L'IA dans l'enseignement supérieur : comment les éducateurs utilisent Claude selon Anthropic

Un nouveau rapport d'Anthropic offre un aperçu des diverses manières dont les professionnels de l'enseignement supérieur utilisent l'intelligence artificielle, notamment leur modèle Claude. Contrairement à l'attention habituelle portée à l'utilisation de l'IA par les étudiants, cette étude se concentre sur les enseignants et les professeurs, révélant qu'ils économisent en moyenne 5,9 heures par semaine grâce à ces outils. L'analyse, basée sur environ 74 000 conversations anonymisées sur Claude.ai et des entretiens avec des professeurs de la Northeastern University, met en lumière l'adoption croissante de l'IA dans les universités.

Utilisations de l'IA par les Éducateurs

Les enseignants intègrent l'IA dans une multitude de tâches, tant à l'intérieur qu'à l'extérieur de la salle de classe. Leurs applications vont du développement de matériel pédagogique à la gestion de tâches administratives, en passant par la rédaction de propositions de subvention et le conseil académique.

Développement d'outils personnalisés

Au-delà de la simple conversation avec des chatbots, les professeurs construisent des outils sur mesure grâce à l'IA. Par exemple, ils utilisent des fonctionnalités comme Claude Artifacts pour créer des ressources éducatives interactives. Cela inclut des simulations de chimie, des grilles d'évaluation automatisées et des tableaux de bord de visualisation de données. Ces outils transforment l'IA d'un assistant conversationnel en un véritable collaborateur créatif, rendant possible la création de matériaux personnalisés qui demandaient auparavant des compétences techniques ou des ressources importantes.

• Des jeux éducatifs interactifs (ex: escape games, simulations) pour enseigner des concepts.
• Des calendriers académiques et outils de planification automatiques.
• Des documents académiques variés : compte-rendus de réunion, lettres de recommandation, demandes de subvention.

Automatisation des tâches routinières et augmentation des tâches complexes

Les éducateurs ont tendance à automatiser les tâches fastidieuses tout en restant impliqués dans les processus plus complexes. L'IA est perçue comme un catalyseur pour les activités exigeant un contexte significatif, de la créativité ou une interaction directe avec les étudiants, comme la conception de leçons, le conseil et la rédaction de subventions. En revanche, le travail administratif routinier, comme la gestion financière et la tenue des dossiers, est plus souvent sujet à une automatisation complète.

Les usages courants et leurs motivations

Les utilisations les plus fréquentes de l'IA par les éducateurs sont le développement de curriculum, la recherche académique et l'évaluation des performances des étudiants. Les professeurs utilisent également l'IA pour leur propre apprentissage.

Pourquoi les enseignants utilisent l'IA ?

Les motivations principales derrière l'adoption de l'IA par les enseignants incluent :

• L'automatisation des tâches répétitives et chronophages.
• Le rôle de l'IA comme partenaire de réflexion collaboratif, aidant à trouver de nouvelles façons d'expliquer des concepts.
• La capacité à créer des expériences d'apprentissage personnalisées et interactives pour les étudiants.

Le spectre Augmentation-Automatisation

L'étude révèle une répartition nuancée entre l'augmentation (utilisation collaborative de l'IA) et l'automatisation (délégation totale des tâches à l'IA) selon le type de tâche.

Tâches à forte tendance d'augmentation :

• Enseignement universitaire et instruction en classe, incluant la création de matériel pédagogique (77,4% d'augmentation).
• Rédaction de propositions de subvention (70,0% d'augmentation).
• Conseil académique et mentorat d'organisations étudiantes (67,5% d'augmentation).
• Supervision du travail académique des étudiants (66,9% d'augmentation).

Tâches à forte tendance d'automatisation :

• Gestion des finances et collecte de fonds des institutions éducatives (65,0% d'automatisation).
• Tenue des dossiers étudiants et évaluation des performances académiques (48,9% d'automatisation).
• Gestion des admissions et inscriptions académiques (44,7% d'automatisation).

Il est à noter que près de la moitié des conversations liées à la notation montraient des schémas d'automatisation, ce qui reste préoccupant. Bien que les professeurs interrogés aient jugé que c'était le domaine où l'IA était le moins efficace, cette tendance est observée dans les données de Claude.ai. L'utilisation de l'IA pour la notation suscite des préoccupations éthiques importantes, les enseignants soulignant l'importance de leur jugement humain dans ce processus.

L'impact de l'IA sur l'enseignement et l'évaluation

L'IA pousse les éducateurs à repenser leurs méthodes d'enseignement et le contenu de leurs cours. Plutôt que de se concentrer sur des tâches basiques (comme le débogage en codage), l'accent est désormais mis sur la compréhension conceptuelle et l'évaluation critique du contenu généré par l'IA.

Les évaluations sont également en pleine mutation. Face à la capacité de l'IA à réaliser certaines tâches, les professeurs sont incités à concevoir des devoirs plus complexes, exigeant une réflexion critique et des compétences que l'IA ne peut pas encore reproduire. Certains enseignants déclarent même qu'ils ne donneront plus de "travaux de recherche traditionnels" après avoir été confrontés à des soumissions générées par l'IA, préférant des approches qui obligent les étudiants à s'engager plus profondément.

Limitations de l'étude

Cette recherche est soumise à plusieurs réserves importantes :

• La méthodologie d'identification des conversations liées aux éducateurs a capturé seulement une petite fraction des interactions.
• Le champ d'application est limité aux professionnels de l'enseignement supérieur, excluant les enseignants du primaire et du secondaire.
• Un biais des "premiers utilisateurs" est probable, car l'étude se concentre sur des éducateurs déjà à l'aise avec l'IA.
• Les données d'enquête proviennent d'un échantillon limité d'une seule institution, ce qui peut affecter la généralisabilité.
• L'analyse se concentre spécifiquement sur l'utilisation de Claude.ai et peut ne pas refléter les schémas sur d'autres plateformes d'IA.
• Les contraintes temporelles de l'analyse (mai-juin) ne capturent pas les variations saisonnières de l'utilisation de l'IA.

Perspectives d'avenir

Les résultats de cette étude dressent un tableau complexe de l'adoption de l'IA dans l'éducation. La diversité des applications, de la création de simulations interactives à la gestion administrative, souligne la présence croissante de l'IA dans toutes les fonctions académiques. Le passage de l'IA d'un outil conversationnel à un partenaire créatif est particulièrement encourageant, car il pourrait aider à résoudre les contraintes de ressources de longue date dans l'éducation. Cependant, la tension autour de l'évaluation assistée par l'IA persiste, soulignant le défi d'équilibrer l'efficacité avec la qualité éducative et les considérations éthiques.

Le chemin à parcourir nécessitera un dialogue continu, une élaboration de politiques minutieuse et une recherche approfondie pour garantir que ces outils améliorent l'expérience éducative plutôt qu'ils ne la compromettent. Il sera également important de comprendre comment l'utilisation de l'IA par les étudiants et les éducateurs interagit et influence les comportements d'apprentissage.