Objectifs

• Prendre conscience des mécanismes de l’observation scientifique.
• Déconstruire l’IA-anxiété par une approche raisonnée et un cadre critique.

Place dans la progression

Les élèves ont découvert leur environnement proche en arrivant au collège (CHAPITRE 1). Ils ont appris que l’observation était une tâche longue et complexe (ndlr utilisation de clés de détermination). Ils poursuivent leur découverte en s’intéressant particulièrement aux êtres vivants et à leur diversité : CHAPITRE 2 : ORGANISER LE VIVANT / Activité 1 : S’outiller face aux observations perçues
L’observation est à la base de toute compréhension ; elle est initiatrice de nombreuses démarches scientifiques. Comment partager une observation que l’on fait ?

Déroulé

Étape 1 : Yeux, crayon, papier - Une séance d’une heure. Classe entière.

Les élèves découvrent et appliquent la méthode du « dessin ou croquis scientifique » des feuilles d’arbre. Il y a deux types de feuilles d’arbres.
Leur interrogation face à la tâche proposée permet d’arriver à un ensemble de critères que je définis pour que l’on se comprenne.

Exemples de productions élèves

BILAN élève : Pour décrire le monde qui nous entoure, nous avons besoin de nous mettre d’accord sur des moyens de communication (ex : dessin scientifique). Ceux-ci nécessitent un vocabulaire précis et des conventions.

Étape 2 : IA génère moi …. - Une séance d’une heure. Classe entière.

Objectifs :

• Découvrir une IA générative d’image : Vittascience
• Voir si une IA peut produire une image proche de leur feuille d’arbre réelle et/ou de leur dessin.

Extrait de la fiche d’activité élève

Ils découvrent qu’une IA fonctionne avec un prompt. Comme pour un dessin, celui-ci fonctionne avec des conventions et un vocabulaire précis.

Exemples d’images générées par l’IA Vittascience obtenues par les élèves

Étape 3 : Entraînons l’IA ! - Une séance d’une heure. Classe entière.

Avec Vittascience, les élèves photographient leur feuille scotchée dans le cahier. Ils stockent les données de la classe dans un dossier. Les élèves entrainent l’IA avec ces données.
Ils utilisent ces données pour vérifier que l’IA fonctionne.
Après avoir constaté que l’IA réussit à différencier l’érable du chêne, ils la testent avec une image d’érable qui vient du Canada. Là, l’IA n’est pas sûre à 100%.

Cf. Document D et E en annexes.

Étape 4 – Métacognition - Une séance d’une heure. Classe entière.

A partir d’un lot d’observations, les élèves réfléchissent à leur fiabilité puis construisent une fiche de synthèse de ce qu’ils ont appris à destination des 3èmes ou des futurs 6èmes.

Cf. Document F, G et H en annexes.

Documents annexes.

Étape 1

Les élèves citent à chaque fois (3 classes testées) l’IA comme outil de partage d’observation. Elle arrive cependant après avoir énoncé des moyens de communication plus traditionnels (dessin, texte, oral…) par enchainement de concepts.

Étape 2

Dans cette étape, on les laisser d’eux même proposer plusieurs prompts. On fait le pari qu’ils vont comprendre que plus le prompt est précis (espèce, couleur, description) plus l’image générée va être proche.
Retour : eh bien non ! c’est plutôt l’inverse avec cette IA (Vittascience) ! Comme elle n’est pas entrainée, moins c’est précis, plus elle génère une image proche d’une sorte de feuille d’arbre.
Les élèves, en grand nombre, produisent des prompts précis avec le vocabulaire appris lors du dessin. C’était presque réflexe ! Du coup, cela a été contradictoire, avec la performance de cette IA là où il a fallu leur demander d’être moins précis.
De plus, les essences d’arbres sont érable japonais et chêne des marais. Ce ne sont pas les plus communs (si on suppose que les IA sont entraînées avec des données de biologie végétale « communes ».

Les résultats sont très décevants ! Les élèves s’attendaient à de supers résultats incroyables (comme on peut obtenir avec d’autres IA) MAIS la descente émotionnelle permet d’engager la réflexion et le questionnement : pourquoi cette IA propose-t-elle ce type de résultat ?
De plus, cela permet de valoriser le travail du dessin d’observation de l’élève. Il perçoit dès lors le rapport réalisme / machine / humain.

