{"id":2977,"date":"2025-10-30T11:21:50","date_gmt":"2025-10-30T10:21:50","guid":{"rendered":"https:\/\/wp.unil.ch\/iaunil\/?p=2977"},"modified":"2026-04-20T11:56:12","modified_gmt":"2026-04-20T09:56:12","slug":"le-cadre-quadridimensionnel-des-competences-humains-ia","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/iaunil\/le-cadre-quadridimensionnel-des-competences-humains-ia\/","title":{"rendered":"Le cadre quadridimensionnel des comp\u00e9tences Humains-IA : une approche int\u00e9gr\u00e9e"},"content":{"rendered":"\n

Jean-Fran\u00e7ois (Jeff) Van de Po\u00ebl – Projet de r\u00e9flexion en cours, partage \u00e9tat avril 2025<\/em><\/strong>
This work is licensed under CC BY-NC-SA 4.0<\/a><\/p>\n\n\n\n

Introduction<\/h2>\n\n\n\n

Les progr\u00e8s rapides de l\u2019intelligence artificielle mettent en \u00e9vidence une nouvelle forme potentielle de r\u00e9partition des t\u00e2ches cognitives : l\u2019\u00eatre humain et la machine interviennent d\u00e9sormais comme partenaires aux comp\u00e9tences compl\u00e9mentaires plut\u00f4t qu\u2019en substituts concurrents.<\/p>\n\n\n\n

Dans ce paysage, plusieurs recherches convergent pour d\u00e9crire la cognition comme partag\u00e9e entre deux agents distincts. Siemens, Dawson et Ga\u0161evi\u0107 parlent d\u2019un \u00ab espace de coordination<\/em> \u00bb dans lequel l\u2019intelligence humaine et l\u2019intelligence artificielle s\u2019articulent selon la nature du probl\u00e8me rencontr\u00e9 et le degr\u00e9 d\u2019incertitude qu\u2019il comporte . Sur le plan organisationnel, Jarrahi d\u00e9finit cette configuration comme une \u00ab symbiose d\u00e9cisionnelle<\/em> \u00bb : l\u2019IA traite des volumes d\u2019information rapidement, tandis que l\u2019humain mobilise son intuition, son sens moral et sa compr\u00e9hension contextuelle pour orienter ou corriger les r\u00e9sultats.<\/p>\n\n\n\n

Comprendre la comp\u00e9tence sous l\u2019angle de cette co-agence<\/em> (toujours men\u00e9e par l\u2019humain !) conduit \u00e0 s\u2019interroger sur la mani\u00e8re dont les formations peuvent pr\u00e9parer les apprenant\u00b7e\u00b7s \u00e0 orchestrer le dialogue avec les syst\u00e8mes d\u2019IA plut\u00f4t qu\u2019\u00e0 les imiter. Dans l\u2019enseignement sup\u00e9rieur, les travaux portant sur la collaboration humain-IA insistent sur le fait qu\u2019un apprentissage efficace suppose la mise en place de m\u00e9canismes de \u00ab r\u00e9gulation conjointe \u00bb : l\u2019IA fournit une assistance imm\u00e9diate, mais l\u2019\u00e9tudiant\u00b7e reste responsable du cadrage, de la validation et de l\u2019int\u00e9gration des connaissances produites. La comp\u00e9tence se construit alors comme un processus dynamique o\u00f9 chacun, humain et IA, apporte des ressources cognitives sp\u00e9cifiques.<\/p>\n\n\n\n

Pour rendre ce processus descriptible et actionnable, le cadre quadridimensionnel des comp\u00e9tences hybrides humaines-IA<\/strong> propose de distinguer quatre domaines :<\/p>\n\n\n\n

    \n
  1. les capacit\u00e9s propres de l\u2019IA,<\/li>\n\n\n\n
  2. les comp\u00e9tences et connaissances essentielles de v\u00e9rification critique,<\/li>\n\n\n\n
  3. la litt\u00e9ratie IA entendue comme aptitude \u00e0 interagir avec l\u2019outil,<\/li>\n\n\n\n
  4. les capacit\u00e9s humaines distinctives qui demeurent hors de port\u00e9e des algorithmes actuels.<\/li>\n<\/ol>\n\n\n\n

    Adopter ces dimensions revient d\u2019abord \u00e0 reconna\u00eetre que la production automatique de contenus n\u2019\u00e9puise pas la notion de comp\u00e9tence. La machine peut g\u00e9n\u00e9rer un texte argument\u00e9 ou dresser une traduction fluide, mais elle n\u2019attribue de sens \u00e0 ces productions qu\u2019en fonction d\u2019un objectif d\u00e9fini par l\u2019humain. <\/p>\n\n\n\n

      \n
    • La premi\u00e8re dimension, les comp\u00e9tences essentielles<\/strong>, rappelle que toute production doit \u00eatre confront\u00e9e \u00e0 un socle disciplinaire, m\u00e9thodologique et normatif assurant sa fiabilit\u00e9. Sans cette \u00e9tape de validation, la relation devient une simple d\u00e9l\u00e9gation sans contr\u00f4le. Sans la ma\u00eetrise de cette dimension, la mobilisation de l’IA nous enferme dans un usage substitutif qui n’a rien \u00e0 voir avec l’apprentissage et dans lequel il ne faut absolument pas se placer.<\/li>\n\n\n\n
    • La deuxi\u00e8me dimension, les capacit\u00e9s de l\u2019IA<\/strong>, sert de rep\u00e8re pour savoir ce qui peut \u00eatre confi\u00e9 \u00e0 une IA, ou encore les t\u00e2ches qu’elle a la possibilit\u00e9 d’accomplir. <\/li>\n\n\n\n
    • La troisi\u00e8me dimension, la litt\u00e9ratie IA<\/strong>, correspond aux gestes professionnels qui permettent de configurer, d\u2019interroger l\u2019outil. Les \u00e9tudiant\u00b7e\u00b7s apprennent \u00e0 formuler des requ\u00eates, \u00e0 interpr\u00e9ter un score de confiance, \u00e0 expliciter les limites d\u2019une r\u00e9ponse algorithmique. <\/li>\n\n\n\n
    • Enfin, la quatri\u00e8me dimension, les capacit\u00e9s humaines distinctives<\/strong>, regroupe des habilet\u00e9s comme le sens critique, la cr\u00e9ativit\u00e9 conceptuelle, l\u2019empathie ou le jugement moral, indispensables pour relier l\u2019usage de l\u2019IA \u00e0 des finalit\u00e9s sociales et \u00e9thiques.<\/li>\n<\/ul>\n\n\n\n
      \"le
      Le cadre quadridimensionnel des comp\u00e9tences hybrides humain-IA<\/figcaption><\/figure>\n\n\n\n

