Analyse initiale

Accroche problématisante : 

L’intégration croissante de l’intelligence artificielle générative dans les pratiques éducatives marque une évolution significative des modalités de conception des dispositifs pédagogiques numériques. Si ces technologies sont fréquemment mobilisées pour leur capacité à produire rapidement des contenus éducatifs, plusieurs travaux soulignent qu’elles transforment plus profondément les pratiques de conception et le rôle du concepteur pédagogique ( Zhai, 2022). En effet, la génération automatisée de ressources ne garantit ni leur cohérence pédagogique ni leur adéquation aux objectifs d’apprentissage. Dès lors, la problématique centrale ne réside plus uniquement dans l’efficacité technique de l’outil, mais dans les cadres méthodologiques permettant d’inscrire son usage dans une démarche de conception pédagogique structurée et réfléchie (UNESCO, 2023).

Enjeux pédagogiques : 

Les recherches récentes en ingénierie pédagogique et en technologies éducatives mettent en évidence l’importance de préserver la cohérence globale des dispositifs pédagogiques numériques. L’introduction de l’IA générative dans les processus de conception comporte un risque de déconnexion entre la production automatisée de contenus et l’intention pédagogique initiale, en particulier lorsque l’outil est utilisé comme un simple générateur de ressources (Kozan et al., 2025). Plusieurs auteurs insistent ainsi sur le maintien du rôle central du concepteur pédagogique, dont l’expertise demeure essentielle pour valider les contenus générés, assurer leur alignement pédagogique et réguler les choix de conception (Dangouloff et al., 2025 ; Bouchut et al., 2024).

Enjeux méthodologiques :

Sur le plan méthodologique, la littérature souligne que les usages actuels de l’IA générative en conception pédagogique reposent largement sur des pratiques empiriques. Les modalités de prompting apparaissent hétérogènes et fortement dépendantes des compétences individuelles des concepteurs (Dickey & Bejarano, 2024). L’absence de modèles méthodologiques stabilisés limite la structuration des démarches de conception assistée par l’IA et fragilise la reproductibilité des pratiques (Pankaew et al., 2026 ; Serra & Oliveira, 2025). Les travaux portant sur l’expérience utilisateur de ChatGPT confirment cette dépendance à la formulation des consignes, renforçant l’idée que le prompting constitue un levier méthodologique central dans l’usage de l’IA générative (Zhai, 2022). 

Enjeux éthiques et professionnels :

Les enjeux éthiques et professionnels occupent une place importante dans les travaux récents consacrés à l’IA générative en éducation. Les rapports institutionnels alertent sur les risques liés aux biais algorithmiques, aux hallucinations et à la fiabilité des contenus générés (UNESCO, 2023 ; Université catholique de Louvain, 2024). Ces limites renforcent la responsabilité du concepteur pédagogique, appelé à adopter une posture critique et réflexive face aux productions de l’IA. Plusieurs auteurs soulignent également la nécessité de développer des compétences spécifiques afin de garantir une utilisation responsable, transparente et supervisée de ces technologies dans les contextes éducatifs .

État des lieux : 

L’état des lieux des recherches met en évidence plusieurs apports potentiels de l’IA générative en éducation. De nombreuses études soulignent son intérêt pour soutenir la production de contenus pédagogiques, faciliter certaines phases de conception et accompagner le design de dispositifs numériques (Baidoo-Anu & Owusu Ansah, 2023 ; Alfarwan, 2025). Dans les contextes d’éducation préscolaire, l’IA est également envisagée comme un outil susceptible d’enrichir les ressources pédagogiques, sous réserve d’un encadrement humain renforcé et d’une intégration progressive dans les pratiques éducatives (Durrani et al., 2024 ; Ljungcrantz, 2026).

Limites et critiques : 

Toutefois, la littérature converge vers plusieurs limites importantes. Les usages de l’IA générative demeurent majoritairement instrumentaux, centrés sur la production rapide de contenus plutôt que sur une réflexion globale de conception pédagogique (Savard et al., 2025 ; Dhorne, 2024). La forte dépendance aux prompts formulés par les utilisateurs, combinée à la faible explicitation des démarches méthodologiques, constitue un frein à une intégration raisonnée de ces outils (Zhai, 2022 ; Dickey & Bejarano, 2024). Le manque de cadres conceptuels stabilisés est ainsi identifié comme une limite majeure des travaux existants.

Le prompting : objet émergent

Dans ce contexte, le prompting est progressivement reconnu comme un objet scientifique à part entière. Plusieurs travaux montrent que le prompt constitue une médiation essentielle entre l’intention humaine et la production générée par l’IA, influençant directement la qualité des résultats obtenus (White et al., 2023 ; Garg et al., 2025). Il ne peut être réduit à une simple instruction technique, mais doit être envisagé comme un acte cognitif et méthodologique. Des formes de structuration du prompting, telles que le prompt engineering et les prompt patterns, proposent des cadres permettant d’organiser les consignes de manière plus systématique, ouvrant des perspectives prometteuses pour leur transposition en ingénierie pédagogique (White et al., 2023 ; Serra & Oliveira, 2025 ; Dickey & Bejarano, 2024).

Synthèse et transition

L’analyse de la littérature met ainsi en évidence un double constat. D’une part, l’IA générative offre un potentiel réel pour soutenir la conception pédagogique numérique. D’autre part, son efficacité dépend étroitement de l’existence de cadres méthodologiques permettant d’en structurer l’usage, notamment à travers une formalisation du prompting. Le manque de transposition explicite des modèles de prompting vers l’ingénierie pédagogique justifie la pertinence de ce travail, qui s’inscrit dans une logique de recherche appliquée visant à explorer les conditions d’un usage pédagogique méthodologiquement outillé de l’IA générative.