Une étude de la transition secondaire-supérieur

articulant théorie anthropologique et théorie de

l’activité : le cas des probabilités en filière de biologie
Camille Doukhan

To cite this version:

Camille Doukhan. Une étude de la transition secondaire-supérieur articulant théorie anthropologique
et théorie de l’activité : le cas des probabilités en filière de biologie. 2025. �hal-04872054�

HAL Id: hal-04872054

[Link]
Preprint submitted on 7 Jan 2025

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 Une étude de la transition secondaire-supérieur articulant
théorie anthropologique et théorie de l’activité :
le cas des probabilités en filière de biologie

Camille DOUKHAN, Université de Strasbourg, LISEC, cdoukhan@[Link]

Résumé
Dans cet article, nous présentons une vue d’ensemble sur notre travail de thèse (Doukhan,
2021) portant sur la transition secondaire-supérieur en probabilités pour les étudiants non-
spécialistes en filière de biologie. Dans l’objectif de caractériser cette transition en
considérant les évolutions institutionnelles mais également le point de vue des sujets, nous
articulons la Théorie de l’Activité adaptée à la Didactique des Mathématiques (Vandebrouck,
2008) avec la Théorie Anthropologique du Didactique (Chevallard, 2003). L’articulation de
ces deux cadres, avec au cœur le concept de variation de type de tâches, nous permet
d’analyser les attentes institutionnelles et de décrire les praxéologies enseignées au lycée et à
l’université, tout en considérant les dimensions cognitives et médiatives de l’activité
mathématique des élèves et des étudiants. Nos analyses mettent en lumière les spécificités des
étudiants non-spécialistes dans l’apprentissage des probabilités ainsi que les difficultés qu’ils
rencontrent à l’entrée à l’université. Afin de mieux comprendre la transition secondaire-
supérieur, ses continuités et ses ruptures, nous avons alors élaboré un outil théorique et
méthodologique appelé Modèle Praxéologique de Référence Étendu par la théorie de
l’activité et adapté pour la Transition secondaire-supérieur (MPR-ET), pour le cas ici des
probabilités pour les non-spécialistes. Cet outil met en évidence les évolutions entre le lycée
et l’université, tout en faisant des propositions pour pallier les difficultés rencontrées par les
étudiants lors de cette transition.
Mots clés
Transition secondaire-supérieur, Activité, TAD, Modèle praxéologique, Mathématiques pour
les non-spécialistes, Probabilités.

I. MOTIVATIONS ET CONTEXTE DE LA RECHERCHE

Dans cette recherche (Doukhan, 2021), nous nous intéressons à l’enseignement et à

l’apprentissage des probabilités dans le contexte français de la transition entre le secondaire et
le supérieur, en particulier pour les étudiants non-spécialistes en biologie. Cette étude s'inscrit
dans un contexte où les étudiants non-spécialistes rencontrent de nombreuses difficultés en
mathématique à leur entrée dans le supérieur, ce qui les conduit souvent à l'abandon de leurs
études (Heublein, 2014). Dans ce qui suit, nous proposons un panorama général des
principaux résultats de cette thèse, mais avant cela, situons cette étude dans le contexte
institutionnel et scientifique de la recherche en didactique des mathématiques.

1
 1. Le contexte de la transition secondaire-supérieur
La transition secondaire-supérieur constitue généralement un défi pour les étudiants
débutants. Gueudet et Vandebrouck (2022) indiquent dans leur synthèse que les difficultés
rencontrées en mathématique lors de cette transition sont multifactorielles, nous allons
décliner quelques exemples dans ce qui suit. Selon Artigue (2004) ces difficultés proviennent
en partie d’un changement de cultures et d’organisation, mais également des nouvelles
attentes de l’institution universitaire, par exemple concernant l’autonomie ou le travail
personnel. Les enseignants dans le supérieur peuvent également avoir des attentes différentes
de celles des enseignants du secondaire. Ces nouvelles attentes, qui peuvent déstabiliser les
étudiants, sont influencées par les pratiques expertes du mathématicien (Robert, 1998). Dans
le cas de notre étude, les enseignants de probabilités en première année de biologie sont
justement des enseignants-chercheurs en mathématiques. Les difficultés rencontrées lors de la
transition peuvent également venir des contenus, généralement plus avancés ou plus abstraits
que dans le secondaire. Au lycée, les connaissances à mettre en jeu sont généralement
explicitées et donc mobilisables, tandis qu’à l’université les connaissances doivent être
disponibles et sont mises en fonctionnement de façon plus complexe (Gueudet et
Vandebrouck, 2022). Mais alors, qu’en est-il concernant les probabilités enseignées en
première année de biologie ? Comme le montrent ces recherches, les niveaux de mises en
fonctionnement des connaissances, décrits par Robert (1998), permettent d’étudier la
complexité de la tâche. De manière plus générale, les outils développés en théorie de l’activité
à la suite du travail de Robert (1998) nous permettront d’analyser l’activité mathématique des
élèves et des étudiants.

2. La spécificité des étudiants non-spécialistes

Les étudiants non-spécialistes de biologie ne s'attendent pas toujours à un enseignement de
mathématiques aussi conséquent en première année d'université. Pourtant, dès la première
année, on retrouve généralement un enseignement d’analyse puis un enseignement de
probabilités. C’est en tout cas l’organisation suivie dans l’université où se déroulent notre
étude. Selon Chiel, McManus et Shaw (2010) les étudiants en biologie éprouvent
généralement peu d’intérêt pour les matières quantitatives telles que les mathématiques.
Pourtant, les nouveaux outils de modélisation mathématique ont renforcé les liens entre ces
deux disciplines, en rendant la biologie plus prédictive et décisionnelle (Duran et Marshall,
2019). Pour répondre aux exigences de leur futur métier, les étudiants en biologie ont donc
besoin d’acquérir des compétences en mathématiques. González-Martín, Gueudet, Barquero,
et Romo-Vázquez (2021) ont établi que les étudiants non-spécialistes éprouvent des
difficultés à mobiliser les outils mathématiques dans d’autres disciplines. Cela est en partie
due à un enseignement des mathématiques trop abstraits et à un manque de lien explicite entre
les contenus mathématiques enseignés et les applications possibles dans les autres disciplines
(ibid). Pour remédier à leurs difficultés et améliorer leur motivation il est important, selon ces
auteurs, de montrer aux étudiants non-spécialistes l'utilité des mathématiques dans les autres
disciplines scientifiques. Dans le cas qui nous intéresse des probabilités, la modélisation de
phénomènes réels a justement une place très significative dans de nombreux domaines de la
biologie, par exemple pour concevoir des modèles stochastiques en immunologie ou des
modèles statistiques en épidémiologie. Bakker et al. (2018) recommandent à ce sujet
d’enseigner les probabilités à partir de données réelles, comme moyen de modéliser des
phénomènes aléatoires réels.

2
 3. L’enseignement et l’apprentissage des probabilités
Comme nous l’avons mentionné les probabilités sont fortement utiles à la modélisation de
processus biologiques. Par ailleurs, elles constituent un fondement aux cours de statistiques et
de biostatistiques généralement dispensés en deuxième et troisième année de filière de
biologie à l’université1. De plus, les probabilités sont largement enseignées au niveau du lycée
et font partie des contenus mathématiques présents dès la première année du supérieur dans
un grand nombre de filières de non-spécialistes, y compris en biologie. Pour l’ensemble de
ces raisons nous faisons le choix, dans ce travail, de nous concentrer sur l’enseignement des
probabilités dans le contexte de la transition secondaire-supérieur pour les étudiants en
biologie. Cette recherche s’inscrit dans le contexte institutionnel des anciens programmes du
secondaire en vigueur jusqu’en 2020. Après une analyse curriculaire nous avons retenu pour
notre étude le thème des probabilités conditionnelles ainsi que celui des variables aléatoires à
densité. En effet, il s’agit des deux seuls thèmes communs au programme de la classe de
terminale série scientifique2 et à la première année de biologie.
Pour terminer cette brève revue de littérature, nous présentons quelques résultats de la
recherche concernant l’enseignement des probabilités et plus particulièrement des probabilités
conditionnelles et à densité. Pour Amrani et Zaki (2015), les difficultés des étudiants en
probabilités peuvent provenir d’un enseignement trop formel, basé sur des techniques de
dénombrement, où les concepts abordés ne sont pas adaptés à la compréhension des
phénomènes aléatoires associés. Parzysz (2011) indique que les registres de représentations,
tels que les arbres et les tableaux ont une place très importante dans le domaine des
probabilités, à la fois comme moyens d’illustration mais également comme outils de
résolution. Diaz et De la Fuente (2007) recommandent leur utilisation et expliquent que
disposer de telles représentations constitue une aide efficace pour la résolution de problèmes
en probabilité. Ces mêmes auteurs relèvent des difficultés chez les élèves, comme interpréter
correctement les quantités numériques, distinguer la probabilité conditionnelle de la
probabilité de l’intersection ou encore inverser le conditionnement au moyen de l’utilisation
de la formule de Bayes. Pour Parzysz (2011) la conception « cardinaliste » de la probabilité
conditionnelle causerait des difficultés aux élèves mais Diaz et De la Fuente (2007)
expliquent qu’inversement, une conception « temporelle » est également un frein à la bonne
compréhension du conditionnement.
Concernant les variables aléatoires à densité, Girard (2005) explique que les lois à densité
sont introduites dans l’enseignement secondaire de façon analytique, ce qui constitue un
obstacle épistémologique qui ne permet pas d’y percevoir le caractère approximatif. Pour
Henry (2003) c’est à travers la simulation informatique qu’il est possible d’enseigner la
modélisation probabiliste avec des lois à densité mais également de mettre en évidence les
liens avec les lois discrètes (par exemple loi géométrique vers loi exponentielle, loi binomiale
vers loi normale). Dans son travail, Derouet (2019) a mis en évidence l’intérêt des activités de
modélisation intégrant la statistique descriptive, les probabilités à densité et le calcul intégral.

