Sagar Rajesh Gangwani : Apprendre les langues avec l’IA

2026

Intelligence artificielle  Pédagogie active  Langues étrangères  Apprentissage réflexif

Votre cours d’anglais s’inscrit dans l’Approche par compétences, en visant des compétences langagières et des compétences liées à l’intelligence artificielle. Pouvez-vous détailler les objectifs pédagogiques de votre enseignement ?

Ce module d'anglais a pour titre « Learning with AI », ou « Can AI Help Me Learn? ». Il fait partie des modules enseignés au Pôle Lansad, pour tous les étudiants non-spécialistes en langue. Les deux compétences langagières visées sont la rédaction d'un essai argumentatif à la suite des expériences d'utilisation et de découverte des IA génératives et une présentation orale des recherches effectuées autour d'une problématique.

À côté de cela, il y a les compétences au niveau des littératies en matière d'IA générative. Je les classe en trois catégories : les savoirs, les savoir-faire et les savoir-êtres. 

• Les savoirs, ce sont les savoirs de base : ce qu’est une IA générative, comment elle fonctionne, être sensibilisé aux problèmes techniques (comme les hallucinations), limites, dépendance, etc.
• Les savoir-être, c'est une approche centrée sur l'humain, comme c’est favorisé dans d'autres cadres ou référentiels d’IA génératives (UNESCO, etc.). C'est l'attitude que l'étudiant, l'apprenant ou l'utilisateur doit avoir devant ces outils : savoir si son utilisation est responsable, justifiée. En fait, c’est savoir prendre la décision d'utilisation ou de non-utilisation avec une justification qui a du sens.
• Enfin, on retrouve les savoir-faire : utiliser les bons prompts, distinguer ce qui a été généré par l’IA de ce qui est humain, savoir citer des exemples générés par IA, mais aussi savoir choisir son IA. Il y a beaucoup d’options d’IA, de Language Models (LMs), c’est important de savoir lequel fait plus de sens pour quelle utilisation, en fonction de ses consommations énergétiques notamment.

Les parties savoir et savoir-être renvoient également à ce questionnement autour de l'éthique de l'IA. Elle interroge l'usage qu'on en fait, afin de savoir si c'est déontologique, parce qu'il y a des conséquences sur l'environnement, mais aussi des conséquences juridiques, etc. Le contexte compte, bien sûr, beaucoup. Par exemple, en tant qu’étudiant, il faut savoir si c’est autorisé d’employer l’IA à l’université et, si oui, dans quels enseignements et dans quel but. Si c'est interdit, on doit respecter cette interdiction, parce que c’est certainement interdit pour une raison. Et, si ce n'est pas interdit, il est important de savoir dans quelle mesure l’utiliser et de pouvoir en juger.

À côté de cela, il y a aussi les objectifs du pôle Lansad : la responsabilisation des étudiants, faire en sorte qu’ils soient acteurs de leur apprentissage et qu'ils développent leur propre autonomie. Ce sont les piliers de tous nos modules.

Quel volume d’heures représente votre module, pour des étudiants de quelles filières et de quels
niveaux ?

C’est ouvert à tous les étudiants, de toutes les facultés faisant partie du Pôle Lansad, donc non-spécialistes en langue. Pour en citer quelques-unes : les facultés de sciences humaines, des arts, de musicologie, des langues ou des lettres. Par le passé, j'ai eu des étudiants d’horizons encore plus variés, allant d'éco-gestion à médecine. Ce module est ouvert à partir du deuxième semestre de la première année de licence, jusqu’à la deuxième année de master. Pour le niveau de langue, le module est ouvert à des étudiants qui visent l'acquisition d'un niveau B1, donc du B1 jusqu'au C2 (référentiel CECR). Le cours représente un volume de 20 heures par semestre, avec des cours en présentiel et, bien sûr, du travail à la maison (devoirs, réflexions, etc.).

L’intelligence artificielle est à la fois l’objet de votre cours et votre objet de recherche. Cette double casquette vous aide-t-elle à construire votre enseignement ? Concrètement, comment votre module est-il scénarisé, séance par séance ?

