Études de Cas

Le défi

Les enseignants utilisaient l'IA générative en privé et demandaient aux élèves de ne pas en parler. Les chefs d'établissement recevaient des questions contradictoires de la part des parents sur la triche, les aménagements et la confidentialité des données, et y répondaient de façon incohérente. La politique existante était assez vague pour que personne ne lui fasse confiance pour justifier une décision, si bien que la plupart des décisions n'étaient tout simplement pas prises.

L'approche

On a commencé par réécrire la politique, pas par déployer une formation. Un petit groupe de travail composé d'enseignants, de deux proviseurs, de la directrice des programmes et d'un représentant de parents a passé huit semaines à produire un document de référence utilisable sur l'IA, avec trois niveaux (autorisé, autorisé avec déclaration, non autorisé) liés à des types de travaux spécifiques plutôt qu'à des outils. C'est seulement après l'approbation de ce document par le conseil d'administration que la formation du corps enseignant a été lancée, en deux cohortes : une cohorte de pionniers d'environ soixante enseignants qui ont expérimenté des routines en classe, puis une cohorte générale le semestre suivant. La cohorte pionnière a assuré la formation de la deuxième vague.

Le résultat

Le travail sur la politique a été la partie la plus précieuse, et la plus longue. Dès que les proviseurs pouvaient pointer un document et dire à quel niveau un travail correspondait, les conversations avec les parents devenaient plus courtes et plus sereines. La confiance des enseignants pour parler d'IA avec leurs élèves a nettement progressé selon les auto-évaluations ; ce qu'on n'a pas pu mesurer proprement, c'est le changement réel des pratiques en classe, parce que la plupart des enseignants ne voulaient pas encore que les observations soient liées à l'utilisation de l'IA. Environ un quart de la cohorte pionnière a évolué de façon significative ; le reste a expérimenté brièvement avant de revenir en arrière. On a été honnêtes avec le conseil en disant que c'était un projet de changement culturel qui se mesure en années, pas un déploiement d'outil qui se mesure en semestres.

Ce qu'ils ont conservé

• La classification des travaux en trois niveaux (autorisé / autorisé avec déclaration / non autorisé)
• Un groupe de travail permanent sur l'IA avec des sièges tournants pour les enseignants
• Des permanences trimestrielles des proviseurs spécifiquement dédiées aux questions d'IA
• Une révision annuelle de la politique calée sur le calendrier du district, pas sur les cycles d'actualité des éditeurs

Le défi

Le vice-président académique avait hérité de cinq comités enseignants qui se recoupaient sur l'IA, chacun avec une recommandation différente et aucun avec l'autorité de la mettre en œuvre. Il n'existait pas de vision partagée de la situation réelle de l'établissement — quels programmes avaient discrètement construit des choses, lesquels étaient paralysés, lesquels avaient un budget, lesquels disposaient d'une infrastructure de données et lesquels avaient des lacunes de gouvernance. Sans cette vision, chaque conversation de priorisation dégénérait en lobbying disciplinaire.

L'approche

On a mené une évaluation de maturité IA à l'échelle de l'institution selon six dimensions (gouvernance, infrastructure, capacités des enseignants, soutien aux étudiants, programmes, revue éthique), avec des entretiens structurés dans chaque unité académique et des sondages parallèles auprès du personnel et d'un échantillon d'étudiants. Le résultat était une carte thermique, pas un score — vert là où on pouvait avancer maintenant, jaune là où une condition préalable était nécessaire, rouge là où des décisions de direction s'imposaient avant qu'un déploiement d'outil puisse réussir. Le vice-président académique a utilisé cette carte pour séquencer une feuille de route sur trois ans avec des responsables nommés.

Le résultat

La carte thermique a fait la majeure partie du travail politique. Dès que les unités pouvaient se voir par rapport à leurs pairs, le lobbying est passé de "financez mon idée" à "aidez-nous à sortir du jaune". L'exécution de la première année a été solide sur les points verts — guides de bibliothèque, modèles de formulations pour les plans de cours, une communauté de pratique enseignante opt-in. Les points rouges, notamment un vrai parcours de revue éthique pour les outils IA à destination des étudiants, ont avancé plus lentement que prévu parce que le comité de gouvernance se réunit une fois par mois et que les décisions nécessitent le quorum. On a réécrit l'année deux en étant plus réaliste sur les délais de gouvernance.