4. Présentation du plan
C’est dans ce contexte scientifique et institutionnel que s’inscrit notre travail de thèse, débuté
en 2018 et soutenu en 2021. A travers cette recherche nous mettons en évidence les
continuités et les ruptures dans l’enseignement et l’apprentissage des probabilités à la
transition lycée-université, ainsi que les difficultés rencontrées par les étudiants en biologie
pour ces enseignements de probabilités.

1
C’est cette organisation qui est choisie dans l’université où se déroulent nos observations.
2
Notre récolte de données se déroule entre 2018 et 2020, avant la disparition des filières générales.

3
Dans cet article, nous commençons par présenter la construction de notre cadre théorique qui
a servi à répondre aux besoins de l’étude. Par la suite, nous décrivons nos outils d’analyse et,
plus généralement, la méthodologie de recherche suivie dans ce travail. Nous revenons, dans
une quatrième partie, sur les résultats majeurs de cette étude. Enfin, dans une dernière partie,
nous présentons l’outil théorique développé dans cette thèse (Doukhan, 2021). Il s’agit du
Modèle Praxéologique de Référence Étendu par la théorie de l’activité et adapté pour la
Transition secondaire-supérieur (MPR-ET), dans le cas des probabilités pour les étudiants
non-spécialistes.

II. PROPOSITION D’UN CADRE THEORIQUE SPECIFIQUE ET

ADAPTE AUX BESOINS DE LA RECHERCHE

Afin d’analyser la transition secondaire-supérieur en considérant les évolutions

institutionnelles et les praxéologies enseignées, tout en intégrant les dimensions cognitives et
médiatives de l’activité des élèves et des étudiants, nous avons été conduit à mobiliser des
notions issues de différentes théories didactiques. Cette articulation théorique est plus
largement détaillée dans un article précédent (Doukhan, 2022) auquel nous renvoyons le
lecteur.

1. Théorie Anthropologique du Didactique

Dans une perspective institutionnelle et avec pour objectif de caractériser la transition
secondaire-supérieur en considérant les évolutions entre institutions, nous nous appuyons sur
la Théorie Anthropologique du Didactique (TAD ; Chevallard, 2003). Notre objectif étant de
comparer le savoir à enseigner lors de cette transition institutionnelle, nous utilisons le
concept de praxéologie mathématique qui permet de modéliser les savoirs et les pratiques
institutionnelles. Pour accomplir un certain type de tâches T, il est possible de mettre en
œuvre une ou plusieurs technique τ, cette technique peut être justifiée et expliquée par une
certaine forme de discours, appelé technologie θ, laquelle est elle-même fondée sur une
théorie mathématique Θ. L'ensemble de ces éléments forme un quadruplet [ T | τ | θ | Θ ]
constitutant une praxéologie relative au type de tâches T (Chevallard, 2003). Pour affiner la
description des organisations mathématiques, nous complétons notre cadre avec des notions
issues du cadre T4TEL développé par Chaachoua (2018) qui propose de décrire la technique à
travers un ensemble de types de tâches, appelé ingrédients de la technique.

2. Théorie de l’Activité adaptée à la Didactique des Mathématiques

Souhaitant examiner la transition du point de vue du sujet apprenant en contexte, et plus
précisément, pour prendre en compte la dynamique de la résolution de la tâche par le sujet,
aidée ou non de l’enseignant ou de l’énoncé, nous avons choisi d’intégrer à notre cadre
théorique des éléments issus la Théorie de l’Activité adaptée à la Didactique des
Mathématiques (TADM) à la suite de Robert et Rogalski (Vandebrouck, 2008). Dans la suite
de cet écrit nous utilisons le terme de tâche en référence à l’objet de l’activité et à sa
description, telle que définie dans la TADM. Nous considérons ici que la tâche prescrite
appelle des adaptations de connaissances à mettre en fonctionnement par le sujet. Afin de
caractériser précisément ces modalités de mises en fonctionnement, nous utilisons les sous-
activités mathématiques définies par Robert et Vandebrouck (2014) : sous-activité de
reconnaissance, sous-activité d’organisation du raisonnement et sous-activité de traitement

4
interne. Une tâche est alors définie comme complexe lorsqu’elle combine plusieurs de ces
sous-activités. Le sujet agit dans une situation3 qui lui fournit des contraintes et des
ressources. En ce sens, le rôle du professeur nous intéresse particulièrement, en tant que
médiateur de l’activité du sujet. En effet, à travers les aides qu’il peut apporter, l’activité
attendue des élèves sur les tâches prescrites peut alors être modifiée. En conclusion, les outils
de la TADM, vont nous permettre de comprendre l’activité des élèves et des étudiants dans sa
dimension cognitive et médiative.

3. Approche cognitive de Duval

Les résultats de la recherche en didactique pointent l’intérêt de l’utilisation des registres de
représentations tels que les arbres et les tableaux dans l’apprentissage des probabilités
discrètes ou encore des représentations graphiques pour les lois à densités. Dans ce sens, nous
avons fait le choix d’intégrer à notre cadre théorique la notion de registre de représentation
sémiotique introduite par Duval (1993). Cela nous permet notamment de décrire l’activité des
élèves et des étudiants en terme d’emploi et de conversion de registres. Comme expliqué dans
un précédent article (Doukhan, 2022), l’approche cognitive de Duval (1993) est tout à fait
compatible avec l’utilisation des outils de la TADM qui interrogent eux-aussi la dimension
cognitive de l’activité des sujets.

4. Coordination des théories et apport théorique

Les fondements et motivations de cette articulation théorique sont détaillés dans un article
précédent auquel nous renvoyons le lecteur (Doukhan, 2022). Nous apportons ci-dessous
quelques précisions et présentons le concept de variation de type de tâches qui nous servira
dans les analyses du savoir et des séances.
Selon Bikner, Ahsbah et Prediger (2010), pour appréhender toute la complexité des
phénomènes d'enseignement et d'apprentissage, il peut être nécessaire d’articuler différents
cadres théoriques. En nous appuyant sur l'échelle de mise en réseau des théories proposée par
ces auteurs (figure 1), nous nous plaçons ici au niveau de la coordination des théories en
construisant un cadre théorique spécifique et adapté aux besoins de l’étude qui intègre des
éléments de la TAD et de la TADM (Doukhan, 2023). Ces deux théories relavant d'une

approche socioculturelle, sont bien compatibles.

Figure 1. Echelle de mise en réseau des théories (Bikner et al., 2010)
La coordination de ces cadres permet de mettre en évidence comment la complexité des
tâches prescrites aux élèves et aux étudiants ainsi que leur gestion dans les déroulements
impacte les organisations praxéologiques et en particulier les techniques et leurs mises en
œuvre. Nous opérationnalisons cette complémentarité par le concept de variation de type de

3
Il s’agit du cadre scolaire : contexte, temporalité de la séance, scénario de la séquence, etc. (Vandebrouck,
2008)

5
tâches (Doukhan, 2022). Il s’agit de toutes modifications dans les énoncés des tâches
prescrites qui appellent des adaptations de connaissances. Ces variations vont donc impacter
les sous-activités mathématiques à la charge des sujets et par la même occasion les conditions
de mise en œuvre des techniques (composée d’ingrédients) permettant d’accomplir la tâche
(figure 2).

