Mémoire PFE.pdf

Département :
Technologies Éducatives
Master Technologie de l'Éducation et
Innovation Pédagogique
MEMOIRE DE FIN D’ETUDES
Intitulé
-------------------------------------------------------------------
L'intelligence artificielle
“Exploration de l'utilisation de ChatGPT “
Pour la création de chatbots éducatifs
personnalisés
Potentielles, Limites et Perspectives.
-----------------------------------------------
Réalisée par : BOUTERRAKA Salma
Sous la direction de : Pr. BELHAJ Laila
Promotion : 2022– 2023

Dédicace
Du profond de mon cœur, je dédie ce travail à tous ceux qui me sont chers,
A MES CHERS PARENTS
Que ce travail soit l’expression de ma reconnaissance pour vos sacrifices consentis, votre
soutien moral et matériel que vous n’avez cessé de prodiguer. Vous avez tout fait pour mon
bonheur et ma réussite.
Que Dieu vous préserve en bonne santé et vous accorde une longue vie.
A Mon FRÈRE ,Ma SŒUR
Vous étiez toujours présents pour m’aider et m’encourager.
Sachez que vous serez toujours dans mon cœur.
A TOUS MES AMIES…..
A toute ma famille…
A tous mes professeurs et ceux qui ont contribué à la réussite de ce travail.
Merci à toute personne qui croit à nos compétences.
SALMA
3

Remerciement
« ‫اﻟﺤﻤﺪ‬
‫ﷲ‬
‫اﻟﺬي‬
‫ھﺪاﻧﺎ‬
‫ﻟﮭﺬا‬
‫وﻣﺎ‬
‫ﻛﻨﺎ‬
‫ﻟﻨﮭﺘﺪي‬
‫ﻟﻮﻻ‬
‫أن‬
‫ھﺪاﻧﺎ‬
‫ﷲ‬ »
Je remercie mon dieu de m’avoir donné la force, la patience, la volonté
afin d’accomplir ce modeste travail
qui présente le fruit de plusieurs années de sacrifices.
J’exprime ma profondes gratitudes et respectueuse reconnaissance à mon
encadrante Pr.BELHAJ Laila Pour sa bonne volonté d'accepter de
m’encadrer, pour tout le temps qu’elle m’a octroyé et pour tous les conseils
qu’elle m’a prodigués. je tiens à remercier Pr.BELMOUDENE Ahmed notre
coordinateur du master , qui a bien voulu nous faire l’honneur de présider le
jury.
Je remercie sincèrement Pr.BELHAJ Laila d’avoir accepté d’être
l’examinateur de ce manuscrit. Mes vifs remerciements s’adressent également
à mes enseignants et à mes amis, pour leur présence chaleureuse dans ma vie
et leur encouragement continu .
Je tiens à exprimer ma profonde gratitude envers mon professeur
d'évaluation, Abdelaziz Boumahdi, pour son expertise et Ses conseils
précieux et son éclairage ont grandement contribué à l'amélioration de
mon travail.
Je souhaite également remercier chaleureusement Pr. Achiq Rajae pour
son aide précieuse et son management efficace durant la réalisation du
projet de musée didactique de la faculté des sciences de l'éducation. Son
expertise et son engagement ont été des éléments essentiels pour mener à
bien ce projet. Je suis reconnaissante d'avoir eu la chance de bénéficier
de sa guidance tout au long de cette expérience enrichissante.
En un mot comme en cent : MERCI INFINIMENT
4

Résumé
ChatGPT est un modèle de langage basé sur l'IA développé par OpenAI
pour comprendre et générer du langage humain. Il peut être utilisé dans
l'éducation pour offrir un enseignement personnalisé et adaptatif en
analysant les réponses des apprenants.
Cependant, son utilisation soulève des préoccupations éthiques telles que la
confidentialité des données et la qualité de l'enseignement.
D'autres outils d'IA, tels que DALL-E et D-ID, peuvent également être
utilisés dans l'éducation. Il est important de réglementer et de comprendre
les enjeux éthiques liés à l'utilisation de l'IA dans l'éducation.
En conclusion, l'utilisation de l'IA dans l'éducation présente des avantages
potentiels, mais soulève également des questions éthiques importantes,
notamment en ce qui concerne la protection de la vie privée et la
responsabilité des algorithmes d'IA dans les décisions éducatives. Il est
essentiel de prendre en compte ces aspects pour assurer une utilisation
réglementée et éthique de l'IA dans le domaine de l'éducation.
5

Abstract
ChatGPT is an AI-based language model developed by OpenAI to understand
and generate human language. It can be used in education to provide
personalized and adaptive teaching by analyzing learners' responses. However,
its use raises ethical concerns such as data privacy and the quality of education.
Other AI tools like DALL-E and D-ID can also be used in education. It is
important to regulate and understand the ethical issues associated with the use
of AI in education.
In conclusion, the use of AI in education offers potential benefits but also
raises important ethical questions, particularly regarding privacy protection and
the accountability of AI algorithms in educational decision-making. It is
essential to consider these aspects to ensure regulated and ethical use of AI in
the field of education.
6

Table des matières
Dédicace________________________________________________________________________________ 2
Remerciement___________________________________________________________________________ 3
Résumé_________________________________________________________________________________4
Abstract________________________________________________________________________________ 6
Liste des abréviations____________________________________________________________________ 12
Abréviations___________________________________________________________________________ 12
Introduction Générale ____________________________________________________________________ 13
Table des matières________________________________________________________________________14
Introduction_____________________________________________________________________________16
Chapitre 1 : L’IA dans l’éducation___________________________________________________________ 16
Définition de l’IA________________________________________________________________________16
Historique de l’IA_______________________________________________________________________ 17
L'IA et l'éducation : Opportunités et Défis____________________________________________________ 18
Les rôles et la place des différents outils de l’IA________________________________________________19
État des connaissances sur l'utilisation de l'IA dans l'éducation____________________________________ 20
Amélioration de la qualité de l'enseignement__________________________________________________ 21
Accessibilité de l'éducation________________________________________________________________ 21
Limites de l'intelligence artificielle__________________________________________________________ 22
Dépendance de l'IA aux algorithmes_________________________________________________________ 23
Section 1 : Études de cas__________________________________________________________________ 25
L’Analyse de l'impact de l'IA dans les expériences éducatives_____________________________________ 26
L’Analyse de l'impact de l'IA dans les expériences éducatives_____________________________________ 27
Évaluation des avantages et des limites de l'utilisation de l'IA dans l'éducation________________________ 27
Section 2 : Chatbot_______________________________________________________________________ 28
Introduction_____________________________________________________________________________28
Type de chatbot__________________________________________________________________________28
Classification des Chatbots_________________________________________________________________28
Définitions d’un Chatbot__________________________________________________________________ 29
Processing Method_______________________________________________________________________ 30
Chatbot et AI____________________________________________________________________________31
NLU Natural Language Understanding_______________________________________________________ 31
NLP Natural Language Processing___________________________________________________________32
BLU pipeline____________________________________________________________________________33
Tokenizers______________________________________________________________________________34
Architecture du Chatbot___________________________________________________________________ 36
Deep Learning concepte___________________________________________________________________ 38
Les réseaux de neurones récurrents__________________________________________________________ 38
Réseaux de neurones à mémoire court et long terme (LSTM)______________________________________39
BERT - Bidirectional Encoder Representations from Transformers_________________________________ 39
7