Ce qu'ils ont conservé

• Le cadre d'évaluation à six dimensions, désormais appliqué chaque année avec un instrument allégé
• Des responsables identifiés et redevables pour chaque point de la feuille de route — pas de missions "au comité"
• Des tableaux de bord accessibles au campus montrant l'état de la feuille de route
• Une communauté de pratique enseignante avec des facilitateurs indemnisés

Le défi

La demande de nouveaux contenus de formation dépassait largement la capacité de l'équipe. Chaque concepteur avait commencé à utiliser l'IA générative en solo, produisant des résultats très hétérogènes et réinventant les prompts à chaque fois. La qualité variait selon qui se trouvait sur le projet, et il n'existait aucune mémoire institutionnelle partagée de ce qui avait fonctionné.

L'approche

Plutôt que de licencier une nouvelle plateforme, on a travaillé avec l'équipe pour construire une Suite IA interne : une bibliothèque versionnée de prompts et modèles adaptés à chaque rôle pour les huit tâches de conception les plus courantes (rédaction d'objectifs pédagogiques, écriture de scénarios, génération de questions de vérification des connaissances, revue d'accessibilité, amorce de traduction, banques de questions de débriefing, notes de facilitateur, génération de résumés). Chaque entrée comportait un préambule court sur le ton et la voix lié au style maison du cabinet, les entrées attendues et les modes d'échec connus. Les concepteurs ont été formés à la suite, pas à l'IA en général, et étaient attendus pour contribuer des améliorations en retour.

Le résultat

Le débit de conception pour les types de tâches couverts a à peu près doublé en deux trimestres selon les auto-déclarations de l'équipe, et la dérive de qualité entre concepteurs s'est réduite parce que les prompts faisaient le travail de standardisation que les guides de style n'avaient pas réussi à faire pendant des années. Le vrai gain était moins lié à l'IA qu'à la discipline d'écrire de bons prompts comme artefacts institutionnels. Le prompt de revue d'accessibilité a été la plus grande surprise — des concepteurs qui passaient auparavant la revue d'accessibilité parce qu'elle était fastidieuse l'exécutaient désormais systématiquement. Ce qui a bloqué : un workflow de traduction prévu a été coincé en revue juridique sur la résidence des données pendant un an et n'a jamais été lancé.

Ce qu'ils ont conservé

• La bibliothèque de prompts et modèles versionnée avec propriétaire et journal des modifications par entrée
• Une revue trimestrielle de la suite où les concepteurs proposent des prompts à retirer ou à améliorer
• L'intégration des nouveaux concepteurs à la suite lors de l'onboarding, avant toute formation à un outil
• Les notes sur les modes d'échec documentées à côté de chaque prompt

Le défi

Des fonctionnalités d'accessibilité IA arrivaient dans des outils que le district avait déjà achetés — sous-titrage en direct, synthèse vocale, reformulations selon le niveau de lecture, description d'images. Les enseignants ne savaient pas quelles fonctionnalités étaient prêtes pour la classe pour quels profils d'élèves, quelle était la posture en matière de confidentialité, et comment documenter l'utilisation dans les PEI sans créer d'exposition juridique.

L'approche

On n'a pas commencé par les outils. On a commencé par une revue fonctionnalité par fonctionnalité en regard du langage d'aménagement existant du département, en associant chaque fonctionnalité IA à un type d'aménagement spécifique qu'elle pouvait raisonnablement soutenir, et en signalant celles où ce n'était pas possible. Pour les fonctionnalités au feu vert, on a élaboré de courts protocoles d'utilisation (une page chacun) décrivant la configuration, le comportement attendu, les modes d'échec connus et le langage de documentation pour les PEI. Les enseignants ont expérimenté trois fonctionnalités à la fois pendant un trimestre complet avant toute extension. Le psychologue scolaire et un membre du conseil de parents ont assisté à chaque revue de fonctionnalité.

Le résultat

Le sous-titrage en direct et la lecture à voix haute sont devenus permanents dans des classes où ils étaient intermittents. Les reformulations selon le niveau de lecture ont été discrètement retirées du protocole après un trimestre parce qu'elles lissaient un vocabulaire que les PEI demandaient explicitement aux élèves de rencontrer. La description d'images s'est révélée utile pour un groupe plus restreint que prévu — principalement pour les supports de sciences sociales — et l'équipe l'a conservée mais a réduit le déploiement. Constat honnête : les plus grands gains en accessibilité n'étaient pas les fonctionnalités spectaculaires mais le simple sous-titrage, que personne n'avait jugé utile de faire l'objet d'un projet avant.

