La pédagogie à l’ère de l’IA - interview de Charlotte Capel, ingénieure pédagogique

IA et pédagogie : le secret pour stimuler les cerveaux sans court-circuiter l'effort.

L’intelligence artificielle est déjà partout dans le quotidien des apprenants et les métiers de demain, bousculant les codes de la formation professionnelle. Face à cette révolution, une tentation existe : laisser l’IA livrer des réponses clés en main en 30 secondes, au risque de créer une illusion de compétence et de briser les piliers cognitifs de l'apprentissage. Pour les entreprises et les organismes de formation, le véritable défi n'est pas d'ajouter « un peu d'IA » pour faire moderne, mais de repenser l’ingénierie pédagogique pour passer d'une IA de substitution à une IA d’assistance cognitive.

Comment intégrer ces outils sans tuer la réflexion ni encourager la paresse intellectuelle ? Charlotte Capel, Learning Program Designer chez OpenClassrooms, nous partage sa vision et ses méthodes concrètes pour remettre l'effort utile au cœur de la formation connectée. « Pour apprendre, le cerveau a besoin de fournir un effort » : rencontre avec celle qui conçoit les garde-fous pédagogiques de demain.

1. Présentation

C'est quoi le rôle d'une Learning Designer à l'ère de l'IA ?

Avant, une Learning Designer, c'était surtout une productrice de contenus pédagogiques. Aujourd'hui, mon cœur de métier reste le même : traduire un métier réel en compétences et concevoir une expérience d’apprentissage complète, mais l'IA a changé beaucoup de choses ! Dans mon quotidien, elle m'aide à aller plus vite sur tout ce qui est exploration, reformulation, comparaison d'options et analyse. Elle me permet aussi de dégrossir un sujet en quelques minutes, tester plusieurs angles pédagogiques, repérer plus vite les points de décrochage dans un parcours. Elle me donne plus de possibilités pour accélérer la production et innover.Elle ouvre des opportunités inédites au niveau de l’innovation pédagogique : parcours personnalisés, nouveaux supports, feedbacks à la demande... Chez OpenClassrooms, ça prend des formes très concrètes, notamment avec des Companions (Agents IA) pensés comme des assistants pédagogiques spécialisés.Une grande partie de mon rôle maintenant est de cadrer l’IA : décider où elle aide vraiment, et où elle court-circuiterait l'apprentissage. C'est là que l’expertise pédagogique et nos connaissances sur les mécanismes cognitifs d'apprentissage, est irremplaçable : savoir ce qui fait vraiment apprendre, pas juste ce qui semble bien fonctionner.

Comment t’es-tu formée à l’IA ?

En interne, on a eu une formation sur les bases de l'IA (générative) il y a déjà plus d'un an. Ça a posé un socle commun pour toute l'équipe. À partir de là, comme je m'occupe des parcours de formation tech (développement web, Product Management, Design…) et que ce sont des domaines directement exposés à l'IA, je me suis vite retrouvée à appliquer et approfondir, dans mon quotidien, ce que je voyais dans ces métiers. J'ai beaucoup appris sur ce qu'était un bon prompt, un bon agent, les limites des modèles, les hallucinations, les biais, et surtout ce que ça changeait dans l'apprentissage.

Je me suis formée de trois façons en parallèle :

• par l'expérimentation : en testant moi-même les outils, leurs limites et leurs vrais cas d'usage ;

• par la conception : parce que créer des choses comme des agents IA permet de comprendre l'IA beaucoup plus profondément.

• par la veille : avec des podcasts, des vidéos, des newsletters et un système de veille personnel ;

Je me forme aussi énormément par le collectif : on partage beaucoup entre collègues, y compris ce qui ne marche pas. Et ça, pour moi, c'est essentiel, parce que sur l'IA personne n'avance vraiment seul.

“40 % des étudiants demandent à l'IA de créer à leur place. 80 % suivent ses réponses, même quand elles sont fausses. En tant qu'ingénieurs pédagogiques, il faut qu'on agisse !” Découvrez l’interview de Charlotte Capel chez Meujesse Learning.