On se devra de garder une trace du travail avec des copies d’écran pour avoir prompt + image.
Retour : Très présomptueux pour un travail en classe entière. On peut vérifier le premier prompt pour chaque élève mais c’est complexe de le faire ensuite quand ils le modifient (et là ils l’ont beaucoup modifié pour essayer de faire fonctionner l’IA). L’IA utilisée n’est pas du tout propice.

Étape 3

Avec Vittasciences, les élèves photographient leur feuille scotchée dans le cahier.
Retour : cela n’a pas été possible car les ordinateurs du collège n’ont pas d’appareil photo/caméra.
Adaptation / Préalable : scanner les feuilles d’arbres ramassées par les élèves. Les mêmes que celles qu’ils ont dessinés. Penser à les anonymiser.

Ils utilisent ces données pour vérifier que l’IA fonctionne. Après entrainement, elle distingue un érable japonais d’un chêne des marais avec 100% de réussite.
Il n’y a pas l’effet Whaoo que j’attendais. Ils trouvent ça normal qu’elle réussisse. Le mode de lecture du résultat sera peut-être à expliciter davantage.

Les élèves ont été particulièrement sensibles à la discussion qui a suivi la dernière question de cette étape (cf. annexe – Document D). Ainsi en imaginant transposer le travail de sélection de données sur des feuilles d’arbres à un travail similaire sur des humains, ils sont arrivés à parler de représentation erronée comme le racisme (représentation d’images d’humains majoritairement blancs), de dangerosité dans le domaine médicale (si les données ne sont entrées que pour des adultes, il va y avoir des problèmes de dosage si on traite des enfants). Enfin le sexisme a été également évoqué, les élèves ayant fait mention de la séance EVARS, concomitante, sur les stéréotypes de jouets. Cette discussion a fortifié leur intérêt pour la compréhension du fonctionnement des IA. Bien que le mot « éthique » n’est pas été évoqué avec les élèves, il était au cœur de la discussion.

Le mot « déformation » a ici été préféré au mot « biais » dans la trace écrite des élèves.
Dans la trace écrite élève, le mot « déformation » a ici été préféré au mot « biais » dans un soucis d’accessibilité au plus grand nombre. Mais je ne suis pas hyper convaincue de la perception que les élèves en ont. J’ai ressenti que les élèves avaient été réceptifs à ce concept. Peut-être peut-on envisager l’usage du mot « biais ».

Les étapes 2 et 3 permettent la montée en compétence des élèves de 6ème, qui n’ont par ailleurs pas de technologie, dans le numérique (connexion au réseau, saisi de texte, gestion de données, utilisation d’une IA…).

Étape 4

Dans un premier temps, ils ont, en grande majorité, des réponses binaires : fiable / pas fiable.
Puis certain.e.s apportent de la nuance : un peu, moyen, beaucoup
Avec les différentes images, en particulier la F, on arrive à la notion de « doute ». Le mot ne sort pas naturellement, c’est plutôt « on ne sait pas » ou « quoique… ».
Pour les critères de fiabilité, ils en sortent très facilement 4 ou 5 (couleur, forme…) mais aucun ne sort « source ».
Les élèves font la synthèse de ce qu’ils ont découvert sur les IA pour d’autres élèves (ils savent que j’ai des classes de 3ème). L’optique de transmettre leur savoir aux 3èmes est très motivant ! Ils sont tous et toutes très engagées dans la tâche proposée.

Suite dans la progression
Dans le chapitre sur l’histoire du vivant, les élèves découvrent un animal extraordinaire : le dahu. Cette activité questionne la fiabilité et le doute. Les années précédentes, je faisais le constat d’une grande crédulité face à la diffusion du documentaire-canular. Je suppose que cette année, les élèves seront plus suspicieux et proposeront une attitude de doute beaucoup plus rapidement. A tester ! On pourra également envisager de réutiliser le travail sur le prompt pour générer une image de l’animal extraordinaire qu’ils auront imaginé dans la suite de ce travail.

Retour des élèves

À la fin de l’activité les élèves ont rempli un questionnaire anonyme.

Documents annexes.

