Le triangle pédagogique augmenté par l’IA
Une nouvelle grammaire de l’apprentissage. Comment l’intelligence artificielle redéfinit les liens entre enseignant, élève et savoir.
Vous connaissez le triangle pédagogique de Jean Houssaye : Enseignant, Élève, Savoir. Trois pôles interdépendants qui structurent l’acte d’enseigner depuis les années 1980. Mais avec l’arrivée de l’intelligence artificielle dans nos classes, un quatrième acteur s’invite dans cette relation.
L’IA n’est plus une abstraction futuriste. Elle modifie déjà la façon dont les élèves accèdent au savoir, dont nous concevons nos supports, et parfois même notre posture pédagogique. Simple outil ou nouvelle médiation ? Transformation profonde ou gadget passager ?
Ma conviction : l’IA ne remplace aucun des trois sommets du triangle, mais elle redéfinit notre manière de les relier. Elle devient un catalyseur, un amplificateur, parfois un leurre si l’on baisse trop la garde.
Une précision importante : placer l’IA au centre du triangle ne signifie pas qu’elle devient un acteur relationnel. Comme le rappelle Jean Houssaye, « on ne peut tenir les trois bords du triangle à la fois » — l’activité enseignante reste située, incarnée, sensible et éthique. L’IA y figure comme un catalyseur qui influence les échanges, sans remplacer les rôles. Ce schéma ne vise pas à remplacer le triangle original, mais à rendre visible ce qui se transforme dans la relation pédagogique.
Le fil conducteur de cet article : gagner du temps de gestion pour magnifier la médiation humaine. L’IA n’a d’intérêt pédagogique que si elle libère du temps qui peut être réinvesti dans la relation, la différenciation et l’étayage.
Ce que le modèle augmenté rend visible : le triangle original décrit trois relations (enseigner, apprendre, former). Le modèle augmenté ajoute un questionnement que Houssaye ne pouvait pas poser en 1988 : qui pilote la transposition didactique quand une IA peut réécrire, reformuler, générer du savoir apparemment pertinent en quelques secondes ? Ce qui change n’est pas la géométrie du triangle, c’est la question de la responsabilité épistémique des trois pôles. C’est ce déplacement que le schéma cherche à visualiser.
Pourquoi repenser le triangle pédagogique aujourd’hui ?
En tant qu’enseignante, je le ressens au quotidien : les usages de l’IA ne sont plus une abstraction. Sans remettre en cause les fondations, l’IA réoriente les flux dans notre triangle pédagogique.
L’IA comme prisme central
Elle ne devient pas un sommet à part entière, mais agit comme un catalyseur qui :
Filtre l’information
Sélection et hiérarchisation des contenus selon les besoins de chacun.
Enrichit l’expérience
Personnalisation et adaptation automatique aux profils des élèves.
Accélère les processus
Feedback immédiat et correction instantanée pour un suivi en temps réel.
Personnalise l’apprentissage
Adaptation au rythme et au style de chaque élève.
Une méta-analyse portant sur 45 études indépendantes rapporte un effet positif moyen à large (g = 0.70) des systèmes d’apprentissage adaptatif basés sur l’IA sur les résultats cognitifs mesurés à court terme. Trois réserves essentielles : ces résultats portent sur la performance immédiate (pas sur le transfert ni la rétention à long terme), l’hétérogénéité des 45 études (contextes, âges, disciplines) reste forte, et un biais de publication favorable aux résultats positifs est probable. Comme le rappellent Amadieu et Tricot (2014/2020), les effets du numérique éducatif s’affaiblissent typiquement quand on contrôle l’effet de nouveauté et l’engagement des enseignants pionniers.
Wang, X. et al. (2024). The Efficacy of AI-Enabled Adaptive Learning Systems. Journal of Educational Computing Research. / Amadieu, F. & Tricot, A. (2014/2020). Apprendre avec le numérique : mythes et réalités, Retz.Limites importantes
L’IA ne crée ni sens, ni relation, et ne perçoit ni émotion ni intention. Ces dimensions restent exclusivement humaines. L’enseignant reste le garant du sens, de la dimension éthique et de la relation pédagogique.
