Shiksha Copilot: Teacher-AI Collaboration for Curating and Customizing Lesson Plans in Low-Resource Schools

Cette étude présente Shiksha Copilot, un outil d'IA déployé dans les écoles gouvernementales du Karnataka, qui, en facilitant la co-création et la personnalisation de plans de leçons bilingues pour plus de 1 000 enseignants, réduit leur charge administrative et le stress tout en favorisant une transition vers des pédagogies actives, bien que des contraintes systémiques limitent l'ampleur du changement pédagogique.

L'essentiel

Voici une explication simple et imagée de l'article de recherche sur Shiksha Copilot, conçue pour être comprise par tout le monde, même sans expertise technique.

🎓 Le Problème : Des enseignants submergés

Imaginez un enseignant dans une école publique en Inde (dans l'État du Karnataka). Il ou elle fait face à une tempête parfaite :

• Des classes bondées (comme un bus aux heures de pointe).
• Un manque de matériel (pas de projecteurs, pas d'ordinateurs).
• Une montagne de paperasse administrative (remplir des formulaires, écrire des plans de cours à la main).

Ces enseignants sont épuisés. Ils passent des heures à rédiger des "plans de cours" (le programme de la journée) juste pour satisfaire l'administration, au lieu de se concentrer sur l'animation de la classe. C'est comme si un chef cuisinier devait passer 3 heures à écrire la recette sur un papier avant même de pouvoir allumer le feu.

🤖 La Solution : Shiksha Copilot, le "Super-Assistant"

Pour aider ces enseignants, des chercheurs de Cornell et Microsoft ont créé Shiksha Copilot.

Imaginez que vous avez un assistant personnel très intelligent qui parle couramment l'anglais et le kannada (la langue locale). Cet assistant ne remplace pas l'enseignant, il agit comme un co-pilote (d'où le nom "Copilot").

Voici comment cela fonctionne, étape par étape :

1. La Cuisine en Deux Temps (Le processus de création)

Au lieu de laisser l'IA écrire tout le cours seule (ce qui serait risqué, comme un robot qui cuisinerait sans savoir si les ingrédients sont frais), ils ont mis en place une équipe humaine :

• L'IA (Le Chef Préparateur) : Elle génère une première ébauche du plan de cours en se basant sur les manuels scolaires.
• Les "Curateurs" (Les Chefs Experts) : Ce sont d'anciens enseignants qui vérifient le travail de l'IA. Ils corrigent les erreurs, s'assurent que le contenu est culturellement juste et qu'il correspond bien à la réalité de la classe.
  • Analogie : C'est comme si un robot écrivait un article de journal, mais un journaliste senior le relit, corrige les fautes et ajoute le contexte local avant publication.

2. Le Résultat : Des plans de cours sur mesure

Grâce à ce système, les enseignants reçoivent des plans de cours prêts à l'emploi, mais qu'ils peuvent personnaliser.

• Pour l'anglais : L'IA est très bonne. Les plans sont presque parfaits, comme une voiture neuve sortie de l'usine.
• Pour le kannada : C'est plus difficile. L'IA fait des traductions littérales qui sonnent bizarrement (comme traduire un idiome mot à mot). Les curateurs doivent donc beaucoup retravailler le texte pour qu'il sonne naturel, comme un traducteur humain qui doit adapter une blague pour qu'elle fasse rire dans une autre culture.

🚀 Ce que les enseignants ont découvert

Lorsqu'ils ont utilisé l'outil, plusieurs choses surprenantes sont arrivées :

• Gain de temps massif : Les enseignants ont gagné environ 2 heures par semaine. C'est énorme ! Cela leur permet de ne plus écrire des plans de cours à la main tard le soir, mais de les préparer sur leur téléphone pendant le trajet en bus.
• Moins de stress : La pression de la paperasse a diminué. C'est comme si on avait retiré un gros sac de pierres du dos de l'enseignant.
• Des cours plus vivants : Avant, les cours étaient souvent de simples lectures. Grâce aux idées d'activités fournies par l'IA (comme des jeux de rôle, des chasses au trésor dans la cour de l'école), les enseignants ont pu rendre les cours plus interactifs, même sans technologie.
• L'IA comme "Google" intelligent : Les enseignants ont adoré utiliser le chatbot intégré. Au lieu de chercher sur Google et de devoir tout expliquer à nouveau, ils pouvaient demander directement à l'IA : "Donne-moi une question de quiz sur la photosynthèse pour des élèves de 6ème".

⚠️ Les Limites : Ce que l'IA ne peut pas faire

Malgré le succès, l'article souligne que l'IA n'est pas une baguette magique :

1. Le problème de la langue : L'IA est encore imparfaite en kannada. Elle a besoin de l'œil humain pour ne pas faire de fautes de goût ou de grammaire.
2. Pas de visuels : Les plans de cours sont très textuels. Pour un cours de sciences, un enseignant a besoin d'images ou de vidéos pour expliquer comment une plante pousse. L'IA ne fournit pas encore ces images, donc l'enseignant doit aller les chercher ailleurs.
3. Le vrai problème n'est pas la technologie : L'IA a réduit le temps de préparation, mais elle ne peut pas résoudre le manque d'enseignants ou les tâches administratives bureaucratiques qui ne concernent pas l'enseignement. Si l'école n'a que 3 enseignants pour 7 classes, aucun logiciel ne pourra faire de miracles.

