L'utilisation pédagogique, éthique et légale de l'intelligence artificielle générative. Guide destiné au personnel enseignant

1️⃣ RÉSUMÉ ANALYTIQUE

Contexte et enjeux — Une technologie rapide face à des pratiques à sécuriser. L'IA générative transforme les pratiques professionnelles plus vite que les cadres réglementaires ne s'adaptent. Le corpus s'adresse au personnel enseignant, mais vise tout intervenant travaillant auprès de publics, souvent mineurs ou vulnérables. Il identifie une double tension : d'un côté des gains réels (différenciation, préparation de matériel, rétroaction, gain de temps) ; de l'autre des risques documentés — confabulations (« hallucinations »), biais envers des groupes déjà discriminés, atteinte à la confidentialité, dépendance cognitive et effritement de l'agentivité professionnelle. Le fil conducteur commun aux trois documents est de replacer l'humain et le jugement professionnel au centre de toute décision.

Apports opérationnels — Du principe à l'outil mobilisable. Le guide structure la réflexion autour de trois critères (pédagogique, éthique, légal) et fournit, à chaque étape, des questions à se poser. L'outil complémentaire condense ces questions sur une seule page, immédiatement utilisable en réunion d'équipe. Le livrable de terrain apporte la couche pratique : techniques de formulation de requêtes, « rampe de lancement » de l'usage passif vers l'usage actif, méthode de construction d'une charte, distinction mythes/réalités sur la rétroaction. Ensemble, ils permettent de passer d'une posture d'évitement ou de fascination à une intégration réflexive et cadrée.

2️⃣ POINTS CLÉS DU DOCUMENT

1️⃣ La réflexion en trois temps (avant / pendant / après) est le cœur méthodologique du guide : identifier l'objectif et vérifier que l'outil est autorisé, analyser de façon critique les contenus produits en cours d'usage, puis faire un retour réflexif partagé en équipe‑école (Doc 1, p. 5‑8). C'est une trame transférable à tout service.

2️⃣ Cinq principes éthiques opérationnalisés — sobriété numérique, qualité, équité et inclusion, transparence et explicabilité, agentivité — chacun accompagné de questions concrètes (Doc 1, p. 11‑17). Notamment : les modèles plus petits ont une empreinte écologique moindre (p. 11) ; la qualité n'est jamais garantie et doit être validée (p. 12).

3️⃣ Trois obligations légales structurantes : sécurité de l'information, protection des renseignements personnels, droits d'auteur (Doc 1, p. 18‑20). Ne jamais saisir d'information sensible, confidentielle ou personnelle sans autorisation ; l'information transmise doit être considérée comme publique par défaut (p. 18).

4️⃣ Six techniques de requêtes testées en communauté de pratique : zero‑shot, one‑shot, few‑shot, role prompting, reverse prompting, chaîne de pensée (Doc 3, p. 19‑22), avec constat que sans cadrage l'IA reste superficielle et que les versions gratuites imposent une validation étape par étape (p. 18, 23).

5️⃣ La « rampe de lancement » de l'usage — démonstration par l'enseignant, copilotage collectif, exploration encadrée, puis autonomie (Doc 3, p. 26) — couplée à trois piliers d'évaluation (diagnostique, analyse d'erreur avancée, tuteur intelligent, p. 27) et à un rappel constant : l'IA fournit des preuves, l'humain reste seul décideur final de la note (p. 28, 50).

3️⃣ PISTES D'ACTION POUR LES ACTEURS LOCAUX

1️⃣ Instaurer un rituel de décision « avant/pendant/après » avant tout recours à l'IA sur un dossier ou une action : objectif visé, outil autorisé, validation critique, retour partagé (s'appuyer sur la trame Doc 1, p. 5‑8).

2️⃣ Co‑construire une charte d'équipe/établissement en suivant les étapes proposées : identifier les usages, définir opportunités et risques, co‑construire avec tous les intervenants, prévoir exceptions et aménagements, communiquer et former (Doc 3, p. 12). Signaler systématiquement l'usage de l'IA ; ne jamais le cacher (p. 11).

3️⃣ Professionnaliser la formulation des requêtes en imposant un gabarit minimal : rôle, niveau/public, objectif, format, adaptations pour l'inclusion, demande de feedback (Doc 3, p. 18). Réutiliser les six techniques (p. 19‑22) comme répertoire d'équipe.

