L'IA à la HES-SO

Les étudiant·es et les personnels de la HES-SO sont sensibilisé·es aux biais, aux risques et à l’éthique de l’utilisation de l’IA au niveau civilisationnel. Ils et elles ont conscience de ses potentiels impacts sur le vivre ensemble, la démocratie, l’environnement, la géopolitique, les inégalités sociales, les discriminations, la souveraineté numérique, la cybercriminalité, etc.

Les étudiant·es sont invité·es à réfléchir à leurs utilisations de l’IA en prenant ces enjeux éthiques pour cadre de pensée, et à y inscrire les règles de déontologie, de responsabilité et d’intégrité qui s’appliquent à leurs activités académiques. S’il est prévu par leur haute école qu’ils et elles signent une charte d’intégrité académique au début de leurs études, ces questions relatives à l’IA y sont intégrées.

Exemples de ressources:

• Serment d’Holberton-Turing
• Feuille de route IA de l’Université de Laval

La HES-SO garantit l’accès aux outils, informations, formations et réflexions sur l’utilisation de l’IA dans l’enseignement, auprès des personnels d’enseignement, des personnels administratifs et techniques ainsi que des étudiant·es.

Elle assure la compatibilité des outils avec les standards de l’institution (notamment en matière de sécurité et de protection des données) et la cohérence de l’écosystème digital.

Illustrations concrètes :

• Formations DevPro relatives à l’IA ou à l’usage des chatbots
• Adoption de l’outil Copilot intégré à la licence Microsoft 365 de la HES-SO

Au-delà de l’accessibilité, des mesures sont prises pour réduire les barrières (matérielles, financières, organisationnelles) liées à l'utilisation de technologies d'IA et pour assurer aux étudiant·es des possibilités d’accès indépendantes de leurs conditions individuelles.

Si une égalité d’accès à des outils de performances équivalentes ne peut être maintenue parmi les étudiant·es, des alternatives pédagogiques et logistiques sont développées pour réduire les disparités.

Exemples de pratiques :

• Examen dans une salle informatique équipée de machines identiques
• Dispositifs de types safe exam browser ou proctoring hardware

La HES-SO organise la veille sur l’IA, ses manifestations, ses enjeux et ses risques, à tous les niveaux possibles et pour l’ensemble des champs professionnels représentés dans l’institution (en tant que personnels ou filières de formation), en vue de maintenir une réflexion et un questionnement constants sur les enjeux, risques et bénéfices de l’utilisation de cette technologie.

Dans un contexte d'accélération technologique, cette réflexivité est soutenue par des démarches ouvertes et agiles d’exploration et d’expérimentation. Celles-ci sont destinées à garantir la capacité d’innovation induite par l’intelligence artificielle, sans pour autant perdre de vue les risques et enjeux afférents au déploiement de ses différentes formes, présentes et à venir.

Exemples de dispositifs :

• Page web IA dans l’enseignement de la HES-SO
• Appels à projets du CCN

En partenariat avec les milieux professionnels, la filière mène une réflexion prospective portant sur l’évolution, sous l’influence de l’IA, des métiers vers lesquels elle conduit les étudiant·es. Elle révise son référentiel de compétences en conséquence et en déduit les évolutions à mettre en œuvre dans son programme de formation.

La filière tente en parallèle d’identifier la nature des outils d’IA propres à ces futures professions, ainsi que la liste des enjeux qu’ils soulèvent. Elle intègre à son programme de formation des enseignements ou des activités de sensibilisation à ces outils et enjeux.

Exemples de filières:

• Informatique de gestion 
• Techniques de radiologie médicale (TRM)
• L’IA dans les formations en design : l’exemple de la HEAD

Les démarches d’exploration d’outils d’IA sont encouragées auprès des étudiant·es, les incitant notamment à les considérer comme des partenaires de leurs apprentissages. Toutefois, la filière veille à hybrider ces démarches avec des activités traditionnelles et à toujours faire primer les relations humaines sur l’utilisation de l’IA dans les activités d'enseignement, en maintenant un haut degré de cohérence pédagogique. 

En parallèle des enseignements « de l’IA » (principes et outils), la filière propose des enseignements « sur l’IA » (enjeux et risques). Elle s’assure de la maîtrise par les étudiant·es de compétences relatives à IA, de compétences distinctives (Munn, 2023) et de compétences indépendantes de l’IA, dont celles qui permettent d’exercer une expertise critique à l’égard des productions des IA génératives. 

Exemples de ressources :

• Taxonomie de Bloom, Anderson et Krathwohl & Munn (Munn, 2023)
• Cadre de référence de la compétence numérique de la HES-SO

Considérant que le recours à l’IA dans l’enseignement impacte (et « désaligne ») à la fois les objectifs d’apprentissage, les modalités d’enseignement et les dispositifs d’évaluation, la filière veille à l’application du principe « d’alignement pédagogique » (ou « cohérence interne ») à tous les niveaux de son programme d’enseignement. 

