Prototype de recherche — Mémoire de Master

De l'usage aléatoire de l'IA
à sa recommandation ciblée.

Entre le pré-test et le post-test d'un semestre de FLE au collège, une formation en production écrite a mobilisé plusieurs modules d'intelligence artificielle — mais de façon non structurée, sans lien systématique avec les besoins réels des élèves. PLUME·IA est né de ce constat : un dispositif qui recommande, pour chaque besoin diagnostiqué, le module IA le plus adapté — pour que l'enseignant n'utilise plus jamais l'IA au hasard.

Résultats du corpus (pré-test → post-test)
Élèves suivis
10
20 copies
Densité d'erreurs / 100 mots
46,4 → 27,2
−41%
Usage des modules IA pendant la formation
Non ciblé
⚠ Constat
Réponse du prototype
Module recommandé
Par besoin
Rôle de l'enseignant
Central
IA = appui
D'un usage dispersé des modules IA à un usage ciblé
Formation : usage aléatoirePrototype : usage guidé
Défiler
Le scénario de recherche

Du pré-test au prototype :
comment est né PLUME·IA

La recherche repose sur un dispositif pré-test / post-test encadrant un semestre de formation en production écrite. C'est l'observation d'un usage non structuré de l'IA pendant cette formation qui a directement motivé la conception du prototype.

Début de semestre
Pré-test
Production écrite initiale des 10 élèves. Diagnostic de départ : hétérogénéité massive, quasi tous les élèves en deçà du niveau A1 à l'écrit.
Pendant le semestre
Formation avec modules IA — usage non structuré
Plusieurs modules d'IA (génération d'exercices, reformulation, correction...) sont mobilisés au fil des séances, sans grille reliant systématiquement le module choisi au besoin réel de l'élève.
Fin de semestre
Post-test
Amélioration globale mais très inégale d'un élève à l'autre — un différentiel d'efficacité que l'usage aléatoire de l'IA pendant la formation permet en partie d'expliquer.
Constat → Solution
Naissance du prototype PLUME·IA
Plutôt que de laisser l'enseignant choisir un module IA au hasard, le prototype diagnostique le besoin puis recommande automatiquement le module adéquat.
10
Élèves du corpus (E1–E10)
6
Modules IA cataloguées
−41%
Densité d'erreurs
0
Module choisi au hasard
La problématique

Un usage de l'IA encore
non ciblé

L'analyse du corpus et de la formation qui l'encadre révèle des obstacles concrets à un usage réellement utile de l'intelligence artificielle. PLUME·IA est conçu pour répondre à chacun d'entre eux.

Usage aléatoire des modules IA pendant la formation
Plusieurs outils IA mobilisés au fil des séances sans grille reliant le module choisi au besoin réel de l'élève.
Hétérogénéité invisible à l'échelle classe
Une moyenne de classe masque des densités d'erreurs variant du simple au triple entre élèves (12,9 à 44,6 / 100 mots).
Temps d'analyse manuel considérable
Coder finement 20 copies selon 4 critères représente un travail long, difficilement généralisable à une classe entière.
Activités non différenciées
Une offre pédagogique uniforme — et un choix d'outils IA non ciblé — profite inégalement aux élèves.
La réponse PLUME·IA
Diagnostic individualisé automatisé
Recommandation du module IA adapté à chaque besoin
Classification inspirée du CECRL
Groupes de besoins dynamiques
Enseignant toujours décisionnaire
Fonctionnalités