      Quel est l\u2019int\u00e9r\u00eat de structurer la r\u00e9flexion selon ces quatre entr\u00e9es ?<\/strong><\/h2>\n\n\n\n

      Premi\u00e8rement, cela permet de clarifier les responsabilit\u00e9s : la machine assume les op\u00e9rations pour lesquelles elle est performante, l\u2019humain conserve la d\u00e9cision finale ainsi que la charge morale et sociale qui l\u2019accompagne. Deuxi\u00e8mement, ce d\u00e9coupage peut potentiellement accompagner la conception de programmes de formation en identifiant, pour chaque domaine, des objectifs p\u00e9dagogiques et des modalit\u00e9s d\u2019\u00e9valuation adapt\u00e9es. Par exemple, l\u2019apprentissage de la litt\u00e9ratie IA peut se traduire par des ateliers de formulation de prompts<\/em> ou par des exercices de documentation de la tra\u00e7abilit\u00e9, alors que le d\u00e9veloppement des capacit\u00e9s humaines distinctives passera plut\u00f4t par des d\u00e9bats \u00e9thiques ou des projets interdisciplinaires. Troisi\u00e8mement, le cadre ouvre un espace de recherche empirique : chaque dimension peut faire l\u2019objet de mesures sp\u00e9cifiques (qualit\u00e9 du raisonnement critique, robustesse des validations, efficience de l\u2019orchestration m\u00e9ta-cognitive) et \u00eatre corr\u00e9l\u00e9e \u00e0 la performance globale de la collaboration humain-IA.<\/p>\n\n\n\n

      Repenser les comp\u00e9tences \u00e0 la lumi\u00e8re de cette grille n\u2019implique pas de hi\u00e9rarchiser humain et machine, mais de les situer dans une relation d\u2019interd\u00e9pendance explicite. La notion de cognition distribu\u00e9e<\/em> rappelle que la connaissance r\u00e9sulte moins des capacit\u00e9s internes d\u2019un seul agent que des interactions entre plusieurs acteurs, artefacts et contextes. Dans ce cadre, le r\u00f4le de l\u2019\u00e9ducation ne serait plus de transmettre un stock de savoirs qu\u2019un mod\u00e8le peut reproduire ; il serait d\u2019enseigner \u00e0 mobiliser, combiner et \u00e9valuer des ressources dispers\u00e9es, qu\u2019elles soient humaines, sociales ou algorithmiques. Les quatre dimensions du cadre offrent une cartographie pour organiser cette mobilisation : d\u00e9terminer ce qui rel\u00e8ve de l\u2019automatisation, ce qui exige une validation experte, ce qui d\u00e9pend d\u2019une interaction technique \u00e9clair\u00e9e et ce qui requiert une position \u00e9thique et cr\u00e9ative.<\/p>\n\n\n\n

      En pla\u00e7ant la relation humain-IA au centre de l\u2019analyse, le cadre invite enfin \u00e0 une vigilance continue : toute \u00e9volution des mod\u00e8les, des normes ou des attentes sociales peut redistribuer la part respective des dimensions. Il appartient donc aux institutions de formation de maintenir une observation active de ces \u00e9volutions afin d\u2019ajuster les curricula et de garantir la pertinence durable des comp\u00e9tences d\u00e9velopp\u00e9es. Ainsi structur\u00e9e, l\u2019approche permet de concilier les apports des technologies \u00e9mergentes avec la n\u00e9cessit\u00e9 de pr\u00e9server l\u2019autonomie intellectuelle et la responsabilit\u00e9 sociale qui demeurent, pour l\u2019instant, au c\u0153ur de l\u2019activit\u00e9 humaine.<\/p>\n\n\n\n

      Dimension 1\u00a0: Comp\u00e9tences conceptuelles essentielles<\/h1>\n\n\n\n

      Dans des contextes d\u2019apprentissage o\u00f9 les syst\u00e8mes d\u2019IA g\u00e9n\u00e9rative fournissent d\u00e9sormais brouillons, traductions ou synth\u00e8ses en quelques secondes, l\u2019utilit\u00e9 p\u00e9dagogique se d\u00e9place vers ce que les \u00e9tudiant\u00b7e\u00b7s doivent encore produire sans<\/strong> recours algorithmique : une \u00e9valuation raisonn\u00e9e de la fiabilit\u00e9, de la pertinence et des limites des informations obtenues. Les \u00ab comp\u00e9tences essentielles de v\u00e9rification critique \u00bb d\u00e9signent ici l\u2019ensemble des savoirs et des dispositions qui permettent d\u2019examiner, de contextualiser et, au besoin, de contester toute affirmation, qu\u2019elle provienne d\u2019une source traditionnelle ou d\u2019un mod\u00e8le de langage. Cette approche prolonge les cadres internationaux de litt\u00e9ratie IA : EDUCAUSE souligne que la capacit\u00e9 d\u2019\u00ab \u00e9valuation critique \u00bb conditionne l\u2019usage responsable des outils, tandis que l\u2019UNESCO inscrit la \u00ab pens\u00e9e critique \u00bb et la \u00ab responsabilit\u00e9 \u00bb parmi les comp\u00e9tences fondamentales \u00e0 acqu\u00e9rir. Dans la recherche en sciences cognitives, Sperber et ses coll\u00e8gues d\u00e9crivent cette vigilance comme un m\u00e9canisme de \u00ab surveillance \u00e9pist\u00e9mique \u00bb permettant de calibrer la confiance accord\u00e9e \u00e0 chaque information.<\/p>\n\n\n\n

