Principaux enseignements de la communauté de pratique sur la préparation à l'IA - Leaders de l'éducation au Royaume-Uni et en Irlande

La semaine dernière, des responsables du secteur de l'éducation du Royaume-Uni et d'Irlande se sont réunis dans le cadre de notre pratique communautaire sur la préparation à l'IA, une session communautaire visant à aider les établissements d'enseignement supérieur et secondaire à aligner l'intégration de l'IA sur leurs objectifs stratégiques. Des cadres de travail à l'approbation des fournisseurs et au changement de culture, nous avons mis en lumière des exemples réels, des outils et des modèles pour guider les institutions vers l'avenir. Vous trouverez ci-dessous nos principales conclusions et ressources. Vous souhaitez participer à notre prochaine session ? Prenez contact avec nous.

‍

Comment aligner l'IA sur les objectifs stratégiques de l'enseignement supérieur ?

‍

La session s'est ouverte sur le cadrage de la préparation à l'IA autour de priorités institutionnelles concrètes : les résultats du TEF, les scores du NSS et les stratégies de transformation numérique.

L'IA est déjà en train de remodeler les principaux domaines de l'expérience étudiante :

• Des parcours d'apprentissage personnalisés grâce à des plateformes adaptatives
• Cycles de retour d'information accélérés grâce à l'évaluation automatisée
• Des ressources d'apprentissage accessibles grâce à des outils d'assistance multilingues

Les établissements ont fait état d'une amélioration de 15 à 25 % de la satisfaction à l'égard des possibilités d'apprentissage, d'un accroissement de 20 à 30 % de la qualité du retour d'information et d'un gain allant jusqu'à 28 % dans la perception de la pertinence des ressources.

L'adoption de l'IA ne peut se faire indépendamment de la stratégie de l'établissement. Il est essentiel de s'aligner sur des mesures telles que l'enquête nationale auprès des étudiants (NSS), le cadre d'excellence en matière d'enseignement (TEF) et les plans de transformation numérique. Plutôt que de considérer l'IA comme un outil supplémentaire, les établissements devraient la relier directement à des résultats tels que la satisfaction des étudiants, l'efficacité opérationnelle et l'innovation pédagogique. Le potentiel de l'IA pour améliorer la rétention, automatiser les processus de routine et augmenter les scores de satisfaction peut être un catalyseur pour débloquer le budget et l'adhésion interne.

‍

En réalité, la plupart des établissements ont déjà lancé des initiatives liées à l'IA, qu'il s'agisse de l'automatisation de l'évaluation ou de la personnalisation des cours. Ce qui manque souvent, c'est une enveloppe de gouvernance et un cadre stratégique. Les responsables de l'éducation vérifient leurs pratiques existantes et les mettent en relation avec les résultats des étudiants, en utilisant comme outil de planification un simple diagramme de Venn où le rapport coût-efficacité rencontre l'expérience des étudiants.

Principales recommandations :

‍

• Faire correspondre les projets pilotes d'IA directement aux domaines des NSS et aux critères du TEF
• Associer les innovations axées sur les étudiants aux gains d'automatisation des institutions
• Utiliser des modèles de maturité de l'IA (comme celui de Jisc) pour évaluer les performances et suivre les progrès.

‍

Comment évaluer les solutions d'IA : Aller au-delà du TPG

‍

Le deuxième défi abordé a été la manière d'évaluer les outils d'IA, en particulier lorsque les offres des fournisseurs inondent le marché. Les panélistes ont insisté sur la nécessité de sélectionner des solutions qui vont au-delà du simple GPT pour offrir un retour sur investissement institutionnel.

‍

Comment les institutions peuvent-elles faire la distinction entre le battage publicitaire et la valeur pratique de l'IA ? Nous avons introduit la liste de contrôle "Value-over-GPT" : les institutions doivent se demander si les plateformes d'IA s'intègrent dans les systèmes SIS, LMS ou CRM, fournissent des garde-fous tels que le contrôle rapide du système et les flux de travail de révision, et respectent la souveraineté des données (par exemple, la capacité d'exporter et d'analyser les interactions de assistant IA ). Sans ces bases, les institutions risquent de s'enfermer dans des fournisseurs de "boîtes noires" ou dans des projets pilotes non évolutifs.

‍

La conversation s'est ensuite orientée vers la planification pratique du déploiement. Nous avons expliqué comment l'adoption de l'IA devrait suivre une matrice d'impact par rapport à la faisabilité, encourageant lesinstitutions à commencer par des processus à volume élevé et à faible complexité, comme les requêtes d'admission ou l'automatisation des relevés de notes. Les institutions devraient demander des références en direct et évaluer les fournisseurs en fonction de leur capacité d'itération en temps réel. L'objectif n'est pas seulement l'adoption, mais la construction d'un écosystème d'IA adaptatif et mesurable sur le campus.