66 élèves étaient présents lors du remplissage des questionnaires.

• Question 1 : 74% disent avoir déjà utilisé une IAgi avant l’activité
• Question 2 : 87% disent avoir appris quelque chose pendant l’activité
• Question 3 : 81% disent avoir développé un esprit critique
• Question 4 :

  

Conception

Le respect du RGPD a conditionné le choix de l’IA, et de fait, l’axe donné. Vittascience est une IA RGPD à visée pédagogique. Lorsqu’on l’entraine les données ne sont pas transmises sur les internets. Son interface est en français et elle est accessible pour un jeune public. J’avais envisagé de travailler avec Canva ou ChatGTP mais ai vite abandonné au vu des contraintes RGPD.
Il est important d’avoir en tête que les IA ont beaucoup de données artistiques mais peu de données scientifiques. On peut le constater avec Vittascience qui, au-delà de ne pas connaître les différentes essences d’arbres, peine à connaitre une feuille d’arbre. Cela peut être un axe à développer pour montrer que le pilier « connaissances » est indispensable à l’esprit critique.
Le cadre de cette activité a été pensé pour un niveau de 6ème mais est parfaitement transposable dans un autre cycle.
Il est nécessaire d’être conscient·e que l’utilisation de l’IA a des conséquences écologiques non négligeables : il serait donc bon de faire travailler les élèves par groupe plutôt que chaque élève sur chaque ordinateur. Cela pourra en partie solutionner le problème rencontré dans l’étape 2.

Mise en œuvre

Je travaille dans un collège de ville. Les élèves sont issus de CSP mixtes. Le niveau de connaissances et le niveau de maîtrise du numérique sont très hétérogènes.

Étape 1

Le vivant sur lequel j’ai choisi de travailler est la feuille d’arbre. Je m’y suis prise un peu tard et n’ai pas suffisamment réfléchi aux essences collectées. Je n’ai pas non plus anticipé de ramasser des feuilles d’érables sycomores pour la dernière étape.

Pour une optimisation, il faudrait que les feuilles ramassées soient :

• Identifiables avec la clé de détermination utilisée dans le chapitre 1.
• D’espèces communes (bouleau…) et non des variétés cultivées difficiles à identifier.
  Vigilance : ne pas louper la saison pour les ramasser !
  Ici le partage d’observations consiste à construire un modèle (le dessin puis l’image) décrivant le réel : on cherche à produire une représentation de la réalité. Cependant, cette réalité (la feuille d’arbre ramassée parl’élève) n’est pas généralisable (car on ne prend pas en compte toutes les feuilles d’arbres existantes). Il faudrait être vigilant·e à ne pas générer de confusion entre modèle et réel même si l’on est en classe de 6ème (?).

Étape 2

Pour une ou des raisons non élucidées, l’IA ne générait pas d’image. Environ 1/3 des élèves ont réussi à obtenir des images. Les autres n’ont pas réussi. Nous avons essayé de changer de navigateur (Edge, FireFox, Chrome) : pas d’évolution. Nous avons essayé de supprimer les articles et les apostrophes dans les prompts : pas d’évolution.

Étape 4

Il y a un flou sémantique, dans ce scénario, entre fiabilité et plausibilité. Même si liées, la dernière renforçant la précédente, elles sont distinguées dans les 5 compétences définies dans le référentiel. Lors de la reformulation de consignes, je me suis entendue utiliser les deux comme synonymes. Le public de 6ème ne m’a pas fait de remarques mais je m’interroge quand aux conséquences de l’entretien de cette confusion.

Cette activité est chronophage : il convient alors de positionner son curseur entre « faire le programme » et « co-éduquer les citoyen·ne·s de demain ».

• https://fr.vittascience.com
• Tutoriel Magistère sur l’IA
• Quelques autres IA ! (CanvaIA, ChatGPT, …)
• Ressources La main à la pâte – Esprit critique, esprit scientifique cycle 3 et cycle 4
• On peut également citer le document de travail suivant : Référentiel et grilles pour l’évaluation en classe des compétences de l’esprit critique – CSEN
  Le scénario explore la compétence « Plausibilité de l’information » dans son versant « Estimer la crédibilité de l’information au regard de sa vraisemblance