      Ces comp\u00e9tences se structurent autour de trois finalit\u00e9s. D\u2019abord, valider la solidit\u00e9 interne<\/strong> : coh\u00e9rence logique, justesse m\u00e9thodologique, ad\u00e9quation aux cadres th\u00e9oriques de la discipline. Ensuite, v\u00e9rifier la provenance<\/strong> : identification des auteurs, analyse des biais, appr\u00e9ciation de la qualit\u00e9 des donn\u00e9es sous-jacentes. Enfin, situer l\u2019\u00e9nonc\u00e9 dans son contexte socio-\u00e9thique et r\u00e9glementaire<\/strong> : conformit\u00e9 aux r\u00e8gles de droit (p. ex. AI Act pour les outils \u00e0 haut risque), mais aussi pertinence par rapport aux valeurs et aux finalit\u00e9s de la communaut\u00e9 acad\u00e9mique. Pr\u00e9parer les \u00e9tudiant\u00b7e\u00b7s \u00e0 ces trois op\u00e9rations revient \u00e0 pr\u00e9server leur autonomie intellectuelle ; c\u2019est \u00e9galement une exigence professionnelle, les expertises de v\u00e9rification devenant un marqueur de cr\u00e9dibilit\u00e9 dans la plupart des secteurs confront\u00e9s aux flux informationnels amplifi\u00e9s par l\u2019IA.<\/p>\n\n\n\n

      Liste des comp\u00e9tences essentielles<\/strong><\/h4>\n\n\n\n
        \n
      • Culture disciplinaire et m\u00e9thodologie<\/strong>\n
          \n
        • Ma\u00eetriser les cadres th\u00e9oriques, les m\u00e9thodes de preuve et les standards d\u2019\u00e9criture de la discipline afin de situer tout r\u00e9sultat IA dans un r\u00e9f\u00e9rentiel savant robuste.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
        • Recherche et \u00e9valuation des sources<\/strong>\n
            \n
          • Identifier l\u2019origine d\u2019un document, examiner l\u2019autorit\u00e9 de l\u2019auteur\u00b7e, dater et croiser les informations pour r\u00e9duire la d\u00e9pendance \u00e0 une source unique.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
          • Triangulation et corroboration<\/strong>\n
              \n
            • Confronter plusieurs corpus, jeux de donn\u00e9es ou points de vue ind\u00e9pendants avant d\u2019acter une conclusion ; int\u00e9grer les discordances comme \u00e9l\u00e9ments d\u2019analyse.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
            • Raisonnement argumentatif et logique<\/strong>\n
                \n
              • Construire une cha\u00eene d\u2019arguments explicite ; rep\u00e9rer les sophismes, contradictions ou inf\u00e9rences non justifi\u00e9es.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
              • Vigilance \u00e9pist\u00e9mique<\/strong>\n
                  \n
                • R\u00e9guler le degr\u00e9 de confiance accord\u00e9 \u00e0 une information en fonction d\u2019indices de fiabilit\u00e9 et de co\u00fbts potentiels de l\u2019erreur.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                • Cadres \u00e9thiques et r\u00e9glementaires<\/strong>\n
                    \n
                  • Appliquer les exigences relatives \u00e0 la protection des donn\u00e9es, \u00e0 l\u2019\u00e9quit\u00e9 et \u00e0 la transparence ; conna\u00eetre les cat\u00e9gories de risque d\u00e9finies par l\u2019AI Act pour situer les enjeux de responsabilit\u00e9.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                  • M\u00e9tacognition et autor\u00e9gulation<\/strong>\n
                      \n
                    • Planifier les t\u00e2ches de contr\u00f4le, auto-\u00e9valuer la solidit\u00e9 de son raisonnement, ajuster ses strat\u00e9gies lorsque de nouvelles informations surgissent.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                    • Documentation et tra\u00e7abilit\u00e9<\/strong>\n
                        \n
                      • Consigner les \u00e9tapes de v\u00e9rification, archiver les versions de textes ou de donn\u00e9es, fournir une bibliographie structur\u00e9e et des notes m\u00e9thodologiques accessibles.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                      • Communication critique et responsable<\/strong>\n
                          \n
                        • Pr\u00e9senter de fa\u00e7on claire les forces, limites et incertitudes d\u2019un travail ; argumenter les d\u00e9cisions m\u00e9thodologiques devant un public acad\u00e9mique ou professionnel.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n
                          \"le
                          Dimension 2 du mod\u00e8le en lien avec les comp\u00e9tences critiques essentielles<\/figcaption><\/figure>\n\n\n\n

                          Dimension 2 : Capacit\u00e9s de l\u2019IA et ex\u00e9cution des t\u00e2ches<\/h2>\n\n\n\n