Mon intérêt pour la technologie m'a poussé dans la direction d'utilisation d'IA génératives et d'IA pour l'apprentissage et l'enseignement des langues. En 2022, j'avais remarqué que beaucoup d'étudiants utilisaient l’IA pour leurs rendus. À l’époque, il y avait peu de règles quant à l'utilisation ou non de cette technologie. Il n’y avait alors qu’un début de réflexion sur le sujet. Personnellement, j'étais heureux que ça existe et je trouvais ça utile, donc, je l'utilisais également.

J'ai néanmoins remarqué que des étudiants utilisaient ces outils pour tricher. Déjà à l’époque, je n’utilisais pas de détecteur d'IA, car ce n’est pas un moyen de vérification fiable. Par contre, j’ai piégé les étudiants. Je leur ai donné une consigne sur Moodle, en PDF, en mettant un texte en taille zéro, de couleur blanche, qui demandait d’inclure une citation de deux personnes qui ne travaillent pas dans la thématique du cours. Ainsi, un étudiant qui tricherait mettrait le PDF sur ChatGPT, lequel lirait ce texte « invisible » et créerait un texte qui inclut des citations qui n’existent pas. Sur les 24 rendus, une douzaine comportaient une citation de ces deux personnes. Lorsque j'ai vérifié la bibliographie, l'article ou l’étude n'existait pas. Ça m'a presque attristé, parce que je pensais faire un bon travail et que les étudiants étaient contents de pouvoir partager ce qu'ils avaient écrit. Finalement, je me suis rendu compte qu'ils passaient par cette voie et ne faisaient même pas le travail. Mon seul recours a été d'enlever des points au niveau de la bibliographie, qui était fausse, mais l'anglais était parfait, parce que c'était une machine qui avait écrit. Cette expérience m'a poussé à véritablement approfondir ma réflexion autour de cette utilisation, que, par la suite, j'ai choisi comme problématique de thèse.

Puisque l'intelligence artificielle fait l'objet de ma pratique enseignante, j’ai ainsi trouvé pertinent d’en faire le sujet de mon doctorat.

Puisque l'intelligence artificielle fait l'objet de ma pratique enseignante, j’ai ainsi trouvé pertinent d’en faire le sujet de mon doctorat. Mon utilisation, et celle que je recense chez mes étudiants, alimentent cette recherche. Celle-ci me permet aussi de voir comment d’autres enseignants, institutions ou personnes utilisent l’IA dans la recherche et la pédagogie, ce qui m’amène à piocher des idées, des façons de faire ou, au contraire, me donne des contre-exemples à ne pas appliquer. Ces deux aspects se nourrissent donc l’un l’autre, ce qui est assez intéressant.

Le module est construit comme suit :

