Les androïdes rêvent-ils d’activités scolaires ?

Les voitures autonomes, les systèmes de recommandation musicale, les logiciels de reconnaissance faciale, les robots : ces inventions familières ont été créées grâce à l’intelligence artificielle (IA). Quid de l’IA dans le domaine de l’enseignement scolaire ? Ces quatre projets remarquables nous apportent un éclairage sur la question.

L’intelligence artificielle est aujourd’hui omniprésente, dans les médias comme dans la culture populaire, si bien qu’il est parfois difficile de rester au courant des dernières avancées en la matière. La définition même de l’IA fait débat — car le terme intelligence fait partie de ces mots fourre tout contre lesquels Marvin Misky met en garde : des mots qui expriment bien plus que ce que l’on veut leur faire dire. Il est néanmoins possible d’identifier deux aspects qui différencient l’IA des autres technologies présentes dans les salles de classe : l’autonomie et la capacité d'adaptation. Ceci dit, jetons un œil à ces projets.

DE-ENIGMA : des enfants autistes explorent les émotions avec l’aide de robots

Les personnes atteintes d’autisme — plus de 5 millions dans l’Union européenne — éprouvent des difficultés à interagir socialement, par exemple à reconnaître certains comportements, à communiquer leurs émotions, ou à s’exprimer par le langage. Il semblerait que les autistes appréhendent plus facilement les outils prédictifs comme les robots. À partir de ces observations, le projet DE-ENIGMA a conçu une procédure thérapeutique à l’aide d’un robot commercialisé sous le nom de Zeno. Le robot a été utilisé avec des élèves de primaire atteints d’autisme — 62 au Royaume-Uni et 66 en Serbie — au cours d’un programme pédagogique de reconnaissance et d’expression des émotions.

On en a tiré une base de donnée multimodale — la plus importante en son genre — consultable sur demande par les chercheurs du monde entier. Les enregistrements audio et vidéo sont susceptibles de contribuer aux recherches comportementales sur l’autisme et les données peuvent également être utilisées pour améliorer les technologies à visée pédagogique.

DE-ENIGMA a été financé grâce au soutien de la Commission européenne dans le cadre du programme Horizon 2020. Le projet a été mené entre 2016 et 2019. C’est un exemple de réussite.

LEA : aide à l’acquisition de technologies à visée pédagogique

Tout le monde s’accorde à dire qu’il est bon de s’informer sur les approches pédagogiques utilisant l’IA — par exemple, la robotique ou l’analyse de l’apprentissage —, mais tous les enseignants n’y ont pas accès. Le projet LEA (Learning Technology Accelerator) vise à remettre tout le monde sur un pied d’égalité. Il accompagne l’acquisition de technologies à visée pédagogique grâce à des financements complémentaires, la mise à disposition de réseaux, ou la préparation de recommandations et de séminaires web, et ce pour l’ensemble des acteurs impliqués : les acquéreurs, les fournisseurs, les experts et, bien entendu, les écoles. Vous pouvez rejoindre le réseau LEA-Network pour bénéficier d’avantages supplémentaires, ou rester informés de l’actualité du projet grâce au blog et aux réseaux sociaux dédiés au projet.

Le projet LEA a été financé grâce au soutien de la Commission européenne dans le cadre du programme Horizon 2020. Il a commencé en 2018 et doit se terminer en 2020. 17 partenaires y ont pris part à travers l’Europe.

Machine Learning for Kids

Image : Josef Steppan / Wikimedia Commons

Si l’on souhaite classer quelque chose selon des critères précis grâce à un ordinateur, plutôt que d’établir un ensemble de règles à suivre, il est possible de « l’entraîner » à reconnaître des caractéristiques communes en fournissant des exemples (comme la célèbre base de données MNIST). C’est ce que l’on appelle l’apprentissage automatique (ou machine learning en anglais) et c’est sur cela que se basent, entre autres, les moteurs de recherche, les services de traduction linguistique ou les agents conversationnels. Machine Learning for Kids est un outil en libre accès qui fait découvrir aux enfants ce concept et d’autres grands principes de la programmation en les aidant à entraîner un modèle d’apprentissage automatique à partir duquel ils peuvent ensuite construire des jeux en Scratch. Cette vidéo de Code INTEF explique tout cela très bien :

Cet outil est accompagné de guides détaillés décrivant des dizaines d’activités que les enseignants peuvent mettre en place dans leur classe.

Le développement de Machine Learning for Kids a commencé en 2014 à l'initiative de Dale Lane, grâce à l'interface de programmation Watson d'IBM. L’outil a été mis à la disposition du public en 2017.

HUMAINT : les comportements humains et l’intelligence des machines

Nous savons tous que l’intelligence humaine façonne le comportement des machines, mais est-ce réciproque ? Comment l’intelligence des machines influence-t-elle les comportements humains ? En se fondant sur plusieurs domaines d’expertise, le projet HUMAINT tente d’apporter une réponse à cette question à travers deux sujets liés à l’enseignement scolaire :

• la prise de décision, p. ex. la création de machines capables de passer outre les biais cognitifs humains, et
• les capacités cognitives et socioémotionnelles, p. ex. l’étude de l’influence de l’IA sur le développement cognitif des enfants dans le cas, par exemple, d’une interaction enfant/robot.

Les résultats du projet sont présentés dans des publications, sur un blog, et lors d’événements, notamment une université d'hiver.

HUMAINT est un projet interdisciplinaire du Centre for Advanced Studies (CAS) rattaché au Centre commun de recherche de la Commission européenne. Il a commencé en 2018 et doit se terminer en 2021.

Pour découvrir les projets actuels et passés relatifs à l'enseignement scolaire financés par l'Union européenne, rendez-vous sur la plate-forme des résultats du projet Erasmus+.