L'intégration de l'intelligence artificielle (IA) dans l'éducation ouvre des perspectives fascinantes pour enrichir l'apprentissage, mais elle pose une question essentielle : comment utiliser cet outil sans nuire au développement de la pensée critique et de l'autonomie des élèves ?
Pour explorer cette question, nous avons imaginé une activité réalisable dans le cadre scolaire : les Travaux Pratiques (TP) dopés à l'IA. Les sciences offrent un cadre idéal pour exploiter tout le potentiel des modèles génératifs actuels. Déjà adoptée par les scientifiques pour accélérer leurs recherches, l'IA peut intervenir à presque toutes les étapes d'une investigation scientifique : recherche documentaire, analyse de données, modélisation et diffusion des résultats. Dans un contexte d'expérimentation pratique, elle peut apporter une nouvelle motivation et démultiplier les possibilités pédagogiques.
Dans les paragraphes qui suivent, nous vous proposons d'embarquer dans une conversation originale entre l'élève et l'IA, et peut-être trouver dans ces échanges de nouvelles avenues pour l'enseignement de cet outil qu'il faut bien qualifier de révolutionnaire.
Une méthode d'investigation scientifique dopée à l'IA
La méthode d'investigation repose sur l'idée que les élèves apprennent de manière plus efficace en étant actifs et en explorant par eux-mêmes, plutôt qu'en recevant passivement des informations. Dans cette méthode, l'élève utilise tous les outils à sa disposition pour "enquêter" sur un phénomène à la manière d'un chercheur.
Notre proposition est d'intégrer l'IA dans cette démarche pour amplifier les capacités d'investigation des élèves. L'objectif que nous recherchons est que son utilisation raisonnée encourage l'élève à aller plus loin dans le questionnement et la démarche d'investigation. Équipé d'outils d'IA, ses moyens sont décuplés et amplifiés. La méthode scientifique en est renforcée, car l'élève peut se concentrer davantage sur son application et sa réflexion critique.
Une investigation scientifique dopée à l'IA pourra comporter les étapes suivantes :
Recherche documentaire : L'élève utilise des assistants virtuels pour mener plus facilement une recherche exhaustive des différents aspects du problème et mieux comprendre les enjeux.
Expérimentation : L'IA peut guider l'élève sur les meilleurs instruments à utiliser et les erreurs qu'il est préférable d'éviter pour réaliser la partie expérimentale.
Analyse de données : L'élève utilise l'IA pour analyser les données par le dialogue, identifier des motifs ou des anomalies, et représenter les données sous forme graphique.
Modélisation : L'élève échange avec l'IA pour finaliser un modèle théorique basé sur les observations et les données expérimentales.
Étude et discussion du modèle : L'élève utilise l'IA pour analyser le comportement du modèle sous différentes conditions, y compris les valeurs limites, et explorer la sensibilité aux paramètres.
Applications et innovation : La recherche d'applications est facilitée par la base de donnée exhaustive des IA
Conclusions et communication : L'élève et l'IA collaborent pour obtenir un rapport d'activité clair, logique et cohérent.
Partage : L'élève et l'IA s'accordent sur le meilleur moyen de structurer et diffuser la communication.
L'objectif pédagogique de la séance est de montrer à l'élève comment l'IA peut l'aider à aller plus loin dans ses recherches, comment organiser son travail avec cet outil, quels dialogues initier, découvrir les forces et les faiblesses de ces modèles, et enfin mieux comprendre comment en obtenir le meilleur.
Sujet d'étude et aspects pratiques
Nous proposons dans cet article de réaliser un travail d'investigation scientifique sur un phénomène physique simple à mettre en œuvre par les élèves, mais suffisamment complexe pour que le rôle de l'IA soit significatif. Nous positionnons ce TP dans le cadre du programme de première, en spécialité "Physique-Chimie" ou "Sciences de l'ingénieur". La complexité du phénomène étudié va délibérément au-delà des attentes du programme, avec pour objectif d'encourager les élèves à solliciter l'aide de l'IA et à repousser leurs limites.
Pour cet article nous choisissons le défi suivant pour les élèves : "En combinant une approche expérimentale et l'utilisation de l'IA, étudiez avec l'accéléromètre de votre smartphone la mécanique d'un pendule élastique vertical et rédigez une publication scientifique."
La publication devra inclure les éléments habituels d'une recherche scientifique : recherche documentaire, manipulation expérimentale, analyse des données, modélisation et rattachement à la théorie, étude et discussion du modèle, applications et communication.