2. La vision IA d’OpenClassrooms

Pourquoi faut-il aujourd’hui intégrer l’IA dans la pédagogie d’OpenClassrooms, et qu’est-ce que ça veut dire concrètement ?Parce que l'IA est déjà dans les usages réels des apprenants et dans les métiers auxquels on les forme. Si on fait semblant qu'elle n'existe pas, les étudiants l'utiliseront quand même, mais seuls, sans cadre, et souvent comme un raccourci. Si on l'intègre intelligemment, on peut au contraire la transformer en appui pédagogique.Pour moi, ça veut dire trois choses très concrètes :

• définir ce que l'IA a le droit de faire, et ce qu'elle ne doit jamais faire à la place de l'apprenant ;

• repenser les évaluations pour mesurer le raisonnement, pas juste le livrable final ;

• former explicitement les étudiants à un usage critique, documenté et professionnel de ces outils.

Autrement dit, il ne s'agit pas d'ajouter "un peu d'IA" dans la pédagogie. Il s'agit de passer d'une IA en substitution cognitive à une IA en assistance cognitive.

Quelles mesures et démarches OpenClassrooms a-t-il mises en place pour intégrer l’IA dans ses parcours et définir la politique IA d’OpenClassrooms ?Chez OpenClassrooms, on avance sur l'IA à plusieurs niveaux, toujours avec la même idée : donner aux étudiants ce dont ils ont vraiment besoin pour apprendre.D'abord, on pose un socle de compréhension, avec des cours spécifiques sur l'IA. Ensuite, on l'intègre directement dans les parcours, avec des conseils contextualisés, des garde-fous et, selon les projets, des assistants conçus pour un besoin précis.Sur les parcours que je conçois en ce moment (Développeur informatique spécialité Builder IA, et Développeur informatique spécialité Tests), on est allés encore plus loin, avec une vraie stratégie d'accompagnement :

• des companions code : des agents IA intégrés directement dans l’éditeur de code des étudiants, qui connaissent le projet, voient le code en temps réel, mais ne donnent jamais la solution (ils assistent) ;

• un journal de l'IA présent tout au long du parcours pour documenter les usages et les vérifications faites ;

• et des projets d'évaluation qui vont jusqu'à faire concevoir leurs propres agents aux étudiants.

Le but étant de former des professionnels capables d'utiliser l'IA de façon critique et autonome, sans jamais déléguer leur compréhension ni leur jugement.

3. Les changements dans l’apprentissage

Comment l’IA modifie-t-elle la façon d’apprendre, et que disent les chercheurs sur ses effets cognitifs ?Pour apprendre, le cerveau a besoin de fournir un effort : chercher, se tromper, reformuler, recommencer. C'est précisément ce moment d'effort que l'IA peut faire disparaître, parce qu'elle livre directement le résultat. Et c'est là tout le problème : elle intervient exactement là où se construit normalement la compétence.Concrètement, ça se voit dans les usages. Les étudiants confient à l'IA les tâches les plus exigeantes (analyser, créer), c'est-à-dire celles qui font le plus apprendre, et gardent pour eux le travail le plus léger.Pour comprendre pourquoi c'est un vrai problème, le plus simple est de regarder les quatre piliers de l'apprentissage, parce que l'IA les fragilise un par un :

• La mémoire : pour retenir quelque chose, le cerveau a besoin de le traiter activement, c'est-à-dire chercher, reformuler avec ses mots, se tester. C'est cet effort qui fait passer une information de la mémoire de travail (ce qu'on garde quelques minutes) à la mémoire à long terme (ce qu'on sait vraiment). Les techniques les plus efficaces pour ça, c'est la répétition espacée et l'autotest. MAIS quand l'IA donne la réponse directement, il n'y a ni recherche, ni reformulation, ni test : l'information semble comprise sur le moment, mais elle ne s'ancre pas…

• L'attention : c'est notre capacité à nous concentrer sur une seule chose. C'est ce qui fait que quand on lit un texte vraiment à fond, on comprend, on fait des liens, on retient. À l'inverse, quand on lit en scrollant à moitié, on arrive à la fin et on se dit "je n'ai rien capté". OR copier-coller une réponse d'IA, ça ne demande aucune concentration : on survole, on valide, on passe à la suite. (Et pour rappel, le multitâche est un mythe : le cerveau alterne entre les tâches, il ne les traite jamais vraiment en parallèle 🤗.)