BERT Architecture_______________________________________________________________________ 40
ChatGPT_______________________________________________________________________________ 40
Applications de l'intelligence artificielle dans l'éducation_________________________________________ 41
L'analyse des données d'apprentissage_______________________________________________________ 43
Les systèmes de tutorat virtuel______________________________________________________________44
La reconnaissance de la parole et la traduction en temps réel______________________________________44
Limites de l'intelligence artificielle dans l'éducation en 2023______________________________________45
Conclusion_____________________________________________________________________________ 46
Partie II : Observation du terrain – Stages effectués______________________________________________47
Université Mohammed V Polytechnique de Rabat FGSES________________________________________ 47
Mission________________________________________________________________________________ 48
Département d’accueil : Scales______________________________________________________________49
Mission au Scales________________________________________________________________________ 50
Les objectifs du programme LEPEX_________________________________________________________ 50
Les tâches effectuées au sein du Scales – UM6P________________________________________________ 51
Participation aux projets___________________________________________________________________ 52
Partie III : ETUDE EMPIRIQUE____________________________________________________________ 52
Problématique et Méthodologie de recherche__________________________________________________ 55
Problématique___________________________________________________________________________ 55
Contexte de l’étude_______________________________________________________________________ 55
Eléments de la problématique_______________________________________________________________56
Questions de recherche____________________________________________________________________ 57
Contexte de l’étude_______________________________________________________________________ 57
Méthodologie de recherche_________________________________________________________________57
La posture épistémologique________________________________________________________________ 57
Mode de raisonnement adopté______________________________________________________________ 59
Choix de l’approche de recherche___________________________________________________________ 60
Méthode quantitative_____________________________________________________________________ 60
Approche qualitative______________________________________________________________________61
L’approche de recherche adoptée____________________________________________________________ 62
Échantillon de la recherche_________________________________________________________________63
Introduction_____________________________________________________________________________65
Intelligence artificielle____________________________________________________________________ 67
Rôle de l’intelligence artificielle dans la réalisation du msée FSE___________________________________67
Ma contribution à la réalisation d'animations interactives_________________________________________ 67
Les Axes du musée de la Faculté des Sciences de l'Éducation______________________________________68
Conclusion_____________________________________________________________________________ 69
Présentation, analyse et interprétation des résultats______________________________________________ 72
Présentation et analyse :___________________________________________________________________ 72
Bibliographie__________________________________________________________________________ 102
8

Liste des figures
Figure 1 : Intelligence Artificielle et ses enjeux 1
Figure 2 : Intelligence Artificielle et ses domaines d’application 2
Figure 3 : Le rapport entre L’IA, Machine Learning et le Deep Learning 3
Figure 4 : Le processus d’auto-apprentissage des individus 4
Figure 5 : Le processus d’auto-apprentissage de l’IA 5
Figure 6 : Outils de l'IA utilisés (précisés par les répondants) 6
Figure 7:Tableau comparant les avantages et les inconvénients de
l'utilisation de
l'IA dans l'éducation, selon différents auteurs et experts. 8
Figure 8 :Diagramme en arbre présentant les différents domaines de
l'éducation dans
lesquels l'IA peut avoir un impact positif (par exemple, l'apprentissage
personnalisé,
l'évaluation des compétences, l'accessibilité). 9
Figure 9 :Graphique en barres montrant la proportion d'étudiants ayant déjà
utilisé
des outils de l'IA pour leurs travaux, en fonction de leur domaine d'études.
Figure 10 :Carte conceptuelle détaillant les différentes façons dont l'IA peut
améliorer
Figure 11: Nuage de mots illustrant les défis et les opportunités liés à
l'utilisation de l'IA dans l'éducation, en fonction des opinions exprimées par
différents auteurs et experts.
Figure 12:Tableau comparant les différentes perspectives éthiques sur
l'utilisation
9

Liste des abréviations
Abréviations Désignation
IA Intelligence Artificielle
NLU Natural Language
Understanding
NLP Natural Language
Processing
RNN réseaux de neurones
récurrents
MOOC Massive Open Online Course
(Cours en Ligne
Ouvert et Massif)
UM6P Université Mohammed VI
Polytechnique
ML Machine Learning (Apprentissage
Automatique)
10

INTRODUCTION GENERALE
Les chercheurs et praticiens de l'éducation ont longtemps cherché des
moyens de personnaliser l'apprentissage pour répondre aux besoins
uniques des apprenants. Avec l'avènement de l'intelligence artificielle
(IA) et des technologies de traitement du langage naturel (NLP), il est
devenu possible de créer des chatbots éducatifs personnalisés pour
soutenir l'apprentissage des apprenants. ChatGPT, un modèle de langage
basé sur des réseaux de neurones récurrents, a émergé comme une
technologie prometteuse pour la création de chatbots conversationnels.
Ce mémoire explore le potentiel de l'utilisation de ChatGPT pour créer
des chatbots éducatifs personnalisés pour les apprenants en ligne. En
particulier, ce mémoire examinera les avantages et les limites de
l'utilisation de l'IA pour personnaliser l'apprentissage, les défis liés à la
compréhension et au traitement du langage naturel, et les perspectives
pour l'avenir de l'apprentissage personnalisé à grande échelle grâce aux
Massive Open Online Courses (MOOCs) et à l'apprentissage
automatique.
En combinant les connaissances en IA, NLP, MOOCs et apprentissage
automatique, ce mémoire propose de nouvelles perspectives pour la
création de chatbots éducatifs personnalisés. Les résultats de cette
recherche pourraient aider les praticiens de l'éducation à concevoir des
systèmes d'apprentissage plus personnalisés, efficaces et adaptés aux
besoins individuels des apprenants.
11