                          Au sein du cadre quadridimensionnel, la premi\u00e8re dimension sert de barom\u00e8tre pour mesurer ce qu\u2019un syst\u00e8me d\u2019intelligence artificielle accomplit de fa\u00e7on autonome ou sous supervision humaine minimale. D\u00e9limiter ces capacit\u00e9s n\u2019a pas seulement une fonction descriptive ; c\u2019est un pr\u00e9alable pour d\u00e9cider quelles portions d\u2019un curriculum doivent \u00eatre reconfigur\u00e9es afin de privil\u00e9gier l\u2019analyse, l\u2019interpr\u00e9tation et le jugement plut\u00f4t que la simple production m\u00e9canique. La liste initiale (g\u00e9n\u00e9ration de contenu, synth\u00e8se d\u2019information, reconnaissance de formes, traduction et mod\u00e9lisation pr\u00e9dictive) constitue la base de r\u00e9f\u00e9rence.<\/p>\n\n\n\n

                          Depuis 2024, plusieurs \u00e9volutions techniques exigent d\u2019amender cette cartographie sans en bouleverser l\u2019esprit. Les mod\u00e8les dits \u00ab omnimodaux \u00bb traitent et g\u00e9n\u00e8rent texte, image et audio dans un m\u00eame flux, r\u00e9duisant la latence conversationnelle \u00e0 quelques centaines de millisecondes, comme l\u2019atteste la GPT-4o System Card.<\/em> Parall\u00e8lement, l\u2019extension des fen\u00eatres de contexte (200 000 tokens pour Claude 3) permet la synth\u00e8se d\u2019ensembles documentaires jusqu\u2019alors hors de port\u00e9e. Enfin, la diffusion de mod\u00e8les open source performants tels que Llama 3 \u00e9tend ces fonctionnalit\u00e9s \u00e0 des infrastructures locales, favorisant les exp\u00e9rimentations disciplinaires dans des environnements ma\u00eetris\u00e9s .<\/p>\n\n\n\n

                          Conserver la structure d\u2019origine tout en l\u2019enrichissant revient donc \u00e0 pr\u00e9ciser, pour chaque t\u00e2che, les nouvelles formes qu\u2019elle peut prendre. Cette actualisation dynamique aide les enseignants \u00e0 identifier les segments d\u2019activit\u00e9 qu\u2019il devient pertinent de d\u00e9l\u00e9guer, ceux qui requi\u00e8rent une double v\u00e9rification humaine, et ceux qui demeurent ind\u00e9l\u00e9guables en raison de contraintes \u00e9thiques, contextuelles ou cr\u00e9atives.<\/p>\n\n\n\n

                          Liste des capacit\u00e9s IA principales<\/p>\n\n\n\n

                            \n
                          • G\u00e9n\u00e9ration de contenu<\/strong>\n
                              \n
                            • Texte, code, supports visuels et \u00e9l\u00e9ments audio produits en flux multimodal quasi synchrone.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                            • Synth\u00e8se et r\u00e9sum\u00e9 de l\u2019information<\/strong>\n
                                \n
                              • Traitement de corpus \u00e9tendus (\u2265 200 k tokens) avec mise en forme argumentative ou tabulaire adapt\u00e9e au contexte.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                              • Reconnaissance des formes et analyse de donn\u00e9es<\/strong>\n
                                  \n
                                • D\u00e9tection de motifs cross-modalit\u00e9s (image\u2013texte, image\u2013audio) et extraction d\u2019anomalies statistiques.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                • Traduction et traitement des langues<\/strong>\n
                                    \n
                                  • Conversion multilingue incluant prosodie et ton, prise en charge de langues \u00e0 faibles ressources.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                  • Simulation et mod\u00e9lisation pr\u00e9dictive<\/strong>\n
                                      \n
                                    • Sc\u00e9narios \u00ab what-if \u00bb orchestr\u00e9s via appels d\u2019outils externes (Python, calcul matriciel) int\u00e9gr\u00e9s dans le dialogue.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                    • Interaction conversationnelle omnicanal<\/strong>\n
                                        \n
                                      • Dialogue voix-texte-image avec latence inf\u00e9rieure \u00e0 500 ms, possibilit\u00e9 de tutorat adaptatif.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                      • Cha\u00eenage d\u2019actions via function calling<\/em><\/strong>\n
                                          \n
                                        • Orchestration d\u2019API (recherche, base de donn\u00e9es, messagerie) au sein d\u2019une m\u00eame session de g\u00e9n\u00e9ration.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                        • Agentivit\u00e9 autonome sous supervision<\/strong>\n
                                            \n
                                          • Ex\u00e9cution de boucles de planification-action-r\u00e9vision sur des t\u00e2ches d\u00e9finies, avec contr\u00f4le de fin par l\u2019utilisateur.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                          • Extraction et structuration de connaissances<\/strong>\n
                                              \n
                                            • Conversion de notes brutes en bases de donn\u00e9es ou graphes de concepts interrogeables.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n
                                              \"le
                                              Dimension des capacit\u00e9s IA du mod\u00e8le<\/figcaption><\/figure>\n\n\n\n

                                              <\/p>\n\n\n\n

                                              Dimension 3 : Litt\u00e9ratie IA<\/h1>\n\n\n\n

                                              La litt\u00e9ratie IA d\u00e9signe l\u2019ensemble des connaissances, aptitudes et dispositions qui permettent d\u2019interagir de mani\u00e8re inform\u00e9e, critique et responsable avec les syst\u00e8mes d\u2019intelligence artificielle. Dans l\u2019enseignement sup\u00e9rieur, le cadre EDUCAUSE AI Literacy in Teaching & Learning<\/em> d\u00e9crit cette comp\u00e9tence comme la capacit\u00e9 \u00e0 (1) comprendre les bases du fonctionnement de l\u2019IA, (2) \u00e9valuer de fa\u00e7on critique ses usages, (3) appliquer l\u2019outil dans des situations authentiques et (4) se pr\u00e9munir contre ses d\u00e9rives. L\u2019UNESCO, de son c\u00f4t\u00e9, r\u00e9partit douze comp\u00e9tences \u00e9tudiantes en quatre groupes similaires, insistant sur la s\u00fbret\u00e9, la responsabilit\u00e9 et l\u2019engagement citoyen.<\/p>\n\n\n\n