Pour faciliter cette manipulation, il est fourni aux élèves un élastique de 40 cm de long qui servira de ressort, ainsi qu'un sac en plastique pour y placer le smartphone. L'exercice peut être réalisé en laboratoire ou en classe, à condition de pouvoir y suspendre les pendules.
Pour l'IA, nous utilisons dans cet article ChatGPT, mais toute autre IA donnerait des résultats équivalents et nous encourageons chacun à choisir le sytème de son choix. Ces outils évoluent très rapidement, donc d'autres possibilités que celles décrites peuvent exister. En pratique, les élèves pourront utiliser les ordinateurs de la classe s'ils sont disponibles, ou bien les tablettes et smartphones permettant d'accéder à l'application dédiée ChatGPT.
Calibrer l'IA
Avant de commencer une étude expérimentale, il faut calibrer ses instruments. Il en va de même avec l'IA. Ce processus s'appelle le prompting. Les prompts sont les instructions ou les questions fournies par l'utilisateur pour guider l'IA dans sa réponse. En d'autres termes, un prompt est le point de départ qui indique à l'IA ce que l'utilisateur souhaite obtenir en termes d'information ou d'aide.
On utilise les prompts pour :
Orienter les réponses : Un prompt permet à l'IA de comprendre le contexte et l'objectif de la question. Par exemple, un prompt précis et bien formulé aide l'IA à générer une réponse plus pertinente et ciblée.
Définir le ton et la structure : Le type de prompt peut indiquer à l'IA le style de réponse attendu (formel, informatif, créatif, concis, etc.). Un prompt demandant une explication simple pour un élève de lycée, par exemple, oriente l'IA vers un ton plus pédagogique et accessible.
Spécifier des actions ou des formats : Certains prompts peuvent demander à l'IA de structurer la réponse de manière spécifique (par exemple, sous forme de liste, de paragraphe ou d'exemple pratique). Cela permet de recevoir une réponse qui correspond à un format ou une exigence particulière.
Personnaliser les résultats : Les prompts permettent d'adapter la réponse à des besoins spécifiques, comme demander une explication adaptée à un certain niveau de connaissance ou un domaine précis (sciences, histoire, technologie, etc.).
Pour commencer un travail avec modèle génératif, il est donc important de rédiger un prompt initial qui définit le contexte, l'objectif de la recherche, le type de réponses que l'on souhaite obtenir, et le niveau de complexité des réponses. Il est essentiel que l'élève et son groupe, avec l'aide de l'enseignant, définissent un ou plusieurs prompts introductifs adaptés à la recherche et au niveau des étudiants. Le risque si cette phase introductive n'est pas suivie est que l'IA donne des résultats trop complexes ou mal adapté au niveau des élèves.
En appuyant sur l'onglet > ci-dessous, vous pouvez visualiser le prompt que nous avons utilisé pour la suite de l'exercice.
Voir le Dialogue avec ChatGPT
Recherche documentaire
La recherche documentaire à l'aide de l'intelligence artificielle est l'utilisation la plus simple et commune des modèles génératifs. Cependant, dans le cadre de la méthode d'investigation scientifique, l'IA apporte des atouts pédagogiques importants.
L'objectif de la recherche documentaire est de fournir aux élèves les bases théoriques nécessaires pour comprendre le pendule oscillant, en explorant des concepts clés tels que les oscillations, l'amortissement et la modélisation mathématique. Elle les prépare également à utiliser des outils de mesure modernes, comme les capteurs de smartphones, et à poser les bases pour l'analyse et la modélisation des données expérimentales. Enfin, elle encourage une réflexion scientifique structurée avant de passer à la manipulation expérimentale.
L'IA est intéressante pédagogiquement dans ce contexte car elle permet un accès rapide à des informations précises et adaptées à leurs questions spécifiques à travers un dialogue interactif. Elle les guide dans leur réflexion en suggérant des pistes pertinentes et en clarifiant des concepts complexes. L'IA personnalise l'apprentissage en s'adaptant au niveau de compréhension des élèves, tout en synthétisant des informations pour leur permettre de se concentrer sur l'essentiel. En facilitant la compréhension et en orientant la recherche, l'IA permet aux élèves de structurer leur démarche scientifique de manière plus fluide et efficace.
En ouvrant l'onglet > ci-dessous, vous découvrirez le début d'une conversation entre un élève et une IA, qui a permis à l'élève de circonscrire le sujet et d'obtenir de premières hypothèses sur le modèle mathématique de l'accélération du pendule.