Une nouvelle lecture visuelle du triangle
Dans cette représentation, l’IA est placée au centre comme catalyseur des interactions entre les trois sommets classiques. Cette approche s’inscrit dans l’évolution du modèle TPACK vers l’I-TPACK (Intelligent-TPACK).
Schéma : le triangle pédagogique d’Houssaye avec l’IA comme catalyseur des trois relations fondamentales.
Avec l’enseignant
L’IA propose des synthèses, corrige, génère des supports ou des différenciations. Elle permet de mieux concentrer l’énergie humaine sur la relation, l’éthique, l’encouragement. Voir mes prompts enseignants.
Avec l’élève
Elle joue un rôle de tuteur cognitif : reformule, guide, donne un feedback immédiat. Mais c’est à l’élève d’activer le sens critique, la conscience de soi et la motivation. Rappel : pas de manipulation directe avant la 4e.
Avec le savoir
Elle offre un accès démultiplié, des explications adaptées, des contenus actualisables. Mais seul le lien au vécu, à la culture, à l’histoire personnelle peut donner du sens.
Le framework I-TPACK (Intelligent-TPACK) est une proposition récente qui étend le modèle TPACK (Mishra & Koehler, 2006) en intégrant la dimension éthique de l’IA. Il met l’accent sur les compétences en validation, ingénierie de prompts et collaboration humain-IA. À signaler : comme TPACK lui-même, I-TPACK est un cadre descriptif heuristique, non une théorie prédictive validée empiriquement — il structure la réflexion plus qu’il ne garantit des apprentissages.
Celik, I. (2023). Towards Intelligent-TPACK. Computers in Human Behavior. / Chiu, T.K.F. & Rospigliosi, A. (2025). Interactive Learning Environments.Un cas concret : gagner du temps pour magnifier la médiation humaine
Ce principe n’est pas théorique. Il s’incarne dans des gestes très concrets, en classe, au quotidien.
Scénario vécu en classe de CE2
Après une leçon d’histoire, je souhaite évaluer la compréhension de mes 23 élèves. Je passe ma leçon dans un LLM avec un prompt structuré (méthode CRAFT) : il me génère un quiz sommatif de 5 questions en 2 minutes. Je ne l’utilise pas tel quel : je vérifie l’alignement avec mes objectifs d’apprentissage, la formulation non ambiguë des questions, la pertinence des distracteurs, l’absence d’erreurs factuelles. Ce travail didactique de validation prend 5 à 10 minutes supplémentaires — la rapidité de génération ne dispense jamais de cette étape. Le passage se fait ensuite via Plickers, sans aucun écran élève : chaque enfant oriente sa carte QR code, je scanne la classe avec mon smartphone, et la reprise collective se fait dans la foulée.
Résultat : un diagnostic précis et immédiat des acquis de chaque élève, sans une seule copie à corriger. L’analyse des résultats me permet de constituer mes groupes de besoin dès le lendemain pour la remédiation ciblée.
Ce que l’IA déplace dans le triangle
L’IA n’est pas devenue un nouveau sommet. Elle a simplement absorbé une partie du travail de conception et d’analyse, me permettant de réinvestir ce temps dans ce qui fait ma vraie plus-value : le regard sur chaque élève, la remédiation individualisée, la médiation du savoir. Le triangle n’est pas remplacé — il est augmenté.
Nuance importante : cette économie de temps est pour l’instant un ressenti de praticienne, pas une donnée empirique large. Les recherches montrent qu’une partie du temps « gagné » est réinjecé dans de nouvelles tâches spécifiques à l’IA (formulation de prompts, vérification d’hallucinations, veille sur des outils qui changent rapidement). La balance nette reste à mesurer dans la durée.