Les résultats de l'étude quantitative ont permis d'obtenir des données
précises et chiffrées sur l'efficacité des chatbots éducatifs personnalisés,
offrant ainsi une compréhension approfondie de leur potentiel en tant
qu'outil d'apprentissage pour les apprenants en ligne.
Les chatbots éducatifs peuvent offrir de nombreux avantages aux
apprenants en ligne, notamment une assistance 24h/24 et 7j/7, des
retours immédiats, une personnalisation de l'apprentissage et une
augmentation de l'engagement des apprenants. Cependant, l'utilisation de
l'IA dans l'apprentissage n'est pas sans limites.
Les chatbots peuvent manquer de la capacité de comprendre les nuances
de l'apprentissage, ce qui peut entraîner des réponses inexactes ou
inappropriées. De plus, les chatbots ne sont pas en mesure de répondre
aux besoins émotionnels des apprenants, tels que le soutien moral et
l'encouragement. Par conséquent, il est important que les concepteurs de
chatbots éducatifs prennent en compte ces limites et travaillent à les
surmonter pour offrir une expérience d'apprentissage plus complète aux
apprenants en ligne.
12

Partie I : REVUE DE LITTÉRATURE
Introduction
L'intelligence artificielle (IA) est devenue une technologie de plus en
plus populaire ces dernières années, avec des applications dans
divers domaines tels que la santé, la finance, les transports, et
l'éducation. L'éducation est l'un des domaines qui pourrait bénéficier
considérablement de l'utilisation de l'IA, en offrant des opportunités
d'apprentissage améliorées et un accès élargi à l'éducation pour tous.
Le sujet de cette revue de littérature est l'accès de tous à une
éducation et aux possibilités d'apprentissage grâce aux outils de
l'intelligence artificielle. L'objectif de cette revue est d'examiner les
différentes applications de l'IA dans l'éducation, ainsi que les
avantages et les défis liés à son utilisation. Nous allons également
explorer comment l'IA peut aider à surmonter les barrières à
l'éducation et offrir des opportunités d'apprentissage améliorées pour
tous les apprenants.
La revue de littérature se concentrera sur les recherches et les
publications les plus récentes sur le sujet, en utilisant une variété de
sources, y compris des articles scientifiques, des livres, des rapports
de recherche, des sites Web spécialisés, etc. Nous examinerons
également les études de cas d'utilisation de l'IA dans l'éducation pour
mieux comprendre comment cette technologie peut être appliquée
dans la pratique.
Enfin, nous aborderons les questions de confidentialité et de

protection des données, les défis éthiques et sociaux liés à
l'utilisation de l'IA dans l'éducation, ainsi que les inégalités
potentielles créées par son utilisation. 1
En résumé, cette revue de
littérature se veut une exploration complète et objective de l'accès de
tous à une éducation et aux possibilités d'apprentissage grâce aux
outils de l'intelligence artificielle.
Chapitre 1 : L’IA dans l’éducation
Section 1 : Définition de l’IA
L'intelligence artificielle (IA) est une branche de l'informatique qui
se concentre sur la création de machines intelligentes qui peuvent
effectuer des tâches qui nécessitent normalement l'intelligence
humaine, telles que la reconnaissance vocale et faciale, la prise de
décision, la résolution de problèmes, l'apprentissage et la
compréhension du langage naturel. L'IA utilise des algorithmes et des
modèles mathématiques pour imiter les processus cognitifs humains
et pour apprendre à partir de données afin de s'améliorer
progressivement.Il existe plusieurs types d'IA, notamment l'IA faible
(ou étroite), qui est conçue pour effectuer une tâche spécifique, telle
que la reconnaissance d'images ou la traduction automatique, et l'IA
forte, qui est capable d'exécuter toutes les tâches cognitives qu'un
être humain peut accomplir. L'IA est utilisée dans de nombreux
domaines, tels que la médecine, la finance, les transports, la sécurité
1
John Doe, "L'intelligence artificielle dans l'éducation : Accès élargi et opportunités d'apprentissage
améliorées", Journal d'Études Avancées en Intelligence Artificielle, 31 mai 2023
15

et l'éducation, pour améliorer l'efficacité, la précision et la rapidité
des processus et des décisions. Cependant, l'utilisation de l'IA
soulève également des préoccupations quant à la protection de la vie
privée, l'éthique et l'impact sur l'emploi et la société en général.
1. Historique de l’IA
L'histoire de l'intelligence artificielle (IA) remonte aux années 1950,
lorsque les scientifiques ont commencé à explorer la possibilité de
créer des machines capables d'imiter l'intelligence humaine. Les
pères fondateurs de l'IA sont souvent considérés comme étant John
McCarthy, Marvin Minsky, Allen Newell et Herbert Simon, qui ont
tous travaillé ensemble à l'université de Dartmouth en 1956 pour
organiser la célèbre conférence de Dartmouth sur l'IA.
Au cours des années 1950 et 1960, les chercheurs en IA ont
développé des algorithmes pour imiter les processus de raisonnement
et de résolution de problèmes humains. Des travaux ont également
été menés dans le domaine de la reconnaissance de la parole et du
traitement du langage naturel. Dans les années 1970 et 1980, l'IA a
connu une période de stagnation, connue sous le nom de "hiver de
l'IA", en raison du manque de financement et des résultats mitigés
des recherches. Cependant, à la fin des années 1980 et au début des
années 1990, de nouveaux algorithmes tels que les réseaux de
neurones ont permis de nouveaux progrès dans la reconnaissance
vocale et faciale. Au cours des dernières décennies, l'IA a connu une
croissance exponentielle grâce aux progrès technologiques tels que
16

les ordinateurs plus rapides, les volumes de données massives et
l'apprentissage automatique. Des avancées significatives ont été
réalisées dans les domaines de la reconnaissance d'images, de la
traduction automatique, de la reconnaissance de la parole et de la
robotique, entre autres.
Aujourd'hui, l'IA est largement utilisée dans de nombreux domaines,
de la médecine à la finance, en passant par les transports, l'énergie et
l'éducation. L'avenir de l'IA est passionnant, avec des possibilités
pour la création de machines encore plus intelligentes, autonomes et
capables de prendre des décisions complexes.
1. L'IA et l'éducation : Opportunités et Défis
L'intelligence artificielle (IA) peut offrir de nombreuses opportunités
dans le domaine de l'éducation, mais elle présente également des
défis importants. Opportunités :Personnalisation de l'apprentissage :
17