Figure 2. Impact des variations sur les sous-activités mathématiques et les techniques
Pour faciliter la compréhension des analyses qui vont suivre, illustrons le concept de variation
de types de tâches à travers l’exemple suivant (figure 3).

Figure 3. Exercice issu d’une feuille de TD de première année de biologie

Il s’agit ici d’un exercice proposé lors d’une séance de travaux dirigé en première année de
biologie. La question relève du type de tâches calculer une probabilité conditionnelle (T-
CalcProbaCond). Les variations de ce type de tâches sont les suivantes : il s’agit de la seule et
unique question de l’exercice (v1), l’énoncé est en langage naturel (v2), les évènements n’ont
pas été décrits ni nommés dans l’énoncé (v3). Ces variations appellent des adaptations des
connaissances à mettre en fonctionnement par l’étudiant (changer de registres, introduire des
étapes et des intermédiaires, choisir la méthode, etc.). La présence des variations v1 et v3
impacte la sous-activité d’organisation à la charge du sujet, il va falloir ici introduire des
étapes et des notations. La variation v2 demande une conversion de registres et impacte la
sous-activité de reconnaissance du type de tâches4, à savoir, associer à la tâche prescrite un
type de tâches pour lequel une technique est connue. Finalement, ces variations vont modifier
les conditions de mise en œuvre de la technique permettant d’accomplir la tâche. Les
ingrédients de technique ne sont plus les mêmes que si la tâche n’avait pas appelé
d’adaptations. Dans cet exemple, la complexité a priori de la tâche impacte l’organisation
praxéologique. Une analyse plus complète est à retrouver dans un précédent travail (Doukhan,
2022), nous y proposons une analyse de la séance qui permet d’intégrer les déroulements, les
interactions en classe et de considérer la dimension médiative de l’activité des étudiants.

5. Modèle Praxéologique de Référence Étendu par la théorie de l’activité et

adapté pour la Transition secondaire-supérieur
En appui sur notre cadre théorique et le concept de Modèle Praxéologique de Référence
développé dans la Théorie Anthropologique du Didactique, nous proposons ici d’enrichir ce
modèle par des analyses du point de vue de la Théorie de l’Activité. Ce modèle intégrera la
description des organisations mathématiques, ainsi qu’une analyse en termes d’adaptation des
connaissances et de sous-activité mathématiques (à la charge ou non du sujet) dans l’objectif
de prendre en compte les élèves et étudiants avec leurs spécificités et leurs besoins. Ce
Modèle Praxéologique de Référence étendu par la Théorie de l’Activité permet une analyse
critique des complexes praxéologiques mis en œuvre dans l’institution étudiée, tout en

4
On s’écarte ici très légèrement de la définition de sous-activité de reconnaissance d’objets ou d’outils à mettre
en fonctionnement telle que définie par Robert (1998).

6
considérant les sujets apprenants en contexte. Nous pourrions ainsi construire un MPR Étendu
par la Théorie de l’activité pour la première année de biologie et un second pour la classe de
terminale, qui sont deux institutions distinctes, puis analyser les séances à partir de ces
modèles. Cependant, pour répondre à un besoin qui se présentait, nous proposons de
construire un outil théorique et méthodologique permettant de mieux comprendre la transition
et que l’on puisse appliquer au cas des probabilités pour les étudiants non-spécialistes. Nous
l’appelons Modèle Praxéologique de Référence Étendu par la théorie de l’activité et adapté
pour la Transition secondaire-supérieur (MPR-ET). Cet outil ne vise pas l’exhaustivité des
organisations mathématiques à enseigner ou enseignées dans l’une ou l’autre des institutions
mais permet de synthétiser et d’articuler les résultats de l’étude. Il intègre les éléments de
continuités et de ruptures lors de la transition ainsi que les attentes institutionnelles envers les
étudiants à l’université en tenant compte de ce qui est fait au secondaire. Cet MPR-ET permet
d’accompagner la transition en proposant des pistes pour l’enseignement des contenus, pallier
les manques et en formulant des propositions pour réduire les difficultés des étudiants lors de
la transition. La présentation et la construction de cet outil font l’objet de la partie V.

6. Présentation des questions de recherche

Notre cadre théorique ainsi construit et justifié, nous permet de présenter les questions de
recherche suivantes qui ont guidé ce travail :
QR1 : Quel est le savoir à enseigner en probabilités dans le secondaire en classe de terminale
scientifique (selon une perspective épistémologique et institutionnelle) ?
QR2 : Quelles sont les caractéristiques de la transition secondaire-supérieur en probabilités
pour les étudiants non-spécialistes, en termes de praxéologies, d’activités des étudiants et de
pratiques des enseignants ? (Le cas d’étudiants de première année de biologie)
QR3 : Quelles sont les spécificités des étudiants non-spécialistes dans l’apprentissage des
probabilités, en termes d’attentes, de besoins et de difficultés ? (Le cas d’étudiants de
première année de biologie)

III. METHODOLOGIE DE LA RECHERCHE

Ces choix théoriques et les besoins de notre étude nous amènent à adopter une méthodologie
spécifique que nous présentons dans la suite de cet article et qui est résumée sur la figure 4.

Figure 4. Méthodologie générale suivie

7
 1. Analyse historique et épistémologique du savoir
Pour répondre à notre première question de recherche (QR1), nous avons commencé par un
éclairage historique et épistémologique des savoirs en jeu. De manière générale, l’analyse
historique permet de comprendre à quels problèmes est associée l’émergence des notions et
de situer leur position relative dans un champ de savoir plus large (Dorier, 2000). Dans le
cadre de cette étude, nous avons réalisé une revue de littérature permettant d’identifier
comment historiquement les différents courants et approches probabilistes sont apparus et
quelles définitions ont émergé de ces différentes approches. Cette analyse servira d’appui
pour comprendre les enjeux didactiques associés aux notions et concepts probabilistes
enseignés mais également à repérer les difficultés et les obstacles épistémologiques qui leur
sont inhérents.

2. Analyse du savoir à enseigner

Nous avons ensuite procédé à une cartographie du savoir à enseigner en classe de terminale
scientifique, pour les deux thèmes de probabilités qui nous intéressent : les probabilités
conditionnelles et les lois à densités. Pour ce faire nous avons réalisé une analyse des textes
officiels qui exposent les programmes5 afin d’avoir accès aux recommandations et capacités
attendues de l’institution (documents Ressources et programmes officiels de la classe de
terminale série scientifique, MEN, 2011). Nous complétons l’analyse des textes officiels par
l’analyse d’un manuel (Indice, éditions Bordas, Poncy et al., 2012) et de sujets de
baccalauréat (2018, 2019, 2020) en considérant que les manuels reflètent en partie les
pratiques enseignantes du secondaire et que les sujets de baccalauréat constituent une
référence institutionnelle pour les attendus en classe de terminale. A travers cette analyse,
nous cherchons à identifier les types de tâches proposés, les variations associées, et l’impact
de ces variations sur les activités mathématiques et techniques à mettre en œuvre a priori. A
travers cette analyse nous caractérisons également la place des registres de représentations et
les activités cognitives associées. L’analyse des corrigés donne accès aux techniques et aux
éléments de technologie (logos) attendus par l’institution.

3. Analyse du savoir enseigné et de l’activité des élèves et étudiants

Pour analyser le savoir enseigné et l’activité des sujets dans le contexte de la transition
secondaire-supérieur (QR2), nous avons réalisé des observations dans une classe de terminale
scientifique et en première année de biologie pour des enseignements de probabilités. Ces
observations ont eu lieu en France au cours de l’année scolaire 2018-2019. Dans le secondaire
nous avons observé deux séquences, une sur les probabilités conditionnelles et une seconde,
sur les lois à densité. L’enseignante consacre 8h au premier thème et 12h au second. Dans le
supérieur nos observations se sont déroulées dans une université de taille moyenne où un
module de probabilités de 28h est proposé aux étudiants en biologie au second semestre de la
première année. Dans ce module, nous avons assisté aux deux séances de cours magistraux
(CM) ainsi qu’aux deux séances de travaux dirigés (TD) concernant les thèmes de
probabilités qui nous intéressent (soit 2h par séance). En CM les étudiants sont environ 300,
tandis qu’ils sont en groupes d’une trentaine d’étudiants lors des TD. Les enseignants de TD
sont donc nombreux. Dans notre cas, les enseignants observés sont des enseignants-
chercheurs en mathématiques fondamentales. Certaines des séances ont pu être filmées,
notamment dans le secondaire. À partir de ces films et des notes prises au cours de nos
observations, nous avons produit des synopsis de chacune des séances. L’analyse du savoir

5
Programmes du lycée en vigueur en France entre 2011 et 2021.

8
enseigné repose principalement sur l'analyse praxéologique des supports de cours
(identification des types de tâches). Le repérage des techniques et éléments de technologie se
fait, elle, à partir de l’analyse des séances de classe. A partir des supports de cours, nous
identifions également les variations de types de tâches, les registres de représentation ainsi
que les activités cognitives attendues qui leur sont associées (formation, traitement,
conversion). Pour analyser l’activité des élèves et des étudiants, nous complétons ces analyses
par celles des vidéos de classe et des synopsis, en portant une attention particulière aux
variations et à leur prise en charge dans la classe, à leurs impacts sur les techniques et sur
l’activité mathématique des élèves et des étudiants. Nous nous intéressons également à la
dimension médiative de l’activité des sujets et au rôle de l’enseignant en tant que médiateur
de l’activité. Les interactions dans la classe permettent-elles de prendre en charge les
variations de type de tâches ? Quelles aides sont proposées par l’enseignant ?