Voir le Dialogue avec Chat GPT
Manipulation expérimentale
Une fois la recherche documentaire terminée, l'élève et son groupe passent aux manipulations expérimentales. Pour réussir cette phase, plusieurs éléments doivent être réunis : comment mettre en place le dispositif expérimental, les règles de sécurité à suivre, enregistrer les données et les exporter pour analyse. Ces aspects peuvent être soumis à l'IA pour obtenir des suggestions, ajustées en fonction du contexte de l'expérience. Nous proposons ci-dessous plusieurs questions que l'élève pourra poser à l'IA.
Il est important de noter que l'IA n'est pas toujours la solution idéale, ce qui constitue un apprentissage précieux pour les élèves. Par exemple, les explications fournies par l'IA sur le dispositif expérimental peuvent manquer de précision. Dans ce cas, l'élève devra expérimenter pour trouver une solution simple et efficace par lui-même. De plus, l'IA, comme ChatGPT, ne connaît pas toujours certaines spécificités techniques, comme l'existence d'une mesure directe de la norme sur FizziQ, que les élèves découvriront en cours de route.
Pour visualiser la discussion avec l'IA, appuyez sur l'onglet > ci-dessous.
Voir le Dialogue avec ChatGPT
Après avoir vérifié que le graphique généré présente suffisamment d'oscillations, les données sont exportées dans un fichier CSV. La phase expérimentale est donc achevée, nous pouvons maintenant revenir à l'utilisation de l'IA pour analyser les données !
Analyse de données
L'analyse des données vise à examiner les informations expérimentales enregistrées pour en extraire les éléments clés et tirer des conclusions sur les caractéristiques physiques du mouvement observé. Cette démarche comprend la suppression des segments inutiles pour nettoyer les données, le lissage des données pour réduire le bruit, et l'identification de caractéristiques telles que la période du mouvement ou l'amortissement des oscillations.
Les modèles génératifs modernes permettent non seulement une analyse approfondie graphique ou statistique, mais aussi un retraitement direct des données grâce à une interface en langage naturel, plus intuitif pour l'élève. L'élève peut bien sûr demander de l'aide pour réaliser ces operations ou comprendre leur utilité.
Rapidement, l'élève pourra ainsi :
Visualiser les données : Pour obtenir une représentation graphique qui facilite la compréhension des tendances.
Nettoyer les données : En éliminant les anomalies ou les valeurs extrêmes qui pourraient fausser l'analyse.
Lisser les données : Pour atténuer les fluctuations aléatoires et mieux voir les tendances principales.
Calculer et interpréter les caractéristiques : Comme déterminer la période des oscillations et évaluer l'efficacité de l'amortissement.
Exporter les données : Pour les utiliser dans d'autres logiciels ou les partager.
Dans notre dialogue ci-dessous, nous avons analysé et nettoyé les données provenant du tableau exporté dans la partie expérimentale. Cette analyse a révélé des aspects importants du comportement de l'accélération au cours du temps et permis de détecter des invariants dans le mouvement.
Ouvrez l'onglet > pour découvrir le dialogue entre l'élève et l'IA
Vois le Dialogue avec ChatGPT
Modélisation
Dans le raisonnement scientifique, la relation entre théorie, modèle et données peut s'articuler de plusieurs manières, chacune reflétant une approche différente de la recherche. Une méthode directe consiste à partir de la théorie et à vérifier que les données expérimentales confirment les équations mathématiques qui en découlent. Il est également possible de construire un modèle mathématique qui semble bien expliquer les données, afin de guider la réflexion théorique dans une direction spécifique. Ces deux approches peuvent être facilitées par l'utilisation de l'intelligence artificielle.
Dans notre exemple, lors de leur recherche documentaire, les élèves ont été orientés vers une évolution périodique sinusoïdale de l'accélération. En analysant les courbes, ils ont également observé que, bien que cette évolution soit périodique, l'amplitude des oscillations semble diminuer avec le temps. Ces observations sont transmises à l'IA pour tenter de déterminer un modèle qui explique les données, et obtenir des indications sur les raisons théoriques expliquant ce modèle.
Pour visualiser la discussion avec l'IA, ouvrez l'onglet > ci-dessous.
Voir la Discussion avec ChatGPT
Nous voyons à travers ces échanges que l'IA peut s'adapter au niveau de la personne avec laquelle elle échange. Pour un élève de première, l'explication est beaucoup plus claire. Elle peut être encore plus simple si nécessaire.
