How Physics Professors Use and Frame Generative AI Tools

En s'appuyant sur le cadre théorique du cadrage épistémique, cette étude analyse les entretiens menés auprès de 12 professeurs de physique scandinaves pour révéler comment ils perçoivent et utilisent l'IA générative, la considérant à la fois comme un outil polyvalent utile et comme une menace globale pour l'intégrité académique et l'apprentissage authentique.

L'essentiel

🤖 Les Physiciens et la Nouvelle Magie Noire : Comment l'IA Générative Change leur Monde

Imaginez que la physique est un immense atelier de bricolage. Depuis 100 ans, les physiciens y travaillent avec des outils précis : des calculatrices, des ordinateurs pour faire des graphiques, et des bibliothèques pour lire des livres. Mais récemment, un nouvel outil est arrivé dans l'atelier : l'Intelligence Artificielle Générative (IA). C'est un assistant super-puissant qui peut écrire du code, résumer des livres, corriger des textes et même résoudre des équations complexes en quelques secondes.

Les auteurs de cet article, deux professeurs de l'Université d'Oslo, ont voulu savoir : « Comment les maîtres de cet atelier (les professeurs de physique) réagissent-ils à ce nouvel outil ? »

Ils ont interrogé 12 professeurs pour comprendre comment ils utilisent cette IA et ce qu'ils en pensent. Voici ce qu'ils ont découvert, expliqué avec des images simples.

---

🧠 Le Grand Débat : Outil ou Ennemi ?

Les professeurs ont deux visages quand ils parlent de l'IA. C'est un peu comme si vous regardiez un couteau de chef : d'un côté, c'est un outil formidable pour cuisiner vite et bien ; de l'autre, c'est une arme dangereuse si on l'utilise mal.

1. L'IA comme une "Menace" (Le Gardien du Temple) 🛡️

C'est la préoccupation la plus forte. Les professeurs ont peur que les étudiants utilisent l'IA pour tricher ou, pire, pour ne plus réfléchir du tout.

• L'image : Imaginez un élève qui veut apprendre à faire du vélo. Si l'IA lui met un moteur sur le vélo, il ne saura jamais garder l'équilibre.
• Ce qu'ils font : Pour contrer cela, certains professeurs ont changé leurs examens. Au lieu de donner un devoir à la maison (où l'IA peut tout faire), ils font passer des oraux. C'est comme demander à l'élève de faire du vélo devant vous : si l'IA est là, elle ne peut pas parler à sa place ! D'autres demandent aux étudiants de dire : « J'ai utilisé l'IA pour ceci, mais j'ai réfléchi à cela ».

2. L'IA comme un "Partenaire de Discussion" (Le Compagnon de Café) ☕

Certains professeurs voient l'IA comme un ami très intelligent avec qui on peut discuter pour trouver des idées.

• L'image : C'est comme avoir un collègue de bureau qui ne dort jamais, qui est toujours d'accord pour brainstormer, mais qui oublie parfois les détails.
• Ce qu'ils font : Ils l'utilisent pour « faire tourner les idées » (brainstorming) ou pour déboguer du code. Cependant, ils remarquent que les étudiants l'utilisent souvent comme un simple moteur de recherche plutôt que comme un vrai partenaire de débat.

3. L'IA comme un "Outil de Bricolage" (Le Couteau Suisse) 🛠️

C'est le point de vue le plus pragmatique. Pour beaucoup de physiciens, l'IA est juste un outil de plus dans leur boîte à outils, comme un marteau ou un tournevis.

• Le Code : Ils utilisent l'IA pour écrire des lignes de code ennuyeuses, comme un ouvrier qui utilise une perceuse électrique au lieu de percer à la main. Cela leur fait gagner du temps pour se concentrer sur la « vraie physique » (les idées, pas la technique).
• Le Texte : Ils l'utilisent pour corriger l'anglais, résumer des articles longs ou traduire des documents. C'est comme avoir un traducteur personnel qui ne se fatigue jamais.
• Le Labeur : Ils l'utilisent pour faire des tâches administratives ennuyeuses (rédiger des emails, organiser des réunions) afin de se concentrer sur ce qui compte vraiment : la recherche et les étudiants.

---

⚖️ Le Dilemme : La Confiance vs La Méfiance

L'article révèle une tension intéressante :

• D'un côté, les professeurs disent : « C'est génial ! » parce que cela leur fait gagner du temps et les aide à travailler plus vite.
• De l'autre, ils disent : « Attention ! » parce qu'ils ont peur que les étudiants perdent l'habitude de penser par eux-mêmes.