4️⃣ Protéger les données par défaut : aucune donnée sensible, confidentielle ou personnelle dans un système d'IA sans validation du responsable de la sécurité/protection des données ; vigilance sur le risque de réidentification indirecte (Doc 1, p. 18‑19 ; Doc 3, p. 25, 32). Respecter les âges minimaux des plateformes (souvent 13 ou 18 ans).

5️⃣ Utiliser l'IA comme révélateur d'erreur, pas comme correcteur autonome : première passe assistée puis vérification humaine, analyse du processus cognitif fautif plutôt que le seul vrai/faux (Doc 3, p. 27, 32, 50). Conserver la note comme acte de jugement professionnel.

6️⃣ Traiter la sobriété et l'agentivité comme des critères de sélection : privilégier des modèles plus petits, limiter le nombre de requêtes, et sélectionner consciemment les tâches où l'on veut être assisté sans déléguer ce qui fonde la compétence (Doc 1, p. 11, 15). Besoin non couvert : le corpus reste discret sur les modalités concrètes de désignation d'un référent IA local — à formaliser en interne.

4️⃣ RÉFÉRENCES COMPLÉMENTAIRES

🔍➕ Pour plus d'informations, voir les articles référencés par "Pratiques en Santé" sur le thème numérique  ➡️🔗 https://pratiquesensante.odoo.com/blog/tag/numerique-77

et Livre Blanc : Éduquer à l’IA dès l’école : un plan d’urgence - Version 1

En externe 

• UNESCO — Orientations pour l'intelligence artificielle générative dans l'éducation et la recherche (2024). Cadre humaniste et centré sur l'humain, cité par le guide lui‑même. 👉 https://www.unesco.org/fr/articles/orientations-pour-lintelligence-artificielle-generative-dans-leducation-et-la-recherche
• CNIL — Deux FAQ sur l'utilisation des systèmes d'IA dans les établissements scolaires (juin 2025). Levier réglementaire français (RGPD), une FAQ « enseignant » et une FAQ « responsable de traitement ». 👉 https://www.cnil.fr/fr/deux-faq-utilisation-des-systemes-dia-scolaire
• Haute Autorité de Santé — Accompagner le bon usage des systèmes d'IA en contexte de soins (note de cadrage, 2025). Transposition directe des enjeux au champ sanitaire et médico‑social. 👉 https://www.has-sante.fr/upload/docs/application/pdf/2025-04/note_de_cadrage_-_ia_en_contexte_de_soins_accompagner_les_usages.pdf

5️⃣ FOIRE AUX QUESTIONS (FAQ)

1️⃣ Faut‑il autoriser l'IA ou l'interdire ? Ni l'un ni l'autre par principe : le corpus dépasse l'interdiction pour poser des balises claires et justes. La décision se prend en équipe, selon les usages autorisés par l'organisation (Doc 1, p. 5‑6 ; Doc 3, p. 10‑11).

2️⃣ Comment savoir si un contenu généré est fiable ? Il ne l'est jamais par défaut : traiter tout résultat comme un support à la réflexion, pas comme une finalité, et le valider de façon critique. Les systèmes produisent des confabulations présentées comme des faits (Doc 1, p. 12).

3️⃣ Peut‑on saisir des données d'usagers/élèves dans l'IA ? Non, sauf autorisation explicite : information sensible, confidentielle ou personnelle exclue par défaut, avec vigilance sur la réidentification indirecte (Doc 1, p. 18‑19).

4️⃣ Comment obtenir une réponse utile d'un système d'IA ? En cadrant la requête : rôle, niveau, objectif, format, besoins d'inclusion, demande de feedback. Sans cadre, la réponse reste superficielle (Doc 3, p. 18‑22).

5️⃣ L'IA peut‑elle corriger à ma place ? Elle peut assister (première passe, rétroaction), mais ne remplace jamais le jugement professionnel ; la note reste une décision humaine (Doc 1, p. 8 ; Doc 3, p. 28, 50).

6️⃣ Comment aborder les biais avec les publics ? En posant un regard critique sur la représentativité des groupes minoritaires et la présence de biais, quitte à reformuler la requête ou à en faire une occasion pédagogique (Doc 1, p. 13).

