L'IA en classe : décryptage de l'essai mathématique grandeur nature de Google DeepMind en Sierra Leone

L'objectif fixé était que les élèves utilisent l'outil d'IA durant deux de leurs quatre périodes hebdomadaires de mathématiques, pour un total de 12 heures d'Apprentissage Guidé sur les huit semaines .

Une leçon structurée en quatre parties avec une touche d'originalité

L'intervention ne se résumait pas à mettre un chatbot entre les mains des élèves. Elle suivait un cadre pédagogique strict, conçu pour faire de l'IA un partenaire dans un processus d'apprentissage collaboratif :

1. Introduction dirigée par l'enseignant : L'enseignant définissait les objectifs d'apprentissage et vérifiait les prérequis des élèves.
2. Activité principale en binôme : Les élèves travaillaient en binôme avec un seul appareil (un ratio de 2 élèves par appareil). Fait crucial, ils endossaient des rôles définis : le « conducteur » saisissait les questions dans Gemini, tandis que le « navigateur » prenait des notes et guidait le questionnement. Les rôles étaient inversés à chaque leçon pour garantir une participation équilibrée.
3. Discussion en classe : L'enseignant animait une session pour consolider les acquis.
4. Synthèse collective : L'enseignant concluait par un résumé final .

En amont, les enseignants définissaient les objectifs de la leçon, rédigeaient des invites de départ et inscrivaient des ébauches de questions au tableau pour guider les interactions des élèves avec Gemini .

Les résultats : un bond significatif, mais pas pour tout le monde

L'essai a produit des gains statistiquement significatifs, mais l'ampleur de l'effet dépendait fortement de l'assiduité de l'élève et de son niveau de départ.

Comment les élèves ont interagi avec Gemini

L'un des aspects les plus révélateurs de l'étude a été l'analyse des transcriptions de plus de 113 000 interactions entre les élèves et Gemini. Elle a montré que l'IA agissait non pas comme une machine à réponses, mais comme un tuteur.

La grande majorité des conversations — 91,4 % — étaient axées sur la compréhension mathématique . Le comportement de Gemini était soigneusement piloté par la fonctionnalité d'Apprentissage Guidé : il posait des questions d'échafaudage dans 76,4 % de ses messages, poussant les élèves à réfléchir par eux-mêmes, et n'a fourni la solution directe que dans seulement 2,1 % des cas .

Le risque d'aggraver les écarts de niveau

Le fait que les élèves initialement les plus performants aient le plus progressé a conduit les chercheurs à émettre une mise en garde importante. Sans stratégies délibérées pour soutenir les élèves moins avancés, ce type d'intervention risque d'aggraver les inégalités de niveau existantes plutôt que de les réduire .

Ce que les enseignants ont vécu

Les retours qualitatifs issus des groupes de discussion avec les enseignants ont ajouté une dimension supplémentaire aux résultats. Les professeurs ont signalé une augmentation notable de l'engagement des élèves et une participation plus active en classe . Beaucoup ont commencé à utiliser Gemini pour préparer leurs cours, découvrant de nouvelles façons d'expliquer des sujets complexes comme les fractions .

Fait crucial, les enseignants ont décrit un changement dans leur propre identité professionnelle, sentant leur rôle passer de « conférencier » à celui de « facilitateur », circulant dans la classe pour soutenir les binômes d'élèves .

Tous les retours n'ont pas été positifs. Certains enseignants ont fait état de difficultés, comme le fait que Gemini introduise parfois du contenu hors sujet ou ralentisse la progression de la classe dans le programme prévu .

Les limites critiques de l'étude

Si les résultats sont positifs, les chercheurs prennent soin de souligner plusieurs limites qui doivent contextualiser ces conclusions :

• Une intervention groupée : L'essai combinait l'Apprentissage Guidé avec une formation des enseignants, une nouvelle structure de cours, la mise à disposition d'appareils et un suivi en classe. La conception de l'étude ne permet pas d'isoler l'effet du seul outil d'IA de ces autres soutiens essentiels .
• Généralisabilité : L'échantillon provient d'un seul district de la Sierra Leone et n'est pas représentatif au niveau national. Les résultats s'appliquent avant tout à des écoles disposant d'une infrastructure comparable, notamment des tablettes, une connexion internet fiable et des enseignants préparés à cet usage .

Un modèle pour la recherche mondiale

L'essai en Sierra Leone n'est qu'un début. Il s'agit du premier d'une série internationale planifiée d'essais pré-enregistrés par Google DeepMind et Fab AI pour étudier l'Apprentissage Guidé dans différents systèmes éducatifs . Dans une optique de transparence et de passage à l'échelle, les partenaires ont rendu publics leurs supports de formation pour les enseignants ainsi qu'un guide pratique pour ECR rapide en même temps que les résultats, offrant un modèle à d'autres chercheurs et systèmes éducatifs .