Espace pédagogique

IA au service de l'apprentissage des démarches

2025-05-26T21:42:14Z

Thème des travaux académiques mutualisés (TraAM) 2024-2025 :

Avec la mise en avant de ChatGPT dans l'actualité récente, en soulignant son intérêt comme ses limites, c'est la croisée du champ disciplinaire des sciences de la vie et de la Terre et de celui de l'intelligence artificielle que nous proposons d'investiguer avec des attendus en termes de préoccupations éthiques et d'esprit critique. Comment l'IA peut-elle être utile dans les apprentissages en SVT notamment pour renforcer l'esprit critique des élèves et de les sensibiliser à une éthique d'utilisation des outils ? Comment l'utiliser dans les différentes démarches scientifiques et avec quels intérêts et quelles limites ? Quelles modifications des pratiques dans et hors la classe pour les élèves ? Au plus 5 académies seront retenues pour poursuivre le travail sur l'IA. Ce domaine est en pleine évolution et induit des mutations des pratiques de classe. Il s'agit de poursuivre la réflexion engagée et de compléter les travaux menés en 2023-2024.

Pilotage :

Eric Lacouture, IA-IPR SVT

Professeur coordinateur :

Jacques-Olivier Boudier (Lycée Charles De Gaulle, Vannes)

Professeurs participants :

Jacques-Olivier Boudier (Lycée Charles De Gaulle, Vannes)

Nathalie Dembega (Collège Les Chalais, Rennes)

Sébastien Lecot (Lycée Henri Avril, Lamballe)

Jean-Louis Gaudibert (Lycée Emile Zola, Rennes)

Delphine Ducourtioux (Lycée Emile Zola, Rennes)

Préambule

L'Intelligence Artificielle est en train de transformer en profondeur la production des savoirs, les pratiques professionnelles, et les modes d'accès à l'information. Médecine, climatologie, biologie, astronomie, épidémiologie ou encore géosciences : tous les domaines scientifiques sont aujourd'hui traversés par les technologies de l'IA, notamment à travers l'analyse de données massives, la reconnaissance de motifs, ou la modélisation de phénomènes complexes.

Pour les élèves, l'IA n'est plus un concept abstrait : c'est un outil qu'ils utilisent déjà, souvent quotidiennement, dans leur vie personnelle et scolaire. De plus en plus, les IA génératives remplacent les moteurs de recherche traditionnels pour formuler des réponses directes, sans que leur fiabilité ne soit toujours interrogée. Dans ce contexte, il devient essentiel d'intégrer l'IA dans l'enseignement scientifique non pas seulement comme une innovation technique, mais comme un objet d'étude, un outil d'expérimentation, et un levier pour développer l'esprit critique.

La démarche scientifique repose sur la formulation d'hypothèses, la confrontation aux faits, la vérification des sources, l'interprétation des résultats et la capacité à remettre en question ses représentations. L'IA, bien qu'efficace dans certaines tâches, ne remplace en rien cette méthode rigoureuse. Elle peut au contraire en révéler les enjeux : en confrontant les élèves à des données biaisées, des raisonnements erronés ou des images artificiellement générées, elle devient un catalyseur de réflexion sur ce qui fait la robustesse d'un savoir scientifique.

Intégrer l'IA en classe de sciences, c'est aussi permettre aux élèves de mieux comprendre comment se construit une connaissance fiable, de s'interroger sur la distinction entre science et croyance, de questionner la validité des sources, et de mesurer les interactions entre disciplines scientifiques. C'est une occasion précieuse de rendre la science vivante, connectée aux enjeux du monde contemporain, et porteuse de sens pour les citoyens de demain.

Plus qu'un outil, l'IA devient un prétexte à questionner : la véracité d'une information, la nature d'une preuve, les limites de la modélisation, ou encore le rôle de l'humain dans la construction des savoirs. En cela, elle peut pleinement nourrir une pédagogie active, réflexive et exigeante, qui fait de l'élève un acteur éclairé, capable de naviguer avec discernement dans un monde numérique complexe.

Introduction

Le groupe d'intégration pédagogique des usages du numérique (GIPUN) de l'académie de Rennes a travaillé pendant un an à l'élaboration d'un parcours de formation M@gistère intitulé ‘Numérique au service de l'esprit critique en SVT'. Il propose plusieurs situations de classe où l'IA est utilisée pour :

aider l'élève à construire des démarches de résolution de problème en sciences.
interroger des démarches : IA et métacognition.
automatiser des tâches de reconnaissance en SVT en s'appuyant sur des données étiquetées.

Le groupe a poursuivi sa réflexion sur la contribution des IA au développement de l'esprit critique et vous propose de nouvelles activités qui ont été testées en classe.

Sommaire des activités

1- Entraîner sa propre IA en SVT

Les élèves entraînent une IA à reconnaître les étapes de la mitose à partir d'un jeu d'images. Cette activité permet de comprendre les principes de l'apprentissage supervisé. Elle introduit les liens entre intelligence artificielle et imagerie médicale. Auteur : Jacques-Olivier Boudier

2- L'IA générative, un recours pour les études scientifiques ?

Les élèves interrogent une IA pour obtenir des données scientifiques sur la subduction (distance arc-fosse, pendage). Ils construisent un graphique à partir de ces valeurs, puis les vérifient à l'aide de Tectoglob3D. L'objectif : montrer que seule la confrontation aux données fait preuve. Auteur : Jacques-Olivier Boudier

3- Reconstitution de paysages anciens avec l'IA

À partir d'un site fossilifère, les élèves comparent la biodiversité ancienne et actuelle. L'IA est utilisée pour créer des illustrations ou hypothèses d'espèces disparues. L'activité sensibilise aux limites de la représentation scientifique par des modèles génératifs. Auteur : Nathalie Dembega

4- Utiliser l'IA pour réaliser une fiche de révision

Les élèves testent l'IA comme outil d'aide à la révision : résumé de notions, réponses à un sujet type bac, proposition de plans. L'objectif est de prendre du recul sur les réponses générées. Ils apprennent à croiser leurs connaissances avec celles d'un outil numérique. Auteur : Jean-Louis Gaudibert

5- IA, EMI et SVT

Les élèves analysent un article historique du Journal des Sçavans, puis le confrontent à des articles de revues scientifiques modernes disponibles au CDI. Ce travail de comparaison permet de comprendre l'évolution des méthodes scientifiques et la fiabilité des sources. Auteur : Delphine Ducourtioux

6- IA, vaccination et esprit critique

En utilisant des données issues de l'IA, les élèves paramètrent un modèle de propagation de la rougeole. Ils testent différents taux de vaccination et mesurent leur effet sur l'immunité collective. Auteur : Delphine Ducourtioux

7- Utilisation de l'IA comme outil dans la réalisation d'une démarche scientifique

Les élèves réalisent des mesures à l'aide de capteurs connectés à une carte Arduino. Ils utilisent une IA pour générer ou modifier un code en langage C. Ce travail croise SVT, physique et informatique tout en initiant à la programmation assistée. Auteur : Sébastien Lecot

8- Utiliser une IA pour débattre et argumenter

Un débat simulé oppose les élèves à une IA défendant une position pseudo-scientifique (ex. : une Terre âgée de 10 000 ans). Les élèves identifient les arguments fallacieux et renforcent leur compréhension de la démarche scientifique. Une façon concrète de travailler la distinction entre science et croyance. Auteur : Sébastien Lecot

Ce préambule vous a semblé pertinent et bien écrit ? Sachez qu'il a été généré à 100 % par une IA !

Eric Lacouture, IA-IPR de SVT

Entraîner sa propre IA en SVT

2025-05-26T14:45:05Z

L'Intelligence Artificielle est déjà très importante en imagerie médicale. Des études montrent qu'elle peut être aussi efficace que les médecins pour détecter des maladies comme le cancer du sein par exemple. Le but de cet article est de montrer qu'il est possible d'initier les élèves à la reconnaissance d'images en leur proposant de créer leur propre modèle.

Objectif

Cette activité consiste à entraîner une intelligence artificielle dans le but de reconnaître des images (ici les phases de la mitose).

source de l'image

Compétences travaillées

Le numérique et les SVT :

D'après le programme officiel les SVT doivent développer de nouvelles compétences numériques chez les élèves : l'usage des bases de données scientifiques, de systèmes d'informations géoscientifiques, de la modélisation numérique, de la programmation, des calculs quantitatifs, voire de la réalité virtuelle et de la réalité augmentée.

Il s'agit donc ici d'utiliser des logiciels d'acquisition, de simulation et de traitement de données.

Cadre de Référence des Compétences Numériques (CRCN) :

Traiter des données	Traiter des données pour analyser une problématique
S'insérer dans un monde numérique	Prendre conscience des enjeux économiques, sociaux, juridiques et politiques du numérique
Développer des documents visuels et sonores	Créer un objet multimédia
Évoluer dans un monde numérique	Utiliser des ressources pour mettre à jour et améliorer ses compétences numériques, notamment pour de nouveaux outils et de nouvelles aptitudes

Contexte

Niveau

Classe de Première Spécialité

Place dans les programmes

La Terre, la vie et l'organisation du vivant >Transmission, variation et expression du patrimoine génétique > Les divisions cellulaires des eucaryotes

Il s'agit ici de recenser, extraire et exploiter des informations permettant de caractériser les phases d'un cycle cellulaire eucaryote.