Le choix stratégique de l’« IA invisible » au 1er degré
Dans ce scénario, les élèves ne manipulent jamais l’IA directement. Ce choix n’est pas un contournement : c’est une posture éthique qui protège leur effort cognitif, conformément au cadre d’usage officiel de juin 2025. L’IA outille l’enseignant dans sa préparation et son analyse ; elle n’interfère pas avec le travail d’apprentissage de l’élève.
Testez vous-même le Triangle Pédagogique Augmenté
J’ai développé une application web interactive qui propose deux entrées complémentaires. D’une part, un parcours d’exploration pour manipuler les axes du triangle, analyser des situations, régler le curseur éthique et établir un diagnostic personnel. D’autre part, un onglet Cadre théorique qui approfondit l’architecture en quatre sections : socle éthique, modèle central (Houssaye augmenté), évolution vers le tétraèdre de Faerber, et grilles de lecture TPACK/SAMR. Un outil à partager avec vos collègues en formation, en réunion d’équipe ou avec vos cadres.
L’IA comme « autre connaissant » : l’éclairage de Vygotsky
La Zone Proximale de Développement (ZPD) de Vygotsky désigne l’écart entre ce qu’un apprenant peut faire seul et ce qu’il peut accomplir avec un accompagnement adapté. L’IA peut-elle jouer ce rôle d’étayage ?
L’IA comme médiateur apparent
Une revue systématique de 158 études empiriques (2021-2024) suggère que l’IA peut simuler superficiellement le rôle d’« autre connaissant » pour l’étayage : elle personnalise l’auto-évaluation, peut améliorer la motivation et l’engagement, et est associée à de meilleures performances académiques mesurées à court terme.
Mais une analogie à manier avec prudence
La ZPD de Vygotsky suppose un tuteur qui comprend le stade développemental de l’apprenant, identifie ses représentations initiales et anticipe ses obstacles épistémologiques. Un LLM ne comprend rien : il prédit statistiquement la séquence de mots la plus probable. Il peut donner l’illusion d’un étayage pertinent alors qu’il passe à côté de l’obstacle qui devait être travaillé. Comme tout échafaudage (scaffolding), l’aide doit de plus progressivement se retirer pour développer l’autonomie.
Les outils IA créent des environnements d’apprentissage collaboratifs, renforcent l’autonomie des apprenants et facilitent des interactions significatives. Ils assistent les apprenants dans la personnalisation de leur auto-évaluation à travers des interactions sociales et technologiques.
Cai, Z., Msafiri, M.M. & Kangwa, D. (2024). Exploring the impact of integrating AI tools in higher education using the Zone of Proximal Development. Education and Information Technologies.Ce que l’IA change… et ce qu’elle ne changera pas
| Ce que l’IA facilite | Ce que seul l’humain garantit |
|---|---|
| Accès rapide à l’information | Construction du sens |
| Feedback immédiat | Interprétation et nuance |
| Personnalisation de contenus | Relation et émotion |
| Analyse de données | Jugement éthique |
| Simulation d’activités | Pédagogie du réel et de l’imprévu |
| Conception de supports (quiz, différenciation) | Dévolution, médiation, étayage |
Principe clé : L’IA amplifie les capacités humaines mais ne les remplace pas. La complémentarité est la clé d’une intégration réussie. Voir aussi l’évolution des compétences humaines à l’ère de l’IA.
Questions à se poser pour chaque pôle du triangle
Ces questions émergent des échanges avec des collègues enseignants et formateurs. Elles visent à nourrir la réflexion, pas à y répondre définitivement.
Du côté de l’enseignant
- Quelle est la nouvelle plus-value humaine quand l’accès au savoir s’automatise ?
- L’enseignant doit-il exercer son sens critique différemment face à l’IA ?
- Comment nourrir et incarner ce qui ne peut être délégué ?
Du côté de l’élève
- Comment préserver la compétence « Raisonner » chez ceux qui naissent avec l’IA ?
- L’élève entretient-il une relation éthique avec cet outil ?
- Que devient l’effort quand une partie du travail peut être déléguée ?
Du côté du savoir
- Où s’arrête le « savoir » quand l’IA peut simuler la compétence ?