4. Analyse relatives aux élèves et étudiants

Dans l’objectif d’identifier plus spécifiquement les attentes et les besoins des étudiants de
première année en biologie (QR3) nous avons réalisé des investigations complémentaires.
Afin d’établir un état des lieux sur les compétences et connaissances acquises suite à
l'enseignement sur les probabilités conditionnelles reçu au lycée, nous avons conçu un test
composé de trois exercices tirés de manuels de terminale ou de feuilles de TD de première
année de biologie. Ce test, proposé aux élèves de la classe de terminale et aux étudiants de
première année de biologie de l'université où nous menons nos observations, nous permet de
recueillir des informations sur les difficultés rencontrées et les techniques qu’ils sont capables
de mettre en œuvre suite à l’enseignement reçu dans le secondaire. Cinquante-quatre copies
ont été recueillies et analysées au moyen d’une grille conçue à partir de l’analyse a priori des
exercices, cette grille est à retrouver dans notre thèse (Doukhan, 2021). Souhaitant recueillir
des informations sur les méthodes de travail et le ressenti des étudiants de première année de
biologie, concernant les cours de probabilités en première année, nous leur avons proposé un
questionnaire en ligne à la fin du module de probabilités. Suite à la diffusion de ce
questionnaire, nous avons obtenu 134 réponses complètes. Ce questionnaire nous a également
permis de sélectionner certains étudiants pour des entretiens afin d’approfondir leurs
réponses, évoquer plus spécifiquement les difficultés rencontrées dans le module de
probabilités et revenir sur certains exercices rencontrés en TD. Quatre entretiens ont été
réalisés et nous avons de plus recueilli leurs copies d’examen de fin d’année. L’analyse de ces
copies nous permet de confronter leurs déclarations en entretien avec leurs productions
écrites.

IV. PRINCIPAUX RESULTATS DE L’ETUDE

Nous présentons dans cette partie les principaux résultats de notre étude (Doukhan, 2021) qui
apportent des éléments de réponse aux questions de recherche précédemment formulées.

1. Différentes approches des probabilités

Historiquement, deux courants probabilistes se distinguent : l'objectiviste et le subjectiviste,
ces deux courants appartiennent au paradigme de la description de la réalité (Henry, 2003). En
complément de ces courants on peut distinguer différentes approches des probabilités
permettant de définir et de concevoir la notion de probabilité de manière différente.

9
L’approche classique (ou laplacienne) et l’approche fréquentiste relèvent toutes les deux du
courant objectiviste, tandis que l'approche bayésienne relève du courant subjectiviste. Pour
compléter, mentionnons l’approche formelle, plus théorique, basée sur la théorie moderne des
probabilités et l'axiomatique de Kolmogorov. Selon l’approche considérée, l’interprétation
des situations probabilistes étudiées sera différente (Eichler, 2007) mais généralement c’est le
contexte des exercices qui détermine le sens à utiliser. Pour Henry (2010) il est important que
les différentes approches des probabilités soient enseignées et articulées entre elles dès
l’enseignement secondaire.

2. Résultat de l’analyse du savoir à enseigner

Dans ce paragraphe, nous présentons les résultats de l’analyse du savoir à enseigner qui s’est
faite en appui sur les résultats de l’étude historico-épistémologique, apportant ainsi des
éléments de réponse à notre première question de recherche (QR1).
Notre analyse des programmes de la classe de terminale scientifique (MEN, 2011) révèle que
l’enseignement des probabilités s’appuie principalement sur l’approche classique et
l’approche fréquentiste, articulées au moyen du théorème de Moivre-Laplace. L'approche
bayésienne, bien que présente dans certains exercices à travers l’utilisation implicite de la
formule de Bayes, n'est pas explicitement enseignée au niveau secondaire. Carranza et
Kuzniak (2006) avaient déjà formulé le même constat considérant les programmes
précédemment en vigueur. L’analyse des programmes et documents ressources pour la classe
de terminale, permet de répertorier les compétences et capacités attendues par l’institution. On
retrouve par exemple « savoir construire et utiliser un arbre de probabilités » ou encore «
savoir utiliser la calculatrice pour effectuer des calculs de probabilités » dans le cas des lois à
densités (MEN, 2011). Il est mentionné dans les programmes de terminale scientifique
d’accorder une place importante à l’activité de modélisation, à l’utilisation de situations
concrètes et de problèmes issus de d’autres disciplines. L’analyse de manuel confirme
partiellement ces recommandations. Plus de la moitié des exemples exercices concernant les
probabilités conditionnelles sont présentés dans un contexte issu de la vie réelle tandis que
cette proportion tombe à un tiers pour les lois à densité.
Dans le cas des probabilités conditionnelles, de nombreux types de tâches et variations
mettent en avant une activité de modélisation probabiliste. C’est très peu le cas pour les lois à
densité. Il s’agit généralement d’identifier et de nommer les évènements décrits dans l’énoncé
(une description de l’expérience aléatoire et de l’ensemble des issues est possible mais jamais
demandée), d’associer les valeurs numériques de l’énoncé à des probabilités d’évènements,
d’interpréter la question et de formuler la tâche. L’usage de représentations telles que des
arbres pondérés ou des tableaux de probabilités peut-être alors pertinente pour traduire la
situation aléatoire et les relations entre les objets (ici les évènements). Cette activité de
modélisation est plus faible que celle définie par Derouet (2022), il n’est pas question de
produire ni de valider de modèle, celui-ci est déjà donné ou sous-entendu par l’énoncé. De
manière générale, on retrouve un grand nombre de représentations de type arbres ou tableaux
dans les exemples et exercices du manuel. Les corrigés de manuel ou de sujets de
baccalauréat proposent très souvent l’utilisation d’un arbre pondéré, même lorsque celui-ci
n’est pas demandé par l’énoncé.
Dans le cas des lois à densités les représentations graphiques de fonction se retrouvent
seulement dans un exercice sur dix, ce qui s’explique par un recours très important aux
techniques instrumentées (calculatrice) ou usant de formules toutes faites. Les résultats de
l’analyse des manuels et des sujets de baccalauréat nous permettent de disposer d’une
cartographie du savoir à enseigner en termes de praxéologie, de variations de types de tâches
et d'activités a priori des élèves, qui appuiera l’analyse du savoir enseigné en classe.

10
 3. Eléments caractéristiques de la transition secondaire-supérieur en
probabilités
L’étude comparative de l’activité mathématique des élèves et des étudiants ainsi que celle des
supports de cours nous permettent de présenter dans cette partie des éléments caractéristiques
de la transition secondaire-supérieur en probabilités, fournissant des éléments de réponse à
notre seconde question de recherche (QR2).