Matériel

Un ordinateur avec connexion internet par binôme

Dossier contenant les images à utiliser pour l'entraînement de l'IA

Durée

1 heure

Objectif de la séance : apprendre les différentes phases de la mitose

Classiquement, on demande aux élèves d'observer au microscope des cellules en mitose pour repérer et classer les différentes phases de la mitose.

Ici, on va changer le processus. Les élèves vont disposer d'un ensemble d'images qu'ils vont devoir classer dans des dossiers. Chaque dossier sera ensuite nommé en utilisant le nom de la phase de la mitose représentée sur les images. Une Intelligence Artificielle (IA) est ensuite entraînée à partir de ces images. Une fois l'entraînement réalisé, on pourra tester la qualité du modèle, en proposant une nouvelle image (gardée par l'enseignant) ou en utilisant directement une image diffusée par la webcam.

Si le test est validé (l'IA reconnaît l'image sans erreurs), on pourra alors proposer de nouvelles images (images de méiose, image de cellules en interphase, …) pour cerner les limites du modèle.

Pratiquement, l'enseignant met à disposition des élèves des images de cellules en mitose (ou en interphase). Ces images sont issues du web, de banques d'images (comme Mesurim2 par exemple) ou de photographies réalisées avec un microscope au lycée. On peut également obtenir des images en utilisant directement la webcam.

Entraîner une IA avec Teachable Machine

Teachable Machine est une web application libre développée par Google et permettant de créer des modèles de classifications d'images.

Rappel théorique

L'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification. Les exemples annotés constituent une base d'apprentissage, et la fonction de prédiction apprise peut aussi être appelée « hypothèse » ou « modèle ». On suppose cette base d'apprentissage représentative d'une population d'échantillons plus large et le but des méthodes d'apprentissage supervisé est de bien généraliser, c'est-à-dire d'apprendre une fonction qui fasse des prédictions correctes sur des données non présentes dans l'ensemble d'apprentissage.

source : Wikipedia

Les étapes sont les suivantes :

Collecter des données locales ou dans le cloud (Google Drive) à classifier.
Entrainer les données
Tester depuis l'interface la qualité du modèle
Exporter celui-ci selon la plateforme de son choix.

Teachable Machine utilise TensorFlow.js, une bibliothèque de machine learning en JavaScript, pour entraîner et exécuter les modèles créés.

Lors de l'entraînement, le modèle a mis moins de 30 secondes pour se construire. Le logiciel fonctionne en local et pas sur un serveur distant.

Déroulement de l'entraînement : les phases de la mitose

La première partie de l'activité consiste à classer les images se ressemblant.
Quand toutes les images sont rassemblées dans des dossiers, il est temps de nommer ces dossiers (le nom de la phase de la mitose).
Il faut ensuite nourrir le modèle en créant des classes (autant de classes que de dossiers). Pour chaque classe, on télécharge les images d'apprentissage. L'IA s'entraîne…

Lorsqu'elle est prête, on peut tester ses prédictions avec une image sortie de l'un des dossiers, puis avec de nouvelles images (formes différentes, couleurs différentes,…).

Si le modèle prédictif est fiable, on peut ensuite utiliser le modèle avec des images hors contexte (méiose, cellule quelconque, …).

Si peu d'images pour entraîner une IA ?

Il est étonnant qu'avec si peu d'images, on puisse entraîner une IA à reconnaître d'autres images. Ce n'est pourtant pas ce qui est affirmé habituellement : on connaît le coût énergétique et la nécessité d'absorber des quantités astronomiques de données pour entraîner des IA génératives… Ici le processus est différent. On utilise une autre technique d'apprentissage supervisé qui est le « Transfer Learning ».

Le Transfer Learning repose sur un concept simple, celui de ré-exploiter les connaissances acquises dans d'autres configurations pour la résolution d'un problème particulier : l'idée est d'utiliser un réseau de neurones pré-entaîné sur une base d'images (le plus souvent la base ImageNet) et d'utiliser la dernière couche de neurones avec notre jeu de données afin d'extraire les motifs utiles à la reconnaissance de nos propres images. C'est la technique utilisée dans cette activité. Il faut donc bien recourir à plusieurs millions d'images pour entraîner notre modèle …

Pour aller plus loin dans l'analyse

Utilisation de l'IA de Vittasciences

L'utilisation de la reconnaissance d'images par l'IA de Vittascience repose sur la même procédure qu'avec Teachable Machine.

Mais cette plateforme apporte une plus-value. On peut en effet :

affiner les réglages ;
visualiser le réseau de neurones ;
visualiser la zone d'influence, c'est-à-dire les pixels pris en compte par l'IA pour « justifier » son choix de classification. Dans notre exemple, les élèves sont sensibles à la position de chromosomes pour reconnaître les phases de la mitose. Ce n'est pas du tout le cas pour l'IA qui utilise d'autres zones parfois très éloignées de la zone pertinente à nos yeux,

Analyse

Du côté de l'élève

L'élève devient donc un expert : il entraîne l'IA à partir d'images validées puis il vérifie la validité des résultats. C'est l'élève qui nourrit le modèle… Il apprend la mitose en faisant apprendre une machine…et il valide les résultats.

Du côté de l'enseignant

Il est d'ailleurs intéressant de constater la surprise des élèves devant les erreurs de l'IA : "Mais elle est nulle« , »elle se trompe souvent !". C'est une preuve pour l'enseignant que les élèves connaissent les phases de la mitose puisqu'ils peuvent corriger l'IA, tout en montrant aux élèves la nécessité de nourrir l'IA avec assez de données pour rendre les prédictions plus fiables.

Projet similaire

D'autres projets ont été menés avec les mêmes outils pour entraîner une IA à reconnaître des minéraux usuels sur une lame mince, la collecte des données se faisant directement en utilisant l'acquisition d'images par la webcam.

Tutoriels vidéos

Vous pouvez retrouver des vidéos détaillant l'utilisation des deux logiciels présentés dans cet article.

Introduction : https://podeduc.apps.education.fr/video/37684-1-utilisation-dune-ia-en-svt-introduction/

Étiquetage des données : https://podeduc.apps.education.fr/video/37687-2-etiquetage-des-donnees-dans-lapprentissage-supervise/

Utilisation de Teachable Machine : https://podeduc.apps.education.fr/video/37688-3-utilisation-de-teachable-machine/

Utilisation de Vittascience : https://podeduc.apps.education.fr/video/37690-4-utilisation-vittascience/

Que voit l'IA ? : [https://podeduc.apps.education.fr/video/38495-6-les-zones-utilisees-par-lia/]

Enregistrer un projet avec Vittascience :https://podeduc.apps.education.fr/video/38486-5-sauvegarder-un-projet-vittascience/

Utiliser l'IA pour réaliser une fiche de révision

2025-05-26T14:42:38Z

Objectif

Faire réaliser une fiche de révision ou répondre à un sujet de BAC avec l'IA

Les compétences travaillées

Communiquer et utiliser le numérique	Utiliser une IA pour conduire une recherche d'informations en lien avec une question ou un problème scientifique en choisissant des mots-clés pertinents et en évaluant la fiabilité des sources et la validité des résultats (faire preuve d'esprit critique). Utiliser un logiciel de comparaison moléculaire (geniegen 2)
CRCN Communication et collaboration	Interagir (ici avec une IA)
Création de contenu	Développer des documents textuels

Contexte

Niveau Terminale Spécialité SVT

Place de la séance dans le programme

La Terre, la vie et l'organisation du vivant

Génétique et évolution

L'origine du génotype des individus

Le brassage des génomes à chaque génération : la reproduction sexuée des eucaryotes.

Les accidents génétiques de la méiose.

Place de la séance dans la progression

Par l'étude des croisements de drosophiles, les élèves ont vu les différents brassages lors de la méiose.

Le crossing Over égal est donc connu et les arguments liés à l'observation des croisements test ont été vus.

L'objectif est donc de confronter leurs connaissances à l'IA pour la première partie (C.O. égal) puis d'élargir avec toutes les précautions d'usage sur la deuxième partie (C .O. inégal).

l'idée est d'obtenir un plan sur le sujet de BAC proposé et d'enrichir les contenus produits par l'IA :

Dans la partie 1 avec les connaissances déjà vues en cours.

Dans la partie 2 avec les documents produits par la comparaison des gènes de la famille multigénique des opsines dans geniegen2 en ligne.

Des schémas et copies d'écrans sont à intégrer dans le document final.

Durée : 2h en binôme

Matériel :

Une salle avec des ordinateurs et accès internet
Le livre pour avoir les schémas bilan.

Les élèves avaient pour plus de la moitié des groupes au moins un compte à une IA (18 élèves sur 30).