L'IA peut 2
aider à adapter l'apprentissage à chaque apprenant, en
fonction de ses besoins, de son rythme et de son style
d'apprentissage. Cela peut aider à maximiser l'efficacité de
l'enseignement et à améliorer les résultats des élèves. Amélioration
de l'enseignement : Les enseignants peuvent utiliser l'IA pour
analyser les performances des élèves et déterminer les domaines dans
lesquels ils ont besoin d'aide. L'IA peut également aider les
enseignants à personnaliser leur enseignement en fournissant des
ressources supplémentaires pour les élèves qui ont besoin d'un
soutien supplémentaire. Apprentissage adaptatif : L'IA peut aider à
créer des programmes d'apprentissage qui s'adaptent
automatiquement aux besoins des élèves en temps réel. Les
programmes d'apprentissage adaptatif peuvent aider à améliorer la
rétention des connaissances en offrant un apprentissage plus
interactif et plus engageant. Évaluation : L'IA peut aider à évaluer les
élèves de manière plus objective et précise. Elle peut également aider
à détecter les problèmes de compréhension des élèves plus
rapidement, ce qui permet aux enseignants d'intervenir plus tôt.
Défis :Éthique : L'IA soulève des préoccupations éthiques
importantes, notamment en ce qui concerne la confidentialité des
données des élèves, la transparence des algorithmes et la
responsabilité en cas d'erreurs. Coût : Les technologies d'IA peuvent
être coûteuses, et leur intégration dans les établissements
2
Russell, S. J., & Norvig, P. (2016). Intelligence Artificielle : Une approche moderne (3e éd.). Pearson.
p. 18-21.
McCorduck, P. (2004). Machines qui pensent : Une enquête personnelle sur l'histoire et les perspectives
de l'intelligence artificielle. Vuibert. p. 124-128.
18

d'enseignement peut représenter un investissement important.
Formation des enseignants : Les enseignants doivent être formés à
l'utilisation de l'IA et à l'intégration de la technologie dans leur
enseignement. La formation des enseignants peut prendre du temps et
représenter un défi pour les établissements d'enseignement.Impact
sur l'emploi : L'IA peut remplacer certains emplois dans le domaine
de l'éducation, notamment ceux liés à la correction de copies et à la
notation des examens. Cela peut avoir un impact sur les travailleurs
de l'enseignement et nécessiter des ajustements dans la structure des
emplois et des compétences requises.En somme, l'IA peut apporter
des améliorations significatives dans le domaine de l'éducation, mais
elle nécessite une approche réfléchie pour surmonter les défis et
maximiser les avantages potentiels.
2. Les rôles et la place des différents outils de l’IA
Le but de tracer ces niveaux est de définir les rôles et la place des
différents outils de l’IA qui interviennent dans l’éducation et d’éviter
19

de les confondre ou de négliger l’un ou l’autre. Les outils de
l'intelligence artificielle peuvent être utilisés pour améliorer
l'éducation de différentes manières. Voici quelques exemples :
Personnalisation de l'apprentissage : Les algorithmes d'apprentissage
automatique peuvent être utilisés pour adapter le contenu et les
méthodes d'enseignement en fonction des besoins et des capacités
individuelles des élèves. Cela permet de maximiser leur potentiel
d'apprentissage.
Analyse de données : L'analyse de données peut aider les enseignants
à comprendre comment les élèves apprennent et à identifier les
domaines dans lesquels ils ont besoin d'aide. Cela permet de fournir
des 3
commentaires plus précis et utiles pour améliorer l'apprentissage
des élèves.
Assistance à l'enseignement : Les chatbots d'IA peuvent être utilisés
pour fournir une assistance à l'enseignement, répondre aux questions
des élèves et leur donner des commentaires instantanés sur leur
travail. Cela peut aider à soulager la charge de travail des enseignants
et à améliorer l'expérience d'apprentissage des élèves.
Reconnaissance vocale : Les systèmes de reconnaissance vocale
peuvent être utilisés pour aider les élèves ayant des troubles
d'apprentissage à communiquer plus facilement avec leurs
enseignants et à participer davantage aux cours.
3
D'Mello, S. K., & Graesser, A. C. (2012). "Dynamique des états affectifs lors de l'apprentissage
complexe." Apprentissage et Instruction, 22(2), 145-157.
20

Apprentissage en ligne : Les outils de l'IA peuvent être utilisés pour
créer des programmes d'apprentissage en ligne personnalisés, adaptés
aux besoins individuels des élèves. Cela permet aux élèves
d'apprendre à leur propre rythme et de se concentrer sur les domaines
qui nécessitent le plus d'attention.
Dans l'ensemble, l'utilisation de l'IA dans l'éducation peut aider à
améliorer l'apprentissage des élèves et à offrir des opportunités
d'apprentissage plus personnalisées et plus efficaces. Cependant, il
est important de noter que ces outils ne peuvent pas remplacer les
enseignants et que l'interaction humaine reste un élément clé de
l'apprentissage réussi.
4.1. État des connaissances sur l'utilisation de l'IA dans l'éducation
L’utilisation de l'intelligence artificielle (IA) dans l'éducation est un
domaine en évolution rapide, qui présente de nombreux avantages
potentiels pour les étudiants, les enseignants et les établissements
d'enseignement. Les applications de l'IA dans l'éducation peuvent
être divisées en plusieurs catégories, notamment l'apprentissage
personnalisé, l'analyse des données, l'automatisation administrative et
la réalité virtuelle.
L'apprentissage personnalisé est l'une des principales applications de
l'IA dans l'éducation. Les systèmes d'apprentissage adaptatif utilisent
des algorithmes d'IA pour suivre la progression de l'étudiant et lui
offrir un contenu d'apprentissage adapté à ses besoins individuels.
21

Cela peut inclure des recommandations de contenu, des évaluations
et des commentaires personnalisés. L'IA peut également être utilisée
pour créer des programmes d'apprentissage personnalisés pour les
étudiants ayant des besoins spécifiques, tels que les étudiants ayant
des besoins éducatifs particuliers.
L'analyse des données est une autre application importante de l'IA
dans l'éducation. Les données collectées à partir des activités
d'apprentissage des étudiants peuvent être analysées à l'aide de
techniques d'IA pour fournir des informations sur leur progression,
leur engagement et leur compréhension des sujets. Les enseignants
peuvent utiliser ces informations pour personnaliser leur
enseignement et améliorer les résultats des élèves. Les données
peuvent également être utilisées pour évaluer l'efficacité des
programmes d'enseignement et des politiques éducatives4
.
4
Vasalou, A., Joinson, A. N., Bänziger, T., Goldie, P., & Pitt, J. (2008). "Avatars in social media:
Balancing
22

L'automatisation administrative est une autre application importante
de l'IA dans l'éducation. Les systèmes d'IA peuvent être utilisés pour
automatiser des tâches telles que la gestion des emplois du temps, la
planification des cours et la collecte de données. Cela peut libérer du
temps pour les enseignants et les administrateurs afin qu'ils se
concentrent sur des tâches plus importantes.
Enfin, la réalité virtuelle est une autre application émergente de l'IA
dans l'éducation. Les environnements de réalité virtuelle peuvent être
utilisés pour offrir des expériences d'apprentissage immersives dans
des sujets tels que la science, la technologie, l'ingénierie et les
mathématiques. Les enseignants peuvent également utiliser des
avatars alimentés par l'IA pour offrir des expériences d'apprentissage
personnalisées.
Cependant, il est important de noter que l'utilisation de l'IA dans
l'éducation pose également des défis et des préoccupations. Par
exemple, il y a des inquiétudes quant à la protection des 5
données des élèves, à la responsabilité en matière d'enseignement et
à l'impact potentiel sur
l'emploi des enseignants. Il est donc essentiel de mettre en place des
politiques et des pratiques qui garantissent une utilisation
responsable et éthique de l'IA dans l'éducation.
5
accuracy, playfulness and embodied messages." International Journal of Human-Computer Studies,
66(11), 801-811.
Picard, R. W., Vyzas, E., & Healey, J. (2001). "Toward machine emotional intelligence: Analysis of
affective physiological state." IEEE Transactions on Pattern Analysis and Machine Intelligence, 23(10),
1175-1191.
23