- L’IA peut-elle porter une dimension éthique dans la relation au savoir ?
- Comment distinguer ce qu’elle rend accessible de ce qu’elle nous fait croire accessible ?
La vraie question : Ces formes géométriques (triangle, tétraèdre, pyramide…) sont avant tout des outils pour penser, pas des vérités figées. Elles nous aident à structurer le débat, pas à le clore.
Cartographie par pôle : ce que l’IA apporte
Avant d’examiner les savoirs en jeu, dressons un inventaire concret de ce que l’IA peut apporter à chacun des trois pôles historiques du triangle — enseignant, élève, savoir — ainsi qu’au pôle Groupe ajouté par Faerber. Cette cartographie s’appuie sur le triangle didactique de Jean Houssaye (1988), en y intégrant les apports spécifiques de l’IA sur chacune des relations.
Schéma : MaProfBranchee (2026), adaptation du triangle didactique de Jean Houssaye (1988) enrichie du pôle Groupe (Faerber, 2002), d’un curseur éthique à quatre positions, de la sécurité psychologique comme levier pédagogique et de la distinction IA invisible / IA partenaire selon l’âge.
Pôle SAVOIR
La relation au savoir
- Production et extraction assistées de connaissances
- Vérification et distanciation critique (littératie IA)
- Éducation aux médias et à l’information (EMI) renforcée
- Aide à la scénarisation de parcours complexes et différenciés
- Génération de ressources multi-supports
- Vigilance didactique : validation par l’enseignant (5 à 10 min par ressource)
Pôle FORMATEUR
L’enseignant
- Assistance à l’ingénierie pédagogique (progressions, séquences)
- Aide aux modalités d’évaluation (grilles critériées, retours personnalisés)
- Différenciation assistée (adaptation aux profils, aux BEP)
- Détection des difficultés et suivi individualisé
- Gain de temps réinvesti dans la médiation humaine : redéploiement du temps
- Échanges de pratiques et formation continue
Pôle APPRENANT
L’élève
- Tutorat personnalisé (à partir de la 4e, supervisé)
- Sécurité psychologique : questions et doutes sans crainte de jugement
- Adaptation au rythme et au style cognitif de chaque élève
- Feedback immédiat pour l’auto-régulation
- Reformulation personnalisée des explications
- En primaire : uniquement IA invisible via exerciseurs adaptatifs P2IA
Pôle GROUPE
Le collectif (ajout Faerber)
- Collaboration assistée entre pairs sur projets communs
- Organisation du travail de groupe (répartition, synthèse)
- Remue-méninges augmenté (génération de pistes, relance d’idées)
- Tutorat de groupe (l’IA accompagne une équipe)
- Synthèse de l’intelligence collective
Trois types d’IA à ne pas confondre dans le discours
L’inventaire ci-dessus couvre trois familles distinctes qu’il faut tenir séparées. L’IA générative (LLM) est concernée par les alertes de la recherche sur l’aisance cognitive et la paresse métacognitive. L’IA adaptative (P2IA, exerciseurs algorithmiques) bénéficie d’un effet positif docummenté (Wang et al., 2024). L’IA spécialisée (reconnaissance vocale, correction orthographique) présente des risques limités. Le cadre de juin 2025 est sans ambiguïté : IA générative interdite en primaire, supervisée à partir de la 4e, autonome au lycée.
Les savoirs en jeu : ce que l’IA modifie dans la nature même du savoir
Jusqu’ici, nous avons parlé de la relation au savoir. Mais l’IA modifie aussi ce qu’est le savoir enseigné. Un détour par la théorie de la transposition didactique (Yves Chevallard, 1985) permet de le voir.
La transposition didactique
Chevallard distingue quatre niveaux : le savoir savant (celui des chercheurs), le savoir à enseigner (celui des programmes), le savoir enseigné (celui du cours réel) et le savoir appris (celui qui se construit chez l’élève). Entre chaque niveau, un travail de transposition s’opère — c’est le cœur du métier enseignant.