                                              Dans les curricula, cette dimension se distingue des \u00ab comp\u00e9tences essentielles \u00bb pr\u00e9c\u00e9demment \u00e9nonc\u00e9es : ces derni\u00e8res visent la validation d\u2019un contenu, tandis que la litt\u00e9ratie IA concerne la capacit\u00e9 \u00e0 dialoguer avec l\u2019outil, \u00e0 param\u00e9trer ses r\u00e9ponses et \u00e0 r\u00e9guler ses effets. Les deux registres restent toutefois interd\u00e9pendants : sans litt\u00e9ratie, l\u2019\u00e9tudiant ne peut mobiliser ses connaissances disciplinaires pour formuler des requ\u00eates pertinentes ; sans socle disciplinaire, la ma\u00eetrise technique du mod\u00e8le risque de se limiter \u00e0 une manipulation superficielle. Les cat\u00e9gories ci-apr\u00e8s reprennent les quatre axes de votre mod\u00e8le et les actualisent \u00e0 la lumi\u00e8re de la litt\u00e9rature 2024-2025, notamment les travaux r\u00e9cents sur le prompt engineering<\/em> en \u00e9ducation et les analyses internationales de l\u2019\u00e9tat de l\u2019AI literacy.<\/p>\n\n\n\n

                                              Cat\u00e9gories de litt\u00e9ratie<\/strong><\/h4>\n\n\n\n
                                                \n
                                              • Compr\u00e9hension technique<\/strong>\n
                                                  \n
                                                • Principes de base des mod\u00e8les (donn\u00e9es d\u2019entra\u00eenement, inf\u00e9rence probabiliste, fen\u00eatrage de contexte).<\/li>\n\n\n\n
                                                • Lecture de documents fournisseurs : system cards<\/em>, notes de version, m\u00e9triques de performance.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                • \u00c9valuation critique<\/strong>\n
                                                    \n
                                                  • Identification des biais potentiels, analyse de la pertinence des sources internes ou externes au mod\u00e8le.<\/li>\n\n\n\n
                                                  • Appr\u00e9ciation du niveau de confiance \u00e0 accorder aux sorties en fonction de l\u2019usage pr\u00e9vu.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                  • Application pratique<\/strong>\n
                                                      \n
                                                    • \u00c9laboration de prompts<\/em> et de cha\u00eenes de requ\u00eates (RAG, function calling<\/em>) pour r\u00e9soudre un probl\u00e8me d\u00e9fini.<\/li>\n\n\n\n
                                                    • Int\u00e9gration de l\u2019IA dans des flux de travail disciplinaires tout en documentant le processus.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                    • Consid\u00e9rations \u00e9thiques et sociotechniques<\/strong>\n
                                                        \n
                                                      • Connaissance des obligations r\u00e9glementaires (AI Act, RGPD) et des principes d\u2019\u00e9quit\u00e9, de transparence et de durabilit\u00e9.<\/li>\n\n\n\n
                                                      • R\u00e9flexion sur l\u2019impact social, environnemental et professionnel des d\u00e9cisions prises avec l\u2019IA.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n
                                                        \"le
                                                        Dimension 3 du mod\u00e8le, les comp\u00e9tences IA<\/figcaption><\/figure>\n\n\n\n

                                                        Dimension 4 – Les capacit\u00e9s humaines distinctives<\/h2>\n\n\n\n

                                                        L\u2019essor des mod\u00e8les de langage et des agents autonomes am\u00e8ne \u00e0 d\u00e9placer une part substantielle du travail analytique vers des processus automatis\u00e9s ; toutefois, il met aussi en \u00e9vidence les limites persistantes de l\u2019intelligence computationnelle lorsqu\u2019il s\u2019agit d\u2019interpr\u00e9ter une situation ouverte, de g\u00e9rer des relations sociales ou de d\u00e9cider dans l\u2019incertitude. La litt\u00e9rature consacr\u00e9e \u00e0 la collaboration humain-IA emploie le terme co-agency<\/em> pour d\u00e9crire l\u2019articulation de deux syst\u00e8mes cognitifs aux propri\u00e9t\u00e9s diff\u00e9rentes : la machine excelle dans le calcul \u00e0 grande \u00e9chelle, l\u2019humain conserve une sup\u00e9riorit\u00e9 dans l\u2019int\u00e9gration contextuelle, l\u2019\u00e9valuation normative et la cr\u00e9ation de sens . Les travaux issus de la psychologie organisationnelle montrent, par exemple, que la valeur d\u2019un r\u00e9sultat hybride d\u00e9pend moins de la capacit\u00e9 brute du mod\u00e8le que de la facult\u00e9 des acteurs humains \u00e0 orienter la t\u00e2che, \u00e0 reconna\u00eetre la pertinence d\u2019une suggestion algorithmique et \u00e0 d\u00e9cider de l\u2019abandonner ou de la transformer lorsque les conditions \u00e9voluent .<\/p>\n\n\n\n