Pour rendre son programme de formation « résilient face à l’IA », elle renforce l’approche par compétences en considérant l’IA comme une ressource au service des compétences, seul moyen d’évaluer l’authenticité des performances professionnelles des étudiant·es et non leur aptitude à piloter un outil d’IA pour générer des réponses aux évaluations. 

Exemples de ressources:

• L’approche par compétences – Page web et Aide-mémoires 

Le périmètre et les modalités d’utilisation de l’IA dans les activités d’enseignement et d’évaluation sont définis en fonction des apprentissages visés, avec ou sans recours à l’IA. Les évaluations peuvent impliquer l’utilisation d’outils d'IA pertinents pour le champ professionnel de la filière, mais elles sont conçues de manière à bien distinguer leurs compétences disciplinaires et métier de leurs capacités d’utilisation de l’IA. 

La filière encourage l’équipe pédagogique à flexibiliser les critères d'évaluation et à les adapter en tenant compte du rôle que l'IA a pu jouer dans le processus de production de preuves d’apprentissage par les étudiant·es. Dans certains cas, le suivi en continu de leurs travaux permet d’assurer une utilisation adéquate de l'IA au fil de leur progression et d’affiner les critères d'évaluation. 

Exemples de ressources:

• Guide réflexif pour l’utilisation transparente de l’IA générative dans l’enseignement, GPIA
• An Ethical Framework for Exams and Continuous Assessment with AI. Par Thomas Steiner (2023) 

Les descriptifs de modules mentionnent le plus explicitement possible l'utilisation de l'IA au sein des dispositifs d’apprentissage et/ou d’enseignement, les objectifs de cette utilisation et l’impact de cette dernière sur l’organisation des enseignements et les évaluations. Les modalités selon lesquelles l’IA pourrait être utilisée dans une évaluation sont annoncées aux étudiant·es et discutées avec eux dès le début du cours. Dans certains cas, ces modalités sont définies en collaboration avec eux.

La marge de manœuvre laissée aux étudiant·es en matière d’utilisation d’outils d’IA lors d’une évaluation est déterminée par l’enseignant·e en fonction des compétences à développer, du type d’apprentissage mis en œuvre et du niveau taxonomique à évaluer (Munn, 2023). Les guides et consignes des travaux de Bachelor/Master, en particulier, spécifient la manière dont l'IA peut être utilisée par les étudiant·es et suggèrent des pistes pour son utilisation judicieuse.

Exemples de ressources:

• Guide réflexif pour l’utilisation transparente de l’IA générative dans l’enseignement, GPIA

Pour les activités pédagogiques ou évaluatives autorisant l’utilisation d’une IA, les règles régissant la manière dont les étudiant·es doivent mentionner leur recours aux outils autorisés sont précisées dès le début du cours, et idéalement dans le descriptif de module.

En cas de non-respect des règles de citation ou d’utilisation indue d’outils ’A lors des évaluations, des sanctions peuvent être appliquées. Ces dernières sont communiquées à l’avance aux étudiant·es.

Exemples de ressources :

• Guide réflexif pour l’utilisation transparente de l’IA générative dans l’enseignement, GPIA

Lors de l’utilisation d’une IA dans un contexte d’enseignement ou d’évaluation, étudiant·es et enseignant·es sont sensibilisé·es au respect des normes de protection des données personnelles et sensibles ainsi que, le cas échéant, des règles de propriété intellectuelle et industrielle. Chacun s’interdit en conséquence de verser des données personnelles sur le serveur distant d’une entreprise du numérique pour laquelle la HES-SO n'a pas reçu de garantie de sécurité (données médicales de patients, notes d’élèves, fichiers d’adresses…).

Pour leur propre protection, les étudiant·es et les enseignant·es sont sensibilisé·es aux risques inhérents à l’utilisation d’outils d’IA dont les réponses peuvent être fausses bien qu’assertives, et dont l’application peut alors entraîner des conséquences plus ou moins dangereuses selon le contexte dans lequel elles sont mobilisées.

Exemples de ressources:

• Diagramme de Tiulkanov (Sabzalieva & Valentini, 2023)

Les étudiant·es sont sensibilisé·es à la responsabilité individuelle et académique qu’ils et elles engagent lors de l'utilisation de l'IA. Toute production générée ainsi reste sous la responsabilité de l’utilisateur ou de l’utilisatrice, qui doit à la fois vérifier sa véracité et sa conformité avec les règles d’éthique et de propriété intellectuelle (Aebi-Müller et al. 2021).

La sensibilisation à la dépendance aux IA génératives est également abordée avec les étudiant·es afin d’assurer que les utilisateurs et utilisatrices des IA génératives conservent la maîtrise de leur relation à cette technologie.

Exemples de ressources:

• Guide réflexif pour l’utilisation transparente de l’IA générative dans l’enseignement, GPIA