Ce que l’IA court-circuite
Un LLM peut générer en quelques secondes un « cours » qui saute plusieurs étapes de la transposition : il mélange savoir savant, savoir à enseigner et reformulation pédagogique sans distinction claire. L’effet de surface est convaincant ; la rigueur épistémologique l’est moins. Les savoirs à enseigner ne sont pas interchangeables avec des résumés produits statistiquement.
Ce que l’enseignant garde en main
Le choix des savoirs (que vaut-il la peine d’apprendre ?), leur hiérarchisation, l’identification des obstacles épistémologiques, la mise en problème, le lien au déjà-là des élèves : tout cela reste du ressort de l’enseignant. C’est ce qui fait la différence entre un « contenu » générable et un savoir enseigné.
La question clé : qui est désormais le didacticien ?
Si l’IA produit la synthèse du chapitre, génère les exercices, propose la progression, corrige les copies et rédige les commentaires, où reste le travail didactique de l’enseignant ? Dans le choix, la validation et la médiation. La question n’est pas « faut-il utiliser l’IA ? » mais « à quel niveau de la transposition didactique acceptons-nous son intervention, et à quels niveaux gardons-nous la main ? »
Une vigilance spécifique au 1er degré
En école primaire, les savoirs fondamentaux (lire, écrire, compter) se construisent par des étapes cognitives qu’aucune génération automatique ne peut abréger. L’étayage de la décodage-encodage en CP, la construction du sens du nombre en maternelle, l’apprentissage de la posture d’élève : tout cela passe par le corps, la voix, la répétition patiente, la relation incarnée. L’IA peut y outiller l’enseignant ; elle ne peut pas s’y substituer. Voir Comprendre l’I.A. et De l’appréhension à l’appropriation.
Cette grille d’analyse s’inscrit dans la tradition de la didactique française : Yves Chevallard (transposition didactique, 1985), Michel Develay (De l’apprentissage à l’enseignement, 1992), Jean-Pierre Astolfi (L’erreur, un outil pour enseigner, 1997). Ces cadres restent d’une étonnante actualité face aux LLM : ils permettent de nommer précisément ce qui se joue dans la classe, au-delà des discours d’époque.
Chevallard, Y. (1985). La transposition didactique : du savoir savant au savoir enseigné, La Pensée Sauvage.S’appuyer sur les sciences cognitives et le cadre institutionnel
L’intégration de l’IA en classe doit s’appuyer sur des fondements scientifiques solides et respecter le cadre défini par le Ministère.
Les 4 piliers de l’apprentissage (Stanislas Dehaene)
Le Conseil scientifique de l’éducation nationale identifie quatre facteurs clés de réussite d’un apprentissage. L’IA doit les préserver, voire les renforcer.
Attention
Filtrer les informations pertinentes. L’IA peut aider à capter l’attention, mais ne doit pas la disperser.
Engagement actif
Un élève passif n’apprend pas. L’IA doit stimuler l’action, pas la remplacer.
Retour sur erreur
L’erreur est formatrice si elle est comprise. L’IA peut offrir un feedback immédiat et personnalisé.
Consolidation
L’apprentissage nécessite répétition et temps. L’IA peut planifier des révisions espacées.
Le cadre d’usage de l’IA en éducation (juin 2025)
Le Ministère de l’Éducation nationale a publié un cadre officiel pour l’usage de l’IA en éducation. Voici les points essentiels :
Pour les élèves
- Sensibilisation aux connaissances de base de l’IA dès le premier degré (sans manipulation directe d’IA générative)
- Usage encadré des IA génératives autorisé à partir de la 4e, en classe et sous supervision
- Usage autonome encadré au lycée (2de et 1re année de CAP)
Pour les enseignants
- Usage autorisé pour la préparation pédagogique
- Aucune donnée personnelle dans les outils grand public
- Privilégier les solutions libres et institutionnelles
- Usage frugal (impact environnemental)
Ressource : Consultez la FAQ de la CNIL pour les enseignants sur l’utilisation conforme des systèmes d’IA.