                                                        La notion de capacit\u00e9 humaine distinctive<\/em> renvoie ainsi \u00e0 des comp\u00e9tences que l\u2019IA ne r\u00e9alise pas de mani\u00e8re autonome : donner sens \u00e0 des signaux faibles, concevoir des cadres interpr\u00e9tatifs in\u00e9dits, arbitrer entre des valeurs incompatibles, cr\u00e9er la confiance au sein d\u2019un collectif. Dans les recherches sur le sense-making<\/em>, Weick souligne que l\u2019interpr\u00e9tation d\u2019un environnement ambigu exige un aller-retour continu entre exp\u00e9rience v\u00e9cue, connaissances tacites et r\u00e9cits partag\u00e9s . Or la majorit\u00e9 des mod\u00e8les g\u00e9n\u00e9ratifs op\u00e8rent hors de ce cycle incarn\u00e9 ; ils recombinent des r\u00e9gularit\u00e9s issues de corpus pass\u00e9s sans interaction directe avec le contexte imm\u00e9diat. De m\u00eame, la cr\u00e9ativit\u00e9 conceptuelle, c\u2019est-\u00e0-dire la capacit\u00e9 \u00e0 \u00e9tablir des rapprochements inhabituels entre domaines \u00e9loign\u00e9s ou \u00e0 modifier les r\u00e8gles du probl\u00e8me, reste difficile \u00e0 formaliser en apprentissage automatique, sauf sous formes de variations statistiquement plausibles.<\/p>\n\n\n\n

                                                        La responsabilit\u00e9 morale offre un autre exemple de dissym\u00e9trie fonctionnelle. Lorsque des syst\u00e8mes de recommandation clinique ou financi\u00e8re sugg\u00e8rent un choix, les recherches en \u00e9thique appliqu\u00e9e rappellent que la l\u00e9gitimit\u00e9 finale repose sur un agent humain capable d\u2019assumer les cons\u00e9quences de la d\u00e9cision . Cette charge implique l\u2019\u00e9valuation de dimensions qui ne sont pas enti\u00e8rement captur\u00e9es par les donn\u00e9es : la vuln\u00e9rabilit\u00e9 des personnes concern\u00e9es, l\u2019\u00e9quit\u00e9 de la proc\u00e9dure ou la compatibilit\u00e9 avec des normes juridiques locales. Dans les milieux professionnels, la coexistence d\u2019\u00e9quipes mixtes, constitu\u00e9es de personnes et d\u2019agents algorithmiques, fait appara\u00eetre un besoin croissant de comp\u00e9tences relationnelles : empathie, n\u00e9gociation, leadership distribu\u00e9 . Ces qualit\u00e9s soutiennent la confiance, essentielle pour exploiter efficacement les capacit\u00e9s de l\u2019IA sans g\u00e9n\u00e9rer de d\u00e9pendance ni de r\u00e9sistance.<\/p>\n\n\n\n

                                                        Enfin, plusieurs \u00e9tudes soulignent l\u2019importance de l\u2019orchestration m\u00e9tacognitive, d\u00e9finie comme la capacit\u00e9 \u00e0 planifier, surveiller et ajuster la contribution respective de l\u2019humain et de la machine tout au long d\u2019un processus. Cette comp\u00e9tence inclut la reconnaissance des situations o\u00f9 l\u2019assistance algorithmique apporte un b\u00e9n\u00e9fice (vitesse, exhaustivit\u00e9) mais aussi celles o\u00f9 elle risque d\u2019introduire des biais ou de masquer des signaux contextuels importants. Elle suppose la construction de r\u00e8gles de passage<\/em> : moments explicites o\u00f9 l\u2019autorit\u00e9 d\u00e9cisionnelle revient de l\u2019IA \u00e0 l\u2019op\u00e9rateur humain, et inversement.<\/p>\n\n\n\n

                                                        Placer ces capacit\u00e9s humaines distinctives au c\u0153ur de la formation r\u00e9pond donc \u00e0 un double objectif. D\u2019une part, il s\u2019agit de garantir que l\u2019automatisation ne dilue pas l\u2019autonomie intellectuelle ni la responsabilit\u00e9 sociale ; d\u2019autre part, il convient de doter les apprenants de ressources cognitives aptes \u00e0 compl\u00e9menter, plut\u00f4t qu\u2019\u00e0 r\u00e9pliquer, les forces de l\u2019intelligence artificielle. La pr\u00e9sente dimension encapsule ces exigences en identifiant les domaines o\u00f9 l\u2019investissement p\u00e9dagogique demeure indispensable pour maintenir une collaboration \u00e9quilibr\u00e9e et fiable entre humains et syst\u00e8mes d\u2019IA.<\/p>\n\n\n\n

                                                        Liste des capacit\u00e9s humaines distinctives<\/strong><\/h4>\n\n\n\n
                                                          \n
                                                        • Sense-making holistique<\/strong>\n
                                                            \n
                                                          • D\u00e9tecter et relier des signaux faibles ou contradictoires pour construire des interpr\u00e9tations situ\u00e9es.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                          • Cr\u00e9ativit\u00e9 conceptuelle<\/strong>\n
                                                              \n
                                                            • \u00c9laborer des cadres, m\u00e9taphores ou hypoth\u00e8ses in\u00e9dites afin d\u2019orienter ou de d\u00e9passer les propositions de l\u2019IA.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                            • Jugement moral et responsabilit\u00e9<\/strong>\n
                                                                \n
                                                              • Appr\u00e9cier les implications \u00e9thiques, juridiques et sociales d\u2019une d\u00e9cision assist\u00e9e par IA et en assumer la charge.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                              • Empathie et leadership relationnel<\/strong>\n
                                                                  \n
                                                                • Maintenir la confiance, la motivation et l\u2019alignement des parties prenantes dans des \u00e9quipes o\u00f9 interviennent des agents algorithmiques.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                                • Synth\u00e8se interdisciplinaire<\/strong>\n
                                                                    \n
                                                                  • Combiner des savoirs de domaines h\u00e9t\u00e9rog\u00e8nes pour cr\u00e9er des solutions ou des analyses que l\u2019IA n\u2019aurait pas inf\u00e9r\u00e9es.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                                  • Orchestration m\u00e9tacognitive<\/strong>\n
                                                                      \n
                                                                    • Planifier, surveiller et ajuster l\u2019ampleur de l\u2019intervention de l\u2019IA tout au long d\u2019un processus de travail.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                                                    • Connaissance incarn\u00e9e et contextuelle<\/strong>\n
                                                                        \n
                                                                      • Mobiliser l\u2019exp\u00e9rience de terrain, les normes locales ou les contraintes mat\u00e9rielles pour valider ou rectifier les recommandations algorithmiques.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n
                                                                        \"le
                                                                        Dimension 4, les capacit\u00e9s humaines distinctives<\/figcaption><\/figure>\n\n\n\n