Du diagnostic au module IA
le plus adapté

Tableau de bord
Vue d'ensemble en temps réel : densité d'erreurs, répartition des groupes et usage des modules IA.
Explorer
Élèves & Profils
Fiche individuelle des 10 élèves — profil, besoin prioritaire et module IA recommandé.
Explorer
Diagnostic & recommandation IA
Collez une production écrite : le module détecte les erreurs et recommande le(s) module(s) IA adéquat(s) — jamais au hasard.
Tester en direct
Catalogue des modules IA
Six modules spécialisés, chacun lié à un domaine linguistique précis, pour remplacer le choix aléatoire par un choix guidé.
Explorer
Groupes de besoins
Trois groupes évolutifs — consolidation, mise en conformité, enrichissement — chacun avec ses modules IA prioritaires.
Explorer
Séquence différenciée
Exemple concret de séquence en 3 phases : « Décrire mon collège », avec le module IA associé à chaque atelier.
Explorer
Tableau de bord
Vue d'ensemble du corpus · 10 élèves suivis
EN
Tableau de bord
Synthèse du diagnostic réalisé sur le corpus de 20 productions écrites (pré-test / post-test)
Pendant la formation, les modules IA ont été utilisés sans lien systématique avec les besoins diagnostiqués — voir le catalogue de recommandation →
Élèves suivis
10
20 productions écrites
Densité d'erreurs /100 mots
27,2
−41% vs pré-test (46,4)
Modules IA disponibles
6
1 par domaine + classification
Recommandations ciblées générées
10 / 10
0 module choisi au hasard
Évolution des erreurs par catégorie
Densité pour 100 mots, pré-test vs post-test
Toutes catégories en baisse
Pré-testPost-test
Usage des modules IA
Formation (aléatoire) vs recommandation du prototype
Pendant la formation, les modules étaient sollicités sans lien constant avec le besoin réel. Le prototype fait correspondre chaque besoin détecté à un seul module prioritaire.
Densité d'erreurs par élève (post-test)
Classement du plus avancé au plus fragile
Activité récente
Journal du diagnostic et des recommandations
E9 — Module OrthoFix recommandé (vigilance graphique)
à l'instant
Groupe 2 — Module GrammaCheck recommandé pour 4 élèves
il y a 2h
E8 — Module OrthoFix recommandé (homophonie est/et)
hier
Séquence — Modules IA associés à chaque atelier planifiés
hier
Élèves & Profils
Classification des 10 élèves du corpus et module IA recommandé pour chacun (plutôt qu'un choix aléatoire)
Liste des élèves
ÉlèveProfilDensité post-testErreur dominanteModule IA recommandéAction
Diagnostic & recommandation de module IA
Collez une production écrite : le module détecte les erreurs, calcule une densité indicative, propose un profil — et recommande le module IA adéquat, pour ne plus jamais choisir au hasard.
Production écrite à analyser
Charger un exemple
Collez ou chargez une production écrite,
puis cliquez sur « Analyser »
Catalogue des modules IA
Six modules spécialisés, chacun rattaché à un domaine linguistique précis — la logique qui remplace le choix aléatoire observé pendant la formation
Pendant la formation entre le pré-test et le post-test, ces modules existaient déjà mais étaient mobilisés sans grille de correspondance avec le besoin diagnostiqué. Ce catalogue formalise cette correspondance.
Grille de correspondance besoin → module IA
La logique de recommandation utilisée par le prototype
Besoin diagnostiquéModule IA recommandéPourquoi ce module (et pas un autre)
Groupes de besoins
Groupes provisoires et évolutifs, chacun avec ses modules IA prioritaires — réévalués à chaque nouvelle production
Groupe 1 — Consolidation des fondations
Densité 34,1 à 44,6 err./100 mots
E2
E8
E10
Priorité
Rendre chaque énoncé lisible et complet : construction de la phrase canonique, segmentation, traitement de l'homophonie « est »/« et » pour E8.
Modules IA prioritaires
OrthoFix — fixation graphique et homophones
GrammaCheck — construction de la phrase
Groupe 2 — Mise en conformité
Densité 22,4 à 35,3 err./100 mots
E1
E3
E4
E6
Priorité
Normaliser des textes déjà construits : fixation graphique du lexique thématique, accords, genre des noms, achèvement des structures.
Modules IA prioritaires
GrammaCheck — accords et genre
CohesionLink — structures inachevées
Groupe 3 — Enrichissement et contrôle
Densité 12,9 à 20,7 err./100 mots
E5
E7
E9
Priorité
Complexifier et réviser de manière autonome : connecteurs, reprises, vigilance graphique en fin de mot, accords en phrase longue.
Modules IA prioritaires
LexiScan — enrichissement lexical
OrthoFix — relecture autonome
Banque d'activités différenciées
Filtrez par domaine linguistique ou par groupe de besoins — chaque activité est liée à son module IA
Tous les domaines
Lexique
Grammaire
Orthographe
Cohérence
Séquence différenciée : « Décrire mon collège »
Objectif commun : produire un texte descriptif organisé — chaque atelier est désormais associé à un module IA précis, non plus choisi au hasard
Phase 1 · 10–15 min
Mise en situation commune
Collectif
Lecture d'un texte modèle, rappel des critères du texte descriptif (lieux, disciplines, adjectifs évaluatifs, connecteurs simples).
Phase 2 · 25–30 min — Ateliers différenciés simultanés
Groupe 3 — Rédaction autonome · Module : LexiScan + OrthoFix
Enrichissement lexical, relecture outillée, diversification des connecteurs
Groupe 2 — Réécriture guidée · Module : GrammaCheck
Banque de mots orthographiés, grille d'accords
Groupe 1 — Production courte étayée · Module : OrthoFix
Phrases à compléter, dictée de mots du thème
Phase 3 · 15 min
Mise en commun et évaluation
Collectif
Partage de productions, rétroaction ciblée par groupe, auto-évaluation guidée à partir de la grille de relecture.
Supports
Phrases à compléter et images de référence (G1) · banque de mots et grille d'accords (G2) · grille de relecture et répertoire de connecteurs (G3).
Accompagnement
Étayage soutenu prioritairement sur le Groupe 1 ; autonomie croissante pour les Groupes 2 et 3, appuyée sur le module IA recommandé.
Évaluation
Auto-évaluation guidée par grille de relecture + évaluation enseignante centrée sur les besoins prioritaires du groupe, non sur une notation uniforme.
Rapports pré-test / post-test
Synthèse des résultats empiriques de la recherche et statut des hypothèses
Erreurs (fréquence absolue)
141 → 182
Volume de texte en hausse
Densité / 100 mots
46,4 → 27,2
−41%
Recul lexique
−72%
Meilleure progression
Recul orthographe
−32%
Chantier prioritaire
Réduction des erreurs par catégorie
Statut des hypothèses de recherche
H1 — Hétérogénéité initialeSoutenue
H2 — Amélioration globaleAvec réserves
H3 — Diversité des trajectoiresSoutenue
H4 — Groupes de besoins + IA cibléeDiagnostic soutenu
Paramètres & Éthique
Conditions d'un usage responsable — et non aléatoire — de l'intelligence artificielle en contexte scolaire
Garanties éthiques
Validation humaine systématique
Aucun module IA recommandé n'est appliqué sans accord de l'enseignant
Transparence de la recommandation
Affichage systématique de la raison pour laquelle un module est recommandé
Anonymisation des productions
Codage des copies, protection des données d'élèves mineurs
Limites reconnues
Corpus restreint
10 élèves, pas de groupe témoin — généralisation prudente
Interlangue
Formes créatives non normées difficiles à détecter automatiquement
Efficacité pédagogique
Prototype non encore testé en classe réelle avec recommandation de module en conditions réelles