Points de vigilance : ce que la recherche nous alerte
La recherche internationale identifie plusieurs risques à ne pas négliger lors de l’intégration de l’IA en classe. Ces alertes concernent en priorité les LLM génératifs (ChatGPT, Gemini, Mistral, Claude), dont les effets cognitifs diffèrent notablement des exerciseurs adaptatifs (type P2IA) ou des IA spécialisées (reconnaissance d’images, traduction).
Paresse métacognitive
ChatGPT et les IA génératives peuvent favoriser une « paresse métacognitive » : les apprenants deviennent dépendants de l’assistance IA, réduisant leur engagement dans les processus métacognitifs.
Corrélation négative avec la pensée critique
Des études montrent une corrélation négative entre l’usage fréquent de l’IA générative et les capacités de pensée critique, avec le « déchargement cognitif » comme facteur médiateur.
Performance immédiate ≠ apprentissage durable
Un outil peut améliorer la performance sur le moment tout en détériorant la mémorisation à long terme (travaux de Bjork sur les desirable difficulties). L’aisance cognitive procédurée par l’IA a un coût sur la profondeur d’apprentissage.
Les grands modèles de langage (LLM) réduisent l’effort mental mais compromettent la profondeur de l’investigation scientifique des étudiants. L’aisance cognitive a un coût sur la qualité de l’apprentissage.
Stadler, M., Bannert, M. & Sailer, M. (2024). Cognitive ease at a cost. Computers in Human Behavior, 160. / Gerlich, M. (2025). / Fan, M. et al. (2024).Témoignages de terrain
Un professeur de lettres témoigne : un élève utilise l’IA pour son analyse littéraire sans lire l’œuvre, et produit un texte avec 90 erreurs de français en 700 mots. Un enseignant de musique rapporte que sur trois requêtes factuelles de culture musicale, l’IA n’a fourni aucune réponse correcte. Ces retours rappellent que l’IA reste faillible et que la vigilance pédagogique est essentielle.
Recommandation
Pour obtenir une valeur éducative de ces modèles, ils doivent être adaptés soigneusement et intentionnellement au service de pratiques d’apprentissage fondées sur des preuves (Mollick & Mollick, 2023).
Applications concrètes en classe
Voici comment exploiter pédagogiquement ce nouveau paradigme, en tenant compte des apports de la recherche.
Former les enseignants à une vision équilibrée
Ni solution miracle, ni menace. L’IA est une brique à intégrer consciemment dans le lien pédagogique. Le framework I-TPACK offre un cadre structurant.
Développer la littératie IA
Donner aux élèves les clés de compréhension de cette technologie : fonctionnement statistique, limites, enjeux éthiques. Ouvrir le dialogue métacognitif pour préserver l’autonomie d’apprentissage.
Préserver l’effort cognitif
Selon la théorie de la charge cognitive (Sweller), l’IA doit réduire la charge extrinsèque, pas la charge intrinsèque nécessaire à l’apprentissage profond.
Faire « s’estomper » l’aide
Comme tout étayage (scaffolding), l’assistance IA doit progressivement se retirer pour développer l’autonomie de l’élève.
Astuce pratique : Commencez par identifier un seul aspect de votre enseignement où l’IA pourrait libérer du temps pour la relation pédagogique, tout en maintenant l’effort cognitif de l’élève.
Comment commencer : guide pratique
Auto-diagnostic
- Identifiez vos tâches répétitives (correction, différenciation, recherche de ressources)
- Évaluez le temps consacré à la relation vs aux tâches administratives
- Listez les besoins spécifiques de vos élèves en difficulté
Expérimentation progressive
- Testez un outil IA simple (génération d’exercices différenciés, quiz Plickers)
- Mesurez l’impact sur votre charge de travail
- Observez les réactions et l’autonomie des élèves
Intégration raisonnée
- Définissez des règles d’usage claires avec vos élèves
- Maintenez des espaces « sans IA » pour préserver l’effort cognitif
- Évaluez régulièrement l’impact sur l’autonomie et la pensée critique
Erreurs à éviter
Ne pas former les élèves à l’esprit critique face à l’IA, déléguer totalement la création pédagogique, négliger la dimension éthique et le cadre RGPD, laisser l’IA réduire l’effort mental nécessaire à l’apprentissage.
