Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis

Imaginez le monde de l'ingénierie logicielle comme un immense chantier de construction en pleine effervescence. Pendant des décennies, les plans étaient dessinés à la main et les briques étaient posées une à une par des maçons qualifiés utilisant des marteaux et des ciseaux. Mais récemment, un nouveau genre d'assistant est arrivé sur le chantier : un robot assistant super rapide et bavard, capable de saisir des briques, de mélanger le ciment et même de suggérer où construire le prochain mur. C'est l'IA générative. Ce n'est pas seulement une calculatrice sophistiquée ; c'est un outil capable d'écrire du code, de corriger des bugs et de concevoir des systèmes, changeant ainsi la façon dont les constructeurs professionnels travaillent chaque jour.

Maintenant, imaginez les écoles qui forment la prochaine génération de maîtres constructeurs. Elles sont confrontées à un casse-tête complexe : comment apprendre aux étudiants à construire des gratte-ciel quand leur meilleur ami est un robot capable de faire la moitié du travail pour eux ? Si vous ne leur apprenez qu'à utiliser le robot, ils pourraient oublier comment construire une maison si le robot tombe en panne. Si vous ignorez le robot, ils seront laissés pour compte dans le monde réel. Ce document plonge dans le syllabus — les plans de cours et les listes de devoirs — des universités qui tentent de résoudre ce casse-tête exact. Il demande : ces écoles apprennent-elles aux étudiants à simplement discuter avec le robot, ou leur apprennent-elles à être le patron du robot tout en connaissant toujours les règles traditionnelles de la construction ?

---

La grande enquête du détective de syllabus

Une équipe de chercheurs a décidé de jouer les détectives. Ils ne se sont pas contentés de demander aux enseignants ce qu'ils pensaient faire ; ils sont allés directement à la source. Ils ont parcouru l'internet public pour trouver 23 cours universitaires réels aux États-Unis qui portaient explicitement sur l'« ingénierie logicielle assistée par l'IA ». Il ne s'agissait pas de simples cours mentionnant l'IA de passage ; c'étaient des cours de niveau avancé où les étudiants devaient utiliser des outils d'IA pour obtenir de vraies notes sur de vrais projets logiciels.

Les chercheurs ont traité ces syllabus comme des cartes au trésor. Ils ont recherché trois éléments principaux :

1. L'Objectif : Qu'est-ce que les étudiants étaient censés apprendre ?
2. Le Devoir : Comment étaient-ils évalués ?
3. Les Outils : Quels assistants robots spécifiques étaient-ils autorisés (ou tenus) à utiliser ?

Ce que les cours enseignent réellement

Les chercheurs ont découvert que ces nouveaux cours ne consistent pas seulement à apprendre à taper les mots magiques parfaits (prompts) pour faire écrire du code par un robot. Cela reviendrait à apprendre à un ouvrier du bâtiment uniquement comment demander au robot de « construire un mur » sans jamais vérifier si le mur est droit.

Au lieu de cela, le plan de cours le plus courant se concentre sur la collaboration Humain-IA. Voyez cela comme une danse où l'humain mène et le robot suit, mais où l'humain doit connaître les pas parfaitement. Les principaux objectifs d'apprentissage comprenaient :

• Gérer le contexte : Enseigner aux étudiants comment donner au robot suffisamment d'informations pour qu'il fasse du bon travail, plutôt que de simplement crier « fais en sorte que ça marche ».
• Construire et Évaluer : Les étudiants ne font pas que générer du code ; ils construisent des logiciels avec l'IA et agissent ensuite comme des inspecteurs de qualité pour vérifier si le travail de l'IA est sûr, correct et digne de confiance.
• Le problème de la « boîte noire » : Quelques cours enseignaient même aux étudiants comment construire leurs propres outils d'IA, et pas seulement comment les utiliser.

Les chercheurs ont noté que si certains cours abordaient l'éthique (être un « bon » utilisateur de robot) et le design (faire des choses qui plaisent vraiment aux gens), l'accent principal était fortement mis sur l'acte technique de construire et de vérifier des logiciels.