Etude du modèle
L'étude du modèle a pour objectif d'analyser le comportement du modèle théorique déterminé. Dans le contexte de notre étude, l'élève cherche à comprendre comment différents paramètres du système – tels que l'amortissement ou l'élasticité d'un élastique – influencent les oscillations d'un pendule élastique. Certains de ces paramètres ne pourront être découverts qu'après plusieurs allers-retours dans le questionnement, un processus qui participe à l'apprentissage de l'élève.
Cette étude nécessite souvent la création d'un programme informatique pour générer des courbes et faciliter l'exploration des variations de paramètres. L'IA est un excellent assistant en programmation et peut aider l'élève dans ce processus de création. L'outil peut également réaliser ces analyses en ligne, en utilisant un langage naturel.
Pour découvrir l'échange entre l'élève et l'IA, ouvrez la boîte de dialogue > ci-dessous :
Voir la Dialogue avec ChatGPT
Communication
La rédaction d'un document de recherche est probablement la partie la mieux connue des applications des modèles génératif. L'IA peut aider un élève à rédiger un document de recherche bien structuré, cohérent, et adapté au public visé, en offrant un soutien tout au long du processus d'écriture.
1. Structuration du document
2. Clarté et fluidité
3. Conseils sur l'adaptation au public
4. Rappel des éléments à ne pas oublier
5. Cohérence dans l'argumentation et le raisonnement scientifique
6. Vérification finale et relecture
Liste de questions à ChatGPT
Partage
Les élèves seront probablement intéressés par un autre aspect de la recherche qui est sa diffusion. L'IA peut grandement faciliter la diffusion d'un document de recherche et optimiser sa visibilité en ligne grâce à des techniques de SEO (Search Engine Optimization).
L'IA pourra guider l'élève pour ces différentes tâches :
Optimisation SEO : L'IA suggère des mots-clés pertinents, rédige des balises titre et méta-descriptions optimisées, et vérifie la densité des mots-clés pour améliorer le référencement sur Google.
Création de titres et sous-titres : Elle reformule les titres et sous-titres pour les rendre plus accrocheurs et optimisés pour le SEO.
Rédaction de résumés : L'IA produit des résumés percutants et adaptés pour les réseaux sociaux ou newsletters, attirant ainsi les lecteurs.
Contenus pour réseaux sociaux : Elle génère des posts spécifiques pour chaque plateforme (Twitter, LinkedIn, Facebook), assurant une diffusion optimale.
Cette partie du travail permet également à l'élève de réfléchir sur la manière dont les moteurs de recherche donnent leurs réponses.
Liste de question à ChatGPT
Conclusion
Dans cet article, nous avons proposé une approche à la fois pratique et motivante pour initier les élèves aux vastes possibilités offertes par les modèles génératifs, en intégrant l'intelligence artificielle (IA) dans des Travaux Pratiques (TP) scientifiques.
Cette méthode nous semble particulièrement adaptée pour initier les élèves à l'utilisation de l'IA dans un cadre scolaire. En l'intégrant dans un contexte de recherche expérimentale, elle encourage une approche ouverte et exploratoire, où les élèves peuvent découvrir et exploiter cet outil de manière autonome. Les sciences offrent un terrain particulièrement propice à cette démarche, car l'IA peut être utilisée à différents stades : recherche documentaire, manipulation et visualisation des données, analyse théorique, création de programmes, ainsi que communication et diffusion des résultats. L'interface en langage naturel simplifie le travail scientifique, rendant les concepts complexes plus accessibles et permettant aux élèves de les manipuler intuitivement. De plus, la capacité des modèles IA à s'adapter aux objectifs et au niveau des élèves, grâce à des instructions personnalisées (prompts), en fait un outil idéal pour une grande diversité d'utilisateurs.
Nous sommes ouverts à vos retours sur cette expérience. L'IA ne doit pas être vue comme une solution définitive, mais plutôt comme un catalyseur de réflexion et d'innovation. Elle aide les élèves non seulement à maîtriser les sciences, mais aussi à développer des compétences numériques essentielles pour le XXIe siècle. Le défi consiste désormais à trouver un équilibre entre l'exploitation de cette technologie prometteuse et le maintien de l'autonomie intellectuelle des apprenants, afin de former des esprits critiques capables d'utiliser ces outils de manière éclairée et responsable.
Comments