• L'engagement : apprendre demande un effort volontaire, et c'est justement la partie que tout le monde veut éviter parce que c'est la plus fatigante. Mais c'est précisément cet inconfort qui fait progresser : quand on galère sur un problème et qu'on finit par le résoudre, on ressent une vraie fierté, et c'est cette fierté qui nourrit la motivation pour continuer. Avec l'IA, pourquoi fournir cet effort si on obtient le résultat en 30 secondes ?

• Le retour sur erreurs : c'est le pilier le plus sous-estimé, et peut-être le plus puissant. Quand on se trompe et qu'on s'en rend compte, le cerveau vit un petit choc ("je croyais que c'était comme ça, mais en fait non") qui le force à se reconfigurer. C'est ce moment de surprise qui permet de se corriger, et c'est aussi ce qui nourrit la métacognition, cette capacité à évaluer ce qu'on sait vraiment. Si l'IA fait tout juste à notre place, on ne se trompe jamais : plus d'erreur, donc plus de feedback, donc plus de correction, donc plus de consolidation. Le cycle d'apprentissage est cassé à sa base…

Résultat : le vrai risque, ce n'est pas une mauvaise réponse de temps en temps. C'est une illusion de compétence, un livrable propre, parfois excellent, mais un cerveau qui n'a rien construit.Pour plus de détails sur les études, regardez la vidéo YouTube de Charlotte et Meujesse Learning.

Comment l’utiliser pour aider sans tuer la réflexion ni favoriser une approche paresseuse ?

Il faut partir d'un constat simple : si les étudiants prennent le raccourci, ce n'est pas juste par paresse morale. C'est parce que le cerveau est fait pour économiser son énergie, et que l'IA lui propose l'option la plus rentable qu'il ait jamais eue : au lieu de 30 minutes d'effort, un résultat en 30 secondes. Face à ça, le raccourci gagne presque à chaque fois. Notre rôle, ce n'est pas juste de dire "ne fais pas ça, parce que ça ne marchera pas”, c'est de designer un meilleur usage, de rendre le bon comportement plus naturel que le mauvais.Pour moi, il y a quatre leviers très concrets :

• Utiliser l'IA comme guide, pas comme exécutante. Au lieu de lui demander la réponse, on lui demande de poser des questions, de donner des indices, de reformuler un concept ou de proposer un exemple. L'IA devient un coach qui fait réfléchir, pas une machine qui produit à la place de l'étudiant. C'est toute la différence entre l'assistance cognitive et la substitution cognitive.

• Formuler des demandes progressives, qui obligent à penser. Plutôt qu'une consigne qui appelle un livrable tout fait, on construit des activités où l'étudiant doit tester, comparer, justifier ses choix, défendre une hypothèse. On le met en position de raisonner étape par étape, là où l'IA seule donnerait directement le résultat final.

• Concevoir des outils qui refusent la solution toute faite. C'est exactement la logique de Companion Code : un assistant intégré à l'éditeur de l'étudiant, qui connaît le projet et voit le code en temps réel, mais qui ne donne jamais la réponse. Il diagnostique, il questionne, il renvoie vers le cours, et c'est l'étudiant qui corrige lui-même. On recrée volontairement la friction utile, celle qui fait apprendre.

• Rendre l'usage visible. Avec des traces, des étapes intermédiaires, un Journal de l'IA, une soutenance, bref tout ce qui oblige à montrer le chemin et pas seulement le résultat. Documenter ce qu'on a demandé, ce qu'on en a fait et comment on l'a vérifié, ça force la métacognition, ça réactive l'esprit critique, et ça combat l'illusion de compétence. C'est aussi, au passage, une vraie preuve de processus pour l'évaluation.

L'idée n'est donc pas de retirer l'IA de l'équation. C'est de la remettre à sa place, et de remettre la réflexion au centre.