                                                                        <\/p>\n\n\n\n

                                                                        Conclusion<\/h1>\n\n\n\n

                                                                        La cartographie quadridimensionnelle pr\u00e9sent\u00e9e \u2013 capacit\u00e9s de l\u2019IA, comp\u00e9tences essentielles de v\u00e9rification critique, litt\u00e9ratie IA et capacit\u00e9s humaines distinctives \u2013 propose un cadre int\u00e9gr\u00e9 pour analyser et d\u00e9velopper la comp\u00e9tence dans un environnement o\u00f9 cognition et action sont r\u00e9parties entre agents humains et syst\u00e8mes algorithmiques. Chaque dimension r\u00e9pond \u00e0 une fonction pr\u00e9cise :<\/p>\n\n\n\n

                                                                          \n
                                                                        • Les capacit\u00e9s de l\u2019IA<\/strong> d\u00e9crivent un p\u00e9rim\u00e8tre d\u2019automatisation en constante \u00e9volution. Les caract\u00e9riser permet de d\u00e9terminer ce qui peut \u00eatre d\u00e9l\u00e9gu\u00e9 de fa\u00e7on s\u00fbre et efficiente, et de r\u00e9orienter l\u2019effort p\u00e9dagogique vers la formulation d\u2019objectifs, la supervision et l\u2019interpr\u00e9tation.<\/li>\n\n\n\n
                                                                        • Les comp\u00e9tences essentielles<\/strong> fournissent le socle disciplinaire, m\u00e9thodologique et normatif qui rend possible l\u2019audit raisonn\u00e9 des productions g\u00e9n\u00e9ratives ; elles garantissent la fiabilit\u00e9 scientifique et la conformit\u00e9 r\u00e9glementaire.<\/li>\n\n\n\n
                                                                        • La litt\u00e9ratie IA<\/strong> constitue le lien op\u00e9ratoire : elle dote l\u2019apprenant des gestes et connaissances techniques n\u00e9cessaires pour configurer l\u2019outil, \u00e9valuer ses sorties et r\u00e9guler ses usages dans des situations authentiques.<\/li>\n\n\n\n
                                                                        • Les capacit\u00e9s humaines distinctives<\/strong> rappellent la part irr\u00e9ductible de la responsabilit\u00e9, de la cr\u00e9ativit\u00e9 conceptuelle et de l\u2019empathie ; elles assurent l\u2019ancrage social et \u00e9thique des d\u00e9cisions prises avec l\u2019appui de l\u2019IA.<\/li>\n\n\n\n
                                                                        • <\/li>\n<\/ul>\n\n\n\n

                                                                          En articulant ces quatre volets, le cadre \u00e9claire deux enjeux majeurs. D\u2019une part, il permet de distribuer explicitement les responsabilit\u00e9s<\/strong> : l\u2019IA assure la rapidit\u00e9 et l\u2019ampleur du traitement informationnel ; l\u2019humain conserve la d\u00e9cision finale, le jugement moral et la mise en contexte. D\u2019autre part, il offre une base op\u00e9rationnelle pour la conception curriculaire<\/strong> : chaque dimension peut faire l\u2019objet d\u2019objectifs d\u2019apprentissage, d\u2019activit\u00e9s d\u00e9di\u00e9es et d\u2019\u00e9valuations adapt\u00e9es, facilitant ainsi l\u2019int\u00e9gration progressive de l\u2019IA dans les disciplines sans sacrifier les exigences acad\u00e9miques.<\/p>\n\n\n\n

                                                                          Le cadre ouvre \u00e9galement plusieurs pistes de recherche et de suivi :<\/p>\n\n\n\n

                                                                            \n
                                                                          1. Mesurer l\u2019efficacit\u00e9 de l\u2019orchestration<\/strong> : d\u00e9velopper des indicateurs permettant de relier la qualit\u00e9 de la collaboration humain-IA \u00e0 la performance globale et \u00e0 la fiabilit\u00e9 des productions.<\/li>\n\n\n\n
                                                                          2. Observer l\u2019\u00e9volution des fronti\u00e8res<\/strong> : documenter les d\u00e9placements r\u00e9guliers du p\u00e9rim\u00e8tre de l\u2019automatisation afin d\u2019ajuster en continu les comp\u00e9tences essentielles et la litt\u00e9ratie requise.<\/li>\n\n\n\n
                                                                          3. \u00c9valuer l\u2019impact \u00e9thique et soci\u00e9tal<\/strong> : analyser comment les d\u00e9cisions prises dans une \u00e9quipe hybride affectent l\u2019\u00e9quit\u00e9, la transparence et la responsabilit\u00e9 au sein des organisations et des communaut\u00e9s.<\/li>\n\n\n\n
                                                                          4. <\/li>\n<\/ol>\n\n\n\n

                                                                            Enfin, l\u2019approche quadridimensionnelle rappelle que la formation n\u2019a pas pour but de remplacer l\u2019expertise humaine par la puissance de calcul, mais de cultiver la capacit\u00e9 \u00e0 coordonner<\/strong> ces deux ressources de mani\u00e8re r\u00e9flexive, responsable et durable. En dotant les apprenants de rep\u00e8res conceptuels solides, de techniques d\u2019interaction ma\u00eetris\u00e9es et d\u2019un sens aigu de la responsabilit\u00e9, les institutions peuvent accompagner l\u2019int\u00e9gration de l\u2019intelligence artificielle tout en prot\u00e9geant l\u2019autonomie intellectuelle et la finalit\u00e9 sociale de l\u2019\u00e9ducation.<\/p>\n\n\n\n

