4 postures d’IA-tuteur pour la communauté étudiante
De la béquille au partenaire de joute intellectuelle
L’introduction soudaine de l’IA générative en enseignement supérieur soulève une interrogation fondamentale : les étudiants et étudiantes continuent-ils d’apprendre, ou bien confient-ils, partiellement ou totalement, leurs tâches intellectuelles aux agents conversationnels ?
Pour que l’IA générative devienne un véritable levier pédagogique, il est nécessaire d’inverser la dynamique actuelle. La communauté étudiante ne devrait plus seulement demander à la machine de générer des réponses (output), mais plutôt de leur poser des questions (input).
L’enjeu : résister à la paresse cognitive
Devant les résumés automatiques, les plans de textes et les fiches de révision, la tentation est forte de laisser l’IA structurer, simplifier et mémoriser à notre place. Or, comme le démontrent les travaux en psychologie cognitive, l’apprentissage durable dépend entre autres de deux opérations que seul la personne étudiante peut accomplir :
- L’élaboration (auto-explication) : reconstruire l’information avec ses propres mots en expliquant comment elle se relie à ses connaissances antérieures (Dunlosky et al., 2013).
- La récupération active : se remémorer sans aide les notions apprises (le « testing effect ») mis en lumière par Roediger & Karpicke, (2006).
L’objectif n’est donc pas d’interdire l’IA générative, mais plutôt de lui assigner un rôle précis : celui d’IA-tuteur qui questionne, bouscule et oblige à penser.
4 postures d’IA-tuteur
Ce billet propose quatre stratégies concrètes pour transformer l’IA générative d’un simple outil de confort en un véritable tuteur exigeant, favorisant ainsi un apprentissage actif. L’objectif est de fournir aux membres de la communauté étudiante des suggestions de stratégies qu’ils pourront adapter à leurs besoins spécifiques.
1. Le tuteur socratique pour apprendre par le questionnement
Intention pédagogique
- Approfondir sa compréhension d’un concept au lieu de simplement le mémoriser.
- Créer un conflit cognitif : la personne étudiante identifie par elle-même les incohérences et les zones d’ombre dans sa propre explication.
- Favoriser l’autonomie intellectuelle grâce à une auto-évaluation encadrée.
Cette approche s’inspire des systèmes tutoriels intelligents actuellement explorés au collégial, notamment en biologie et en mathématiques, pour offrir une rétroaction formative sans donner la réponse (Gruslin, Poirier & Poellhuber, 2025).
Exemple de requête
Agis comme un expert socratique en [Matière/Sujet]. Je vais te soumettre ma compréhension du concept de [Concept précis].
Tes règles d’interaction :
- Ne me donne jamais la réponse complète. Guide-moi uniquement par des questions.
- Adopte un ton neutre, sans compliments inutiles.
- Pose une seule question courte par réponse.
- Continue jusqu’à ce que j’aie formulé une définition claire et nuancée.
Voici mon explication : [Texte de l’étudiant ou de l’étudiante] .
Conseils d’usage
- Après une lecture de texte ou un cours magistral pour consolider les acquis.
- Demander à la personne étudiante de conserver la trace du dialogue pour en faire une fiche de synthèse personnelle.
- Inverser les rôles. La personne étudiante questionne l’IA sur un concept afin d’évaluer la qualité des explications et de détecter des hallucinations ou des imprécisions.
2. Le critique impitoyable pour muscler l’argumentation
Intention pédagogique
- Améliorer la cohérence logique d’un plan ou d’un texte, sans tomber dans le piège de la correction purement formelle (grammaire, style).
- Habituer la personne étudiante à examiner avec distance et critique ses propres arguments.
- Anticiper les objections avant la remise du travail.
Développer la pensée critique en utilisant l’IA comme un miroir, une stratégie testée avec succès pour la révision critique de textes philosophiques (Chevalier & Alarie, 2025).