Ma réflexion : d’où vient cet article
Cet article est le fruit d’un cheminement qui s’est étalé sur près de trois ans. Je le retrace ici par honnêteté intellectuelle, pour que vous puissiez juger de la solidité des positions à l’aune de leur maturation.
1. 2023 — La première rencontre structurée
Mon premier travail documentable sur le triangle pédagogique remonte à l’été 2023, dans le cadre d’une réflexion plus large sur les approches et méthodes pédagogiques. Le triangle y est alors un repère d’organisation : une grille pour situer différenciation, gestion de classe, innovation. Pas encore un outil d’analyse de pratique. Plutôt un cadre d’entrée dans l’ingénierie pédagogique.
2. 2024 — Le passage à la référence
En 2024, je commence à citer explicitement Houssaye. Le triangle cesse d’être un schéma générique pour devenir une référence scientifique que je défends. Le geste est modeste mais il déplace la posture : je passe d’utilisatrice d’un outil implicite à passeuse de culture pédagogique. C’est le moment où la question « quels modèles sont incontournables ? » prend le pas sur la seule question de l’efficacité immédiate.
3. Été 2025 — Chercher un cadre pour l’IA
L’IA arrivait dans nos classes, mais je ne disposais d’aucun modèle pour la penser. Quand on enseigne en cycle 2, on n’a pas le temps de lire la littérature universitaire avant le lundi matin. Je me suis tournée vers un cadre familier : le triangle pédagogique d’Houssaye.
4. Automne 2025 — Le premier schéma, et les retours qui recadrent
J’ai publié une première version où je plaçais l’IA comme quatrième élément. Les retours de collègues sur LinkedIn m’ont fait reculer : plusieurs ont objecté, à juste titre, que l’IA reste un outil, pas un acteur pédagogique. J’ai compris que mon schéma donnait trop de poids à la technologie.
5. Hiver 2025-2026 — L’IA comme catalyseur, pas comme sommet
J’ai repris l’article en déplaçant l’IA : non plus comme sommet, mais au centre, comme catalyseur. Le triangle reste triangle, les rôles restent humains ; l’IA agit sur les flux entre les pôles. La phrase d’Houssaye — « on ne peut tenir les trois bords du triangle à la fois » — est devenue mon garde-fou.
6. Début 2026 — L’ancrage dans la classe
J’ai commencé à documenter mes usages réels. Un quiz généré par IA, passé via Plickers sans écran élève. Le temps gagné n’est pas un gain comptable : c’est une capacité nouvelle à réinvestir dans la remédiation. Une formule a émergé : gagner du temps de gestion pour magnifier la médiation humaine.
7. Printemps 2026 — L’humilité critique
Lecture de Stadler et Bjork, relecture d’Amadieu et Tricot. L’aisance cognitive a un coût. La performance immédiate n’est pas l’apprentissage. Mon modèle est une grille heuristique pour penser, pas une théorie validée. L’article gagne alors une section « Limites ».
8. Avril 2026 — La question didactique
Retour à Chevallard. Je comprends que mon angle relationnel laissait dans l’ombre une question plus profonde : l’IA ne modifie pas seulement la relation au savoir, elle modifie la nature même du savoir enseigné. La transposition didactique devient une grille pour situer ce que l’IA peut — et ne peut pas — faire.
Où j’en suis aujourd’hui
Cet article n’est pas un point d’arrivée. C’est une étape. Je continue de lire, d’expérimenter, d’écouter mes collègues. Si l’IA redessine quelque chose dans notre métier, c’est sans doute la place de la réflexion collective : nous n’y arriverons qu’en pensant ensemble, enseignants, chercheurs et formateurs. Vos retours, critiques et propositions sont les bienvenus — ils ont déjà fait bouger les versions précédentes de cet article, ils continueront à le faire.