Le cas des probabilités conditionnelles

En ce qui concerne les probabilités conditionnelles, de nouvelles notations apparaissent à

l’université pour des notions introduites dès le lycée, par exemple la probabilité
conditionnelle est notée désormais P(A|B) au lieu de PB(A). Cette nouvelle notation est
motivée par l’enseignant comme étant plus facilement mémorisable pour un public de
biologistes (Doukhan, 2021, p.198).
En termes de contenus, il y a peu de nouveautés : la formule de Bayes, la formule des
probabilités totales généralisée et la définition de l’indépendance de n évènements.
Les registres de représentations, tels que les arbres pondérés et les tableaux de probabilités ont
une place très importante dans l’enseignement des probabilités conditionnelles en classe de
terminale. Les arbres servent à la fois d’intermédiaires dans la représentation d’une situation
probabiliste, de soutien dans l’activité de modélisation mais également comme ingrédient de
technique et comme aide procédurale (dimension logos) dans l’activité de traitement.
Désormais à l’université l’arbre ne fait plus partie des attendus. Pour l’enseignant en charge
du cours cette représentation véhicule trop fortement la conceptualisation temporelle des
probabilités conditionnelles. La représentation par un arbre pondéré ne faisant plus partie du
savoir enseigné à l’université, nous avons pu observer que l’activité de modélisation consiste
désormais à identifier l'expérience aléatoire, l'univers Ω et la mesure de probabilité. Nous
sommes assez loin d'une modélisation probabiliste complète telle qu'exposée par Derouet
(2022), mais nous conservons cette description de l’activité de modélisation car c'est ainsi que
l'enseignant l'explique aux étudiants. Lors des cours, l’enseignant insiste largement sur
l’importance du choix du modèle et sur les différentes étapes de la modélisation, il motive
d’ailleurs l’introduction des probabilités conditionnelles par une situation de modélisation
d’une expérience réelle. Cependant, nous n’avons pas observé ces tâches de modélisation à la
charge des étudiants lors des séances de travaux dirigés (TD).
Au secondaire, l’enseignante prend généralement en charge la reconnaissance du type de
tâches (que dois-je faire ?) ou de la méthode (il faut commencer par faire un arbre). Nous
pouvons alors nous demander si les élèves sont capables d’associer à la tâche prescrite un
type de tâches dont ils connaissent une technique et de la mettre en oeuvre sans que
l’enseignante prenne en charge tout ou partie de l’organisation du raisonnement. L’analyse du
test que nous leur avons proposé permettra d’apporter quelques éléments de réponse à ces
questions. Lors des séances de travaux dirigés (TD), nous relevons que l’enseignant qui
corrige les exercices au tableau, prend très souvent en charge les conversions de registres de
la langue naturelle vers le registre symbolique probabiliste, ce qui pose la question de
l’autonomie des élèves dans ces conversions. Nous observons que lorsque la tâche proposée
en TD est complexe (voir exemple partie II.4) la gestion de la tâche par l’enseignant dans le
déroulement réduit cette complexité a priori. En effet, comme nous l’avons détaillé dans un
précédent article (Doukhan, 2022), l’enseignant prend en charge la reconnaissance des
évènements, l’organisation du raisonnement à suivre et le traitement de la technique à mettre
en œuvre.

11
Le cas des lois à densités

En ce qui concerne les lois continues, désormais les fonctions de densité peuvent être
continues par morceaux ce qui est une nouveauté pour les étudiants sortant du lycée puisque
dans le secondaire seules les fonctions de densité continues sont au programme. Dans ce cas-
là ces fonctions sont exprimées au moyen d’une fonction indicatrice. Cela induit de nouvelles
techniques, à la fois pour déterminer l’espérance ou pour calculer des valeurs de probabilités.
L’enseignant en charge du cours prend le temps de détailler auprès des étudiants la technique
de calcul de probabilité adaptée à ce type de fonction : « Vous allez utiliser des primitives,
donc l’intégrale va d’abord devoir être découpée sur chaque intervalle où on va pouvoir
utiliser une formule. »
Nous identifions quelques nouveaux types de tâches : calculer la variance ou l’écart-type
d’une variable aléatoire continue (T-CalcVar), démontrer que la fonction de densité d’une loi
exponentielle est bien une densité de probabilité (T-VérifF), déterminer les valeurs possibles
d'une constante présente dans l'expression algébrique d’une fonction de densité (T-Det(cf)). A
ces nouveaux types de tâches sont associés de nouvelles techniques qui sont travaillées lors
des séances de TD. Parmi les autres nouveautés, citons les propriétés de transfert et de
linéarité de l’espérance ainsi que la propriété de la variance sous transformation linéaire. Dans
le cas d’une variable aléatoire de loi exponentielle, la démonstration de la valeur de son
espérance est au programme de terminale scientifique, mais nous avons pu observer que cette
formule est directement utilisée dans les exercices au lycée. Il en va de même pour la formule
exprimant P(a<x<b). A l’université, ces formules sont démontrées à chaque utilisation.
Une autre caractéristique de la transition nous semble être la disparition totale de la technique
instrumentée utilisant la calculatrice. Cette technique avait une place centrale en terminale,
présentée avec un savoir procédural (comment on s’en sert, quelles sont les fonctionnalités,
etc.) écrit par l'enseignante au tableau et dont il était attendu une justification (logos) lors de
son utilisation. La disparation de cette technique se fait au profit de l’utilisation de la table de
la loi normale centrée réduite ou de techniques d'intégration parfois expertes s’appuyant sur
l'intégration par parties ou le changement de variables. Ces techniques d’intégration ne sont
pas au programme de la classe de terminale scientifique. L’utilisation de la table de loi
normale centrée réduite est caractéristique de cet enseignement à l’université. La plupart des
étudiants n’en n’ont jamais utilisé, et ils rencontrent des difficultés à s’en servir correctement
d’autant plus que cela nécessite souvent la transformation des expressions6. Autrement dit, les
techniques attendues et présentées sont très différentes de celles du secondaire.
Durant le cours, l’enseignant fait de nombreuses références à des situations de modélisation et
présente le lien entre statistiques, données réelles et variables aléatoires continues. Il explique
que les lois exponentielles modélisent des phénomènes de durée de vie sans usure et que les
lois normales apparaissent lors de la moyennisation de phénomènes. Ces liens ne sont pas
travaillés en TD où les exercices sont plutôt théoriques. Lors de ces séances, l’enseignant
prend très souvent en charge la reconnaissance de l’évènement dont on cherche à déterminer
la mesure de probabilité ainsi que du type de tâches. L’organisation du raisonnement et le
choix de la méthode sont partiellement à la charge des étudiants. Cependant, il s’agit le plus
souvent d’appliquer des techniques d’intégration, auquel cas l’enseignant fournit
généralement une aide procédurale pour le choix de la méthode d’intégration, par exemple :
« cette quantité que l’on va calculer, c’est toujours avec une intégration par parties ».

6
Il faut centrer et réduire la variable aléatoire X pour utiliser la table de loi normale centrée réduite. La table ne
donne les valeurs que des expressions de la forme P(X<a), pour calculer la valeur d’une probabilité de la forme
P(a<X<b) quelques transformations sont nécessaires usant de la propriété de symétrie de la loi.

12
Concernant les pratiques enseignantes et les déroulements

Pour terminer cette partie, revenons sur quelques éléments transversaux à ces deux thèmes de
probabilités. Nous constatons qu’en classe de terminale, les pratiques de l’enseignante sont
largement guidées par les attendus du baccalauréat (nombreux extraits de sujets de
baccalauréat traités), ce qui est spécifique au secondaire, étant donné qu’à l'université, les
enseignants conçoivent le sujet d’examen et l’adaptent selon ce qu’ils ont pu faire en classe.
Une plus grande liberté sur l’organisation des TD et le choix des exemples et exercices est
donc permise dans le supérieur.
Certaines modalités de déroulement nous semblent caractéristiques de la transition. Il n’y a
plus d’alternance au sein d'une même séance entre moments de cours et exercices en
autonomie. Désormais à l’université, le cours est présenté lors des séances de cours
magistraux sous forme d’un seul bloc à travers des diapositives projetées au tableau, et non de
polycopiés à trous comme ce qu’utilise l’enseignante de la classe de terminale observée. Il
s’agit sans doute d’une nouveauté pour la plupart des étudiants.
Lors des séances de CM, les calculs ne sont pas systématiquement détaillés par l’enseignant.
Il laisse ces tâches à la charge des étudiants lorsqu’ils considèrent qu’elles ont déjà été
rencontrées lors du premier semestre ou dans le secondaire. Il s’agit notamment de tâches de
calcul numérique, comme des réductions de fractions (probabilités conditionnelles), mais
également des tâches de calcul d’intégrales (lois à densité). Cependant, d'après nos
observations en terminale, les techniques d'intégration ont très peu été mises en œuvre par les
élèves dans le cas des lois à densité, au profit de techniques instrumentées. Nous pouvons
donc émettre des doutes quant à la disponibilité de ces techniques chez ces étudiants
débutants.

4. Spécificités des étudiants non-spécialistes en biologie

A travers l’analyse du test, du questionnaire et des entretiens réalisés auprès d’étudiants de
première année de biologie, nous apportons ici des éléments de réponse à notre troisième
question de recherche (QR3), sur les difficultés rencontrées par ces étudiants dans
l’apprentissage des probabilités ainsi que sur leurs attentes et leurs besoins spécifiques.