Chat GPT étant la principale IA utilisée. (26 élèves sur 30).

Déroulé de la séance

1ʳᵉ étape : poser le problème

Le sujet de BAC : montrer comment les crossing-over peuvent être source de diversité génétique.

Analyse du sujet en commun.

2ᵉ étape : Écriture du prompt

Exemple de prompts « réalisés »

Prompt 1 très simple

« Montrer comment les crossing-over peuvent être source de diversité génétique. »

Prompt 2 plus précis

« Peux-tu faire une présentation du crossing over que ce soit dans sa version habituelle ou dans sa version accidentelle ? Et de leurs conséquences sur l'évolution des espèces ? »

Prompt sur les familles multigéniques

« Quel est le lien avec les familles multigéniques ? »

3ᵉ étape : vérification des données.

À partir du cours et/ou du livre les élèves vérifient la fiabilité des données obtenues.

4ᵉ étape : Utilisation du logiciel Geniegen 2

Il s'agit de traiter les données génétiques des gènes des opsines chez l'Homme (en lien avec le doc du sujet de BAC) pour obtenir les tableaux de comparaison et l'arbre phylogénique.

5ᵉ étape

Organisation des données et des arguments à partir des éléments copiés au fur et à mesure dans un traitement de texte et des schémas en ligne.

Analyse

Le contenu nécessaire à l'obtention d'éléments utilisables a été obtenu en moyenne en 3 prompts.

Le sujet posé tel quel.
Une précision C.O . égal / inégal
Une demande sur les familles multigéniques

Les prompts n'ont généralement pas posé de problèmes aux élèves.

Les élèves qui ont utilisé l'IA et les éléments complémentaires (cours, documents, schémas du net…) sont arrivés, pour la majorité d'entre eux, au bout de l'activité (voir ci-dessous).

Une difficulté a été de se détacher de l'IA à un moment pour travailler sur ce qui avait été généré (13 élèves sur 30 l'ont formulé). L'envie de continuer à obtenir toutes les réponses était forte pour certains.

Les élèves qui ont continué simplement avec l'IA sans vouloir faire référence à leur cours se sont perdus dans les détails de l'IA et les anomalies de la méiose (10 élèves sur 30 indiquent que l'IA les a mal orientés dans leurs recherches).

Au lieu de chercher des schémas de cours en ligne dans un moteur de recherche, la quasi-totalité des élèves ont demandé à l'IA de générer des schémas directement (voir exemples de schémas générés). Les schémas obtenus n'ont pas de sens biologique et les élèves ont eu du mal à comprendre pourquoi ces schémas n'étaient pas utilisables (12 élèves sur 30 indiquent avoir été surpris des images produites).

Cela a permis de poser la question de la fiabilité de l'IA et de la nécessité d'utiliser ses connaissances, son livre, son cours… pour pouvoir compléter les réponses de l'IA (pour l'instant !).

L'organisation de la réponse a demandé une maîtrise personnelle.

Certains élèves habitués à l'IA ont traité les gènes des opsines avec l'IA (tableau de chat GPT intégré dans l'activité élèves).

Plus-value

Donner des méthodes de travail avec l'IA pour les élèves.

À améliorer

Ne pas laisser les élèves se perdre dans l'IA en vérifiant souvent les prompts et les réponses par un dialogue collectif pour orienter les prompts et partager ceux qui marche.
Imposer les sauvegardes régulières de prompt.

Reconstitution de paysages anciens avec l'IA

2025-05-26T14:42:34Z

Objectifs :

• Exploiter la reconstitution d'un paléoenvironnement en un lieu donné afin de comparer la biodiversité actuelle et passée.

• Utiliser l'IA pour créer des images selon un prompt afin de susciter le questionnement au niveau de la fiabilité des images crées par l'IA.

Compétences travaillées

Socle commun :

Domaines du Socle
| Compétence || Détails / Exemples
Domaine 2 : Utiliser des outils numériques	Traiter des données et analyser des résultats	Utilisation d'outils numériques pour organiser, exploiter et interpréter des données (ex. : tableurs, logiciels de traitement de données)
Domaine 3 : Exercer son esprit critique	Développer un regard critique sur l'information	Capacité à analyser la fiabilité, la source et la pertinence des informations numériques reçues ou recherchées

Cadre de Référence des Compétences Numériques (CRCN) :

Domaines de compétences
| Niveau || Compétence || Détails / Exemples
Information & Données	Niveau 2	Mener une recherche ou une veille d'information	Reformuler la requête en modifiant les mots-clés pour obtenir de meilleurs résultats
		Questionner la fiabilité et la pertinence des sources	Analyse critique des sources trouvées (auteur, date, objectif, etc.)
Communication & Collaboration	Niveau 2	Collaborer	Utiliser un dispositif d'écriture collaborative adapté (ex. : Google Docs, Framapad) pour coproduire des contenus
		S'insérer dans un monde numérique	Utiliser des moyens simples pour protéger les données personnelles : Elea (LMS sécurisé), Vittascience (IA sans connexion)

Contexte

Important : cette activité, comme toutes les autres proposées dans ce TraAM, a été conçue avant la publication du cadre d'usage de l'IA en éducation qui autorise l'usage de l'IA en classe à partir de la 4^e seulement. Néanmoins, l'activité qui suit est tout à fait transférable en 4^e ou en 3^e dans la partie du programme de cycle 4 : « Mettre en évidence des faits d'évolution des espèces et donner des arguments en faveur de quelques mécanismes de l'évolution. - Apparition et disparition d'espèces au cours du temps (traces fossiles des premiers organismes vivants sur Terre). »

Niveau concerné	6ᵉ
Partie du programme	Le vivant, sa diversité et les fonctions qui le caractérisent
Thème abordé	Panorama du monde vivant
Sous-thème	Biodiversité actuelle et passée
Objectif de l'activité	Exploiter la reconstitution d'un paléoenvironnement en un lieu donné afin de comparer la biodiversité actuelle et passée

Durée de l'activité : 55 minutes

Matériel à prévoir : un ordinateur par groupe d'élève, un accès internet, le document d'activité pour les élèves

IA utilisée : Vittasciences

Travail préalable à cette séance

Objectif : Déterminer des espèces biologiques actuelles ou fossiles, en utilisant une clé de détermination.

Les élèves ont donc découvert un certain nombre de fossiles et ont utilisé des clefs de déterminations pour retrouver leur nom. ( cf dans le bas de l'article : document Activité d'identification de quelques fossiles) Les fossiles étudiés vont servir de support pour imaginer des paysages anciens.

Vidéo de présentation du contexte de l'activité précédant l'activité de reconstitution des paysages anciens

Contexte de l'activité reconstitution de paysages anciens

lien de la vidéo

Déroulé de la séance

Après un rappel de ce qui a été vu à la séance précédente (identification de quelques fossiles à l'aide d'une clé de détermination), ils vont découvrir comment reconstituer des paysages anciens à l'aide d'une IA. Ils ont comme matériel :

un document papier qui récapitule les rappels, l'objectif et les consignes de travail et sur lequel se trouve une grille d'évaluation formative des compétences travaillées (voir document joint)
un ordinateur par groupe de deux leur permettant de suivre l'activité support déposée sur Elea (LMS* de l'éducation nationale disponible depuis Toutatice).

*LMS = Learning Management System ou système de gestion de l'apprentissage en français, est une plateforme logicielle qui centralise la gestion et la diffusion des formations en ligne. Il s'agit d'un outil pédagogique précieux qui permet aux établissements d'enseignement et aux entreprises de proposer des formations à distance de manière efficace et structurée.

Dans Elea sont mis à disposition une vidéo tutorielle (pour leur apprendre à utiliser l'IA proposée et le pad collaboratif) et les liens pour aller sur la plateforme d'IA (Vittascience) et sur le pad collaboratif qui va rassembler l'ensemble des productions d'images réalisées par l'IA.

Les élèves devront ensuite justifier de la fiabilité de chacune des images. Un bilan collaboratif est enfin réalisé avec eux (lien de la digitale – digiboard) directement accessible sur Elea.

Voici la vidéo tutorielle expliquant le travail aux élèves.

Vidéo tutorielle_Reconstitution de paysages anciens

et le lien de la vidéo

Production finale

Les élèves ont généré une image de paysage ancien selon le prompt qu'ils ont rédigé dans l'IA de Vittascience et l'image a été déposée dans un pad collaboratif ( digipad)

Exemple de productions déposées sur le pad collaboratif

Les élèves devaient en commentaire justifier de la fiabilité de chaque image.

Un bilan collaboratif a ensuite été rédigé avec les élèves sur digiboard : tous connectés sur le digiboard, ils produisaient des phrases écrites en noir puis l'enseignante améliorait la syntaxe, corrigeait l'orthographe et/ou complétait les informations. Les phrases étaient ensuite mises en rouge et recopiées dans le cahier.