• Dans un premier temps, on en apprend plus sur les étudiants : ce qu’ils veulent faire, de quelle(s) façon(s), s’ils sont à l’aise avec les outils IA ou l’expérience qu’ils en ont. Par la suite, on crée un espace de découverte où ils expérimentent, font des tâches langagières et voient les possibilités avec les outils d’IAGen.
• Dans un deuxième temps, après ces découvertes et analyses d'outils, ils formulent une réflexion, individuelle et collective, sur l'utilisation qu'ils viennent de faire. Cette étape peut être guidée par des questions portant sur la production obtenue, le processus mis en œuvre ou les résultats générés. Par la suite, il y a une conversation, un échange en cours sur leur expérience, ce qui a été généré, l’aboutissement et la manière dont ça les a aidés.
• Corrélées à ces phases de découverte et de réflexion, interviennent des évaluations intermédiaires. Dans celles-ci, les étudiants partagent une expérience d’utilisation de l’IAGen dans l’apprentissage des langues, pour expliquer ce qu’ils ont fait, appris, mais aussi ce sur quoi ils se sont questionnés. Cela me permet de voir leur progression en anglais, mais aussi leur réflexion autour des pratiques dans l’utilisation de l’IAGen. Par la suite, j’invite mes étudiants à découvrir le cadre que j’ai proposé et à créer des ateliers autour de l’IA générative pour leurs camarades de classe. Je participe généralement à ces ateliers. C'est ce qu'on appelle les « student-led workshops ». Ces ateliers comportent deux contraintes : ils doivent être interactifs et en rapport avec l’IA générative pour l’apprentissage. À titre d’exemple, deux étudiantes ont créé une sorte de certification pour leurs camarades, pour la détection de contenu généré par l’IA. Il fallait que les étudiants trouvent ce qui a été généré par l’IA et ce qui a été produit par l’humain, mais aussi justifient leur raisonnement et partagent leurs pensées. J’ai beaucoup apprécié cet atelier, parce qu’il demandait une vraie réflexion et une interaction. Il y avait 10 à 12 questions, parmi lesquelles un poème, une chanson, un texte, un titre de livre, une image, une vidéo, une citation et même un tweet. Cet atelier, pour moi, a permis une discussion sur les façons dont les IA génératives envahissent notre consommation des réseaux sociaux, mais aussi comment, en tant que consommateur, on peut devenir conscient que c’est généré par IA. Pour faire la part des choses, il est important qu'on sache que, parfois, c'est très difficile de discerner la source ayant généré le contenu.
• La réflexion menée autour, pendant ou après les ateliers fait l'objet d’une présentation finale. Celle-ci mène les étudiants à mûrir leurs propres problématiques. 

Les ateliers mènent à l'évaluation finale, laquelle repose sur une réflexion complète, partagée autour d'une problématique. Elle est normalement spécifique à l'apprenant, à son domaine d'études et à son utilisation ou non de ces outils pour l'apprentissage des langues.

Arrêtons-nous sur les évaluations à mi-parcours et votre cadre conceptuel en IAG (intelligence artificielle générative). En quoi ces dispositifs sont-ils bénéfiques aux étudiants pour aborder la suite du module ?

Pendant la phase de test du module, pour l’évaluation intermédiaire, les étudiants pouvaient utiliser un outil de création de PowerPoint par IA. Sur les 6 à 8 groupes présents, l’un a fait sa présentation comme ça, mais je me suis rendu compte, que les membres du groupe n’avaient pas du tout préparé leur travail. Ces étudiants n’avaient rien problématisé, ni mis en place une réflexion. La présentation semblait scientifique, mais leurs propos avaient peu de sens parce qu’ils n’avaient pas compris le contenu des diapositives. Ce type d'expérience est bénéfique pour la suite du module, car elle met en lumière certains enjeux que le module doit aborder.

L'évaluation intermédiaire me donne une opportunité de voir de quelle façon l’apprentissage des étudiants est en train d'évoluer : l'acquisition des littératies et le développement de leur anglais. C'est le moment où je peux changer et ajouter des choses. Souvent, c'est juste après les évaluations intermédiaires que je leur présente le cadre de littératies en IAGen pour faire le point sur ce qu’ils ont acquis. Je leur donne également un exemple d’atelier qu’ils peuvent organiser pour leurs camarades.

Les étudiants prennent une part active à ces ateliers, pas seulement en tant qu'organisateurs, aussi en tant que participants.

Les ateliers menés par les étudiants placent ceux-ci dans un contexte de pédagogie active et d’apprentissage entre pairs. Cela a-t-il une incidence positive sur leur motivation et leur implication générale, comme on pourrait l’imaginer ?

Demander à l’étudiant de partager ce qu'il pense et d’apporter sa propre connaissance motive beaucoup. Cela fait écho à l’activité pédagogique « Teach Me Something New », où les étudiants sont invités à enseigner quelque chose de nouveau. Si je devais transposer ça aux ateliers menés par les étudiants, je dirais qu’ils se sentent fiers de pouvoir apporter quelque chose de neuf et de faire en sorte que les autres bénéficient de ce qu'ils disent. Ils prennent une part active à ces ateliers, pas seulement en tant qu'organisateurs, aussi en tant que participants. L’idée est autant d’amener que de consommer des savoirs.