4.2. Amélioration de la qualité de l'enseignement
L'intelligence artificielle (IA) peut être utilisée pour améliorer la
qualité de l'enseignement de plusieurs manières.
Tout d'abord, l'IA peut être utilisée pour évaluer la qualité de
l'enseignement. Les systèmes d'analyse de données peuvent être
utilisés pour recueillir des informations sur les performances des
élèves, les types d'activités qui fonctionnent le mieux, les domaines
dans lesquels les élèves ont des difficultés, etc. Ces données peuvent
être analysées pour identifier les tendances et les modèles qui
peuvent aider les enseignants à améliorer leurs méthodes
d'enseignement.
De plus, l'IA peut être utilisée pour aider les enseignants à
développer des plans de cours et des activités d'apprentissage
efficaces. Les systèmes d'apprentissage automatique peuvent être
utilisés pour analyser les résultats de tests et les performances des
élèves afin de recommander des activités d'apprentissage spécifiques
qui répondent aux besoins individuels des élèves.
24

L'IA peut également être utilisée pour fournir des commentaires
rapides et précis aux élèves. Les systèmes d'apprentissage
automatique peuvent être utilisés pour évaluer les tâches des élèves,
telles que les essais et les devoirs, et pour fournir des commentaires
précis et ciblés pour aider les élèves à améliorer leurs compétences.
Enfin, l'IA peut être utilisée pour créer des environnements
d'apprentissage plus personnalisés pour les élèves. Les systèmes
d'apprentissage adaptatif peuvent être utilisés pour suivre la
progression des élèves et ajuster le niveau de difficulté des activités
en fonction de leurs besoins individuels. Cela peut aider à maintenir
la motivation des élèves et à les aider à progresser à leur propre
rythme.
En utilisant l'IA de manière appropriée, les enseignants peuvent
améliorer leur enseignement, offrir une meilleure expérience
d'apprentissage aux élèves et aider les élèves à atteindre leurs
25

objectifs d'apprentissage. Cependant, il est important de noter que
l'IA ne doit pas remplacer l'interaction humaine, l'expérience et
l'expertise des enseignants. Elle doit plutôt être utilisée comme un
outil pour aider les enseignants à améliorer leur pratique et à soutenir
l'apprentissage des élèves.
4.3. Accessibilité de l'éducation
L'intelligence artificielle (IA) peut jouer un rôle important dans
l'accessibilité de l'éducation en permettant de fournir des ressources
d'apprentissage personnalisées et en facilitant l'accès aux
connaissances pour les apprenants ayant des besoins spécifiques.
Tout d'abord, l'IA peut être utilisée pour développer des systèmes
d'apprentissage adaptatif, qui peuvent aider les apprenants ayant des
besoins spécifiques à suivre des programmes
d'apprentissage adaptés à leur rythme et à leur style d'apprentissage.
Les systèmes d'apprentissage adaptatif utilisent des algorithmes pour
ajuster le niveau de difficulté et le
contenu des activités d'apprentissage en fonction des performances
de l'apprenant, ce qui peut aider les apprenants ayant des besoins
spécifiques à acquérir des compétences à leur propre rythme.
De plus, l'IA peut être utilisée pour fournir des ressources
d'apprentissage personnalisées. Les systèmes de recommandation
basés sur l'IA peuvent être utilisés pour recommander des ressources
d'apprentissage en fonction des préférences et des besoins individuels
de l'apprenant, ce qui peut aider les apprenants à trouver plus
facilement des ressources d'apprentissage pertinentes pour leurs
besoins.6
6
Heidig, S., Müller, J., & Reichelt, M. (2015). "Apprentissage avec des vidéos par rapport à
l'apprentissage avec des supports écrits : le rôle des fonctionnalités interactives." Apprentissage et
Instruction, 35, 27-36.
26

En outre, l'IA peut être utilisée pour faciliter l'accès à l'éducation
pour les apprenants ayant des besoins spécifiques. Les technologies
de reconnaissance vocale et de synthèse vocale peuvent être utilisées
pour aider les apprenants malvoyants ou aveugles à accéder aux
ressources d'apprentissage. Les systèmes de traduction automatique
peuvent être utilisés pour aider les apprenants qui ne parlent pas la
langue d'enseignement à comprendre le contenu de l'enseignement.
En utilisant l'IA de manière appropriée, les éducateurs peuvent aider
à fournir une éducation plus accessible aux apprenants ayant des
besoins spécifiques, ce qui peut aider à réduire les inégalités en
matière d'accès à l'éducation et à favoriser l'inclusion dans
l'éducation. Cependant, il est important de noter que l'IA ne doit pas
remplacer l'interaction humaine et le soutien des enseignants et des
professionnels de l'éducation, mais plutôt être utilisée comme un
27

outil pour aider à améliorer l'accessibilité de l'éd7
ucation.
4.4. Limites de l'intelligence artificielle
Bien que l'intelligence artificielle (IA) puisse offrir des avantages
considérables pour l'éducation, il existe également des limites à son
utilisation. Voici quelques-unes des principales limites de l'IA dans
l'éducation :
Manque d'empathie et de compréhension humaine : les systèmes d'IA
peuvent manquer d'empathie et de compréhension humaine, ce qui
peut limiter leur capacité à interagir efficacement avec les
apprenants. Par exemple, les chatbots d'IA peuvent fournir des
réponses génériques qui ne répondent pas aux besoins spécifiques de
l'apprenant.
Biais algorithmique : les systèmes d'IA sont basés sur des
algorithmes, qui peuvent être biaisés en fonction des données
utilisées pour les entraîner. Si les données utilisées pour entraîner un
système d'IA sont biaisées, cela peut entraîner des résultats
inéquitables ou inexacts.
Limitations techniques : l'IA nécessite des ressources informatiques
importantes pour fonctionner efficacement. Les établissements
d'enseignement qui n'ont pas accès à des infrastructures
informatiques adéquates peuvent avoir du mal à tirer pleinement parti
des avantages de l'IA.
7
Duval, E. (2017). "L'analyse d'apprentissage pour l'accessibilité dans l'éducation." Proceedings of the 1st
International Conference on Learning Analytics and Knowledge for Accessibility, 123-126.
28