Capture écran du bilan réalisé avec les élèves :

Bilan collaboratif de fin de séance

Analyse

Retour d'expérience – Séance en classe de 6ᵉ (collège REP)

La séance a été réalisée avec une classe entière de 6ᵉ dans un collège en réseau d'éducation prioritaire (REP). Le format de 55 minutes s'est révélé trop court pour mener à bien l'ensemble des activités prévues. En début de séance, des problèmes de connexion ont ralenti la mise en route. Par ailleurs, plusieurs élèves ont eu des difficultés à comprendre la consigne concernant la rédaction du prompt.

Par exemple, certains ont simplement écrit « un paysage ancien », sans intégrer l'idée qu'il fallait rédiger une phrase demandant un paysage dans lequel on va associer différents fossiles. L'enseignant s'attendait à ce que les résultats des élèves générés par l'IA montrent à la fois des associations cohérentes et d'autres plus improbables dues à un problème de lecture du tableau d'identification des fossiles (comme des animaux terrestres et aquatiques mélangés, ou des espèces ayant vécu à des époques différentes). En réalité, peu d'élèves ont imaginé des associations d'êtres vivants anciens ; la plupart se sont contentés de demander la représentation d'un seul fossile. Il faudra donc modifier la consigne afin de dépasser l'implicite de l'association des êtres vivants et formuler une consigne de rédaction d'un prompt en associant au moins deux fossiles. Voici un exemple d'images réalisées par l'IA de Vittascience avec un prompt cohérent pour la première et un prompt incohérent pour la deuxième.

Ceratosaurus avec un angiosperme et des fougères

Homo et Alamosaurus dans une forêt de Fougères

Cependant, malgré les limites de l'activité réalisée, les images produites ont permis de nourrir une réflexion collective.

En conclusion, les élèves ont compris que l'intelligence artificielle permet d'obtenir très rapidement une image, ce qui est un atout.

Toutefois, ils ont aussi pris conscience des risques liés à la notion d'image créée par une IA, qui peut être un danger pour l'apprentissage car :

certaines images créées ne sont pas fiables : tout dépend de la commande, de la rédaction, des informations données dans le prompt,
et l'IA crée une image dans tous les cas, que l'information soit fiable ou non, elle va dans le sens du rédacteur du prompt !

Documents supports

Activité Identification de quelques fossiles

clé de détermination des fossiles et échelle des temps géologiques

Activité Identification de quelques fossiles - éléments de correction

Activité reconstituer des paysages anciens - document élève

Utiliser une IA pour débattre et argumenter

2025-05-26T14:42:32Z

Objectif

Cette séance a pour objectif de travailler avec les élèves les distinctions Science-Croyance en débattant avec une IA.

Dans le programme officiel, il est précisé pour ce thème (BO du 22 juin 2023) : « La connaissance des caractéristiques de la Terre (rayon terrestre, forme et âge) s'est construite sur un temps très long, donnant lieu à plusieurs controverses. L'évolution des observations, des outils mathématiques et techniques a permis d'aboutir à un résultat stabilisé. Cette partie du programme donne l'occasion de distinguer un savoir scientifique d'une croyance. »

A l'heure où les jeunes générations s'informent essentiellement sur les Réseaux Sociaux et où la distinction entre Science et Croyance devient de plus en plus floue, utiliser cette partie de programme devient une opportunité pour travailler sur « Qu'est-ce que la science ? Qu'est-ce que la recherche scientifique ? Et quelle est la distinction entre Science et Croyance ? »

L'utilisation de l'IA prend ici tout son intérêt pour simuler un débat avec une personne confondant science et croyance et dans cet exemple, croyant que la Terre n'a pas plus de 10 000 ans. L'exercice va consister à la recherche et à l'identification d'arguments fallacieux.

Compétences travaillées

Extrait du BO :

Notions	Au cours de l'histoire des sciences, plusieurs arguments ont été utilisés pour aboutir à la connaissance actuelle de l'âge de la Terre : temps de refroidissement, empilements sédimentaires, évolution biologique, radioactivité. L'âge de la Terre aujourd'hui précisément déterminé est de 4,57.109 ans.
Savoir-Faire	Interpréter des documents présentant des arguments historiques utilisés pour comprendre l'âge de la Terre. Identifier diverses théories impliquées dans la controverse scientifique de l'âge de la Terre.
Compétences transversales	Exercer sa pensée critique et distinction Science-Croyance

Cadre de référence des compétences numériques (CRCN)

2 - Communication et collaboration	2.4 S'insérer dans le monde numérique
3 - Création de contenus	3.1 Développer des documents textuels
4 - Protection et sécurité	4.2 Protéger les données personnelles et la vie privée 4.3 Protéger la santé, le bien-être et l'environnement

Contexte

Liaison avec le programme :

Niveau concerné : Première enseignement scientifique
Partie du programme : Thème 3 : La Terre, un astre singulier / L'histoire de l'âge de la Terre

Place dans la progression

Cette activité s'inscrit dans le programme d'enseignement scientifique de première dans la partie « L'histoire de l'âge de la Terre » : Découverte de différents arguments scientifiques pour proposer un âge à la Terre.
Séance de mise en application des distinctions entre Science et Croyance. Cette séance arrive en fin de chapitre. Les élèves ont donc découvert les différents arguments utilisés au cours de l'histoire des sciences pour déterminer l'âge de la Terre. Pour chaque argument, ils ont expliqué pourquoi, au vu des connaissances actuelles, ces arguments étaient aujourd'hui rejetés.

Durée de la séance : 2h

Matériel nécessaire : ordinateurs et connexion internet

Déroulé de la séance

Introduction de l'activité et objectifs
(voir activité élève dans les ressources en bas de cet article)

Début de l'activité (document élève)

Explication de la notion d'arguments fallacieux

1^re étape :
Découverte des arguments fallacieux avec une IA et entrainement à reconnaitre des arguments fallacieux

2^e étape :
Débat avec l'IA autour de l'âge de la Terre. L'IA prend le rôle d'une personne qui croit que la Terre à 10 000 ans. Prompt imposé dans l'activité. Échange d'arguments avec utilisation des activités précédentes

3^e étape :
Fin du débat avec un prompt demandant à l'IA de faire un résumé des arguments utilisés et de les caractériser.

Production finale

Exemples de production d'élèves :

https://chatgpt.com/share/67dc3abb-...

https://chatgpt.com/share/67dc3baa-...

Exemple de résumé des arguments du débat proposé par ChatGPT (extrait d'une production d'élèves)

Analyse

Retour d'élèves :

Les élèves ont trouvé intéressant d'utiliser l'IA en classe de façon cadrée. Ils ont découvert avec la 1^re étape qu'ils pouvaient utiliser l'IA pour s'entrainer et réviser leurs cours en demandant à l'IA de leurs poser des questions. Attention, cela leur demande cependant de maitriser le cours avant pour identifier des réponses « surprenantes » de l'IA.
Ils se sont aperçus en comparant leurs résultats entre différents groupes qu'ils obtenaient des réponses différentes avec les mêmes prompts. Ils ont aussi constaté l'importance de rédiger un prompt précis (ex : dans l'étape 1 : l'IA donnait les arguments et les identifiait dans la foulée).

Retour de l'enseignant :

Importance primordiale du prompt : Nécessité d'être rigoureux dans les prompts sinon l'IA fait les exemples et les identifie directement, ou alors construit directement son propre débat en analysant directement les arguments.
ATTENTION : quand l'IA joue vraiment le jeu, cela devient déroutant et peut perturber un jeune public non préparé ! On étudie dans cet exemple l'âge de la Terre mais sur des questions plus socialement vives comme la vaccination, le dérèglement climatique, cela pourrait perturber le raisonnement d'un public non préparé. Pour cela, il faut absolument prévoir un temps de « désamorçage », de retour à la réalité et de déconstruction des arguments fallacieux avancés. On peut le faire collectivement et/ou chaque groupe peut le faire en demandant à l'IA à la fin de l'échange, de sortir de son rôle et d'identifier tous les arguments fallacieux. Ce temps est indispensable pour ne pas que ce type d'activité provoque l'effet inverse de ce qui est recherché.
Prendre des précautions sur la sensibilité d'élèves croyants qui pourraient être choqués par la critique des textes religieux.
L'utilisation de Chatgpt sans se connecter au sein du lycée fonctionne très bien mais on arrive vite à la limitation des prompts autorisés. On peut demander aux élèves qui ont un compte de se connecter (plus simple pour récupérer leurs échanges ensuite mais quid de la protection des données et du respect de la RGPD). On peut également utiliser d'autres IA (ce qui a l'avantage de faire découvrir d'autres IA aux élèves) : IA Ecosia reste neutre (elle ne peut pas jouer le rôle d'une personne pensant que la Terre a moins de 10 000 ans mais fonctionne très bien pour s'entrainer à reconnaitre des arguments fallacieux) ; GIMINI de Google nécessite un compte ; COPILOT de Microsoft fonctionne sans compte mais on peut rencontrer le même problème qu'avec ChatGPT (limitation du nombre de prompts), MISTRAL, DEEPSEEK (nécessite également un compte)…On peut également utiliser le site compar:IA (https://www.comparia.beta.gouv.fr/) qui permettra de comparer les réponses de deux IA différentes et l'impact environnemental de leurs utilisations.
Pas facile pour les élèves de reconnaître les arguments fallacieux mis à part « appel à autorité ». Il faudrait pouvoir consacrer un temps plus long à la reconnaissance des arguments. Dans ce contexte, il est intéressant de terminer avec une correction proposée par IA qui permet un gain de temps.
Dans cet exemple autour de l'âge de la Terre, le débat tourne vite en rond (argument d'autorité et dénigrement des sciences avec l'idée que les scientifiques ne sont pas objectifs et se trompent). Sur d'autres exemples comme la vaccination ou la forme de la Terre, on peut s'attendre à une plus grande diversité d'arguments fallacieux.