L'analogie de la calculatrice :
Il y a 50 ans, les professeurs de maths avaient peur que les calculatrices rendent les élèves incapables de faire des additions. Aujourd'hui, tout le monde utilise des calculatrices, et les élèves sont toujours capables de faire des maths, mais ils font des choses plus complexes. Les physiciens espèrent que l'IA deviendra la prochaine « calculatrice » : un outil normal qui change comment on travaille, mais pas qui on est.

---

🚀 En Résumé : Que Retenir ?

Cet article nous dit que les physiciens ne rejettent pas l'IA, mais ils ne l'acceptent pas non plus aveuglément. Ils sont en train de réfléchir et d'ajuster leur façon d'enseigner et de travailler.

• Ils changent les règles : Plus d'examens à la maison sans surveillance, plus d'oraux, plus de discussions sur l'éthique.
• Ils utilisent l'IA intelligemment : Pour le code, le texte et les tâches ennuyeuses, mais pas pour remplacer la réflexion profonde.
• Le futur : L'IA va probablement transformer le métier de physicien, un peu comme l'ordinateur l'a fait il y a 30 ans. Ce ne sera pas la fin de la physique, mais une nouvelle façon de la faire.

La leçon principale : L'IA est un moteur puissant. Si on l'utilise bien, elle nous emmène plus loin et plus vite. Si on l'utilise mal, on risque de s'arrêter de marcher et de ne plus jamais apprendre à conduire. Les professeurs sont en train d'apprendre à tenir le volant.

Résumé technique

1. Problématique et Contexte

L'article aborde l'impact rapide et transformateur des outils d'Intelligence Artificielle Générative (GenAI), tels que les grands modèles de langage (LLM), sur l'enseignement et la recherche en physique. Bien que ces technologies redéfinissent les pratiques cognitives (rédaction de code, synthèse de littérature, résolution de problèmes), peu de recherches existent sur la manière dont les professeurs de physique, acteurs clés de ce domaine, perçoivent et intègrent ces outils.

Le problème central réside dans la tension entre le potentiel d'innovation de la GenAI et les menaces qu'elle fait peser sur l'intégrité académique et le développement cognitif des étudiants. Contrairement aux sciences humaines où la recherche repose sur l'argumentation textuelle, la physique reste une discipline empirique et mathématique. La question se pose donc de savoir comment la GenAI, qui est elle-même un modèle computationnel du langage, s'insère dans la pratique des physiciens, qui sont généralement technophiles et habitués aux outils numériques.

2. Méthodologie

Les auteurs ont mené une étude qualitative basée sur des entretiens semi-directifs auprès de 12 professeurs de physique d'une grande université de recherche scandinave (Université d'Oslo), réalisés entre le printemps et l'automne 2024.

• Cadre théorique : L'analyse s'appuie sur le concept de cadrage épistémique (epistemic framing). Ce cadre théorique examine comment les individus perçoivent et donnent du sens aux situations d'apprentissage et aux outils, en répondant implicitement à la question « Qu'est-ce qui se passe ici ? ».
• Analyse des données : Les entretiens ont été transcrits, anonymisés et soumis à une analyse thématique inductive. Les auteurs ont identifié des thèmes récurrents concernant l'utilisation et la perception de la GenAI.
• Processus de codage : Après un codage initial, les auteurs ont regroupé les thèmes en 6 cadres épistémiques (frames) distincts mais chevauchants, englobant au total 19 pratiques professionnelles et pédagogiques. Un second tour de codage déductif a été effectué pour valider la cohérence et l'exactitude de ces catégories par rapport aux données brutes.

3. Contributions Clés

L'article apporte plusieurs contributions significatives à la littérature sur la physique et l'éducation scientifique :

1. Cartographie des pratiques : Identification de 19 pratiques spécifiques allant de la rédaction de code à l'évaluation des étudiants, en passant par la revue de littérature.
2. Structuration théorique : Définition de six cadres épistémiques qui expliquent comment les professeurs donnent du sens à la GenAI.
3. Nuance sur l'adoption : Démonstration que l'adoption de la GenAI n'est pas binaire (pour ou contre), mais qu'elle coexiste avec des préoccupations profondes concernant l'intégrité académique.
4. Spécificité disciplinaire : Mise en évidence de la manière dont la nature computationnelle de la physique influence l'acceptation de ces outils par rapport à d'autres disciplines.

