Ce que l’IA change vraiment pour l’enseignant qui prépare et qui évalue

Depuis juin, j’enseigne comme remplaçant dans les écoles vaudoises. Ce rôle a une particularité : il faut préparer vite, pour des classes qu’on ne connaît pas, en respectant le plan d’études et ce que le titulaire a déjà construit. C’est précisément là que les outils d’IA générative promettent le plus, et c’est là que je les observe de près.

Le débat public se résume souvent à « pour ou contre l’IA à l’école ». Cette question me semble mal posée. Les outils sont déjà là ; ce qui compte, c’est ce qu’ils changent réellement dans le travail de l’enseignant et dans l’apprentissage de l’élève. Je vois trois déplacements.

1.Préparer : le temps gagné n’est pas toujours là où on l’attend

Générer une série d’exercices, une variante différenciée ou une consigne reformulée prend désormais quelques secondes. Mais le travail ne disparaît pas : il se déplace vers la vérification. Un exercice correct n’est pas forcément aligné sur l’objectif visé par le PER, ni au bon niveau d’exigence pour la classe. Le gain réel dépend donc de la rapidité avec laquelle l’enseignant sait juger ce qu’on lui propose, et c’est une compétence professionnelle en soi.

2.Évaluer : un second regard plutôt qu’un correcteur automatique

On compare souvent l’IA à un idéal sans erreur. La comparaison honnête se fait avec nos propres pratiques : la fatigue en fin de pile de copies, des critères qu’on applique parfois de façon inégale, une coquille dans un énoncé. Sur ce terrain, je pense que l’IA est encore sous-estimée, en particulier comme second regard qui repère ce qui nous échappe. À une condition : respecter la protection des données des élèves. La décision, elle, reste à l’enseignant.

3.Apprendre : protéger l’effort qui fait apprendre

Tout ce qui fait gagner du temps à l’élève ne l’aide pas à apprendre. Une partie de l’effort (chercher, se tromper, reformuler) est justement ce qui produit l’apprentissage. La vraie question pédagogique devient : quelles tâches confier à l’outil, et lesquelles garder volontairement exigeantes ?

Ce que j’étudie

En parallèle de mon master en recherche en éducation (UNIR), je prépare un article sur une question précise : les grands modèles de langage peuvent-ils produire des items d’évaluation en mathématiques (cycle 3) conformes au Plan d’études romand ? J’examine trois dimensions : l’alignement avec les objectifs du PER, l’exigence cognitive des items et leur qualité. Il ne s’agit pas de remplacer l’enseignant qui conçoit ses évaluations, mais de savoir ce que ces outils valent vraiment quand on les soumet aux exigences du plan d’études.

Échangeons

Enseignants, directions, formateurs, chercheurs : si vous utilisez ces outils pour préparer ou évaluer, ou si vous travaillez sur ces questions en Suisse romande, je serai heureux d’en discuter. Mon travail et mes coordonnées : pablocorreaprieto.ch

Texte rédigé avec l’aide d’une IA, relu et validé par l’auteur.