LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

Dans le monde moderne, l'intelligence artificielle est passée de la science-fiction à un utilitaire quotidien, remodelant la manière dont les gens résolvent des problèmes dans les bureaux, les salles de classe et les foyers. Pourtant, un fossé important subsiste dans la façon dont la société apprend à utiliser ces outils. La plupart des efforts éducatifs se répartissent dans deux camps : des ateliers théoriques larges qui expliquent ce qu'est l'IA sans enseigner comment l'utiliser, ou des cours techniques avancés conçus pour les experts en informatique qui laissent de côté tous les autres. Ce clivage laisse un vaste groupe d'apprenants — ceux qui ont besoin de créer un site web, d'automatiser un tableur ou d'organiser un flux de travail mais qui n'ont pas de compétences en programmation — sans voie de progression. Ils sont confrontés au choix entre tout faire manuellement ou confier entièrement leur travail à une machine, souvent sans comprendre le processus. La question à laquelle les éducateurs sont confrontés aujourd'hui n'est pas seulement de savoir comment apprendre aux gens à coder, mais comment aider divers groupes de personnes à collaborer avec l'IA pour construire des solutions réelles et fonctionnelles qui répondent à leurs besoins spécifiques.

À l'Université de Monmouth, une équipe de chercheurs et d'éducateurs a testé une nouvelle approche pour combler ce fossé, en créant un programme appelé LearnAI. Au lieu de forcer les étudiants à apprendre d'abord des langages de programmation complexes, ils ont construit un service qui rencontre les gens exactement là où ils en sont, offrant une aide immédiate pour des tâches concrètes du monde réel. Le programme fonctionne sur deux niveaux. Le premier est un large filet jeté à travers dix-huit cours universitaires différents, allant des soins infirmiers et du commerce à l'informatique. Dans ces cours, des tuteurs de premier cycle ont donné de courtes présentations de quinze minutes montrant comment l'IA pouvait résoudre des problèmes immédiats, comme la création d'un guide d'étude ou la conception d'un site web de portfolio. Ces sessions étaient conçues pour susciter l'intérêt et démystifier la technologie, invitant toute personne curieuse à s'inscrire pour obtenir une aide plus approfondie.

Pour ceux qui franchissaient l'étape suivante, la seconde couche du programme commençait : une série de sessions individuelles où les clients travaillaient directement avec un tuteur étudiant formé. Ces réunions n'étaient pas des cours magistraux ; c'étaient des ateliers où le client apportait un objectif spécifique, comme la création d'un bulletin départemental ou l'automatisation d'une tâche de saisie de données. Les tuteurs suivaient un guide structuré en cinq étapes pour aider le client à transformer cet objectif en un produit fini. D'abord, ils aidaient le client à définir clairement le problème, passant d'idées vagues comme « je veux un site web » à des exigences spécifiques comme « j'ai besoin d'un site où les professeurs peuvent se connecter pour publier des mises à jour ». Ensuite, ils associaient les bons outils à la tâche, choisissant entre différentes plateformes d'IA en fonction de ce que le client connaissait déjà et des contraintes auxquelles il faisait face, telles qu'un accès limité à l'ordinateur.

Le cœur du processus consistait en un travail conjoint entre le client et le tuteur pour rédiger des instructions pour l'IA, une pratique que les chercheurs appellent le « prompting comme spécification ». Au lieu de demander simplement à l'IA de « le faire », le client apprenait à écrire des requêtes détaillées qui agissaient comme un plan. Le tuteur démontrait comment écrire ces instructions, puis se retirait progressivement, laissant le client prendre les commandes tout en offrant des conseils. Une fois que l'IA générait un résultat, le duo passait à la phase la plus critique : la vérification. Ils testaient le résultat pour s'assurer qu'il fonctionnait réellement, vérifiant les erreurs ou les fonctionnalités que l'IA aurait pu inventer sans qu'elles n'existent. Enfin, ils discutaient des implications éthiques, décidant comment l'outil devait être utilisé, quelles données il pouvait traiter et comment créditer l'effort humain derrière la création.

