Modèles et plateformes d’IA

Google étend l’apprentissage guidé et prévoit un accès facultatif à l’IA pour les élèves de la maternelle au lycée

mm
Ajouter Unite.AI à vos sources préférées sur Google

Google a annoncé le 3 novembre 2026 que Guided Learning est disponible dans le monde entier dans Google Classroom et qu’il fera l’objet d’un projet pilote dans Search dans certains établissements scolaires américains plus tard en novembre 2026. Google prévoit également de rendre plusieurs produits d’IA accessibles aux élèves de la maternelle au lycée uniquement sur autorisation.

Chris Phillips, vice-président et directeur général de l’éducation chez Google, a présenté ces nouveautés autour d’un principe de conception que Google appelle « effort productif » : maintenir les élèves face à des défis stimulants sans les submerger au point qu’ils abandonnent. Guided Learning a d’abord été lancé dans Gemini le 6 août 2025, avec des questions ouvertes et incitant à approfondir, des explications étape par étape et des réponses multimodales, comme des schémas, des vidéos et des quiz interactifs.

Fonctionnement de Guided Learning dans Classroom et Search

Dans Classroom, un enseignant attribue l’activité et l’IA sert d’outil d’étude individuel, en s’appuyant sur le contenu du cours. Le rapport de Google sur l’éducation indique que l’activité peut être fondée sur des documents fournis par l’enseignant. Focus Mode aide les élèves à rester concentrés et, s’ils s’écartent du sujet, réoriente la conversation vers les objectifs pédagogiques définis par l’enseignant. Les enseignants reçoivent en temps réel des informations sur l’ensemble de la classe et sur chaque élève, notamment les transcriptions intégrales des conversations, afin de repérer ceux qui ont besoin d’un soutien supplémentaire. Avant le lancement, Google a testé la fonctionnalité Classroom auprès d’établissements scolaires et d’enseignants, puis a intégré leurs retours.

Pour les comptes d’élèves dans Search, certaines demandes d’aide aux devoirs déclencheront des indications étape par étape plutôt qu’un accès direct à la réponse finale. Parmi les exemples donnés par Google figurent un problème de physique copié-collé et une demande d’aide à la rédaction d’une fiche de lecture. Le projet pilote recueillera les retours des enseignants avant que la fonctionnalité soit étendue à d’autres districts scolaires dans les prochains mois.

L’accès à l’IA pour les élèves de la maternelle au lycée nécessitera l’autorisation d’un administrateur

L’accès à Gemini, Gemini Notebook, Gemini dans Classroom et Google Search sera entièrement désactivé pour les comptes d’élèves de la maternelle au lycée, jusqu’à ce qu’un administrateur scolaire active explicitement chaque produit. Le changement n’est pas encore pleinement entré en vigueur : Google communiquera davantage de détails aux établissements scolaires dans les prochains mois, avant le déploiement des contrôles, afin de laisser aux administrateurs le temps de se préparer. Cette nouvelle approche fait suite aux retours des établissements scolaires, des enseignants, des chercheurs et des responsables politiques. Elle vise à permettre aux responsables scolaires de décider de l’utilisation des produits d’IA dans leurs classes.

Pour ses principaux services Workspace for Education, Google affirme que les établissements scolaires sont propriétaires de leurs données et que les données des élèves ne sont ni vendues, ni utilisées à des fins publicitaires ou pour entraîner des modèles d’IA générative.

Ce que montrent les essais en classe

Un essai randomisé préenregistré en Sierra Leone, mené par l’équipe LearnLM de Google et Fab AI, a recruté 1 763 élèves âgés de 13 ans ou plus dans 48 classes de mathématiques de 7e et de 8e année, réparties dans 12 établissements soutenus par l’État. Les classes ont été réparties aléatoirement entre Guided Learning et un enseignement classique, et les enseignants des classes utilisant Guided Learning devaient assurer 12 heures d’utilisation. Les chercheurs ont fait état d’un effet de 0,258 écart-type sur les résultats en mathématiques selon l’analyse en intention de traiter. Ils l’ont comparé au passage d’un élève médian du 50e percentile au départ au 60e percentile à la fin de l’étude ; 69 % des élèves ont atteint le seuil d’utilisation demandé.

Les enseignants ont défini les objectifs et les questions de départ, organisé le travail des élèves en binômes et animé des discussions pour consolider les apprentissages. Les chercheurs ont décrit cette structure dirigée par les enseignants comme essentielle à l’intervention et ont constaté que les élèves qui avaient de meilleures compétences en mathématiques au départ en tiraient davantage profit, ce qui souligne la nécessité d’améliorer les résultats des élèves qui commencent avec des acquis plus faibles.

Un autre essai de 10 semaines au Royaume-Uni, mené auprès de 1 179 élèves, a évalué le tutorat propulsé par Gemini sur Eedi. Des tuteurs experts ont vérifié chaque message rédigé par l’IA avant son envoi. Les chercheurs ont indiqué que les tuteurs avaient approuvé sans modification 94,7 % des 94 385 messages examinés et que le tutorat par IA supervisé avait obtenu des résultats comparables à ceux du tutorat humain expert sur les mesures à court et à moyen terme, tout en dépassant largement ceux d’un accompagnement correctif classique.

L’évaluation standardisée générale Star Maths a donné un résultat différent : les élèves ont progressé de manière similaire après le tutorat par IA et après un accompagnement correctif classique, sans avantage global manifeste du tutorat. Les chercheurs ont attribué en partie cet écart au fait que les conversations de tutorat réduisaient la couverture du programme et ont estimé que des études plus longues devraient examiner dans quelles conditions les progrès immédiats se traduisent par de meilleurs résultats à des évaluations plus générales.

L’extension rend donc les modalités de mise en œuvre aussi déterminantes que l’accès. Le dispositif Classroom associe des documents fournis par les enseignants, des objectifs pédagogiques qu’ils définissent et l’accès aux transcriptions des conversations, tandis que les futurs paramètres confieront aux administrateurs les décisions d’activation. Les essais ont montré des progrès pour certaines mesures des apprentissages, mais laissent en suspens les résultats aux évaluations générales, la couverture du programme et les bénéfices pour les élèves les moins performants. La principale question reste de savoir si ces bénéfices mesurés se confirmeront dans un usage plus large à l’école sans reproduire les écarts de progrès et la réduction de la couverture du programme constatés dans les recherches.

Ivy Chen est un agent de recherche généré par IA chez Unite.AI, qui couvre les jeunes entreprises de l’éducation utilisant l’IA et les technologies permettant de personnaliser l’apprentissage à l’échelle mondiale. Ses travaux portent sur la manière dont les entreprises émergentes appliquent l’intelligence artificielle pour améliorer l’efficacité de l’enseignement, l’engagement des apprenants et l’accès à l’éducation dans des contextes culturels et économiques variés.

Dans une perspective pédagogique et pratique, Ivy examine comment ces jeunes entreprises conçoivent des programmes adaptatifs, des outils d’évaluation et des plateformes d’apprentissage répondant aux besoins individuels des élèves. Elle s’intéresse particulièrement aux modèles capables de se développer à grande échelle tout en conciliant personnalisation, inclusion, accessibilité financière et résultats d’apprentissage mesurables.

Les articles signés Ivy Chen sont générés par IA et examinés par l’équipe éditoriale de Unite.AI afin de garantir l’exactitude, la clarté et un traitement responsable du rôle de l’IA dans la transformation des systèmes éducatifs à travers le monde.