Ce qu'il faut rechercher :

‍

• Intégrations approfondies avec SIS, LMS, CRM
• Des garde-fous tels que des messages-guides modifiables, des flux de travail d'approbation et des points de contrôle humains dans la boucle.
• Contrôle des données: souveraineté, exportabilité et analyse
• Modèles de coûts flexibles: prendre en compte le coût total de possession (TCO), et pas seulement le prix d'utilisation
• Retour sur investissement prouvé: le fournisseur a-t-il obtenu des résultats sur un campus réel ?

‍

Gestion du changement et culture institutionnelle

‍

L'intégration de l'IA n'est pas seulement technique, elle est aussi profondément culturelle. La troisième partie de la session a abordé la gestion du changement et la connaissance de l'IA.

‍

L'accent a été mis sur les personnes, et non sur les plateformes. Nous avons souligné que l'adoption par les étudiants et le personnel est un facteur déterminant pour les initiatives d'IA. Avec 92 % des étudiants britanniques et 61 % du personnel qui utilisent déjà des outils d'IA générique (souvent de manière informelle), la conversation a porté sur la nécessité de passer d'une utilisation passive à une utilisation informée. Les obstacles culturels identifiés comprenaient la "culpabilité de l'IA" chez les étudiants, l'incertitude éthique et les inquiétudes du personnel concernant l'équité, les préjugés et la protection de la vie privée. Mais comme nous l'avons souligné, il ne s'agit pas d'obstacles, mais de points de départ pour l'engagement.

‍

Nous encourageons les institutions à impliquer les étudiants et les éducateurs dès le début et nous insistons sur la valeur de la transparence : expliquer pourquoi et comment l'IA est utilisée, et pas seulement quel outil est introduit. L'assistant "Nova" de l'université du Gloucestershire a été cité comme un exemple d'IA orientée vers les étudiants et axée sur le conseil académique, accessible 24 heures sur 24 et 7 jours sur 7, et introduite en clarifiant les limites et la structure de soutien.

Tendances de l'adoption de l'IA dans l'enseignement supérieur :

‍

• 92 % des étudiants universitaires britanniques utilisent désormais des outils d'IA générique
• 61% des enseignants ont essayé la Gen-AI
• 93% des employés prévoient d'augmenter leur utilisation d'ici 2 ans

Sources : Enquête Ellucian AI in Higher Education Professionals Survey (2024), Digital Education Council's Global AI Faculty Survey (2025), HEPI Student Generative AI Survey 2025.

‍

Principaux obstacles culturels à l'adoption de l'IA dans l'enseignement supérieur :

‍

• Préoccupations des étudiants : intégrité académique, "culpabilité de l'IA".
• Préoccupations du personnel : partialité des systèmes d'IA, confidentialité des données

‍

Pratiques exploitables :

• Concevoir des initiatives en matière d'IA en collaboration avec les étudiants et les enseignants
• Organiser des groupes de discussion, des laboratoires d'essai et des activités non techniques (comme des concours de noms ou des sondages).
• Favoriser la confiance grâce à des politiques transparentes, un accès inclusif et une communication fréquente

‍

Ressources pour soutenir la gouvernance institutionnelle en matière d'IA

Nous avons partagé un ensemble de modèles et de cadres politiques afin d'aider les institutions à élaborer leurs propres stratégies de gouvernance de l'IA :

• Boîte à outils Jisc AI Maturity pour l'enseignement supérieur
• Generative AI Student Guidance for FE (Centre national pour l'IA)
• Université d'Edimbourg Gen-AI Guidance
• Prise de position de la DCU sur l'IA
• Centre d'excellence en matière d'éducation de l'Université de Birmingham

Accédez à tous ces documents en un seul endroit grâce à notre lien de ressources : Télécharger le plan d'action PDF

‍

Une invitation

Vous souhaitez participer à notre prochaine session communautaire ? Prenez contact avec nous.

‍

À propos de LearnWise

LearnWise AI permet aux universités d'améliorer le soutien aux étudiants grâce à un assistant toujours disponible, alimenté par l'IA, qui s'intègre de manière transparente dans plus de 400 outils EdTech. Conçu pour répondre aux besoins des établissements à tous les stades de leur parcours d'adoption de l'IA, LearnWise optimise l'engagement des étudiants, réduit les coûts opérationnels et fournit une assistance instantanée et contextuelle sur plusieurs plateformes. Approuvé par de grandes institutions dans le monde entier, LearnWise a rationalisé les services pour plus d'un million d'étudiants, réduisant de moitié les demandes d'assistance et transformant l'expérience d'apprentissage.

‍