Ce qu'ils ont conservé

• Des protocoles d'utilisation d'une page par fonctionnalité IA, gérés par le département
• Des modèles de formulations PEI examinés par un juriste avant qu'une fonctionnalité IA soit utilisée dans la documentation du plan
• La validation du conseil de parents pour chaque fonctionnalité avant le pilote en classe
• Une liste des retraits, maintenue à jour, pour que les fonctionnalités abandonnées ne reviennent pas discrètement

Le défi

L'évaluation des compétences pratiques était le goulot d'étranglement. Chaque formateur pouvait réalistement évaluer quelques stagiaires par jour au niveau de détail requis par la certification, et les inscriptions avaient dépassé cette capacité. Les tests écrits étaient un mauvais indicateur de remplacement, et les partenaires employeurs du programme se souciaient spécifiquement de la maîtrise pratique.

L'approche

On a travaillé avec trois formateurs et un responsable de programme pour repenser le workflow d'évaluation plutôt que le remplacer. Les stagiaires enregistraient de courtes démonstrations structurées de procédures nommées sur des tablettes partagées. L'IA était utilisée dans deux endroits précis : la transcription et l'indexation du commentaire oral de la procédure pour que les formateurs puissent accéder directement aux moments à évaluer, et un marqueur de liste de vérification en première passe qui signalait quand les étapes de procédure attendues semblaient manquantes ou dans le désordre. Les formateurs examinaient ensuite rapidement les segments signalés et rendaient le jugement final. Aucune note n'était attribuée par l'IA.

Le résultat

Le débit d'évaluation par formateur a à peu près triplé pour les procédures incluses dans le pilote. La plus grande surprise a été que les stagiaires se préparaient plus soigneusement parce qu'ils savaient que leur démonstration était enregistrée ; certains utilisaient les enregistrements comme pièces de portfolio auprès des employeurs. Le marqueur de liste de vérification se trompait assez souvent — notamment avec les séquences non standard qu'utilisaient légitimement les stagiaires expérimentés — si bien que les formateurs ont appris à le traiter comme un signal "regardez ici", jamais comme un verdict. Un formateur a choisi de ne pas participer et on a laissé son workflow tranquille ; ses cohortes ont obtenu des résultats comparables du côté des employeurs, ce qui rappelait utilement que la refonte était une option, pas une obligation.

Ce qu'ils ont conservé

• Les démonstrations structurées enregistrées comme artefact principal de l'évaluation pratique
• La transcription et l'indexation horodatée pour la revue des formateurs
• L'autorité de notation finale strictement aux mains du formateur humain
• L'accès des stagiaires à leurs propres enregistrements pour constituer un portfolio

Le défi

Les coaches recevaient des questions sur l'IA de la part des enseignants qu'ils accompagnaient, et la plupart se sentaient en retard. Les formations IA clés en main étaient soit trop liées à un éditeur, soit trop abstraites, et les coaches avaient besoin de quelque chose qui fonctionne pour le travail spécifique du coaching — modélisation, observation, feedback, conversations de planification — pas pour la productivité générique.

L'approche

Une cohorte sur un an construite autour de quatre journées complètes en présentiel, de cliniques de pratique virtuelles mensuelles et d'une banque de situations partagées. Chaque journée en présentiel associait un concept (par exemple, comment une conversation de coaching change quand les deux parties ont utilisé l'IA sur un plan de cours) à une répétition en binômes et à un débriefing en groupes de quatre. Entre les sessions, les coaches apportaient aux cliniques de vraies situations de coaching, anonymisées, que le groupe travaillait ensemble. On n'a délibérément certifié personne et on n'a pas construit de credential — l'objectif était la profondeur de pratique, pas les badges.

Le résultat

La confiance auto-déclarée pour gérer les conversations de coaching liées à l'IA a nettement progressé et s'est maintenue au suivi de fin d'année. Les cliniques de pratique ont fait plus de travail que les journées en présentiel, ce qui a été une surprise — les journées en présentiel comptaient surtout pour la création de confiance qui rendait les cliniques possibles. L'attrition a été plus élevée que prévu (environ un cinquième a abandonné à mi-parcours), presque entièrement due à des changements de poste ou à des remplacements de direction dans les districts, pas au contenu. La banque de situations partagées a continué de croître après la fin de la cohorte, ce qu'on a pris comme le signal le plus fort.