IA, EMI ET SVT

2025-05-26T14:42:29Z

OBJECTIFS

L'objectif est notamment de renforcer l'esprit critique des élèves en comparant les données apportées dans un article du journal des Scavans et les données présentes dans des articles publiées dans des revues scientifiques actuelles présentes au C.D.I. (Espèces, Pour la Science, La Recherche et Carnets de Science).

"Le Journal des sçavans (évoluant vers Journal des savans puis Journal des savants) est le plus ancien périodique littéraire et scientifique d'Europe, fondé en 1665. Il a largement contribué à la diffusion des connaissances scientifiques en permettant aux savants de communiquer. Dès 1666, il publiait des observations de Robert Hooke, réalisées au microscope, et les découvertes d'Antoine van Leeuwenhoek (1632-1723), présentées à travers ses « modestes microscopes ». Le 20 juin 1679, le journal rapportait notamment la découverte de la composition du sang : de petits globules mille fois plus petits qu'un grain de sable."

Les élèves publieront des articles dans un blog hébergé par l'application Porte-Plume et enregistreront leur podcast sur l'application Porte-Voix après être allé s'entraîner à l'Edulab de l'Hôtel Pasteur. Ces deux applications sont présentes sur leur E.N.T. Toutatice.

Les élèves comparent les données dans des articles scientifiques anciens (journal des scavans XVII^e siècle) et les données présentées dans des revues scientifiques actuelles (Espèces, Pour la Science, La Recherche, et carnets de science).

Les élèves interrogent un IA vocale Ask Vera afin de vérifier la véracité de certaines informations. Suite à l'écriture du script audio l'enseignant informe les élèves sur les mécanismes de la génération de texte par une IA (Token…) A l'aide de l'application compar IA et réfléchissent sur les conséquences énergétiques des prompts.

Les élèves publient leurs articles dans un blog hébergé par l'application porte-plume, s'initient à la radio dans un edulab et réalisent un podcast avec une webradio.

COMPETENCES TRAVAILLEES

Compétences en S.V.T.
Exercer son esprit critique	S'informer à partir d'articles scientifiques Enrichir ses connaissances sur l'Histoire des Sciences

Cadre de Référence des Compétences Numériques (C.R.C.N.)
Mener une recherche ou une veille d'information	Constituer une documentation sur un sujet : sélectionner des sources, élaborer une sitographie Utiliser un ou plusieurs logiciels spécialisés pour mettre en place une veille
Communication et collaboration	Interagir : modérer les interactions en ligne pour garantir le respect des règles de civilité et le droit des personnes
Communication et collaboration	Partager et publier : maîtriser son expression publique en ligne en fonction du média
Communication et collaboration	Collaborer : organiser et encourager des pratiques de travail collaboratif adaptées aux besoins d'un projet
Création de contenu	Développer des documents visuels et sonores Adapter les documents à leur finalité

CONTEXTE

Niveau : Première spécialité

Après être allé choisir un article du journal des Scavans dans la bibliothèque de l'Amélycor (Association pour la mémoire du Lycée et du Collège de Rennes), les élèves ont recherché dans des revues scientifiques des données plus récentes au C.D.I. afin de rédiger leur script. Ils ont, à la maison, poursuivi la rédaction de ce script qu'ils présentent à l'oral aux autres groupes.

DEROULE DE LA SEANCE

Les élèves lisent leur script aux autres groupes. Des conseils leur sont apportés sur le fond ainsi que sur la forme.

Deux outils comparIA et AskVera sont présentés aux élèves qui ont, pour beaucoup, utilisés des IA afin de rédiger leur script.

Supports pédagogiques :

Association Amélycor, https://amelycor.fr/index.php/fr/

Journal des Scavans, https://gallica.bnf.fr/ark:/12148/cb343488023/date

ASK Vera : https://www.askvera.org/ et 09 74 99 12 95

Compar IA : https://www.comparia.beta.gouv.fr/

Edulab Pasteur, https://www.edulabpasteur.fr/lieu/

Porte-Plume, https://porte-plume.app/

Porte-Voix, https://radioeducation.saooti.org/main/pub/emission/3160-Le-journal-des-Scavans-vs-la-Recherche-Pour-la-Science-Esp%C3%A8ces-et-Carnet-de-Science?productor=2d80d090-36e2-4eed-8325-3cdf3e86bb92

Durée de l'activité : 6 heures

PRODUCTION FINALE

Diaporama « journal des Scavans » en pièce jointe.

Le diaporama présente les grandes lignes de la séquence pédagogique ainsi que les ressources utilisées pendant cette séquence .

ANALYSE

Suite Collaborative Porte-Plume

Les élèves ne connaissaient pas l'application Porte Plume, qui est présente sur notre ENT Toutatice depuis cette année. Il aurait été préférable de leur présenter cette application en début de projet, afin qu'ils puissent s'y familiariser plus facilement et ainsi publier plus aisément des billets sur le blog.

Les avantages de Porte Plume :

Porte Plume garantit la confidentialité des élèves, car leur identité n'est pas révélée au grand public. Chaque contribution est publiée sous le nom de l'auteur. L'application permet de gérer facilement les autorisations des élèves. Le modèle d'autorisation complété est à téléchager et à imprimer.

Script et Podcast

Très peu d'élèves pensent à citer leurs sources. Il est nécessaire de leur réexpliquer l'importance de citer ses sources.

Certains podcasts peuvent être difficiles à écouter en raison du manque d'interactions entre les élèves. Cela pourrait être l'occasion d'échanger avec les élèves sur la façon de rédiger un prompt (Action Contexte Ton Identité Format).

Utilisation de l'IA

En discutant avec les élèves, j'ai constaté que certains n'avaient pas saisi que l'IA est un outil, une « boîte noire ». La voix IA, comme celle que l'on peut entendre en appelant « Vera », semble empêcher certains élèves de se détacher de l'idée que l'IA n'est pas un être humain, mais un outil.

Il est important de démystifier la notion d'intelligence artificielle (IA) auprès des élèves, en particulier pour éviter l'anthropomorphisme, c'est-à-dire l'attribution de caractéristiques humaines à des entités non humaines.

Nous pourrions, afin de démystifier la notion d'IA, expliquer le processus de synthèse vocale en :
– expliquant que la voix qu'ils entendent est le résultat d'un algorithme complexe qui transforme le texte en son.
– proposant d'écouter des exemples de voix différentes
– utilisant ce jeu : https://lesbases.anct.gouv.fr/ressources/aie-aie-ia-le-jeu-pour-demystifier-l-intelligence-artificielle#les-objectifs-d-un-atelier-aie-aie-ia.

Poursuite du projet

Une collaboration renforcée avec l'Hôtel Pasteur va être mise en place à la rentrée prochaine. Un projet audio va être proposé aux élèves afin de leur permettre de connaître davantage le lieu et son fonctionnement.

IA, VACCINATION ET ESPRIT CRITIQUE

2025-05-26T14:42:26Z

OBJECTIFS

L'objectif est de comprendre le fonctionnement d'un modèle numérique de propagation d'une maladie infectieuse (exemple de la rougeole) en utilisant l'IA comme source d'informations.

COMPETENCES TRAVAILLEES

Compétences en S.V.T.
Notions	Seconde, B.O. spécial n°1 du 22 janvier 2019 La connaissance de la propagation du pathogène (voire, s'il y en a un, du vecteur) permet d'envisager les luttes individuelles et collectives. Les comportements individuels et collectifs permettent de limiter la propagation (gestes de protection, mesures d'hygiène, vaccination, etc.).
Savoir-Faire	Exercer son esprit critique en utilisant un modèle numérique : le logiciel Couvac.

Cadre de Référence des Compétences Numériques (C.R.C.N.)
Communication	Partager et publier
Informations et données	Gérer et traiter des données : utilisation d'un tableur, obtention de moyennes, réalisation d'un traitement statistique, détermination du coefficient de détermination, réalisation d'une droite de régression avec son équation

CONTEXTE

Niveau : Seconde

Prérequis :

Les élèves ont appris que :
— Certaines maladies causées par des agents pathogènes sont transmises directement entre êtres humains ou par le biais d'animaux tels que les insectes (maladies vectorielles).
— Les agents pathogènes (virus, certaines bactéries ou certains eucaryotes) vivent aux dépend d'un autre organisme, appelé hôte (devenu leur milieu biologique), tout en lui portant préjudice (les symptômes).
— La propagation du pathogène se fait par changement d'hôte. Il exige soit un contact entre hôtes, soit par le milieu ambiant (air, eau), soit un vecteur biologique qui est alors l'agent transmetteur indispensable du pathogène (il assure la maturation et/ou la multiplication du pathogène).
— Le réservoir de pathogènes peut être humain ou animal (malade ou non). La propagation peut être plus ou moins rapide et provoquer une épidémie (principalement avec des virus).