💡 La Leçon Principale

L'histoire de Shiksha Copilot nous apprend que l'IA ne doit pas remplacer l'enseignant, mais l'accompagner.

C'est comme un outil de jardinage : un bon râteau (l'IA) aide à ramasser les feuilles beaucoup plus vite, mais c'est toujours le jardinier (l'enseignant) qui sait quelles plantes arroser, où planter les fleurs et comment s'assurer que le jardin est beau.

Pour que cela fonctionne dans les pays en développement, il faut :

• Garder un humain dans la boucle pour vérifier la qualité.
• Utiliser les réseaux existants d'enseignants pour partager les meilleures idées.
• Comprendre que la technologie ne résout pas tous les problèmes structurels (comme le manque de personnel).

En résumé, Shiksha Copilot est un grand pas en avant : il a transformé une corvée administrative en un outil créatif, redonnant du temps et de l'énergie aux enseignants pour ce qui compte vraiment : enseigner.

Résumé technique

Voici un résumé technique détaillé de l'article de recherche « Shiksha Copilot : Collaboration Enseignant-IA pour la Curation et la Personnalisation de Plans de Leçon dans des Écoles à Faibles Ressources », rédigé en français.

1. Problématique et Contexte

Dans de nombreuses écoles à faibles ressources du Sud global (notamment en Inde), les enseignants font face à des défis structurels majeurs : classes surpeuplées, pénurie de personnel, et une charge administrative lourde qui contribue à l'épuisement professionnel. La création de plans de leçons (LP) est une tâche critique pour structurer l'enseignement, mais elle est souvent entravée par le manque de temps et de ressources. De plus, ces plans servent une fonction bureaucratique essentielle (preuve de préparation pour les autorités), ce qui alourdit la charge de travail sans nécessairement améliorer la pédagogie.

Bien que les modèles de langage (LLM) comme ceux utilisés par Khanmigo ou MagicSchool AI offrent des promesses de génération de contenu, ils présentent des lacunes significatives dans les contextes du Sud global :

• Inadéquation contextuelle : Manque de sensibilité culturelle et d'alignement avec les programmes locaux.
• Barrières linguistiques : Difficultés à générer du contenu de haute qualité dans des langues vernaculaires (comme le Kannada) et à respecter les nuances pédagogiques locales.
• Fiabilité : Risques d'hallucinations et de contenu factuellement inexact.

L'étude vise à combler ces lacunes en concevant et en évaluant Shiksha Copilot, un système d'IA assistée par l'humain (Human-in-the-Loop) spécifiquement conçu pour les écoles publiques du Karnataka, en Inde.

2. Méthodologie et Conception du Système

Conception du Système (Shiksha Copilot)

Le système repose sur une architecture technique combinant des LLM, des agents spécialisés et une curation humaine :

• Architecture RAG (Retrieval-Augmented Generation) : Le système ingère les manuels scolaires (Sciences, Mathématiques, Sciences sociales, Anglais) des classes 5 à 10. Le contenu est extrait, segmenté et indexé pour permettre une génération de contenu ancrée dans le curriculum officiel.
• Orchestration d'Agents : Un moteur central (basé sur GPT-4o) coordonne plusieurs agents :
  • Agent de Génération de Plans de Leçon : Construit les plans selon le modèle pédagogique 5E (Engage, Explore, Explain, Elaborate, Evaluate).
  • Agent de Traduction : Utilise un modèle fine-tuné (Sarvam-1 avec LoRA) pour traduire l'anglais vers le Kannada, optimisé pour le domaine éducatif.
  • Agents de Chat et de Génération de Questions : Fournissent un soutien pédagogique contextuel et génèrent des évaluations.
• Flux de travail en deux phases :
  1. Phase de Curation : 23 curateurs (enseignants experts) utilisent une plateforme web pour réviser, corriger et valider les plans générés par l'IA avant leur diffusion.
  2. Phase de Distribution : 1 043 enseignants accèdent aux plans validés, les personnalisent pour leurs classes et utilisent des fonctionnalités IA supplémentaires (chat, génération de quiz).

Étude Empirique

L'étude a été menée de décembre 2024 à mars 2025 dans 757 écoles du Karnataka.

• Participants : 1 043 enseignants (dont 22 interviewés en profondeur), 23 curateurs et 4 mentors.
• Méthodes Mixtes :
  • Analyse de logs : Examen de 991 plans de leçon curatés et 5 544 plans générés par les enseignants pour quantifier les modifications (éditions de contenu, formatage).
  • Enquêtes : Pré- et post-intervention auprès de 406 enseignants pour mesurer le stress, l'accès aux ressources et la confiance en l'IA.
  • Entretiens semi-structurés : 43 entretiens pour comprendre les pratiques d'adaptation, les perceptions et les défis d'intégration.