4. Résultats Principaux

L'analyse a révélé six cadres épistémiques principaux à travers lesquels les professeurs interprètent la GenAI :

A. La GenAI comme menace pour l'apprentissage et l'évaluation (Cadre dominant)

C'est le cadre le plus prévalent et il « colore » tous les autres. Les professeurs craignent que l'outil ne permette aux étudiants de contourner l'apprentissage, de remplacer l'écriture réflexive ou de déléguer la pensée critique.

• Pratiques associées : Modification des formats d'examen (passage aux oraux), exigence de déclaration d'utilisation de l'IA, discussions avec les étudiants sur l'éthique, et assignment de notes de réflexion sur l'usage de l'IA.
• Observation : Ce cadre est perçu comme une préoccupation globale qui influence la façon dont les autres usages sont considérés.

B. La GenAI comme source de connaissances

Les professeurs reconnaissent la capacité de l'IA à fournir des réponses et des résumés, la comparant à un manuel ou un collègue informé.

• Nuance : Une méfiance systématique persiste. Les professeurs insistent sur la nécessité de vérifier factuellement les sorties de l'IA (phénomène d'hallucination). Certains ont intégré cette vérification critique dans leurs cours (ex: demander aux étudiants de trouver les erreurs dans une solution générée par l'IA).

C. La GenAI comme partenaire de discussion

L'IA est vue comme un « partenaire de sparring » ou un « ami » pour le brainstorming et le raffinement des idées de recherche.

• Limites : Les professeurs notent un décalage entre l'idéal (un dialogue socratique) et la réalité (les étudiants l'utilisent pour des tâches techniques de bas niveau). Certains soulignent que l'IA ne remplace pas l'interaction humaine nécessaire à la construction du sens.

D. La GenAI comme outil de codage

Étant donné que le codage est un outil central en physique, l'IA est largement adoptée pour écrire, déboguer et visualiser des données.

• Approche pragmatique : Pour beaucoup, le codage est un moyen de parvenir à une fin (l'analyse physique). L'IA permet de déléguer la génération de code simple pour se concentrer sur la « vraie physique ». Cependant, certains s'inquiètent que cela n'empêche pas les étudiants d'apprendre les fondements du codage.

E. La GenAI comme outil de traitement de texte

L'IA est utilisée pour la réécriture, la correction grammaticale, la traduction et la synthèse de textes.

• Hiérarchie d'acceptabilité : L'utilisation est jugée légitime pour le raffinement linguistique (surtout pour les non-anglophones) ou la traduction, mais vue avec scepticisme pour la rédaction initiale de contenu ou la formulation d'idées, ce qui est considéré comme un acte de pensée.

F. La GenAI comme dispositif d'économie de travail

L'IA est perçue comme un moyen d'automatiser les tâches administratives et répétitives (emails, résumés de littérature, génération de graphiques).

• Objectif : Libérer du temps pour des activités à plus forte valeur ajoutée (recherche, interaction avec les étudiants). Cependant, les résultats sur la revue de littérature automatisée sont mitigés, car la vérification prend parfois plus de temps que le travail manuel.

5. Signification et Implications

Les auteurs concluent que la GenAI commence à redéfinir ce que signifie « être physicien ».

• Dualité : Les professeurs adoptent une posture simultanément optimiste (outil d'efficacité) et prudente (menace pour l'intégrité).
• Évolution du rôle : L'intégration de la GenAI pourrait transformer le rôle du professeur, passant d'évaluateur direct à « ingénieur d'environnements d'apprentissage », et modifier la dynamique sociale de la recherche (remplacement potentiel de certaines interactions humaines par des interactions avec l'IA).
• Recommandations : L'étude suggère la nécessité de développer une « littératie en IA » spécifique à la physique, tant pour les enseignants que pour les étudiants, afin d'adapter ces outils de manière critique et réfléchie.
• Limites : En tant qu'étude de cas qualitative sur une seule institution, les résultats ne sont pas généralisables de manière absolue, mais ils servent de preuve de concept (existence-proof) des tendances émergentes.

En résumé, cet article fournit une base empirique solide pour comprendre comment les experts en physique naviguent dans la transition vers l'ère de l'IA générative, en équilibrant l'adoption d'outils puissants avec la préservation des fondements de l'apprentissage scientifique.