DEROULE DE LA SEANCE

Première séance

Temps 1- Analyse des documents

– Les élèves analysent des documents afin d'en extraire les informations permettant d'expliquer la recrudescence actuelle de la rougeole.
– Les élèves argumentent leur réponse à partir de leur analyse.
– Après un échange avec les élèves, nous leur proposons d'utiliser une modélisation épidémique à l'aide du logiciel Couvac de Philippe Cosentino (source : https://www.pedagogie.ac-nice.fr/svt/?p=654)

couvac

Temps 2- Prise en main du logiciel

– Tous les élèves utilisent une couverture vaccinale de 50%
– Les élèves complètent le Fiabilitomètre à l'aide de l'Octaèdre des sciences, hexagone « questionner le résultat »

Deuxième séance

Temps 1- Echanges sur la fiabilité des résultats obtenus et réponse à la problématique

– Mise en commun des réponses complétées par les groupes ; points de vigilance proposés.

– Après échanges, les élèves vont :
— utiliser Compar:IA afin de récupérer les données correspondant à la Rougeole https://www.comparia.beta.gouv.fr/. Les élèves découvrent ce qu'est le taux de contagion (R0), le seuil d'immunité collective. L'IA peut aider à comprendre ces concepts et à montrer que finalement certains paramètres du logiciel sont eux mêmes calculés à partir de modèles.
— choisir les pourcentages à utiliser
— réaliser plusieurs essais
— noter les résultats dans un tableau partagé
— réaliser le graphique représentant le nombre de personnes contaminées en fonction de la couverture vaccinale
— obtenir la régression la plus adaptée en utilisant le coefficient de détermination
— calculer la couverture vaccinale permettant d'annuler les contaminations
— comparer avec la valeur donnée par l'O.M.S.

Temps 2- Bilan

– S'interroger sur la fiabilité du modèle et donc la fiabilité des résultats :

le logiciel représente-t-il entièrement la réalité ? A partir de quand peut-on considérer que les résultats sont représentatifs de la réalité ? → Penser à multiplier le nombre de tests afin d'écarter les biais de manipulations (erreurs liées au manipulateur ou aux outils utilisés).

Supports pédagogiques
— Laëtitia CIROLDI, Éric LACOUTURE, Johann GERARD, Fiabilitomètre : Construire l'esprit critique en SVT, https://cafepedagogique.net/wp-content/uploads/2024/09/construire_l_esprit_critique_en_svt.pdf
— Philippe Cosentino, COUVAC, https://www.pedagogie.ac-nice.fr/svt/?p=654 ou https://cosphilog.fr/
— Delphine Ducourtioux, Erwann Perrin, Octaèdre des Sciences https://hexagone-website.vercel.app/
— Ministère de la Culture, Comparateur d'IA, https://www.comparia.beta.gouv.fr/
— Rougeole en France. Bilan annuel 2024.
— L'ONU alerte sur la hausse de plusieurs maladies « évitables », Ouest France, 24 Avril 2025, https://www.ouest-france.fr/sante/maladies/rougeole-meningite-fievre-jaune-lonu-alerte-sur-la-hausse-de-plusieurs-maladies-evitables-7f3f4464-20db-11f0-bf67-a97478b86af6]
— L'ONU alerte sur la hausse de plusieurs maladies « évitables », ONU, 24 Avril 2025, https://news.un.org/fr/story/2025/04/1154971
— IA et éducation, rapport d'information du Sénat n° 101 (2024-2025), déposé le 30 octobre 2024, https://www.senat.fr/rap/r24-101/r24-101.html
— B.O. spécial n°1 du 22 janvier 2019, https://eduscol.education.fr/1664/programmes-et-ressources-en-sciences-de-la-vie-et-de-la-terre-voie-gt
— Répères pour l'évaluation des compétences numériques. Tableau de synthèse par compétence https://eduscol.education.fr/document/20392/download
— Taux de contagion, seuil d'immunité collective https://chatgpt.com/share/6836cec5-9dbc-8009-832d-e8da4932d479
— Les gestes barrières https://sante.gouv.fr/prevention-en-sante/preserver-sa-sante/pour-un-hiver-sans-virus/article/les-gestes-barrieres-des-reflexes-simples-pour-se-proteger-et-proteger-ses

Durée de l'activité : 1h30

PRODUCTION FINALE

Diaporama IA, Esprit critique et vaccination. Le diaporama présente les grandes lignes de la séquence pédagogique dont la production finale. Les captures d'écran ci-dessous sont celles de groupes différents :

Groupe 1

Groupe 2

Groupe 3

Groupe 4

Les élèves ont :

obtenu un graphique à partir des données ajoutées au tableur
choisi la régression la plus adaptée en utilisant le coefficient de détermination
récupéré l'équation qui leur a permis de calculer la couverture vaccinale pour laquelle les contaminations sont nulles

A partir de cette production et des nombreux échanges, les élèves ont noté le bilan de leur activité.

ANALYSE

Utilisation d'un tableur
— Seuls quelques élèves ont été capables d'utiliser le tableur.
— Il a été nécessaire de leur rappeler comment :
– calculer une moyenne à l'aide d'un tableur.
– construire un graphique
– obtenir une régression
– utiliser le modèle de régression adéquate (linéaire, logarithmique, exponentiel…) qui limitera les biais d'analyse ou d'interprétation. Pour rappel, le coefficient de détermination correspond au coefficient de corrélation R² ; ce coefficient est un indice de la qualité de la prédiction de la régression. Le coefficient de détermination se situe entre 0 et 1. Plus il est proche de 1, plus la régression est en adéquation avec les données collectées. 1 est égal à 100% donc dans ce cas, la corrélation entre les variables est totale. En seconde, seuls quelques élèves ont entendu parler de logarithme. On peut donc décider d'utiliser une régression linéaire et montrer aux élèves comment la régression logarithmique peut donner des résultats plus fiables.

Utilisation de compar:IA

– La majorité des élèves utilisent des IA. Une seule élève a proposé d'utiliser un moteur de recherche afin de récupérer les données permettant de compléter les cases du modèle. Les I.A. sont utilisées aujourd'hui par plus de 90% de nos élèves de seconde (IA et éducation, rapport d'information du Sénat n° 101 (2024-2025), déposé le 30 octobre 2024).
– De nombreux élèves n'avaient pas été sensibilisés au fait de ne pas fournir ses données personnelles à une IA (conseil de prévention proposé par Compar:IA avant de rédiger son prompt).
– Aucun élève n'a eu le réflexe de demander dans le prompt que les sources soient indiquées.
– De nombreux élèves ont découvert l'impact énergétique produit par leur discussion. Les élèves ont trouvé que le fait de convertir l'énergie consommée en quantité de CO2 émis, en durée d'utilisation d'une ampoule LED et encore plus parlant pour eux en durée de visionnage sur une plateforme était très intéressant.

Compléter cette activité en :
– utilisant à nouveau le modèle en modifiant l'effectif
– utilisant un autre modèle numérique de type stochastique comme NetBioDyn et le comparer à ce modèle

Utilisation de l'IA comme outil dans la réalisation d'une démarche scientifique

2025-05-26T14:42:22Z

Objectif

Les cartes ARDUINO permettent de réaliser une multitude d'expériences, de prises de mesures et sont des outils qui commencent à être de plus en plus utilisés au lycée, notamment en Sciences Physiques. L'idée est de montrer que cet outil peut également être utiliser en SVT et permettre des ponts avec la PC.

Pour utiliser une carte ARDUINO, il faut créer un programme en langage C. On peut écrire le programme en amont et le donner aux élèves qui devront modifier quelques lignes de code pour faire fonctionner leur programme (c'est comme cela qu'ils fonctionnent en PC) ou bien leur demander d'écrire intégralement le programme. C'est là que l'IA intervient comme un outil d'aide à la programmation.

Compétences travaillées

Extrait du BO :

Notions

Les rapports isotopiques montrent des variations cycliques coïncidant avec des variations périodiques des paramètres orbitaux de la Terre. Celles-ci ont modifié la puissance solaire reçue et ont été accompagnées de boucles de rétroactions positives et négatives (albédo lié à l'asymétrie des masses continentales dans les deux hémisphères, solubilité océanique du CO2) ; elles sont à l'origine des entrées et des sorties de glaciation.

Savoir-Faire

Mettre les variations temporelles des paramètres orbitaux, définis par Milankovitch, en relation avec les variations cycliques des températures au Quaternaire.