Les limites de cet article (vigilance critique)
Par honnêteté intellectuelle, voici les limites de la réflexion proposée. Un modèle pédagogique, aussi bien argumenté soit-il, reste un outil pour penser — pas une preuve.
Ce que le modèle augmenté ne résout pas
Placer l’IA « au centre » reste une décision de représentation. On pourrait tout aussi légitimement la placer sur chacun des côtés du triangle, voire hors du triangle. La valeur heuristique de ce choix demande à être vérifiée par la pratique : quelles décisions pédagogiques ce schéma permet-il de prendre qui n’étaient pas possibles avec le triangle original ? La réponse reste à construire collectivement.
Les analogies théoriques sont à manier avec prudence
L’analogie avec la ZPD de Vygotsky a ses limites : un LLM ne comprend pas, il prédit. Le framework I-TPACK est une proposition récente, pas un cadre validé. Ces références structurent la réflexion mais ne la ferment pas. Comme le rappelle Philippe Meirieu, la relation pédagogique porte une charge affective et éthique irréductible qu’aucun modèle géométrique ne peut capturer complètement.
Ce qui reste à documenter empiriquement
Trois affirmations de cet article méritent d’être confrontées à des études plus robustes : (1) le temps réellement gagné par l’usage de l’IA en préparation, balance nette faite du temps de prompt et de vérification ; (2) l’impact réel sur la médiation humaine en classe (et non juste sur la performance immédiate des élèves) ; (3) la différence d’effets cognitifs entre LLM génératifs, exerciseurs adaptatifs et IA spécialisées. Ces questions animent la recherche actuelle — en France notamment avec les travaux de Tricot, Amadieu, Dessus et les groupes du CSEN.
Cet article est celui d’une praticienne réflexive, pas d’une chercheuse. Il articule ma pratique de classe en CE2, le cadre institutionnel en vigueur, et les alertes que la recherche internationale permet aujourd’hui de formuler. Il ne prétend pas trancher des questions que la recherche n’a pas encore tranchées. Il invite à un dialogue exigeant entre salle des maîtres et laboratoires.
« L’IA éclaire le triangle pédagogique, sans en remplacer les sommets. »
Rappel du cadre institutionnel
Cadre d’usage de l’IA en éducation (juin 2025)
Depuis juin 2025, le Ministère de l’Éducation nationale a publié un cadre d’usage officiel. L’utilisation d’IA générative avec les élèves est autorisée à partir de la 4e, en classe, de manière encadrée et accompagnée par l’enseignant. Au premier degré, seule la sensibilisation aux bases de l’IA est prévue, sans manipulation directe. Les outils IA grand public ne doivent pas traiter de données personnelles d’élèves.
Principes éthiques internationaux
Les principaux principes éthiques pour l’IA en éducation, définis notamment par l’UNESCO, incluent : Transparence, Justice et Équité, Non-malfaisance, Responsabilité, Vie privée, Bienfaisance, Liberté et Autonomie. Pour l’éducation K-12, s’ajoutent : Pertinence pédagogique, Droits des enfants, Littératie IA, et Bien-être des enseignants.
Vous avez lu jusqu’ici ?
Une synthèse 5 minutes à emporter
Si cet article vous a parlé et que vous souhaitez en transmettre la substance à des collègues ou à votre direction, la version exécutive condense la thèse, le principe directeur, les alertes de la recherche et les quatre questions à retenir. Format court, lisible en 5 minutes, imprimable en A4 recto-verso.
L’essentiel à retenir
Pour les enseignants
- L’usage de l’IA est autorisé sous réserve du respect du cadre d’usage officiel
- Aucune donnée personnelle d’élève dans les outils grand public
- Consultez la FAQ CNIL pour enseignants
- Formez-vous avec le MOOC AI4T gratuit
Principes clés
- L’IA assiste, elle ne remplace jamais l’enseignant
- Préserver l’effort cognitif nécessaire à l’apprentissage
- Pas d’IA générative avant la 4e (manipulation directe)
- Privilégier les outils libres et un usage frugal