Résultats de l’analyse des productions d’élèves au test

Le test proposé aux élèves de terminale et aux étudiants de première année de biologie avant
qu’ils débutent le module de probabilités, est composé de trois exercices avec une focale sur
l’utilisation des représentations. L’analyse des productions a permis d’identifier si les élèves
et étudiants sont capables d’associer à la tâche prescrite un type de tâches dont ils connaissent
une technique. Nous cherchons à repérer s’ils savent mettre en œuvre une technique adaptée
et prendre en charge l’organisation du raisonnement, qui était largement à la charge de
l’enseignante au lycée. Enfin, cette analyse nous permet également de savoir dans quelle
mesure les élèves et étudiants sont capables de passer du registre de la langue naturelle au
registre symbolique probabiliste (conversions faites par l’enseignant de TD), par
l’intermédiaire ou non de l’utilisation d’un arbre pondéré. Nous revenons ci-après sur les deux
premiers exercices du test.
Le premier exercice (figure 5) est issu de la feuille de TD du cours de probabilités de
première année de biologie mais il est réalisable avec des techniques rencontrées au lycée.

13
 Figure 5. Enoncé du premier exercice du test
Cet exercice présente de nouvelles variations de types de tâches vis-à-vis du savoir enseigné
dans le secondaire. Par exemple la seconde question relève du type de tâches calculer la
probabilité d’une union de deux évènements (T-CalcUnion) et n’a été rencontré dans le
secondaire que pour deux évènements disjoints. Les évènements n’étant pas disjoints dans le
cas présent, la technique à utiliser repose sur la formule de Poincaré. Ils sont 63% à
reconnaitre qu’il s’agit d’une union de deux évènements mais plus que 48% à mettre en
œuvre correctement la technique. La quatrième question relève du type de tâche calculer une
probabilité conditionnelle (T-CalcProbaCond), et présente également une nouvelle variation :
l’évènement conditionnel est une union de deux évènements (la même union qu’à la question
2). Nous ne relevons aucune réponse correcte à cette question. Pourtant ils sont 59% à
identifier qu’il s’agit bien d’une probabilité conditionnelle et parmi eux, plus de la moitié
repèrent que la condition est une union de deux évènements. C’est ensuite dans le traitement
de la tâche qu’ils rencontrent des difficultés. Voici un extrait de copie d’un étudiant (figure 6).

Figure 6. Extrait d’une copie pour la question n°4 du premier exercice

Bien qu'ayant reconnu qu’il s’agit d’une probabilité conditionnelle, il rencontre des difficultés
dans l’identification de l’événement conditionnel et n’aboutit pas au résultat. Dans cet
exercice, formulé partiellement en langage naturel, il est inutile de proposer une
représentation de la situation aléatoire par un arbre ou un tableau, au vu des données fournies
dans l’énoncé. Cependant quatre élèves produisent tout de même un arbre pondéré.
L’utilisation du registre symbolique probabiliste est nécessaire, mais c’est la conversion vers
ce registre qui pose des difficultés dans la dernière question, notamment dans la formulation
de l’évènement conditionnel. Le second exercice (figure 7) est issu d’une feuille de TD d’une

année antérieure.
Figure 7. Enoncé du second exercice du test
Cet exercice est lié à un contexte de biologie plutôt familier aux étudiants : l’étude de
l’efficacité de tests sur des populations malades et non malades. Il s’agit d’une application
classique du théorème de Bayes avec un certain travail de modélisation laissé à la charge du
sujet : identifier et nommer les évènements en jeu, associer les valeurs numériques de
l’énoncé à des probabilités d’évènements, interpréter la question et formuler la tâche. D’après
les résultats de nos observations dans le secondaire, ces actions successives représentent les
ingrédients d’une technique associée au type de tâches modéliser une situation aléatoire (T-

14
Modé) et sont généralement pris en charge dans les déroulements par l’enseignante
(organisation du raisonnement ou aide procédurale). Cette activité de modélisation est
présente dans une forme incomplète, il n’est pas question de choisir ou de valider un modèle.
Lors du test, les élèves et étudiants ont rencontré des difficultés et ont dans l’ensemble
proposé des réponses erronées (une seule réponse correcte). Ce qui nous intéresse plus
particulièrement c’est de savoir à quelles étapes ils ont eu des difficultés et quelles étapes du
raisonnement ils ont pris en charge. La probabilité la plus souvent calculée est P(M∩T).
Environ 65% d’entre eux identifient correctement les événements en jeu, tandis que 53%
représentent spontanément la situation par un arbre pondéré. Aucune autre représentation
n’est proposée. Tous ceux qui utilisent un arbre réussissent les premières étapes de la
mathématisation : identification des événements et des valeurs numériques présentes dans
l’énoncé. L’arbre est donc un soutien à l’activité de modélisation : il permet la traduction de
l’énoncé et des relations entre les objets (ici les évènements) qui y sont décrits. L’énoncé étant
complétement formulé en langage naturel, 84% ont proposé une réponse en langage naturel.
Parmi eux, près de la moitié (46%) se sont appuyés sur leurs calculs, 20% ont répondu en se
basant uniquement sur leur représentation par un arbre et 40% ont répondu sans utiliser ni
calcul ni arbre. Ces élèves et étudiants n’ont pas été en mesure d’associer à la tâche prescrite
un type de tâches (calculer une probabilité conditionnelle) dont une certaine technique
(composée d’ingrédients) leur est pourtant connue.
L’analyse du test nous a permis de recueillir des éléments sur les variations qu’ils sont
capables de prendre en charge, ainsi que sur les techniques qu'ils savent mettre en œuvre suite
à l'enseignement de probabilités reçu au secondaire. Concernant les changements de registres,
ils représentent très largement les situations aléatoires par des arbres pondérés lorsque cela est
pertinent. A partir d’un énoncé en langage naturel, ils arrivent généralement à identifier la
présence d’intersections d’évènements ou de probabilités conditionnelles (reconnaissance de
"et" ou "sachant que" dans les exercices du test). En revanche, ils rencontrent des difficultés à
reconnaître le type de tâche (identifier la probabilité recherchée) et à mobiliser les
connaissances supposées disponibles dans de nouvelles tâches, comme à la question 4 de
l’exercice 1 (l’évènement conditionnel est une union, ce qui est une nouveauté).

Attentes et besoins des étudiants débutants issus de filière de biologie

Le questionnaire proposé aux étudiants en biologie à la fin du semestre nous a permis de faire
un état des lieux de leur ressenti et de leurs difficultés concernant les contenus et le
déroulement du module de probabilités. Premièrement, 74% des répondants à ce
questionnaire proviennent de terminale série scientifique, ce qui conforte notre choix
d’analyse comparative entre la première année de biologie et cette filière en terminale. Une
échelle de Likert leur a été proposée pour évaluer le niveau de difficulté du module (figure 8).
A 46% ils trouvent les probabilités enseignées dans ce module difficiles ou très difficiles.
Figure 8. Extrait du questionnaire en ligne
Pour compléter les résultats du test et approfondir les éléments de réponse au questionnaire,
nous avons réalisé quatre entretiens avec des étudiants primo-arrivants issus de terminale série
scientifique. Nous avons également pu recueillir leurs notes ainsi que leurs copies d’examen.
Nous présentons dans ce qui suit l’analyse relative à ces données. Avant toute chose, nous

15
constatons une baisse significative de leur note entre le module de probabilité et le
baccalauréat obtenu l’année précédente (figure 9).

Adam Cloé Maud Ben

Note de maths au baccalauréat (série S) 15 11 18 15
Note au module d’analyse du S17 13,25 12,25 16,25 13,75
Note au module de probabilités du S28 4,75 8,75 14,25 9