Exemple de requête
Adopte la posture d’un professeur ou d’une professeure universitaire sceptique qui évalue une thèse de doctorat. Je te soumets mon plan/mon argumentaire sur [Sujet].
Concentre‑toi uniquement sur la cohérence logique et la solidité des preuves.
Indique‑moi, sous forme de liste :
- Où je généralise trop vite, sans preuve suffisante.
- Où il manque une étape logique entre deux idées.
- Où mes sources ne soutiennent pas entièrement mon affirmation.
- L’objection la plus forte qu’une partie adverse pourrait formuler.
Il est important de ne rien réécrire, mais de simplement formuler des « problèmes à résoudre ».
Voici mon texte : [Texte]
Conseils d’usage
- À utiliser dès le stade du plan détaillé ou du premier jet, mais pas en fin de rédaction.
- Inviter l’étudiant ou l’étudiante à répondre aux objections une par une, comme c’est le cas lors d’une préparation de soutenance.
3. Le miroir de vulgarisation pour tester sa compréhension réelle
Intention pédagogique
- Vérifier si la personne étudiante maîtrise vraiment un concept complexe en le reformulant pour un public non expert (technique Feynman).
- Identifier les zones de simplification trompeuse ou les analogies boiteuses.
- Développer les compétences en communication scientifique.
Exemple de requête
Je veux expliquer [Concept complexe] à un public débutant (niveau secondaire ou collégial) grâce à une analogie.
Voici mon analogie : [Texte].
Analyse‑la en deux étapes :
- Indique ce qui, dans mon analogie, correspond correctement au concept.
- Montre précisément où l’analogie devient trompeuse ou inexacte, et quels malentendus elle pourrait engendrer.
Conseils d’usage
- Demander à l’étudiant·e de reformuler ensuite son analogie en tenant compte des limites identifiées.
- Pertinent en travail d’équipe : chaque personne propose son analogie, le groupe discute des nuances avec l’aide de l’IA.
4. Le générateur de cas pratiques pour passer à l’action
Intention pédagogique
- Activer les connaissances théoriques afin de développer le savoir-agir.
- Entraîner l’analyse de cas en vue d’examens ou de situations professionnelles authentiques.
- Développer le jugement professionnel avec des contextes complexes.
Exemple de requête
Je révise le cours de [Nom du cours]. Génère une étude de cas complexe (niveau de maîtrise/universitaire) qui nécessite d’appliquer les théories X et Y.
Contraintes :
– La situation doit comporter des zones grises, sans solution évidente.
– Ajoute des informations superflues que je devrai trier.
– Ancre le cas dans un contexte professionnel réaliste.
– Intègre des données chiffrées ou des témoignages fictifs, mais plausibles.
Ne donne pas la solution. Présente seulement le cas.2e étape de la requête à la suite de la génération de l’étude de cas :
Voici ma démarche de résolution : [Texte].
Évalue‑la sur 5 en expliquant :
- Ce qui est pertinent dans mon approche.
- Ce qui manque ou pourrait être amélioré.
- Les conséquences potentielles de mes choix.
Conseils d’usage
- Idéal pour les cours professionnels (éducation, gestion, droit, santé, travail social, etc.).
- Peut servir de point de départ à des discussions en séminaire : l’IA génère le cas, le groupe discute des pistes de solution.
- Commencer par des cas simples, puis augmenter progressivement la complexité et l’ambiguïté.
Conclusion
Plutôt que de demander à l’IA de « faire à notre place », il devient urgent d’apprendre à lui demander de « penser contre nous » : questionner, contredire, compliquer. C’est dans cette friction intellectuelle que se joue l’apprentissage universitaire : celui qui ne se contente pas de retenir l’information, mais qui transforme durablement la manière de comprendre le monde.
On pourra alors dire que l’IA n’est plus une béquille, mais bien un partenaire de joute intellectuelle – exigeant, parfois agaçant, mais redoutablement formateur.