Ce qu'ils ont conservé

• Les cliniques de pratique virtuelles mensuelles comme structure permanente
• La banque de situations anonymisées partagées comme ressource vivante
• La structure de répétition en binômes puis en groupes de quatre pour toute nouvelle pratique de coaching
• Le refus explicite d'émettre un credential ou de noter les participants

Le défi

Le conseil d'administration poussait pour une stratégie IA. Le directeur soupçonnait qu'une stratégie à leur échelle serait surtout du théâtre, et que ce dont ils avaient vraiment besoin c'était de prendre quelques décisions précises de façon solide. Il voulait de l'aide pour éviter le piège d'importer le manuel d'un grand établissement.

L'approche

On a fortement réduit la portée. Trois réunions pédagogiques sur un trimestre : une pour partager une courte lecture et s'aligner sur des principes, une pour prendre trois décisions précises (l'utilisation de l'IA par les enseignants pour la préparation est encouragée avec une documentation légère ; l'utilisation de l'IA par les élèves est différenciée selon le niveau et adaptée à chaque travail ; aucune donnée élève ne va dans des chatbots grand public), et une pour s'engager sur une révision à six mois. Pas de sélection d'outil. Pas de démonstrations d'éditeurs. Le technicien a été chargé de maintenir une page interne unique résumant les décisions et les éventuelles mises à jour.

Le résultat

Les trois décisions ont tenu toute l'année scolaire avec un seul amendement substantiel (clarifier la différenciation par niveau sur l'utilisation des élèves après un incident en CM2). Les enseignants ont signalé que trois décisions claires étaient plus utiles qu'une politique plus longue aurait pu l'être, parce qu'ils pouvaient réellement s'en souvenir et les appliquer. Le directeur nous a dit que la partie la plus précieuse de la mission était la permission de faire moins. On l'a pris au sérieux.

Ce qu'ils ont conservé

• Trois décisions IA nommées sur une seule page interne
• Du temps de réunion pédagogique réservé deux fois par an pour réviser les décisions IA
• Une règle permanente selon laquelle aucun nouvel outil IA n'est adopté institutionnellement sans une décision écrite attachée

Le défi

Les enseignants étaient divisés. Certains considéraient l'IA générative comme une infrastructure académique légitime (cartographie de littérature, résumés, aide au code, traduction) et l'utilisaient déjà ouvertement. D'autres la voyaient comme corrosive pour la formation d'un chercheur indépendant et faisaient discrètement échouer les doctorants qu'ils soupçonnaient de l'utiliser. Il n'existait pas de norme partagée, pas de standard de déclaration, pas de procédure d'appel défendable. Les doctorants étaient anxieux et posaient des questions différentes à des directeurs différents, et obtenaient des réponses différentes.

L'approche

On n'a pas cherché à trancher le débat de fond. On a travaillé avec le bureau du doyen et un groupe d'enseignants élus pour produire un processus : une norme de déclaration par programme (chaque programme définissait ses propres attentes sur l'utilisation de l'IA et les publiait chaque année), un modèle à destination des doctorants pour déclarer toute assistance IA sur un travail soumis, un modèle de conversation directeur-doctorant en début d'année académique, et un chemin de référence pour les cas où directeur et doctorant n'étaient pas d'accord. Rien de tout cela ne tranchait la question de savoir si l'utilisation de l'IA était juste ou non ; cela rendait la conversation lisible.

Le résultat

En moins d'un an, chaque programme avait publié une norme. Les normes variaient considérablement, ce qui était le point — un programme de méthodes quantitatives définissait un usage permissif ; un programme de théorie critique définissait un usage restrictif ; les deux étaient désormais défendables parce qu'ils étaient écrits et visibles. Les plaintes des doctorants ont diminué parce que les attentes sont devenues trouvables. Ce qui n'a pas été résolu, et on a été honnêtes sur le fait que ça ne le serait pas : quelques enseignants seniors ont refusé de s'engager dans le processus et ont continué à appliquer leurs propres standards à leurs doctorants. Le bureau du doyen a accepté ça comme le coût d'une culture de désaccord et n'a pas forcé la conformité.

Ce qu'ils ont conservé

• La publication annuelle des normes IA par programme
• Le modèle de déclaration pour les doctorants, lié à chaque artefact soumis
• Le modèle de conversation directeur-doctorant en début d'année
• Un chemin de référence quand directeur et doctorant ne s'accordent pas sur le périmètre IA

Le défi

Après deux semestres de signalements informels croissants sur l'utilisation de l'IA dans les dissertations soumises, le programme d'écriture était passé en mode adversarial — écriture en classe sous surveillance, détecteurs d'IA aux taux de faux positifs connus, dossiers d'intégrité académique en augmentation. Les enseignants se sentaient comme des enquêteurs de fraude. Les étudiants se sentaient suspectés. Les taux de réussite tenaient mais les indicateurs d'engagement et les évaluations de fin de semestre baissaient.