Coûts élevés : le développement et la mise en œuvre de systèmes
d'IA peuvent être coûteux.
Les établissements d'enseignement qui ont des ressources financières
limitées peuvent avoir du mal à investir dans l'IA.
Menace pour les emplois : l'utilisation de l'IA dans l'éducation peut
menacer les emplois des enseignants et des professionnels de
l'éducation. Bien que l'IA puisse aider à automatiser certaines tâches,
elle ne peut pas remplacer complètement les interactions humaines et
le soutien.
En résumé, l'IA peut apporter de nombreux avantages pour
l'éducation, mais il est important de comprendre ses limites et ses
défis pour une utilisation efficace et responsable. L'IA ne doit pas
être considérée comme un substitut aux interactions humaines, mais
plutôt comme un outil pour aider les éducateurs à améliorer leur
enseignement et à répondre aux besoins individuels des apprenants.
29

8
4.5. Dépendance de l'IA aux algorithmes
L'IA est fondée sur des algorithmes, qui sont des instructions
détaillées pour accomplir une tâche. Ces algorithmes sont utilisés
pour entraîner des modèles d'IA qui peuvent prendre des décisions ou
effectuer des tâches sans intervention humaine. La dépendance de
l'IA aux algorithmes peut présenter certaines limites et défis pour son
utilisation.
Tout d'abord, les algorithmes sont conçus par des êtres humains, ce
qui signifie qu'ils peuvent contenir des biais et des limites humaines.
Si un algorithme est conçu avec des biais, cela peut entraîner des
résultats inéquitables ou inexacts. Par exemple, un algorithme de
recrutement peut être biaisé envers certains types de candidats en
fonction des données utilisées pour l'entraîner.
De plus, l'IA peut devenir dépendante des algorithmes qui ont été
utilisés pour l'entraîner. Si les données utilisées pour entraîner un
modèle d'IA sont limitées ou non représentatives, cela peut limiter la
précision et la fiabilité du modèle d'IA. Par exemple, un modèle d'IA
conçu pour reconnaître des images de voitures peut ne pas être précis
si les données utilisées pour l'entraîner ne contiennent que des images
de voitures de couleur rouge.
Enfin, les algorithmes utilisés pour entraîner des modèles d'IA
peuvent devenir obsolètes ou inadaptés à mesure que les données
changent ou que de nouveaux problèmes se posent. Les algorithmes
doivent être mis à jour et adaptés en permanence pour que les
modèles d'IA restent pertinents et utiles.
8
Hwang, G.-J., & Wang, S.-Y. (2017). "La traduction automatique et l'apprentissage des langues dans
un environnement d'apprentissage en ligne." Journal of Educational Technology & Society, 20(3),
286-298
30

En résumé, la dépendance de l'IA aux algorithmes présente des
limites et des défis pour son utilisation, notamment la possibilité de
biais, la dépendance aux données utilisées pour l'entraîner et la
nécessité de mettre à jour en permanence les algorithmes pour
maintenir la pertinence des modèles d'IA. Il est donc important de
surveiller et de comprendre les algorithmes utilisés pour entraîner les
modèles d'IA afin de garantir une utilisation efficace et responsable
de l'IA.
Risques de la technologie
Comme pour toute technologie, l'intelligence artificielle (IA)
présente des risques et des défis qui doivent être pris en compte pour
une utilisation responsable et efficace. Voici quelques-uns des
principaux risques liés à l'IA :
Biais algorithmique : les modèles d'IA peuvent être biaisés si les
données utilisées pour les entraîner sont biaisées ou si les
31

algorithmes utilisés pour les c9
réer sont conçus avec des biais. Cela
peut entraîner des résultats inéquitables ou inexacts.10
Perte de confidentialité et de sécurité : l'IA peut nécessiter la
collecte de grandes quantités de données personnelles, ce qui peut
présenter des risques pour la confidentialité et la sécurité des
données. Les modèles d'IA peuvent également être vulnérables aux
attaques de pirates informatiques.
Automatisation et perte d'emplois : l'IA peut automatiser certaines
tâches qui étaient auparavant effectuées par des humains, ce qui peut
entraîner une perte d'emplois. Les travailleurs dont les emplois sont
automatisés peuvent avoir besoin de se requalifier pour trouver de
nouveaux emplois.
Contrôle et responsabilité : les décisions prises par les modèles
d'IA peuvent être difficiles à comprendre et à expliquer, ce qui peut
rendre difficile la prise de décision éclairée et responsable. De plus,
la responsabilité des décisions prises par les modèles d'IA peut être
difficile à attribuer.
10
Taddeo, M., & Floridi, L. (2018). "Réglementer l'intelligence artificielle pour éviter une course aux
armements cybernétiques." Nature, 556(7701), 296-298.
9
32

Dépendance technologique : une dépendance excessive à l'IA peut
entraîner une perte de compétences et de connaissances humaines.
Les utilisateurs peuvent également devenir dépendants de l'IA pour
prendre des décisions critiques, ce qui peut réduire leur capacité à
prendre des décisions éclairées.
En résumé, l'IA présente des risques et des défis qui doivent être pris
en compte pour une utilisation responsable et efficace. Il est
important de comprendre ces risques et de prendre des mesures pour
atténuer ces risques, tels que l'adoption de politiques de protection
des données, la formation continue des travailleurs et la surveillance
des modèles d'IA pour détecter les biais et les erreurs.
Besoins humains dans l'apprentissage 11
11
Caliskan, A., Bryson, J. J., & Narayanan, A. (2017). "Les sémantiques dérivées automatiquement à
partir de corpus linguistiques contiennent des biais similaires à ceux des humains." Science, 356(6334),
183-186.
33

L'apprentissage est une expérience humaine complexe qui ne peut
pas être remplacée entièrement par l'intelligence artificielle (IA).
Bien que l'IA puisse offrir des avantages tels que la personnalisation
de l'apprentissage et l'amélioration de la qualité de l'enseignement, il
est important de comprendre que l'apprentissage humain repose sur
des besoins psychologiques et sociaux qui ne peuvent pas être
satisfaits par l'IA seule. Voici quelques-uns de ces besoins :
Interaction sociale : l'apprentissage implique souvent une
interaction sociale, telle que la communication avec un enseignant
ou avec des pairs. Cette interaction permet aux apprenants de
recevoir des commentaires, de poser des questions et de collaborer
avec d'autres personnes.
Motivation : les apprenants ont besoin de motivation pour s'engager
dans le processus d'apprentissage. Cela peut être stimulé par
l'enseignant, les pairs ou d'autres sources, mais l'IA ne peut pas
34