Sur deux semestres, ce modèle a soutenu trente-cinq clients, incluant des étudiants, des membres du corps professoral et du personnel administratif. Les résultats étaient tangibles et diversifiés. Le groupe a co-créé trente-six sites web de portfolio et plus de vingt applications web déployées. Il ne s'agissait pas d'exercices pratiques ; c'étaient des outils fonctionnels utilisés dans la vie réelle. Une professeure de soins infirmiers a construit un système sécurisé pour le suivi de l'assiduité des étudiants qui a été utilisé par plus de cinquante étudiants. Une étudiante en éducation, sans aucune base en codage, a créé un site web personnel et un outil de raffinement d'e-mails, qu'elle a plus tard utilisé pour préparer des documents pour une conférence professionnelle. Un membre du personnel administratif, disposant d'un ordinateur restreint, a appris à automatiser des tâches répétitives de nettoyage de données à l'aide d'outils disponibles sur son bureau verrouillé.

La découverte la plus significative, cependant, n'était pas seulement le nombre de sites web construits, mais un changement dans la façon dont les clients percevaient la technologie. Avant le programme, de nombreux participants considéraient l'IA comme un « oracle » — une machine passive qui fournissait simplement des réponses lorsqu'on l'interrogeait. Après avoir suivi le processus, leur perspective a changé. Ils ont commencé à voir l'IA comme un « partenaire de processus », un outil collaboratif qui nécessite une direction, une supervision et une vérification humaines. Une professeure d'informatique a noté que l'IA a commencé à lui poser des questions qui la poussaient à réfléchir à des angles qu'elle n'avait pas envisagés, transformant l'interaction d'une simple requête en une véritable collaboration. Un autre membre du personnel, initialement dépassé par les étapes techniques, a appris à décomposer les tâches et a fini par enseigner les mêmes méthodes à ses collègues.

Les chercheurs ont observé que ce changement ne se produisait pas automatiquement ; il nécessitait l'élément humain d'un tuteur pour guider le client à travers la frustration de l'apprentissage. Les tuteurs, qui étaient tous des étudiants en informatique, ont découvert que leur compétence la plus importante n'était pas l'expertise technique, mais la capacité à communiquer et à adapter leur style d'enseignement au niveau de confort du client. Ils ont appris à ralentir pour ceux qui se sentaient dépassés par le nombre d'outils et à accélérer pour ceux qui étaient déjà familiers avec la technologie. Le programme a également révélé des limites importantes. Certains clients estimaient que l'effort requis pour guider l'IA l'emportait sur les bénéfices, et d'autres choisissaient de rejeter totalement l'usage de l'IA pour certains types de travail, comme la rédaction académique, préférant maintenir un contrôle personnel total. Ces réactions n'étaient pas perçues comme des échecs, mais comme des choix valides qui soulignaient l'importance de laisser les individus décider quand et comment utiliser ces outils.

Bien que le programme ait montré des résultats prometteurs, les chercheurs ont pris soin de noter les limites de leur étude. Les données proviennent d'un petit groupe de personnes ayant fait le choix de participer au programme, on ne peut donc pas supposer que chaque étudiant ou enseignant aurait la même expérience. Les mesures de l'apprentissage sont préliminaires et basées sur un petit nombre de participants, suggérant la nécessité d'études complémentaires pour confirmer les effets à long terme. Cependant, la collecte d'artefacts du monde réel — les sites web et les applications fonctionnels — a fourni des preuves concrètes que cette approche fonctionne. Le projet a démontré qu'avec le soutien approprié, des personnes de tous horizons peuvent passer de consommateurs passifs de technologie à créateurs actifs utilisant l'IA pour résoudre leurs propres problèmes. Le cadre de LearnAI offre un modèle pratique pour les institutions souhaitant intégrer l'intelligence artificielle dans l'éducation, non pas comme un sujet séparé, mais comme un outil tissé dans la trame du travail et de l'apprentissage quotidien.