7️⃣ Que signifie « préserver son agentivité » ? Garder le contrôle de ses décisions et éviter la dépendance technologique en choisissant consciemment les tâches déléguées, sans céder ce qui fonde la compétence (Doc 1, p. 15).

6️⃣ RÉÉCRITURE EN FALC

Ce que disent ces documents

Ces documents parlent de l'intelligence artificielle. On l'appelle « IA ». Une IA peut écrire des textes ou faire des images.

L'IA peut aider dans le travail. Mais l'IA fait aussi des erreurs.

Les règles importantes

• Avant d'utiliser l'IA, je me demande pourquoi je l'utilise.
• Je vérifie toujours ce que l'IA écrit. L'IA peut se tromper.
• Je ne donne jamais d'informations privées à l'IA.
• Je dis toujours quand j'ai utilisé l'IA. Je ne le cache pas.
• C'est moi qui décide. Pas l'IA.

Pour bien parler à l'IA

• Je dis à l'IA ce que je veux.
• Je donne le sujet et le niveau.
• Je demande une réponse simple.

Attention

• L'IA n'a pas d'émotions.
• L'IA ne remplace pas une personne.
• L'IA utilise beaucoup d'énergie. Je l'utilise avec mesure.

7️⃣ ANALYSE TRANSVERSALE — VALEURS DE PRATIQUES EN SANTÉ

• Littératie : le corpus vise explicitement une « littératie de l'IA » à développer chez les professionnels comme chez les publics, avec des repères adaptés au niveau de chacun (Doc 1, p. 3, 10).
• Empowerment : la notion d'agentivité place le maintien du pouvoir d'agir de la personne au centre, contre la dépendance technologique (Doc 1, p. 15).
• Participation : la démarche de charte et la co‑construction avec tous les intervenants organisent une élaboration collective des règles (Doc 3, p. 12).
• Santé communautaire : la dimension collective est présente via l'appropriation en équipe‑école et en communauté de pratique, plutôt que dans des pratiques isolées (Doc 1, p. 6 ; Doc 3).
• Éthique : les biais culturels et sociaux sont nommés et traités comme un enjeu de vigilance active, avec reformulation possible des requêtes (Doc 1, p. 13).
• Droits humains : l'équité et l'inclusion structurent un principe entier, attentif aux groupes historiquement discriminés (Doc 1, p. 13).
• Intersectorialité : le corpus articule éducation, cadre réglementaire (protection des données) et enjeux environnementaux, invitant à croiser les responsabilités (Doc 1, p. 18‑20).
• Partenariat : la collaboration formalisée entre deux communautés de pratique (Canada et Belgique) modélise un partenariat de production de savoirs (Doc 3, p. 4).
• Lutte contre les discriminations : la représentation stéréotypée des rôles et le risque de marginaliser davantage des groupes déjà discriminés sont explicitement pointés (Doc 1, p. 13).

8️⃣ ÉVALUATION DE LA FIABILITÉ DE LA RESSOURCE

Pertinence scientifique : solide pour le bloc institutionnel. Le guide s'appuie sur des sources reconnues et actuelles (UNESCO 2024, OECD 2026, Obvia 2025), sur des cadres officiels (Cadre de référence de la compétence numérique, Référentiel de compétences professionnelles) et cite ses références avec URL. Le livrable de terrain est de nature expérientielle, non scientifique : il assume ses limites (listes « non exhaustives », erreurs signalées dans une infographie générée par IA, p. 34) — ce qui est cohérent avec son genre de capitalisation.

Pertinence opérationnelle : élevée. La complémentarité est le principal atout : le guide donne le cadre, l'outil le condense pour l'action, le livrable fournit les gestes concrets (requêtes, chartes, activités). Directement utilisable en réunion d'équipe et en formation. Limites à signaler : ancrage juridique québécois (Loi 25, Loi sur l'accès) à transposer au contexte français (RGPD, CNIL) ; ressources du livrable partiellement dépendantes d'outils tiers et de liens externes dont la pérennité n'est pas garantie.

9️⃣ HASHTAGS STRATÉGIQUES

#pratiquesensante #IAgénérative #LittératieIA #ÉthiqueNumérique #SobriétéNumérique #ProtectionDesDonnées #Évaluation #ProfessionnalismeRéflexif