Figure 9. Profils des étudiants intérrogés

Le module d’analyse du premier semestre a semble-t-il posé moins de difficultés à ces quatre
étudiants pour lesquels on observe plutôt une constance dans la note. Ils nous indiquent tous
avoir passé plus de temps à réviser et préparer l’examen du module de probabilités que celui
d’analyse. Seule Cloé utilise son cours de terminale pour réviser et préparer l’examen alors
que les étudiants interrogés sont unanimes pour dire que les contenus du module de
probabilités sont en continuité avec le lycée, Cloé précise que c’est "plus poussé" et Ben
déclare : "On avait déjà vu tout ça au lycée mais ici c’est avec d’autres méthodes, d’autres
manières de faire".
Lors des entretiens, les étudiants ont exprimé des difficultés à suivre le cours magistral qu’ils
trouvent parfois trop rapide mais surtout dense et théorique. Ils identifient un décalage entre
ce qui est présenté lors de ces séances et les exercices abordés lors des séances de TD. Ils
éprouvent également des difficultés à se passer des arbres de probabilités dans les exercices
qui s’y prêtent. Hormis Ben, les trois autres étudiants continuent à en dessiner au brouillon.
Ils expliquent être perturbés par certaines nouvelles notations comme P(A|B) pour désigner la
probabilité conditionnelle. Adam explique qu’il la confond souvent avec la notation P(A\B)
qui désigne une toute autre probabilité. Ils ont également mentionné la notation Ac pour
désigner l’évènement contraire de l’évènement A. Cette notation perturberait certains d’entre
eux car ce n’est pas la notation du CM mais elle apparait parfois selon l’enseignant en charge
du TD, pour rappel les étudiants n’ont pas tous le même enseignant de TD.
De façon générale, les étudiants expliquent qu’ils éprouvent des difficultés à identifier les lois
de probabilité et à reconnaître si une situation probabiliste relève du discret ou du continu.
Adam et Cloé déclarent qu’ils ne savent pas toujours ce qui est attendu d’eux dans les
questions, et la multiplicité des lois à connaître est particulièrement difficile pour Adam et
Ben. Enfin, concernant plus particulièrement les lois à densité, ils indiquent avoir du mal à se
servir de la table de la loi normale centrée réduite et expliquent rencontrer des difficultés dans
la mise en œuvre des étapes à suivre pour calculer une probabilité lorsqu’une fonction
indicatrice est présente dans l’expression de la fonction de densité.
L’analyse des copies d’examen a révélé que ce sont surtout les questions de cours qui posent
des difficultés aux étudiants : rappeler la définition de n évènements indépendants, utiliser les
formules de linéarité de l’espérance ou la propriété de la variance sous transformation
linéaire. Il y a deux hypothèses à cela, une rupture de contrat s’est produite car les étudiants
interrogés n’avaient pas révisé le cours pour préparer l’examen. La seconde hypothèse est,
qu’étant donné que ces notions n’ont pas été mises en application lors des séances de TD, il
est plus difficile pour eux de les mobiliser à l’examen.
L’ensemble de ces résultats n’est pas tout à fait représentatif de l’ensemble des étudiants en
biologie car nous n’en avons interrogé que quatre mais parmi les éléments significatifs de ces
analyses nous retenons que les étudiants sont perturbés par les nouvelles notations, les

7
Nous avons simplement fait la moyenne de la note au contrôle continu et de la note à l’examen final, mais il est
possible qu’une pondération ait été ajoutée dans le réel calcul à l’université.
8
idem.

16
nouvelles attentes et nouvelles modalités de déroulement. Ils éprouvent également des
difficultés à mettre en œuvre de nouvelles techniques pour des types de tâches déjà rencontrés
dans le secondaire (utilisation de table de loi normale, de techniques d’intégration, non-
utilisation des arbres pondérés, etc.).

V. MODELE PRAXEOLOGIQUE DE REFERENCE ÉTENDU PAR LA

THEORIE DE L’ACTIVITE ET ADAPTE POUR LA TRANSITION
SECONDAIRE-SUPERIEUR

En conclusion à ces résultats, nous présentons dans cette dernière partie, notre Modèle
Praxéologique de Référence Étendu par la théorie de l’activité et adapté pour la Transition
secondaire-supérieur (MPR-ET), dans le cas ici des probabilités pour les étudiants non-
spécialistes de biologie. Cet outil synthétise les principaux résultats de cette étude tout en
faisant des propositions en vue de palier aux difficultés rencontrées par les étudiants lors de la
transition. Le MPR-ET met en évidence les évolutions entre la dernière année de lycée et la
première année d’université par l’analyse comparative des complexes praxéologiques mis en
œuvre dans les deux institutions, mais également par la prise en compte des sujets et de leurs
spécificités dans le contexte de la transition.

1. Méthodologie de construction du MPR-ET

A partir des analyses menées et des résultats présentés tout le long de cette étude nous
dressons notre MPR-ET selon la procédure détaillée suivante. Pour les deux thèmes de
probabilité qui nous intéressent, nous faisons apparaitre les organisations mathématiques à
travers le bloc de la praxis (le logos étant très peu apparu dans les observations réalisées). Les
types de tâches sont présentés dans des encadrés rectangulaires à bordure continue, tandis que
les techniques apparaissent dans des encadrés rectangulaires à bordure pointillé. Nous faisons
également apparaitre dans un seul et unique encadré à coins arrondies, les variations
provoquant des adaptations de connaissance à la charge des étudiants. Voici comment en
détails nous allons compléter ces différents encadrés et ainsi construire le schéma du MPR-ET
(figure 10) :
 en vert, sont représentés les types de tâches que l’on retrouve sans modification à
l’université ;
 en bleu, sont représentés les types de tâches qui présentent de nouvelles variations vis-à-vis
du lycée mais sans que ces variations n’impliquent de nouvelle technique à mettre en
œuvre. Dans ce cas-là, la nouvelle variation apparaît en bleu ;
 en rouge, sont représentés les types de tâches pour lesquels une nouvelle technique est
proposée et/ou attendue dans le supérieur ainsi que les types de tâches dont une nouvelle
variation implique la mise en œuvre de nouvelles techniques. Dans ce cas-là, la nouvelle
technique (ou la variation) apparaît en rouge ;
 en noir, sont représentés les nouveaux types de tâches. Dans ce cas-là, la nouvelle
technique apparait également en noir ;
 en orange, sont représentées les techniques qui existaient au lycée mais qui ne font plus
partie du savoir enseigné à l’université ;
 en violet, sont représentés les types de tâches, les techniques et variations absents ou bien
que l’on ne retrouve pas à la charge des étudiants et dont on propose qu’ils aient une place
plus importante dans l’enseignement à l’université.

17
 2. Présentation du MPR-ET dans le cas des probabilités pour les étudiants
de première année de biologie

Figure 10 : MPR-ET dans le cas des probabilités pour les étudiants de biologie
Le MPR-ET présenté ci-dessus (figure 10), met en lumière de nombreux résultats de notre
recherche (Doukhan, 2021) dont la plupart ont été exposé dans la partie IV. Nous ne
reprenons ci-dessous que quelques résultats clés facilitant la compréhension du schéma
exposé.
Concernant le thème des probabilités conditionnelles, la majorité des types de tâches présents
à l’université ne sont pas nouveaux, il s’agit de : T-CalcBar, T-Interp, T-CalcInter, T-Assoc,
T-CalcSimple, T-EtudInd et T-CalcProbaCond. Ces tâches s’accomplissent au moyen de
techniques déjà rencontrées et routinisées dans le secondaire, hormis pour T-CalcProbaCond
où une nouvelle technique utilisant la formule de Bayes est désormais proposée. Le
changement (en orange sur le schéma) concerne les techniques utilisant un arbre pondéré, qui
ne font plus partie du savoir enseigné ni des attentes en termes de procédures dans le cours de
probabilité de première année.
Pour le thème des lois continues, on retrouve majoritairement des types de tâches déjà
rencontrés dans le secondaire. Cependant, les techniques attendues et présentées sont très
différentes de celles du secondaire. La technique instrumentée est remplacée par l’utilisation
de tables de loi normales ou par des techniques d’intégration expertes (changement de
variables, intégration par parties). Plusieurs nouveaux types de tâches pour les lois à densité
sont proposés à l’université. Les analyses menées mettent en évidence de nouveaux types de
tâches comme T-CalcVar, T-Det(cf), et T-Det(médiane) pour les lois quelconques et T-VerifF
pour la loi exponentielle. Ces types de tâches nécessitent la mise en œuvre de techniques

18
d’intégration nouvelles, d’autant plus lorsque la fonction de densité est exprimée à travers une
fonction indicatrice. Il s’agit là aussi d’une nouveauté vis-à-vis du lycée.