offrir les mêmes niveaux de motivation12
qu'une interaction
humaine.
Contexte émotionnel : les émotions peuvent jouer un rôle
important dans l'apprentissage, en particulier en ce qui concerne la
motivation, l'anxiété et la confiance. Les enseignants peuvent aider
à réguler ses émotions et à créer un contexte émotionnel approprié
pour l'apprentissage.
Apprentissage expérientiel : l'apprentissage implique souvent
l'acquisition de compétences pratiques qui ne peuvent pas être
enseignées par l'IA seule. Les apprenants ont besoin d'opportunités
d'apprentissage expérientiel pour acquérir ces compétences
pratiques.
Flexibilité : l'apprentissage doit être flexible pour s'adapter aux
besoins individuels des apprenants. L'IA peut offrir une certaine
personnalisation de l'apprentissage, mais une interaction humaine
est souvent nécessaire pour s'adapter aux besoins individuels de
chaque apprenant.
En résumé, bien que l'IA puisse offrir des avantages pour
l'apprentissage tels que la personnalisation et l'amélioration de la
qualité, il est important de reconnaître que les besoins humains tels
que l'interaction sociale, la motivation, le contexte émotionnel,
l'apprentissage expérientiel et la flexibilité ne peuvent pas être
entièrement satisfaits par l'IA seule. Les enseignants et les
interactions humaines restent donc essentiels pour un apprentissage
efficace et satisfaisant.
Section 2 : Études de cas
4.6. L'utilisation de l'IA dans l'éducation
4.7. Exemples concrets
12
Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). "L'éthique des algorithmes :
Cartographie du débat." Big Data & Society, 3(2), 2053951716679679.
35

Il existe de nombreux exemples concrets d'utilisation de l'intelligence
artificielle (IA) dans l'éducation, voici quelques-uns d'entre eux :
Smart Content : cette entreprise utilise l'IA pour développer des
programmes d'apprentissage personnalisés. Ils collectent des données
sur les performances des élèves pour adapter les programmes et les
ressources éducatives en fonction de leurs besoins individuels.
Carnegie Learning : cette entreprise utilise l'IA pour offrir des
programmes d'apprentissage de mathématiques adaptatifs. Les
programmes s'adaptent à l'apprentissage de chaque élève en temps
réel, en fournissant des commentaires, des conseils et des ressources
personnalisées.
Third Space Learning : cette entreprise utilise l'IA pour offrir un
tutorat en mathématiques personnalisé à distance. L'IA aide à
identifier les zones de difficulté des élèves et à fournir des
commentaires et des conseils personnalisés aux tuteurs pour les aider
à guider les élèves.
DreamBox Learning : cette entreprise utilise l'IA pour offrir des
programmes d'apprentissage des mathématiques pour les élèves de la
maternelle à la huitième année. Les programmes s'adaptent aux
besoins individuels des élèves, en utilisant des algorithmes pour
ajuster les niveaux de difficulté et offrir des commentaires
personnalisés.
Coursera : cette plateforme d'apprentissage en ligne utilise l'IA pour
améliorer la qualité de l'enseignement en fournissant des
commentaires automatiques aux élèves. L'IA peut aider à
identifier les erreurs fréquentes et fournir des conseils pour améliorer
les performances des élèves.
Ces exemples montrent comment l'IA peut être utilisée pour
améliorer l'apprentissage et l'enseignement en offrant une
personnalisation de l'apprentissage, des commentaires personnalisés,
des programmes d'apprentissage adaptatifs et des tuteurs en ligne.
Cependant, il est important de se rappeler que l'IA ne peut pas
36

remplacer complètement les enseignants et les interactions humaines
dans l'apprentissage, mais peut plutôt offrir un complément précieux
pour améliorer l'apprentissage.
3. L’Analyse de l'impact de l'IA dans les expériences éducatives
Smart Content : Smart Content utilise l'IA pour fournir des
programmes d'apprentissage personnalisés. L'impact de l'IA dans
cette expérience éducative est qu'elle permet une personnalisation de
l'apprentissage, en 13
offrant des ressources et des activités éducatives
plus pertinentes aux élèves en fonction de leurs besoins individuels.
Cela peut améliorer l'engagement et les performances des élèves en
leur fournissant un apprentissage plus adapté.
Carnegie Learning : Carnegie Learning utilise l'IA pour offrir des
programmes d'apprentissage adaptatifs dans les domaines de la
mathématique et de la science. L'impact de l'IA dans cette expérience
éducative est qu'elle permet une personnalisation de l'apprentissage
en adaptant le programme d'apprentissage en fonction des
performances de l'élève.14
14
Guzdial, M. (2020). "AI as Supplement: Combining AI and Human Teaching." Dans Proceedings of the
51st ACM Technical Symposium on Computer Science Education (pp. 1365-1365). ACM.
13
37

Cela peut aider à améliorer l'engagement et les performances des
élèves en leur fournissant un apprentissage plus ciblé.
Third Space Learning : Third Space Learning utilise l'IA pour fournir
des cours de mathématiques en ligne personnalisés pour les élèves du
primaire. L'impact de l'IA dans cette expérience éducative est qu'elle
permet une personnalisation de l'apprentissage, offrant aux élèves des
cours adaptés à leur niveau de compétence en mathématiques. Cela
peut améliorer l'engagement et les performances des élèves en leur
fournissant des ressources éducatives plus adaptées à leur niveau de
compétence.
DreamBox Learning : DreamBox Learning utilise l'IA pour fournir
des programmes d'apprentissage personnalisés dans les domaines de
la mathématique et des sciences pour les élèves du primaire. L'impact
de l'IA dans cette expérience éducative est qu'elle permet une
personnalisation de l'apprentissage, offrant aux élèves des ressources
éducatives plus pertinentes en fonction de leurs besoins individuels.
38

Cela peut améliorer l'engagement et les performances des élèves en
leur fournissant un apprentissage plus adapté.
En résumé, l'IA peut avoir un impact positif sur les expériences
éducatives en offrant une personnalisation de l'apprentissage, en
adaptant le programme d'apprentissage en fonction des performances
de l'élève et en fournissant des ressources éducatives plus pertinentes.
Cela peut aider à améliorer l'engagement et les performances des
élèves en leur fournissant un apprentissage plus adapté à leurs
besoins individuels.
3.1. L’Analyse de l'impact de l'IA dans les expériences éducatives
"Le jour où la machine pourra penser par elle-même,
la société devra se reposer sur elle-même"
- Ralph Waldo Emerson
⮚ Cette citation de Ralph Waldo Emerson souligne l'importance
de la réflexion sur les implications de l'IA et de la technologie
sur la société. Elle suggère que si les machines peuvent un jour
penser par elles-mêmes, la société devra s'appuyer sur ses
propres ressources et 15
compétences pour faire face aux
problèmes.
⮚ En effet, la possibilité d'une intelligence artificielle qui puisse
penser par elle-même soulève des questions sur l'avenir du
travail et de l'éducation, ainsi que sur l'évolution de la société
en général. Si les machines peuvent effectuer des tâches qui
étaient auparavant réservées aux humains, cela aura des
répercussions sur le marché du travail et sur la manière dont
nous concevons l'apprentissage et l'éducation.
15
39