                                                                            Bibliographie<\/h2>\n\n\n\n

                                                                            Anthropic. (2024). Claude 3 model family : Model card<\/em> (v 1.0). Anthropic.<\/p>\n\n\n\n

                                                                            Bano, M., Pan, Z., & Papadimitriou, A. (2025). AI literacy and trust: A multi-method study of human\u2013GAI team collaboration. International Journal of Human-Computer Studies, 199<\/em>, 102086.<\/p>\n\n\n\n

                                                                            Dawson, S., Joksimovic, S., Mills, C., Ga\u0161evi\u0107, D., & Siemens, G. (2023). Advancing theory in the age of artificial intelligence. British Journal of Educational Technology, 54<\/em>(5), 1980-1993.<\/p>\n\n\n\n

                                                                            Dellermann, D., Ebel, P., S\u00f6llner, M., Bitzer, M., & Leimeister, J. M. (2019). Hybrid intelligence. Business & Information Systems Engineering, 61<\/em>(5), 637-643.<\/p>\n\n\n\n

                                                                            EDUCAUSE. (2024). AI literacy in teaching and learning: Executive summary<\/em>. EDUCAUSE.<\/p>\n\n\n\n

                                                                            European Union. (2024). Regulation (EU) 2024\/1689 of the European Parliament and of the Council of 11 January 2024 laying down harmonised rules on artificial intelligence (AI Act)<\/em>. Official Journal of the European Union.<\/p>\n\n\n\n

                                                                            Hutchins, E. (1995). Cognition in the wild<\/em>. MIT Press.<\/p>\n\n\n\n

                                                                            International Organization for Standardization. (2024). ISO\/IEC 42001:2024 \u2013 Artificial intelligence management system requirements<\/em>. ISO.<\/p>\n\n\n\n

                                                                            Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human\u2013AI symbiosis in organizational decision making. Business Horizons, 61<\/em>(4), 577-586.<\/p>\n\n\n\n

                                                                            Lee, D., & Palmer, E. (2025). Prompt engineering in higher education: A systematic review to inform curricula. International Journal of Educational Technology in Higher Education, 22<\/em>(1), 7.<\/p>\n\n\n\n

                                                                            Li, Y., Du, Y., Zhou, K., Huang, J., & Shi, Y. (2023). Evaluating object hallucination in large vision\u2013language models. In Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing<\/em> (pp. 250-263).<\/p>\n\n\n\n

                                                                            Lyytinen, K., Hansen, S., Henfridsson, O., & Yoo, Y. (2024). Design principles for artificial-intelligence-augmented decision making. Journal of Strategic Information Systems, 33<\/em>(1), 101743.<\/p>\n\n\n\n

                                                                            Markauskaite, L., & Goodyear, P. (2022). What capabilities do learners need for a world with AI ? Computers & Education: Artificial Intelligence, 3<\/em>, 100056.<\/p>\n\n\n\n

                                                                            Mercier, H., & Sperber, D. (2011). Why do humans reason ? Arguments for an argumentative theory. Behavioral and Brain Sciences, 34<\/em>(2), 57-74.<\/p>\n\n\n\n

                                                                            OpenAI. (2024). GPT-4o system card<\/em> (v 1.0). OpenAI.<\/p>\n\n\n\n

                                                                            Pan, Z., Moore, O. A., & Papadimitriou, A. (2025). Contextual factors influencing AI literacy and trust. Computers & Education, 210<\/em>, 104806.<\/p>\n\n\n\n

                                                                            Puranam, P. (2021). Human\u2013AI collaborative decision making as an organization-design problem. Journal of Organization Design, 10<\/em>(1), 17-27.<\/p>\n\n\n\n

                                                                            Shrestha, Y. R., Benner, M., & von Krogh, G. (2023). Human\u2013AI collaborative decision making as an organization-design problem. MIS Quarterly Executive, 22<\/em>(4), 275-289.<\/p>\n\n\n\n

                                                                            Siemens, G., Dawson, S., & Ga\u0161evi\u0107, D. (2022). Human and artificial cognition: Rethinking learning at the intersection. Computers & Education: Artificial Intelligence, 3<\/em>, 100107.<\/p>\n\n\n\n

                                                                            Topol, E. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25<\/em>, 44-56.<\/p>\n\n\n\n

                                                                            UNESCO. (2025). AI competency framework for students<\/em> (2\u1d49 \u00e9d.). UNESCO Publishing.<\/p>\n\n\n\n

                                                                            Weick, K. E. (1995). Sensemaking in organizations<\/em>. Sage.<\/p>\n\n\n\n

                                                                            <\/p>\n","protected":false},"excerpt":{"rendered":"

                                                                            Co-agence humain-IA et r\u00e9gulation conjointe. Quatre axes pour la formation : capacit\u00e9s de l\u2019IA, comp\u00e9tences critiques de v\u00e9rification, litt\u00e9ratie IA et capacit\u00e9s humaines distinctives.<\/p>\n","protected":false},"author":1002797,"featured_media":3182,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":""},"categories":[8],"tags":[],"class_list":{"0":"post-2977","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-education"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/2977","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/users\/1002797"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/comments?post=2977"}],"version-history":[{"count":5,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/2977\/revisions"}],"predecessor-version":[{"id":3967,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/2977\/revisions\/3967"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/media\/3182"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/media?parent=2977"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/categories?post=2977"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/tags?post=2977"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}