L'approche

La coordinatrice du programme d'écriture a conduit une refonte avec la représentation des enseignants permanents et vacataires. Le mouvement central a été de déplacer l'artefact évalué de la dissertation finale vers le processus d'écriture : des soumissions étagées plus courtes avec réflexion obligatoire, une rédaction en classe capturant les notes de travail, et un portfolio final incluant l'historique des révisions et une auto-analyse de là où l'étudiant avait utilisé de l'aide (humaine, IA ou autre) et pourquoi. Les détecteurs d'IA ont été retirés de la boîte à outils officielle du programme. Les enseignants ont reçu une grille remaniée et trois ateliers d'une demi-journée sur comment répondre aux nouveaux artefacts.

Le résultat

Les dossiers d'intégrité académique dans le programme d'écriture ont nettement diminué lors du premier semestre remanié, principalement parce que les travaux remaniés rendaient les soumissions entièrement générées par IA visiblement minces face à la grille. Les commentaires de fin de semestre des étudiants sont passés du défensif au substantiel. La charge des enseignants a augmenté — répondre à des soumissions étagées et à des portfolios prend plus de temps que corriger des dissertations finales — et le programme a dû négocier des ajustements de rémunération pour les vacataires, qu'ils ont partiellement obtenus. L'honnête arbitrage : la refonte a amélioré l'apprentissage et le moral, et a coûté de l'argent réel à l'établissement.

Ce qu'ils ont conservé

• Les soumissions étagées avec réflexion obligatoire
• Le portfolio final incluant l'historique des révisions et une auto-analyse de l'aide utilisée
• Une norme de déclaration à l'échelle du programme publiée dans chaque plan de cours
• Trois ateliers annuels pour les enseignants sur comment répondre aux artefacts de portfolio

Le défi

Les futurs enseignants diplômaient dans des classes K-12 où l'IA était déjà présente, et le programme de l'école d'éducation n'avait pas évolué de façon significative. Les cours de méthodes traitaient encore l'intégration technologique comme un chapitre optionnel. Les enseignants tuteurs dans les écoles de stage envoyaient des signaux contradictoires. Les jeunes diplômés rapportaient, parfois dès leur premier mois, qu'ils se sentaient mal préparés aux questions sur l'IA que leur posaient les élèves et les parents.

L'approche

Plutôt qu'ajouter un cours IA, on a travaillé avec les enseignants de méthodes pour intégrer l'IA dans les cours existants à trois points d'ancrage délibérés : une discussion sur les fondements de la profession tôt dans le programme sur le rôle de l'IA dans l'enseignement et l'apprentissage, une pratique intégrée dans la séquence de méthodes par discipline (un cours de méthodes d'anglais fonctionnant différemment d'un cours de méthodes de maths), et une évaluation de synthèse lors de l'année clinique demandant aux étudiants de documenter une décision tenant compte de l'IA qu'ils avaient prise en stage et de la défendre. Les enseignants tuteurs ont reçu un court document d'accompagnement, optionnel mais fourni à chaque stage.

Le résultat

La préparation auto-déclarée des étudiants pour les conversations sur l'IA a progressé de façon significative à la fin de l'année clinique. L'intégration dans les méthodes a fonctionné le mieux là où l'enseignant de méthodes était personnellement investi ; dans deux disciplines l'intégration était largement cosmétique, et on l'a signalé ouvertement au doyen comme quelque chose à ne pas masquer. La défense de synthèse est devenue un artefact étonnamment solide — beaucoup d'étudiants ont écrit des arguments plus pointus et plus situés sur l'utilisation de l'IA que leurs enseignants ne l'avaient attendu, en partie parce qu'ils avaient récemment été dans des classes et que les enseignants ne l'avaient pas. Le document pour les tuteurs a été utilisé par environ un tiers des stages ; on n'a pas encore résolu ça.

Ce qu'ils ont conservé

• L'intégration de l'IA dans les cours de méthodes existants plutôt qu'un cours IA autonome
• La défense de synthèse d'une décision tenant compte de l'IA prise en stage
• Des approches par discipline dans les séquences de méthodes par discipline
• Une révision annuelle des cours de méthodes qui intègrent de façon substantielle et de ceux qui ne le font pas