3. Résultats Clés

Qualité et Adaptation du Contenu

• Contenu Anglais : Très fiable. Seulement 4,1 % des blocs de contenu nécessitaient des modifications mineures (principalement du formatage). Les curateurs ont dû affiner les objectifs d'apprentissage (Learning Objectives) pour assurer la profondeur conceptuelle.
• Contenu Kannada : Nécessite une intervention humaine massive. 94,4 % des blocs de contenu traduits ont été modifiés. Les problèmes concernaient la grammaire, le choix des termes académiques spécifiques (ex: termes mathématiques) et la fluidité naturelle, car la traduction littérale de l'anglais échouait souvent à capturer les nuances du Kannada.
• Adaptation par les enseignants : Bien que les logs montrent peu de modifications numériques (seulement 1,5 % des plans copiés ont été édités sur la plateforme), les entretiens révèlent que les enseignants adaptent mentalement les plans, les enrichissent avec des ressources locales et les ajustent à leurs classes sans enregistrer ces changements dans le système.

Impact sur les Pratiques de Travail

• Réduction de la charge administrative : Le temps consacré à la rédaction des plans de leçon a diminué de manière significative (moyenne de 2,02 heures économisées par semaine). Les enseignants ont pu passer de la rédaction manuelle fastidieuse à une utilisation mobile rapide des plans générés.
• Réduction du stress : Les scores de stress liés aux exigences d'enseignement ont baissé de manière statistiquement significative (médiane passant de 4,25 à 3,25 sur une échelle de 7).
• Transition vers une pédagogie active : L'accès à des activités de classe prêtes à l'emploi (basées sur le modèle 5E et ne nécessitant pas de technologie) a encouragé les enseignants à adopter des méthodes d'enseignement plus interactives et centrées sur l'élève.

Limites et Défis

• Manque de support visuel : Les plans générés sont textuels, ce qui pose problème pour des matières comme les sciences et les mathématiques où les images sont cruciales.
• Adéquation aux compétences des élèves : L'IA ne dispose pas de données en temps réel sur les niveaux de compétence spécifiques de chaque classe, ce qui conduit parfois à des matériaux inadaptés (trop faciles ou trop difficiles).
• Contraintes systémiques : La pénurie de personnel et la charge administrative non pédagogique (saisie de données, rapports) limitent la capacité des enseignants à implémenter pleinement les nouvelles méthodes pédagogiques, malgré la disponibilité des outils.

4. Contributions Principales

1. Conception d'un système Human-in-the-Loop (HIL) bilingue : Présentation de l'architecture et de l'implémentation de Shiksha Copilot, démontrant comment intégrer la curation humaine pour garantir la qualité et la pertinence culturelle dans des contextes multilingues.
2. Preuve empirique de la collaboration Enseignant-IA : Mise en évidence du rôle actif des enseignants non pas comme de simples consommateurs, mais comme évaluateurs et adaptateurs critiques du contenu généré par l'IA, comblant les lacunes de l'IA par leur expertise professionnelle.
3. Transformation des flux de travail dans le Sud global : Démonstration de la façon dont l'IA peut réduire la charge bureaucratique et le stress tout en favorisant un changement pédagogique, tout en soulignant que la réussite dépend de l'intégration dans les communautés de pratique existantes et de la résolution des problèmes systémiques (manque de personnel, infrastructures).

5. Signification et Implications

Cette étude est significative car elle déplace le débat sur l'IA dans l'éducation au-delà de la simple automatisation. Elle montre que dans les contextes à faibles ressources, l'IA ne peut pas remplacer l'enseignant, mais doit agir comme un co-agent au sein d'un écosystème humain.

• Pour la recherche HCI/CSCW : Elle souligne l'importance de concevoir des systèmes qui reconnaissent le travail invisible des enseignants (adaptation mentale, curation) et qui s'intègrent aux communautés de pratique existantes (centres de ressources, groupes de pairs).
• Pour le développement de l'IA : Elle met en lumière les limites des modèles multilingues actuels pour les langues « à faibles ressources » et plaide pour des approches de crowdsourcing et de production de connaissances natives plutôt que de simples traductions depuis l'anglais.
• Pour la politique éducative : Elle suggère que l'adoption technologique doit être accompagnée de réformes structurelles (réduction de la charge administrative, recrutement) pour que les gains d'efficacité se traduisent par une amélioration réelle de l'apprentissage des élèves.

En conclusion, Shiksha Copilot démontre le potentiel de l'IA pour soutenir les enseignants dans des environnements contraints, à condition que le système soit conçu comme un outil de collaboration et non de remplacement, et qu'il soit ancré dans les réalités sociales et culturelles locales.