Cadre de référence des compétences numériques (CRCN)

2 - Communication et collaboration	2.4 S'insérer dans le monde numérique
3 - Création de contenus	3.1 Développer des documents textuels 3.4 Programmer
5 - Environnement numérique	5.1 Résoudre des problèmes techniques

Contexte

Liaison avec le programme :

Niveau concerné : Terminale Spécialité SVT
Partie du programme : Thème 2 : Enjeux planétaires contemporains / Les climats de la Terre : comprendre le passé pour agir aujourd'hui et demain

Place dans la progression :

Cette séance intervient après avoir identifié les indices de variations climatiques ce qui a permis de mettre en évidence des changements du climat au cours des 800 000 dernières années. Cette séance va permettre d'argumenter une des causes de ces variations climatiques : les paramètres orbitaux de la Terre qui modifient la puissance solaire reçue.

Durée de la séance : 2h

Matériel à prévoir :
Carte Arduino avec câbles, résistance de 10 kilo-ohm, plaque de connexion, lampe, règle graduée, banc optique.

Déroulé de la séance

Introduction de l'activité et retour sur la notion de modèle
(voir activité élève dans les ressources en bas de cet article)

1^re étape :
Réflexion des élèves pour proposer un protocole de modélisation de l'influence de la distance Terre-Soleil sur l'énergie reçue à la surface de la Terre avec le matériel proposé (le montage de la carte Arduino est déjà prêt avec une photorésistance).

Photo du montage

Détail du montage

Connexion de la photorésistance

Détail du montage

2^e étape :
Utilisation d'une IA pour écrire un programme permettant de faire fonctionner le montage. Téléversement du programme et premiers tests de prise de mesure.

Exemple de programme proposée par l'IA d'Ecosia

3^e étape :
Réalisation de l'expérience de mesure de la puissance radiative en fonction de la distance.

Production finale

Exemple de production :

Exemple de résultats obtenus

Analyse

Retour d'élèves :

Ils n'aiment pas l'informatique et la programmation ! Mais le fait d'utiliser une IA les a rassurés sur la faisabilité de la tâche demandée. Aucune aide au prompt leur a été fournie. Cela leur a permis de se rendre compte rapidement de l'importance d'écrire un prompt précis. Certains avaient juste recopié la consigne qui de fait, pour l'IA était trop vague. Mais l'IA ne répond pas qu'elle ne peut pas donc elle leur fournissait un programme qui bien sûr ne fonctionnait pas.
Dès lors que le programme fonctionne, ils ont pu passer à l'expérimentation et ont pu se rendre compte du choix des mesures, de la qualité et de la quantité des mesures nécessaires pour obtenir des résultats exploitables. Certains n'avaient réalisé que 2-3 mesures ce qui était insuffisant.

Retour de l'enseignant :

Séance intéressante pour montrer l'utilisation d'une IA comme simple outil à la réalisation d'une démarche scientifique plus globale.
Les élèves ont compris l'intérêt de la rédaction de prompts précis.
L'IA utilisée était celle d'ECOSIA mais on peut penser utiliser d'autres IA et mieux, le site compar:IA (https://www.comparia.beta.gouv.fr/) pour sensibiliser aux différents algorithmes des IA (et coût environnemental)
Il aurait fallu passer un peu plus de temps et creuser la fiabilité des données récoltées en analysant le programme proposé (en discuter avec des collègues de PC ?). Ici, le programme réalise des mesures en w.m^-2 mais les calculs et conversions réalisés sont-ils exacts et scientifiquement rigoureux ?

L'IA générative, un recours pour les études scientifiques ?

2025-05-26T14:42:17Z

Objectifs

L'utilisation de l'intelligence artificielle par les élèves est devenue une pratique courante, voire banale, pour beaucoup d'entre eux. Dans le groupe de première spécialité concerné par ces travaux, composé de 22 élèves, tous avaient déjà utilisé ChatGPT, principalement pour des recherches d'informations. Ainsi, l'IA générative a remplacé, pour ces élèves, l'utilisation traditionnelle des moteurs de recherche.

Le but de l'enseignant est d'amener les élèves à questionner la fiabilité des informations fournies par les « perroquets stochastiques »⁽¹⁾ que sont les IA génératives.

L'objectif de cette activité est de tester l'utilisation d'une IA pour obtenir des données scientifiques sur la subduction. Pour introduire la partie sur l'origine du magma dans une zone de subduction, il s'agit de rechercher s'il existe un lien entre la distance arc volcanique-fosse océanique et le pendage de la plaque plongeante. Le recours à l'IA concerne l'obtention de données chiffrées dans le but de construire un graphique permettant d'obtenir une courbe de tendance.

Afin de vérifier la validité des données, il est ensuite nécessaire de confirmer les valeurs proposées par l'IA générative à l'aide de Tectoglob3D : cet outil permet de mesurer des distances ainsi que le pendage par l'exploitation des plans de Wadati-Benioff.

Compétences travaillées

L'enseignement des SVT vise à plusieurs objectifs majeurs dont celui de participer à la formation de l'esprit critique.

Le numérique et les SVT

D'après le programme officiel, les SVT requièrent l'usage des outils numériques généralistes (Internet, tableurs,…)[…]. Elles doivent aussi développer de nouvelles compétences numériques chez les élèves : l'usage des bases de données scientifiques, la modélisation.

Cadre de Référence des Compétences Numériques (CRCN) :

Information et données	Mener une recherche, Traiter des données
Environnement Numérique	Retrouver des ressources dans un environnement numérique

Contexte

Niveau

Première spécialité

Place dans les programmes

La dynamique interne de la Terre > La dynamique de la lithosphère > La dynamique des zones de convergence > Les zones de subduction

Acquis des élèves

A ce stade, les élèves savent que les zones de subduction sont marquées par un volcanisme explosif. Il s'agit alors de rechercher l'origine du magma.

Durée de l'activité

2 heures

Matériel à prévoir

Ordinateur / Accès à internet

IA utilisée

DuckDuckGo AI Chat avec le modèle laissé au choix des élèves (le plus souvent ils utilisent ChatGPT).

Déroulé de la séance

1^re étape : interroger une IA

Exemple de requêtes (prompts) utilisés par les élèves :

élève1 - Trouve moi le lien entre le pendage et la distance entre la fosse et l'arc volcanique (ici l'élève ne demande pas de valeurs chiffrées).

élève2 - Je veux des nombres concernant la relation entre la distance arc-fosse et le pendage d'une plaque en subduction ( la plupart du temps , les élèves ont obtenu des tableaux de données avec des fourchettes de valeurs, donc inutilisables pour construire le graphique)

élève3 - Donne moi un tableau avec de vraies valeurs scientifiques (plusieurs prompts ont permis d'obtenir des valeurs … fictives, ce qui était bien précisé par l'IA)

élève4 - Salut, je veux de vraies valeurs scientifiques et tu me dis en plus où tu les as trouvées.(L'IA cite alors ses sources).

La plupart des prompts des élèves manquaient de précision, et il a fallu modifier la demande jusqu'à obtenir un tableau de données exploitables.

Exemple de données obtenues grâce à l'IA

2^e étape : vérifier les données

Dans un second temps, les élèves ont obtenu leurs propres valeurs à l'aide du logiciel Tectoglob3D en mesurant pendage et distance arc-fosse dans les mêmes zones que celles proposées par l'IA.

Exemple de données obtenues avec Tectogob3D

La comparaison des tableaux de données montre parfois des valeurs proches de celles proposées par l'IA ou très différentes pour une même zone de subduction. Il est difficile pour les élèves de trouver des valeurs « exactes » puisque d'un groupe à l'autre les valeurs sont proches mais toujours différentes. Alors que l'IA propose des valeurs uniques et semble-t-il indiscutables. Qui croire ?

3^e étape : déterminer une tendance

Il ne reste plus qu'à construire une courbe en nuages de points (dispersion) et d'établir une courbe de tendance pour estimer le lien entre pendage et distance arc volcanique -fosse océanique.

Afin d'estimer la validité des courbes de tendance, on peut comparer le coefficient de détermination R² . Cet indice mesure la qualité de l'ajustement du modèle de régression aux données : plus la valeur est proche de 1, et plus le modèle s'ajuste sur les données. Selon les groupes, la courbe de tendance construite à partir des données de l'IA montre parfois un meilleur R²… L'IA générative a donc parfois donné des résultats jugés plus fiables que ceux obtenus par les élèves…Reste la question de la généralisation. Peut-on se fier à l'IA ?

Les élèves ont fait émerger plusieurs difficultés pour expliquer la différence :

« L'IA générative trouve directement les bonnes données scientifiques. »
« Nous ne sommes pas des géologues. » : la dispersion des foyers sismiques rend l'exercice difficile pour savoir quels points prendre pour mesurer le pendage.
« Tectoglob3D manque de précision. » (?!)

Un groupe a choisi rapidement d'utiliser un moteur de recherche pour obtenir un tableau de données finalement assez semblables aux valeurs générées par l'IA.

Mais cela a soulevé une nouvelle question : comment font les scientifiques pour établir des valeurs de pendage faisant consensus dans la communauté scientifique alors que cela semble si aléatoire par l'étude du plan de Bénioff ?