3. Propositions pour l’enseignement des probabilités auprès des étudiants

non-spécialistes de biologie
Le MPR-ET ce veut adapté aux besoins des étudiants biologistes débutants dans le supérieur.
En intégrant l’ensemble des résultats de nos analyses il permet de formuler des propositions
pour améliorer la transition que nous détaillons ci-dessous.
Nous préconisons l'utilisation de représentations, comme les arbres pondérés ou les tableaux
de probabilités, notamment en tant qu’intermédiaire dans l'activité de modélisation. Comme
nous l’avons vu, ces représentations permettent de traduire la situation aléatoire et les
relations entre les objets mais également d’organiser les données. Diaz et De la Fuente (2007)
vont également dans ce sens en indiquant que les arbres sont particulièrement lisibles et
permettent de faire apparaître une grande quantité d’informations. Ces auteurs soulignent
même qu’il s’agit d’un support lors de la résolution de problème en probabilités. Par ailleurs,
nous avons pu observer que les étudiants sont très à l’aise avec l’utilisation des arbres
pondérés. Ceux qui l’utilisent dans les situations adaptées réussissent mieux au test car l’arbre
peut apparaitre comme un soutien dans l’activité de traitement par exemple. Enfin, l’arbre
pondéré ayant une place très importante dans le savoir institutionnel, rappelons que les
programmes indiquent qu’« un arbre pondéré correctement construit constitue une preuve »
(MEN, 2011), les étudiants débutants ont des difficultés à s’en passer.
Nous recommandons d'utiliser la notation indicielle PA(B) pour désigner la probabilité
conditionnelle. Cela permettrait dans un premier temps, de conserver une certaine continuité
avec le secondaire. Par ailleurs, cette notation permet d’éviter les confusions avec
l’évènement B privé de A, noté « B\A ». Enfin, comme le souligne Totohasina (1992), cette
notation permet de rendre plus lisible qu’il s’agit, pour un certain évènement A de l’univers
Ω, de l’application PA que l’on considère sur l’univers Ω et non pas d’une application P que
l’on appliquerait à deux variables de Ω.
Enfin, nous proposons d’intégrer une place plus importante aux tâches visant une activité de
modélisation probabiliste. Il faudrait que ces tâches soient construites de manière à mobiliser
une activité de modélisation plus complète que celle que nous avons pu observer, à savoir
nécessitant la production d’un modèle pseudo-concret, puis d’un modèle mathématique et
enfin permettant le retour dans le domaine pseudo-concret et la validation de ce dernier (voir
cycle de modélisation proposé par Derouet, 2022). Dans le cas des étudiants en biologie, il
pourrait s'agir de proposer des situations issues de la biologie dans lesquelles peuvent se
combiner une perspective centrée sur les données et une perspective de modélisation
(Doukhan, 2021). Comme l’indique González-Martín et al. (2021), l’activité de modélisation
pourrait aider les étudiants à surmonter leurs difficultés en leur offrant une meilleure
perception de l’utilité des mathématiques pour la biologie, discipline centrale dans la
formation de ces étudiants.

BIBLIOGRAPHIE
AMRANI, H., et ZAKI, M. (2015). Student’s conceptual difficulties with respect to the notion of random variable.
International Journal of Education, Learning and Development, 3(9), 65–81.
ARTIGUE, M. (2004). Le défi de la transition secondaire-supérieur. Que peuvent nous apporter les recherches en
didactique des mathématiques [communication orale]. Premier congrès franco-canadien de sciences
mathématiques.
BAKKER, A., HAHN, C., KAZAK, S., et PRATT, D. (2018). Research on probability and statistics education. Dans T.
Dreyfus, M. Artigue, D. Potari, S. Prediger, K. Ruthven (dir.), Developing Research in Mathematics

19
 Education: twenty years of communication, cooperation and collaboration in Europe (p. 46-59).
Routledge.
BIKNER-AHSBAHS, A. et PREDIGER, S. (2010). Networking of theories – an approach for exploiting the diversity
of theoretical approaches. In B. Sriraman et L. English (Eds.), Theories of mathematics education (pp. 483-
505). Springer. [Link]
CARRANZA, P., et KUZNIAK, A. (2006). Dualité de la notion de probabilité et enseignement de la statistique au
Lycée en France. In N. Bednarz et C. Mary (Eds.), Actes du colloque EMF 2006. Sherbrooke, Canada :
Editions du CRP.
CHAACHOUA, H. (2018). T4TEL un cadre de référence didactique pour la conception des EIAH. Dans J. Pilet et
C. Vendeira (dir.), Actes du séminaire de didactique des mathématiques de l’ARDM. IREM de Paris -
Université Paris Diderot. [Link]
CHEVALLARD, Y. (2003). Approche anthropologique du rapport au savoir et didactique des mathématiques. Dans
S. Maury et M. Caillot (dir.), Rapport du savoir et didactiques (p. 81-104). Editions Fabert.
[Link]
CHIEL, H. J., MCMANUS, J. M., et SHAW, K. M. (2010). From biology to mathematical models and back:
Teaching modeling to biology students, and biology to math and engineering students. CBE-Life Sciences
Education, 9(3), 248-265.
DEROUET, C. (2019). Introduire la notion de fonction de densité de probabilité : dynamiques entre trois domaines
mathématiques. Recherches en Didactique des Mathématiques, 39(2), 213–266.
DEROUET, C. (2022). Caractérisation de démarches de modélisation probabiliste. Annales de didactique et de
sciences cognitives, 27, 89-131.
DIAZ, C., et DE LA FUENTE, I. (2007). Assessing students’ difficulties with conditional probability and bayesian
reasoning. International Electronic Journal of Mathematics Education, 2(3), 128-148.
[Link]
[Link]
DOUKHAN, C. (2023). Coordinating the Activity Theory and the Anthropological Theory of the Didactic to
analyze the secondary-tertiary transition. In P. Drijvers, C. Csapodi, H. Palmér, K. Gosztonyi, et E. Kónya
(Eds.). Proceedings of the Thirteenth Congress of the European Society for Research in Mathematics
Education, (pp. 2309-2311). Budapest, Hungary.
DOUKHAN, C. (2022). Comment l’articulation entre théorie de l’activité et théorie anthropologique éclaire la
transition secondaire-supérieur : le cas des probabilités conditionnelles. Annales de didactique et de
sciences cognitives, 27, 133-167. [Link]
DOUKHAN, C. (2021). Modèles praxéologiques dans la transition secondaire-supérieur : le cas des probabilités
en filière biologie [thèse de doctorat, Université de Bretagne Occidentale]. [Link]
[Link]/tel-03632311/document
DORIER, J.-L. (2000). Recherches en Histoire et en Didactique des Mathématiques sur l’Algèbre linéaire -
Perspective théorique sur leurs intéractions. Les cahiers du laboratoire Leibniz, 12.
DUVAL, R. (1993). Registres de représentation sémiotique et fonctionnement cognitif de la pensée. Annales de
didactique et de sciences cognitives, 5, 37-65.
EICHLER, A. (2007). The impact of a typical classroom practice on students’ statistical knowledge. In D. Pitta-
Pantazi et G. Philippou (Eds.), Proceedings of the Fifth Congress of the European Society for Research in
Mathematics Education (pp. 722–731). Larnaca, Chypre : Department of Education - University of Cyprus.
EICHLER, A., et VOGEL, M. (2014). Three approaches for modelling situations with randomness. Dans E. J.
Chernoff et B. Sriraman (dir.), Probabilistic thinking: presenting plural perspectives (p. 75-99). Springer
GIRARD, J.-C. (2005). Quelques hypothèses sur les difficultés rencontrées dans l’enseignement des probabilités.
In M. Henry (Ed.), Autour de la modélisation en probabilités (pp. 189–200). Besançon : Presses
universitaires de France- Comté.
GONZÁLEZ-MARTÍN, A., GUEUDET, G., BARQUERO, B., et ROMO-VÁZQUEZ, A. (2021). Mathematics and other
disciplines, and the role of modelling: advances and challenges. In V. Durand-Guerrier, R. Hochmut, E.
Nardi, et C. Winsløw (dir.), Research and development in university mathematics education (pp. 169–189).
Routledge ERME Series: New Perspectives on Research in Mathematics Education.
GUEUDET, G., et VANDEBROUCK, F. (2022). Transition secondaire-supérieur: Ce que nous apprend la recherche
en didactique des mathématiques. ÉpiDEMES, 1. [Link]
HENRY, M. (2003). Des lois de probabilités continues en Terminale Scientifique, pourquoi et pour quoi faire ?
Repères-IREM, 51, 5–25.
HENRY, M. (2010). Evolution de l’enseignement secondaire français en statistique et probabilités. Statistique et
Enseignement, 1(1), 35–45.
HEUBLEIN, U. (2014). Student drop-out from german higher education institutions. European Journal of
Education, 49(4), 497-513.
MINISTERE DE L’EDUCATION NATIONALE (MEN). (2011). Programme de l’enseignement des mathématiques.
Classe terminale de la série scientifique. Bulletin Officiel spécial du 13 octobre 2011.
[Link]
PARZYSZ, B. (2011). Quelques questions didactiques de la statistique et des probabilités. Annales de didactique
et de sciences cognitives, 16, 127-147.
ROBERT, A., et VANDEBROUCK, F. (2014). Proximités en acte mises en jeu en classe par les enseignants du
secondaire et ZPD des élèves : analyses de séances sur des tâches complexes. Recherches en Didactique
des Mathématiques, 34(2-3), 239-285.

20
ROBERT, A. (1998). Outils d’analyse des contenus mathématiques à enseigner au lycée et à l’Université.
Recherche en didactique des mathématiques, 18(2), 139-190.
VANDEBROUCK, F. (dir.). (2008). La classe de mathématiques : activités des élèves et pratiques des enseignants.
Octarès Editions.

21