Tous les ans, les étudiants évaluent l’enseignement grâce à un questionnaire anonyme créé par l’enseignant afin d’améliorer son cours. Ce qui revient le plus dans les points positifs, c’est les workshops. Les étudiants les trouvent ludiques et amusants, même s’ils peuvent être plus compliqués pour ceux qui n’aiment pas les activités sociales. En revanche, les étudiants évoquent parfois des activités qu’ils ont moins aimées, mais ce qui est aussi intéressant, c’est la réflexion qu’ils ont sur les raisons de faire ces activités. L’implication de l’étudiant est là et je constate que les groupes deviennent plus exigeants.

In fine, le rapport des étudiants à l’IA évolue-t-il au même titre que leurs connaissances sur le sujet ? Quelles améliorations prévoyez-vous pour la rentrée 2026 ?

Sur les deux semestres pendant lesquels j'ai enseigné ce module, j'avais l'impression qu’au premier semestre, les étudiants étaient moins sensibilisés aux enjeux techniques. Néanmoins, pendant le deuxième semestre, beaucoup commençaient à s'intéresser à la partie technique, alors qu’ils venaient de facultés où il n’y a pas de technicité d’IA, où on n’apprend pas à coder, des étudiants dits « non-spécialistes en IA et IAGen ». Donc, il y a déjà une progression entre les deux semestres.

Plus forte est la sensibilisation, positive ou négative, sur tous les aspects de l'IA, plus les étudiants font un usage ou non-usage justifié selon leurs connaissances.

Plus forte est la sensibilisation, positive ou négative, sur tous les aspects de l'IA, plus les étudiants font un usage ou non-usage justifié selon leurs connaissances. S'ils sont renseignés et sensibilisés, leur justification a davantage de valeur. D’un autre côté, si quelqu'un choisit de ne pas utiliser l'IA pour quelque chose, le fait qu'il ait cette connaissance rend son choix convaincant aussi.

Cette année, l’une de mes étudiantes était contre l’utilisation de l’IAGen, considérant qu’elle finirait par remplacer et usurper les artistes. Pour autant, au travers de ce module, elle a découvert que certains usages ont une utilité. Son non-usage de l'IA était basé sur un préjugé, maintenant, il l’est sur des faits et des statistiques, par rapport à son domaine d’études.

Dans ce module, je souhaiterais inclure un temps d'auto-évaluation des connaissances et des compétences, conduisant à une certification, comme PIX par exemple. Les étudiants auto-évalueraient leurs compétences en utilisant le cadre que j'ai créé pour pouvoir s'appeler « GenAI Literate », car ils ont acquis une littératie et des compétences en IA générative. Pour cela, il faudra déterminer les critères, les niveaux et établir un cadre précis.

Plus largement, en quoi le partage des pratiques pédagogiques est-il enrichissant dans le cadre de votre enseignement, ainsi que pour vous-même ?

Je crois vraiment en ce qu'on appelle « teachers help teachers » depuis le début de ma carrière enseignante, en 2017. Toutes les ressources ou pratiques pédagogiques qu'on crée peuvent servir aux autres : à adapter, changer, améliorer ou faire évoluer les enseignements. 

C’est très enrichissant. Par exemple, à titre personnel, plus j’en apprends sur la manière des enseignants d’utiliser l'IA générative à l’université, plus je peux changer mon cours et intégrer des idées nouvelles, notamment dans une approche de différenciation pédagogique. Grâce à ce partage, si un étudiant ne souhaite pas travailler sur l'écrit, mais plutôt sur l'oral, il peut avoir une banque d'activités où piocher.

Je suis très heureux de partager tout ce que j'ai créé avec mes collègues. Je pense avoir quelques collègues intéressés pour enseigner ce module l'année prochaine. La façon dont eux vont l'enseigner sera sûrement différente de la mienne. Au terme d’un semestre, il est toujours utile de partager nos pratiques entre nous : ce qui a fonctionné, ce qui n'a pas fonctionné et comment améliorer ce module afin que ça puisse répondre aux attentes des étudiants.

Axelle Papillon