Le défi pédagogique actuel n’est donc pas de limiter l’accès à l’IA, mais d’enseigner à nos étudiants et étudiantes à l’utiliser comme outil d’amplification cognitive plutôt que de substitution cognitive. C’est cette distinction qui séparera celles et ceux qui subissent passivement l’IA de celles et ceux qui l’exploitent pour penser mieux, plus loin, plus rigoureusement.
Pour aller plus loin
- Chevalier, L. et Alarie, S. (2025). ChatGPT et la pensée critique estudiantine. 44e Colloque de l’AQPC. Association québécoise de pédagogie collégiale (AQPC). https://eduq.info/xmlui/handle/11515/39946
- Sur Le tuteur critique et miroir en philosophie : cette référence documente une expérience où l’IA est utilisée pour réviser des textes philosophiques, en demandant à la personne étudiante d’exercer son discernement critique face aux suggestions de l’outil, plutôt que de déléguer la rédaction.
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques: Promising directions from cognitive and educational psychology. Psychological Science in the Public Interest, 14(1), 4–58. DOI: 10.1177/1529100612453266
- Sur l’efficacité des techniques d’étude : Cette revue systématique identifie la récupération active (practice testing) et l’espacement (distributed practice) comme les techniques les plus efficaces. L’interrogation élaborative (expliquer « pourquoi » c’est vrai) et l’auto-explication reçoivent une évaluation d’utilité modérée, mais sont jugées prometteuses pour soutenir l’intégration des connaissances — un rôle idéal pour une IA-tuteur bien calibrée.
- Gruslin, É., Poirier, K. et Poellhuber, B. (2025). Explorer le potentiel de l’IA en sciences : Un tuteur intelligent en biologie et en mathématiques. 44e Colloque de l’AQPC. Association québécoise de pédagogie collégiale (AQPC). https://eduq.info/xmlui/handle/11515/39944
- Sur le tuteur socratique en sciences (Biologie/Maths) : Cette référence illustre concrètement l’usage de tuteurs (comme « BioTuteur » ou « Calculus Buddy ») pour la clarification de concepts et la rétroaction formative, sans donner les réponses.
- Joussemet, F., P. Bédard, A., Beaupré, J. et Nonveiller, B. (2025). InitIAtion : Outiller toutes les personnes étudiantes pour l’IA générative. Pédagogie collégiale, 39(1). https://eduq.info/xmlui/handle/11515/40089
- Sur la littératie de l’IA en enseignement supérieur : Ressource éducative libre (REL) proposant une trousse de formation en 3 modules pour développer une posture critique, responsable et autonome face à l’IA générative, dans une perspective d’agentivité numérique.
- Roediger, H. L., & Karpicke, J. D. (2006). The Power of Testing Memory: Basic Research and Implications for Educational Practice. Perspectives on Psychological Science DOI: 10.1111/j.1745-6916.2006.00012.x
- Sur l’effet de test et la récupération active : Cet article fondateur démontre que l’acte de « se tester » (récupération active) consolide la mémoire bien plus efficacement que la relecture passive. C’est le principe moteur derrière le « Tuteur Socratique ».
- Tremblay, C., Miklohoun, S. et Poellhuber, B. (2025). Recension des usages d’intelligences artificielles génératives (IAg) pour offrir de la rétroaction en enseignement supérieur. Revue internationale des technologies en pédagogie universitaire, 22(1), 11. https://doi.org/10.18162/ritpu-2025-v22n1-11
- Sur la rétroaction par IA : La recension de 12 articles qui traitent de l’usage d’une IAg pour fournir une rétroaction montre que cet outil a le potentiel d’offrir une rétroaction personnalisée proche de l’étayage de Bruner : elle évalue, indique des pistes d’amélioration et, avec une configuration adaptative, pourrait se retirer graduellement à mesure que la personne étudiante progresse.