4^e étape : le recours à une base de données scientifiques

L'enseignant a alors proposé d'utiliser une base de données scientifiques axées sur l'étude des zones de subduction : il s'agit de la base de données Sub-map, outil de cartographie et d'étude des zones de subduction conçu par le laboratoire de Géosciences de Montpellier. Cet outil dispose de plusieurs modules, dont le module Sub-DATA qui rassemble des données issues de campagnes d'exploration.

Page d'accueil du site Sub-DATA

Le module présente une carte avec des transects réalisés dans toutes les zones de subduction du Monde : en cliquant sur un transect, on obtient une quantité impressionnante de données, et en particulier la distance arc volcanique-fosse (X_Arc).

Paramètres structuraux

Les élèves découvrent alors que la base de données dispose de deux mesures de pendage :

α_s pour le pendage jusqu'à 125 km de profondeur,
α_d pour le pendage au-delà de 125 km de profondeur.

Paramètres du « slab »

Remarque : Avec un angle de pendage et la distance séparant la fosse de l'arc volcanique, il est possible de connaître la profondeur du toit de la plaque plongeante sous les volcans en considérant un triangle rectangle. Ce calcul devient inutile, puisque la base de données contient cette valeur : c'est la profondeur du toit du plan de Bénioff sous l'arc vocanique (H_arc). C'est finalement la ressource la plus précieuse puisqu'elle suggère que le toit du plan de Wadatti-Benioff est souvent situé autour de 100 km de profondeur. On pourra ainsi rechercher les caractéristiques de cette zone pour rechercher l'origine du magma.

Exemple de données issues de Sub-DATA

On peut donc recommencer le travail précédent en construisant un nouveau graphique avec les valeurs glânées dans la base de données.

Production finale

Les élèves disposent à présent de trois graphiques avec trois courbes de tendance (et le R²)

graphique construit avec les données IA
graphique construit avec les données obtenues par les élèves avec Tectoglob3D
graphique obtenu à partir d'une base de données (donc des scientifiques).

Il est temps de répondre à la problématique pour établir le lien entre le pendage d'une plaque plongeante et la distance qui sépare l'arc volcanique de la fosse.

Selon les tests réalisés en classe, le meilleur R² a été obtenu par l'IA ou pas…Le contenu du prompt change complètement les valeurs obtenues .

Analyse

Cette activité visait à adopter une approche critique envers les réponses fournies par une intelligence artificielle générative. Il est observé que les réponses produites par l'IA peuvent parfois être fictives, comme l'indique explicitement l'IA elle-même en signalant le caractère inventé des données. Alternativement, l'IA peut fournir des réponses qui correspondent précisément aux attentes de l'utilisateur, indépendamment de leur validité scientifique. Par conséquent, un travail d'optimisation des prompts s'avère nécessaire pour améliorer la précision des réponses de l'IA.

Le prompt peut aussi introduire des biais : par exemple, écrire "je veux montrer qu'il existe un lien entre pendage et distance à la fosse" (biais de confirmation) donnera un graphique très conforme aux attendus alors qu'un prompt plus vague donnera des valeurs numériques inexploitables.

De plus, il est recommandé de recourir à plusieurs systèmes d'IA afin de comparer les résultats. L'utilisation de comparateurs d'IA permet d'obtenir diverses variantes de réponses, facilitant ainsi l'affinement des résultats.

Comparaison des réponses de 2 IA avec l'outil ComparIa

Les élèves ont aussi soulevé la question de la validité de leurs données lorsqu'ils utilisaient Tectoglob3D : comment mesurer efficacement un pendage ? Et surtout, comment font les scientifiques pour résoudre cette question qui semble faire intervenir de l'aléatoire ? L'enseignant a donc proposé de contacter le scientifique à l'origine de la création de la base de données :

La détermination du pendage d'un slab se base donc sur l'enveloppe supérieure des séismes « intraslab » également appelée plan de Wadati-Benioff mais en profondeur (>250 km), le slab peut devenir asismique s'il est chaud (jeune slab avec faible vitesse d'enfoncement) et dans ce cas, seule la tomographie sismique peut révéler son existence (anomalies de vitesses de propagation des ondes plus rapides dans le slab).

On peut dire aujourd'hui que dans 90% des cas la géométrie du toit du slab est bien connue à moins de 10 km près même si on peut toujours améliorer la résolution. Ensuite, le calcul du pendage moyen va dépendre de la méthode utilisée (tangente, moyenne glissante, régression linéaire) et de la tranche de profondeur considérée. Dans l'étude que nous avions réalisé il y a une vingtaine d'années, nous avions constaté que le pendage moyen changeait « significativement » suivant qu'on le mesurait au-dessus ou au-dessous de 125 km, c'est pourquoi nous avions défini un pendage superficiel et un pendage profond mais c'est arbitraire.

J'espère avoir répondu à vos questions.

Bien à vous

Serge Lallemand

Finalement, le lien entre pendage et distance fosse-arc volcanique n'est sans doute pas le critère le plus pertinent. Dans sa thèse Arnauld HEURET précise que la position de l'arc volcanique par rapport à la fosse dépend davantage du rayon de courbure de la plaque plongeante que de ses pendages. Cette valeur est donc plus pertinente aux yeux des chercheurs que le pendage de la plaque plongeante.

Le recours à l'IAgénérative permet donc d'obtenir des données (peut-être) scientifiques mais cela ne suffit pas. La confrontation aux données réelles (obtenues par des mesures réalisées par les élèves ou directement à partir de bases de données scientifiques) est une étape indispensable pour valider les données et se confronter au moyen mis en oeuvre pour collecter ces données. On mesure donc l'intérêt de former les élèves à l'art du prompt pour obtenir des réponses les plus fiables possibles et de favoriser le recours à l'utilisation de bases de données scientifiques.

⁽¹⁾ https://en.wikipedia.org/wiki/Stochastic_parrot https://affordance.framasoft.org/2021/04/perroquets-stochastiques-attaque-typographique/

Je remercie vivement M. Lallemand (Géosciences Montpellier )pour l'échange que nous avons eu à propos de l'obtention des données disponibles dans sub-DATA.

https://doi.org/10.1016/B978-0-12-409548-9.09495-1

Une minute de terrain en SIG

2023-03-19T22:08:10Z

La minute de terrain est un document original, réalisé par levé direct sur le terrain en vue de l'établissement d'une carte géologique. Le terme "minute" est emprunté au latin médiéval "minuta" qui signifiait « note, brouillon pour lequel on utilisait une petite écriture ». Il est intéressant de réaliser cet exercice avec les élèves pour qu'ils comprennent que les cartes géologiques sont des modèles construits à partir :

de données parcellaires,
d'interprétations fondées sur les connaissances scientifiques.

Elles sont donc établies à une date précise et, comme tout modèle, sont révisables. C'est l'occasion de rappeler aux élèves que le savoir scientifique n'est pas une vérité absolue mais un savoir vérifié et vérifiable. Les affleurements sont très souvent masqués par les constructions humaines ou le couvert végétal : les géologues sont amenés à extrapoler pour dessiner les limites des différentes formations. Ces limites ont donc souvent valeur d'hypothèses et sont soumises à validation de toute la communauté scientifique. Le travail de terrain peut être réalisé sur un fond de carte topographique IGN au 1/10000^e en demandant aux élèves d'identifier la nature des roches observées en plusieurs points donnés. On veillera à leur apprendre à distinguer les roches "volantes" des roches "en place" qui, elles seules, permettent de lever la carte. En classe, les élèves peuvent utiliser un SIG pour y placer leurs points et construire un premier modèle en traçant les contacts. Ils attribuent ensuite un code couleur à un secteur de carte en faisant l'hypothèse que les roches masquées sont en continuité avec celles observées à l'affleurement.

Exemple d'un travail mené sur l'île Milliau à Trébeurden (22)

Après avoir chargé la carte IGN à partir de la bibliothèque d'Arcgis online, sélectionner l'outil dessin pour placer les données :

En utilisant le traceur polygone, il est alors possible de définir une zone où l'on fait l'hypothèse que toutes les roches appartiennent à la même formation. On lui attribue une couleur :

Il ne reste plus qu'à légender notre minute et à la comparer avec la carte au 1/50000^e levée par les scientifiques et mise à disposition du public par le BRGM dans Arcgis online :

Les élèves pourront alors comparer la carte géologique à la minute de terrain et exercer leur esprit critique (nombre de points pris en compte par exemple) :

Ainsi les élèves comprennent que les cartes publiées sont des modèles scientifiques qui s'appuient sur des données de terrain. Une investigation est nécessaire pour argumenter les choix de représentation et ces modèles sont, par définition, voués à être révisés, améliorés au fil du temps : ils sont évolutifs.

Ressources pour compléter : http://acces.ens-lyon.fr/acces/thematiques/limites/ecoles/parcours/chartreuse/licence-de-sciences-de-la-terre-1/deroulement-materiel/minute-de-terrain

Vidéo : https://youtu.be/OOI_A3BNQZk

Auteur : Eric Lacouture, mars 2023