Lecturers’ Experiences in Human Expertise and Generative AI in Developing Communicative Speaking Materials for English Foreign Language (EFL)

Dans les salles de classe du monde entier, les enseignants sont confrontés à un défi constant : comment aider les élèves à apprendre à parler une nouvelle langue non seulement correctement, mais de manière significative. Pendant des décennies, l'approche la plus fiable a consisté à se concentrer sur la communication réelle plutôt que sur la mémorisation de règles. Cette méthode, connue sous le nom d'Enseignement Communicatif des Langues, demande aux élèves d'utiliser la langue pour résoudre des problèmes, partager des idées et interagir les uns avec les autres, tout comme ils le feraient dans la vie quotidienne. L'objectif est de construire une compétence permettant à un étudiant de naviguer dans une conversation, et non de simplement réciter un tableau de grammaire. Aujourd'hui, une nouvelle force est entrée dans cette dynamique de classe : l'intelligence artificielle générative. Ce sont des systèmes informatiques capables d'écrire du texte, de créer des scénarios et de rédiger des plans de cours en quelques secondes. Si cette technologie promet de faire gagner du temps aux enseignants et de susciter de nouvelles idées, elle soulève également une question discrète mais urgente. Si une machine peut rédiger un plan de cours instantanément, l'enseignant doit-il encore être l'expert concepteur de ce cours ? La réponse est importante car l'apprentissage d'une langue est profondément humain ; il repose sur la compréhension de la culture, de l'émotion et de la nature désordonnée et imprévisible d'une véritable conversation.

Une équipe de chercheurs s'est donné pour mission d'observer comment les professeurs d'anglais en Indonésie naviguent dans cette nouvelle réalité. Ils se sont concentrés sur cinq professeurs d'université qui enseignent les compétences de parole à des étudiants se formant pour devenir professeurs d'anglais. Ces éducateurs utilisent des outils comme ChatGPT et des programmes similaires pour les aider à créer des supports pour leurs cours. Les chercheurs n'ont pas demandé si les enseignants utilisaient la technologie ; ils ont demandé comment ils l'utilisaient. À travers des conversations détaillées, l'équipe a écouté comment ces professeurs équilibraient leur propre expérience professionnelle avec la production instantanée de l'intelligence artificielle. Ce qu'ils ont découvert est un schéma clair de contrôle humain. Les enseignants ne se contentaient pas de copier et coller ce que l'ordinateur leur donnait. Au lieu de cela, ils traitaient l'intelligence artificielle comme un assistant utile qui pouvait proposer des idées ou rédiger une première version d'un cours, mais ils insistaient pour être les éditeurs finaux et les décideurs.

Les professeurs ont expliqué que leur expertise réside dans la connaissance de leurs étudiants spécifiques et du contexte local. Ils ont décrit un processus où ils pourraient demander à une intelligence artificielle de suggérer une activité de jeu de rôle sur un marché ou un sujet de débat. L'ordinateur générerait rapidement un script ou un ensemble d'instructions. Cependant, les enseignants intervenaient ensuite pour remodeler ce contenu. Ils avaient remarqué que l'ordinateur produisait souvent des conversations trop parfaites, trop polies et trop logiques. Le langage humain réel, soulignaient-ils, est plein d'interruptions, d'hésitations et de moments où les gens se comprennent mal avant de trouver un moyen de clarifier. Les professeurs réécrivaient le dialogue fluide de l'ordinateur pour y inclure ces imperfections réalistes, garantissant ainsi que les étudiants s'exercent pour le monde réel, et non pour une simulation polie. Ils ajustaient également les sujets pour qu'ils correspondent à leur environnement local, remplaçant les exemples génériques par des enjeux pertinents pour leur région, tels que le tourisme local ou les préoccupations environnementales en Sulawesi du Sud.

Cet éditage minutieux ne consistait pas seulement à corriger des erreurs ; il s'agissait de protéger la valeur éducative de la leçon. Les enseignants ont constaté que, bien que l'intelligence artificielle puisse faire gagner des heures de préparation, elle ne pouvait pas remplacer le jugement nécessaire pour décider de ce qu'un étudiant avait réellement besoin d'apprendre. Un professeur a noté que l'ordinateur pourrait suggérer une activité difficile qui semble bonne sur le papier mais qui confondrait le groupe spécifique d'étudiants face à lui. Un autre a mentionné que l'ordinateur omettait souvent les nuances culturelles, proposant des exemples qui semblaient étrangers ou inappropriés pour les apprenants indonésiens. Les enseignants agissaient comme un filtre, s'assurant que chaque pièce de matériel était culturellement pertinente et pédagogiquement solide. Ils considéraient la technologie comme un outil pour surmonter la fatigue créative, offrant une étincelle de nouvelles idées, mais ils restaient ceux qui décidaient quelles idées conserver et comment les affiner.

L'étude a également mis en évidence la manière dont ces enseignants préparaient leurs propres étudiants à cette nouvelle ère numérique. Plutôt que d'interdire l'intelligence artificielle, les professeurs encourageaient leurs étudiants à l'utiliser de manière critique. Ils demandaient aux étudiants de comparer ce que l'ordinateur écrivait avec ce qu'ils savaient grâce aux manuels ou à l'expérience de la vie réelle. L'objectif était d'apprendre aux étudiants à questionner le résultat, à repérer les biais et à vérifier les faits. Les enseignants soulignaient que la machine n'est pas neutre ; elle porte ses propres présupposés et schémas. En apprenant aux étudiants à évaluer la technologie, les professeurs s'assuraient que la prochaine génération d'enseignants ne se contenterait pas d'utiliser les outils, mais les comprendrait. Cette approche transformait la salle de classe en un espace de pensée critique, où la technologie servait autant de sujet d'étude que d'assistant.

En fin de compte, la recherche suggère que la manière la plus efficace d'utiliser l'intelligence artificielle générative dans l'enseignement des langues est de maintenir l'enseignant humain fermement aux commandes. La technologie excelle dans la rapidité et la variété, offrant une large gamme de brouillons et d'idées en quelques instants. Mais l'enseignant humain apporte les éléments essentiels de contexte, d'empathie et de jugement professionnel. Les professeurs de cette étude ne se voyaient pas remplacés par des machines ; ils se voyaient comme les chefs d'orchestre d'un nouvel orchestre, utilisant la technologie pour étendre leurs ressources tout en veillant à ce que la musique reste fidèle aux besoins de leurs étudiants. L'équilibre qu'ils ont trouvé ne portait pas sur la quantité de travail effectuée par l'ordinateur, mais sur qui prenait les décisions importantes. Tant que l'enseignant restait celui qui définissait les objectifs d'apprentissage, adaptait les supports et jugeait la qualité de l'interaction, la technologie servait de soutien puissant. L'étude conclut que l'avenir de l'enseignement des langues ne réside pas dans le choix entre l'expertise humaine et l'intelligence artificielle, mais dans la recherche d'un partenariat où la machine gère la routine et l'esprit humain gère le sens.