Les devoirs : Fini le « montrez votre travail » sur papier

L'une des découvertes les plus intéressantes concerne la manière dont ces cours évaluent les étudiants. Par le passé, un professeur pouvait donner un examen pour voir si un étudiant pouvait écrire du code à partir de zéro. Mais avec l'IA, c'est comme demander à un chef de cuisiner un repas sans fourneau.

L'article a révélé que ces cours ont largement abandonné les examens traditionnels à enjeux élevés où les étudiants s'assoient seuls dans une pièce. Au lieu de cela, ils s'appuient lourdement sur les projets et la collaboration.

• Le Grand Projet : La plupart des cours reposent sur un projet final massif (un « capstone ») qui représente une part énorme de la note.
• L'exigence de l'IA : Dans presque tous les cours, les étudiants devaient utiliser des outils d'IA pour terminer leurs devoirs. Ce n'était pas optionnel ; cela faisait partie du travail.
• La vérification du « processus » : Puisque l'IA peut faire le gros du travail, les enseignants évaluent le processus. Ils regardent comment les étudiants discutent avec l'IA, comment ils corrigent les erreurs de l'IA et comment ils expliquent leur code. Il s'agit moins de savoir « Avez-vous obtenu la bonne réponse ? » que de savoir « Pouvez-vous me montrer comment vous y êtes parvenu et pourquoi c'est sûr ? »

Étonnamment, très peu de ces cours utilisaient des examens « surveillés » (où un professeur vous regarde pour s'assurer que vous respectez les règles). Les chercheurs suggèrent que cela signifie que les écoles parient sur l'idée que la meilleure façon d'apprendre est de faire le vrai travail, avec l'IA comme partenaire, plutôt que d'essayer de piéger les étudiants pour qu'ils travaillent seuls.

La boîte à outils du robot : Une longue traîne d'options

En ce qui concerne les outils spécifiques, les chercheurs ont constaté un certain mélange. Seuls 9 des 23 cours indiquaient publiquement les outils d'IA qu'ils utilisaient. Parmi ceux qui l'ont fait, quelques noms sont revenus fréquemment : Claude Code, Cursor et GitHub Copilot.

Cependant, la liste était une « longue traîne ». Cela signifie que, bien que quelques outils soient populaires, il n'y avait pas de vainqueur unique. Certains cours utilisaient un outil, d'autres un autre, et certains en utilisaient beaucoup de différents. Les chercheurs suggèrent que c'est parce que la technologie évolue si vite que les écoles cherchent encore à savoir quel est le meilleur « marteau » pour le travail. Ils ont également noté que de nombreux cours ne mentionnaient aucun outil, peut-être parce qu'ils veulent apprendre aux étudiants à s'adapter à n'importe quel outil, plutôt qu'à une marque spécifique.

La vue d'ensemble : Un travail en cours

L'article conclut que nous sommes aux premiers jours de ce nouveau curriculum. Il n'existe pas encore de méthode unique « parfaite » pour enseigner l'ingénierie assistée par l'IA. C'est plutôt un immense espace de conception où les enseignants expérimentent.

Certains cours se concentrent sur les bases du fonctionnement de l'IA, tandis que d'autres sautent directement dans des projets complexes. Certains s'inquiètent de l'éthique, tandis que d'autres sont obsédés par la vitesse. Les chercheurs suggèrent que les cours les plus réussis semblent être ceux qui traitent l'IA comme un partenaire puissant dans l'équipe de construction, et non comme une baguette magique qui remplace le travailleur. Ils apprennent aux étudiants à être les architectes qui savent diriger le robot, vérifier son travail et s'assurer que le bâtiment final est haut et sûr.

En bref, l'avenir de l'enseignement de l'ingénierie logicielle ne consiste pas à bannir les robots ou à les laisser prendre le contrôle. Il s'agit d'apprendre à la prochaine génération de constructeurs comment tenir les plans, donner les bonnes instructions et vérifier le travail, garantissant que lorsque le robot construit le mur, celui-ci est construit pour durer.