Leçons apprises
Le Challenge se mesure lui-même — cette page en est le registre. Voici les constats et les leçons tirés du Challenge mené avec de vrais groupes d’éducateurs, et les améliorations itératives que chacun a produites dans le socle et la conception. Rien ici n’est caché comme un échec : une conception qui se veut honnête avec les preuves doit au public sa propre évolution.
Répétition avec des éducateurs — 2026-08-18
4 équipes × 5 éducateurs, en présentiel, ~3 heures — une répétition complète du format (sujet scellé, Fenêtre humaine, Porte de divergence, construction avec perturbation, défense sans IA) menée avec le kit de démonstration, instrumentée par sa matrice de validation : chaque question liée à un instrument et à la décision de l’événement réel qu’elle alimente.
Des défis trop lâches
Ce que nous avons observé. Les neuf propriétés de résistance à l’IA garantissent qu’une réponse générique ne suffit pas — mais elles ne donnent pas, à elles seules, assez de structure à une équipe réelle. Les équipes ont demandé plus de définition, de détail et de guidage.
La leçon. La structure est un étayage, pas une cérémonie. Un sujet peut rester ouvert dans son espace de solutions tout en étant concret sur son livrable.
Ce qui a changé. Chaque sujet de la répétition a gagné un bloc « Livrable, format et parcours » : 2 à 4 options de format, 3 à 5 contenus concrets du livrable, un parcours suggéré de 4 à 6 étapes. Le générateur de défis produit désormais les trois par règle.
Aucun engagement de format avant de construire
Ce que nous avons observé. Les équipes arrivaient à la construction en connaissant leur concept mais pas ce qui existerait à la fin. Le travail dérivait faute de cible ayant une forme.
La leçon. Avant de toucher l’IA, l’équipe doit savoir CE qu’elle crée — pas seulement l’idée : le format. La divergence peut même être trois formats alternatifs d’un même concept.
Ce qui a changé. Nouvelle règle : chaque approche de la Porte de divergence nomme son concept ET son format candidat, et passer la Porte inclut de déclarer celui qui est retenu. La Ronde 1 (Anticiper) inclut désormais la définition du format.
Les objectifs d’apprentissage manquaient
Ce que nous avons observé. Un défi pouvait être conçu, et sa solution construite, sans toucher au moindre objectif curriculaire ou d’apprentissage — de l’activité sans impact d’apprentissage.
La leçon. Le canon dit déjà qu’un sujet EST un Objet d’Apprentissage (décision R73). Sans champ explicite, ce principe disparaît en silence dans la pratique.
Ce qui a changé. Chaque sujet nomme désormais ses objectifs d’apprentissage ; la fiche d’autorat s’ouvre sur eux ; et le critère de qualité demande : ce défi peut-il être résolu sans toucher l’objectif ? Si oui, reconcevez-le.
Les étapes du travail du savoir étaient indistinctes
Ce que nous avons observé. Les équipes vivaient le travail comme une masse indifférenciée d’« utilisation de l’IA ». Les étapes se brouillaient — et la validation disparaissait la première.
La leçon. Les rondes sont le rythme du travail ; les étapes du savoir en sont l’anatomie. Les deux doivent être visibles : recherche, validation des sources, préparation des données (extraire, analyser, valider, sélectionner, structurer), génération d’insight, validation de l’insight, présentation, et audit de la sortie d’IA comme activité transversale.
Ce qui a changé. Une nouvelle section d’étapes dans le kit ; le registre de création a gagné une colonne d’étape pour étiqueter chaque moment conséquent ; le test de discernement est explicite : l’équipe peut ordonner son propre travail et nommer ce qui fut rechercher, extraire, valider, analyser, manipuler, présenter, auditer.
Les solutions ne reflétaient pas leurs auteurs
Ce que nous avons observé. Laissées aux outils, les solutions dérivent vers la moyenne du modèle. Rien ne demandait aux équipes de se mettre elles-mêmes dans le travail.
La leçon. La pertinence personnelle n’est pas une décoration — c’est une contre-mesure de divergence de plus, et elle converge avec la dimension d’ancrage au contexte de la grille.
Ce qui a changé. Nouvelle règle : la solution porte la marque de ceux qui l’ont faite — chaque équipe y incorpore des perspectives qui lui sont propres. Une solution que n’importe quelle autre équipe aurait pu produire à l’identique est incomplète.
La validation de la sortie d’IA traitée comme une formalité
Ce que nous avons observé. La grille lit déjà la direction humain-IA et l’itération — mais les sujets ne disaient jamais tout haut qu’auditer la sortie de l’IA est un travail central.
La leçon. Ce qui est évalué doit être annoncé. Relire, auditer et ajuster la sortie de l’IA — erreurs, insuffisances, dérives par rapport aux consignes et aux sources — est un processus central, pas une note de bas de page.
Ce qui a changé. Déclaré dans les règles du jeu comme processus central et évalué ; porté dans le générateur comme règle contraignante ; proposé au canon comme langage du sujet lui-même.
Instance et canon — note d’honnêteté. Les changements ci-dessus sont appliqués dans le kit de répétition et le générateur de défis de ce site. La conception canonique du Challenge vit dans le SSoT de Smoother, qui décide séparément si chaque constat devient règle ; les propositions des six lui ont été remises. Là où le canon tranche autrement, cette instance suit le canon.
L’aiLearning Challenge est une initiative d’aiLearning.global, CEMI.ai and CEMI Labs — créée par Carlos Miranda Levy, appliquant la méthodologie d’apprentissage Smoother. Ce journal fait partie de son engagement à se mesurer lui-même.