragmatique) / IAG perturbateur coordination / 2.3 IAG équipe hybride
(répartition tâches, accomplissement, dépendance; Gartner 2024).
+ S. 3: Méthodologie (p. 7-8): 3.1 Contexte (IAE Tours, mémoires M2 2022-2023 + anti-plagiat) / 3.2
Choix qualitatifs (compréhensif; Dumez 2016) / Recueil: observations (focus groupe étudiants + café
pédagogique enseignants) + entretiens semi-structurés (9 étudiants/9 enseignants) / Calendrier (oct
2023-mai 2024; Tableau 1) / Analyse thématique retranscriptions.
=> S. 4: Résultats préliminaires (p. 8-9): Focus étudiants (usage IAG mails/biblios/reformulation;
hybridation; gains temps/qualité/idées; craintes erreurs/dépendance/sources; Annexe A) / Café
enseignants (incompétence/détection; amélioration rédaction; Annexe B) / Tensions (triche,
évaluation).
- S. 5: Discussion/conclusion (p. 9): Ambivalence IAG (apprendre vs appauvrissement) / Évolution
OF mémoire (Figure 1) / Nécessité cadre/accord + formation.
=> S. 6: Bibliographie (p. 10-11): ~20 refs.
+ Annexes (p. 12-15): Grilles analyses (A/B) + Suivi entretiens (C/D).
Citations: "Les étudiants et les enseignants se trouvent confrontés à une problématique où ils « doivent
négocier leurs différences et créer une mise en accord de leurs points de vue respectifs » (Trompette &
Vinck, 2009)." (p. 5) / "L’IA est décrite par l’un de ses fondateurs Marvin Minsky (1927-2016)
comme : « La construction de programmes informatiques capables d'accomplir des tâches qui sont,
pour l'instant, accomplies de façon plus satisfaisante par des êtres humains. » (Georges, 2019, p. 1)."
(p. 4) / "Le mémoire de fin d’études relève d’une frontière syntaxique car son plan type (...) est partagé
par tous les acteurs." (p. 6).
6. Résultats ou points clés
- Perceptions étudiants: Usage IAG (6/8) pour reformulation, biblios, mails; hybridation travail; gains
(temps, qualité, idées); craintes (erreurs, dépendance, sources).
- Perceptions enseignants: Incompétence/détection; amélioration rédaction (synthèses, sans fautes);
craintes (triche, plagiat, évaluation).
- Mémoire comme processus interactif étudiant-tuteur-IAG; tensions éthiques (redevabilité,
transparence).
- Modélisation: Évolution OF mémoire (syntaxe stable, sémantique modifiée, pragmatique en tension;
Figure 1).
- Appel cadre/formation pour équité et légitimité mémoire.
7. Appréciation personnelle
Ce que j’ai compris : L’article explore l’impact disruptif de l’IAG sur les pratiques pédagogiques, en
focalisant sur le mémoire comme objet-frontière, révélant tensions et opportunités dans les relations
acteurs.
Ce que j’ai trouvé intéressant : L’approche hybride humain-IA et les résultats préliminaires montrent
une adoption rapide par étudiants, contrastant avec les craintes enseignants, illustrant un shift
paradigmatique.
Ce que j’ai trouvé discutable ou critiquable : Étude exploratoire limitée (préliminaire, échantillon
restreint); manque analyse quantitative ou comparaison internationale; plus de détails sur outils
détection IAG utiles.
En quoi cet article est utile pour moi : Il enrichit ma compréhension des enjeux éthiques IAG en
éducation, aidant à contextualiser réponses sur IA responsable et pédagogie.
8. Éléments iconographiques
- Figures: Figure 1 (mémoire OF et IAG, p. 9, rôle: illustre évolution jeu acteurs).
- Tables: Tableau 1 (calendrier actions terrain, p. 8, rôle: chronologie étude).
- Annexes: Annexe A (grille focus étudiants, p. 12), Annexe B (grille café enseignants, p. 13), Annexe
C/D (suivi entretiens, p. 14-15, rôle: détails empiriques). Rôle: Soutiennent méthodologie/résultats;
Pertinence: Élevée, visualisent processus et analyses pour clarté.
9. Références bibliographiques présentes dans l’article
- Star & Griesemer (1989) : Notion objet-frontière, coordination groupes sociaux.
- Carlile (2002) : Typologie frontières (syntaxique, sémantique, pragmatique).
- Dwivedi et al. (2023) : Perspectives multidisciplinaires opportunités/défis IAG.
- Boine & Castets-Renard (2023) : Interdiction vs adaptation IAG enseignement.
10. Articles connexes
- Lim et al. (2023) : AI in education: opportunities and challenges (non cité).
- Sullivan et al. (2023) : ChatGPT in higher education: integrity and learning (non cité).
- Grassini (2023) : Shaping the Future of Education with AI (non cité).
- Mittelstadt et al. (2023) : Using LLMs as zero-shot translators in science (non cité).
