IA et enseignement supérieur : formation, structuration et appropriation par la société

Synthèse 
Liste des recommandations 
Contexte et méthodologie 
Introduction

1. Les usages de l'IA se développent dans les établissements d'enseignement supérieur, de manière hétérogène et dans un contexte d'incertitudes et de craintes partagées

1.1. D'une science portée par la recherche académique à une technologie dominée par le secteur privé 
1.1.1. Historique de l'IA à l'IA générative 
1.1.2. L'évolution accélérée depuis 2022 et un marché qui peine à trouver une rentabilité
1.1.3. Les modèles d'IA générative sont des vitrines technologiques à l'efficacité énergétique et l'ouverture variables 
1.1.4. De l’entraînement d'un modèle à la réalisation d'un chatbot, une même communication pour des réalités très différentes 

1.2. L'usage de l'IA dans les établissements est hétérogène et majoritairement le fait des individus 

1.3. L'IA est encore peu utilisée à des fins pédagogiques et ses effets doivent encore être démontrés 

1.4. L'usage de l'IA est moins développé dans les services administratifs et techniques, mais montre un potentiel au-delà de la simple automatisation des tâches 
1.4.1. Les usages très diversifiés dans les établissements peuvent améliorer le service rendu à l'usager, mais doivent être encadrés 
1.4.2. Le développement de l'IA doit être accompagné de réflexions collectives sur les usages et ses effets sur l'organisation du travail, les processus et l'évolution des compétences 

1.5. Des risques et des freins partagés concernant l'utilisation de l'IA 
1.5.1. Des enjeux cognitifs, éthiques et écologiques qui inquiètent et un risque d'accroissement des inégalités 
1.5.2. Les freins à l'utilisation de l'IA sont nombreux mais différents selon les acteurs 

1.6. Une dynamique de formation commence à se structurer via les IA-Clusters et l'appel à manifestation "compétences et métiers d'avenir" mais ne garantit pas un accès à tous 

1.7. Les problématiques communes incitent à la mutualisation

2. L'IA, catalyseur des possibles dans les établissements d'enseignement supérieur

2.1. Inciter à l'expérimentation et à partager les résultats pour favoriser l'adoption de l'IA, une première étape nécessaire 

2.2. L'IA au service des étudiants pour renforcer leur réussite 
2.2.1. L'IA, une aide pour affiner le projet d’orientation, réduire les biais de genre et les inégalités territoriales, en complément de l'accompagnement humain 
2.2.2. L'IA, un outil complémentaire aux dispositifs existants, pour améliorer la réussite étudiante 

2.3. Repenser l'enseignement et la place des étudiants et des enseignants par rapport au savoir 
2.3.1. Repenser l'évaluation pour garantir l'acquisition des compétences et la qualité des diplômes 
2.3.2. Sortir d'une transmission descendante pour aller vers des enseignements qui favorisent l'engagement des étudiants, leur apprentissage et le sens qu'ils donnent à leurs études 

2.4. L'IA dans l’administration pour optimiser et améliorer le service à l'usager, une évolution à construire 

2.5. L'IA accompagne les transitions en plaçant les acteurs au centre du débat 
2.5.1. Les EES peuvent être des lieux d'expérimentation de la transition liée à l'IA 
2.5.2. L'IA au service de la démocratie universitaire 

2.6. Les établissements d’enseignement supérieur peuvent être le moteur d’une société apprenante renforcée par l'IA 
2.6.1. L'IA, un facilitateur de la mise en oeuvre de la société apprenante 
2.6.2. Les EES, comme lieu de la formation tout au long de la vie dans une société apprenante grâce à l'IA 
2.6.3. Les EES pourraient contribuer à l'appropriation de l'IA au-delà de leur périmètre en contribuant à la création de tiers lieux 
2.6.4. L'IA doit conduire les EES à s'interroger collectivement sur leurs rôles

3. S'emparer pleinement de l'IA : former, équiper, structurer, piloter

3.1. Former les étudiants à l'usage de l'IA 
3.1.1. La sensibilisation à généraliser, à partir des ressources existantes 
3.1.2. La formation X + IA à construire, par discipline, sur la base d'une réflexion sur les compétences nouvelles à acquérir 
3.1.3. L'offre de formation en IA coeur est développée mais il faut s'assurer qu'elle est attractive et répond aux besoins de la nation 
3.1.4. La formation des futurs enseignants doit intégrer l'IA

3.2. Accompagner pour favoriser l'adoption de l'IA dans les EES 
3.2.1. Accompagner à l'utilisation de l'IA et à l'évolution des compétences métier induite, identifier des personnes ressources 
3.2.2. Former les enseignants-chercheurs et les enseignants est un enjeu majeur pour les élèves et les étudiants 

3.3. Se doter d'outils et infrastructures partagés entre établissements et en continuité avec l'enseignement scolaire 
3.3.1. Les EES : un marché clé pour développer les usages futurs 
3.3.2. Accompagner les usages d'aujourd'hui par une contractualisation agile et équitable 
3.3.3. Les DSI sont forces de propositions pour l'utilisation de modèles ouverts mais le passage à l'échelle n'est pas possible 
3.3.4. Les EdTech sont en recherche d’un positionnement vis-à-vis des EES 
3.3.5. L'absence de modèles performants totalement ouverts incite à favoriser l'accès à une pluralité de modèles 
3.3.6. Les besoins en infrastructures sont indissociables de l'utilisation souveraine et des modèles 
3.3.7. Accompagner les usages d'aujourd'hui en construisant les usages souverains de demain 

3.4. La stratégie de la formation et de l'adoption de l'IA doit être coordonnée par l'État, en lien les établissements et avec un portage européen 
3.4.1. L'État et les établissements doivent se doter d'une stratégie IA qui intègre les enjeux écologiques 
3.4.2. L'Institut "IA, Éducation et Société" doit structurer et coordonner la formation et l'adoption de l'IA 
3.4.3. Une stratégie à construire avec l'Europe et à l'international 
3.4.4. Les financements nécessaires à la mise en œuvre des recommandations de la mission

Conclusion et perspectives 
Annexes