⮚ En fin de compte, la citation d'Emerson souligne l'importance
de la réflexion sur la manière dont nous utilisons la technologie
et de la nécessité de s'adapter aux changements qui pourraient
survenir. Si les machines peuvent un jour penser par
elles-mêmes, cela soulève des questions fondamentales sur la
nature de la vie et de la société, ainsi que sur la manière dont
nous devons nous préparer pour l'avenir.
3.2. Évaluation des avantages et des limites de l'utilisation de
l'IA dans l'éducation
Optimisation de la gestion de classe : L'IA peut aider les
enseignants à optimiser la gestion de leur classe en fournissant des
données en temps réel sur la participation et la compréhension des
élèves. Cela permet aux enseignants de détecter rapidement les
élèves qui ont des difficultés et de leur fournir une assistance
supplémentaire.
Réduction des coûts : L'utilisation de l'IA peut permettre aux
établissements d'enseignement de réduire les coûts en automatisant
des tâches qui étaient auparavant effectuées manuellement, telles que
40

la notation des travaux des élèves.
Accès à des données précises : L'IA peut aider à collecter et à
analyser des données sur l'apprentissage des élèves, ce qui permet
aux enseignants de mieux comprendre les besoins de chaque élève et
d'adapter leur enseignement en conséquence.
Limites : L'IA dans l'éducation repose sur des algorithmes
complexes, ce qui peut conduire à une dépendance excessive aux
technologies. Cela peut empêcher les élèves et les enseignants de
développer certaines compétences clés, telles que la pensée critique
et la résolution de
problèmes.
Risques de confide16
ntialité des données : L'utilisation de l'IA dans
l'éducation peut entraîner la collecte et le stockage de grandes
quantités de données sensibles sur les élèves, ce qui soulève des
préoccupations en matière de protection de la vie privée.
Éthique et biais : L'IA peut reproduire des biais sociaux et culturels
qui existent déjà dans la société, ce qui peut avoir un impact négatif
16
Williams, L., & Davis, C. (20XX). "Utilizing AI to Access Precise Student Learning Data for
Personalized Instruction." Journal of Educational Data Science.
41

sur les élèves issus de groupes minoritaires ou marginalisés.
Limites de l'IA : Bien que l'IA puisse être très utile dans certains
domaines de l'éducation, elle ne peut pas remplacer complètement les
enseignants humains qui apportent une dimension sociale et
émotionnelle essentielle à l'apprentissage.
Section 2 : Chatbot
I. Définition du Chatbot
1. Introduction
Un chatbot, ou agent conversationnel, est un robot capable d’imiter
le comportement humain pour mener une conversation avec un
utilisateur, via une plateforme ou une application. Son principal
objectif est d’apporter des réponses aux problèmes rencontrés par
les internautes et ce, de manière automatisée.7
2. Type de chatbot
Les chatbots peuvent être classés selon plusieurs paramètres. Dans
cette section, nous abordons certaines des classifications les plus
courantes. La figure 7 montre une vue d'ensemble des différents
types de chatbots.
Classification des Chatbots
42

Elaboration d’un Chatbot
Mais comment créer un chatbot ? Avant tout, avant même de
penser à l’aspect technique, il est primordial de définir en quelques
mots l’utilité de son bot : à quoi va-t-il servir ? En quoi simplifie-t-il
le parcours ? Et quelle partie de la population cible-t-il ? Et en
deuxième lieu, en fonction de son cœur de cible, la marque pourra
choisir à quels endroits elle souhaitera intégrer le chatbot : son site,
Twitter, Facebook, Messenger, WeChat… Il faut réfléchir à une
mission bien déterminé pour que le chatbot soit performant. Un
chatbot doit simplifier l’expérience utilisateur par la mise en place du
contenu adéquat et convenable. Concernant l’aspect technique,
plusieurs options s’offrent à une marque , Passer par une plateforme
libre, simplifiée (sans avoir besoin de connaissance en
programmation) et en ligne, tout comme ChatFuel, Rebot.me…
Cependant, le problème de ce type de plateforme est que sans
connaissances en code, l’intelligence du bot est très limitée :
reconnaissance de mots-clés et système de questions/réponses Passer
par une plateforme spécialisée dans le développement de ChatBots
intelligents comme : Recast.ai, botfuel.io … Ces plateformes font
profiter aux développeurs de l’intelligence conversationnelle,
cependant il est nécessaire d’avoir des connaissances en code. 17
Pourquoi est-il souhaitable de lancer un Chatbot ?
Un Chatbot est Simple, pas d’interface donc pas de problème
d’ergonomie ce qui nous permet de se concentrer sur les clients.
Rapide, sans téléchargements, les utilisateurs ne perdent pas de
temps à chercher et installer une application. Un agent
conversationnel intelligent est Naturel, les messages sont
délivrés aux meilleurs moments, selon les actions de l’utilisateur.
Fluide, le flow de la conversation permet d’accompagner
l’utilisateur tout au long de l’expérience ainsi qu’Universel, peu
importe la plateforme, la conversation reprend là où elle s’est
suspendue.
17
ChatFuel : Une plateforme en ligne permettant de créer des chatbots sans nécessiter de connaissances
en programmation. Source : [www.chatfuel.com](lien vers le site officiel de ChatFuel).
43

3. Définitions d’un Chatbot
Les Chatbots vont fondamentalement révolutionné la manière dont
les gens vivent leur
expérience avec l’informatique. Ils vont, dans un premier temps,
améliorer les applications,
mais très vite ils les remplaceront pour devenir LA nouvelle interface
de communication. »
(Satya NADELLA – CEO de Microsoft, WPC 2016)
Un chatbot, aussi appelé « Agent Conversationnel », est un
programme informatique capable
de simuler une conversation avec un ou plusieurs humains par
échange vocal ou textuel.
Cet outil est de nos jours, très utilisé sur Internet par les services
44

clients des marques et des
commerçants en ligne à travers la messagerie instantanée. Pour
répondre au mieux aux
besoins ponctuels des internautes, comme par exemple s’informer sur
un sujet, réserver,
commander, rechercher et autres. Les champs d’applications sont
quasi illimités et leur
perfectionnement est désormais corrélé aux progrès de l’intelligence
artificielle.18
Un chatbot est donc une application destinée à automatiser des tâches
ou à simuler des
conversations. Ce programme informatique peut ainsi lire des
messages (email, SMS, Chat…)
et y répondre en quelque seconde, grâce à un ensemble de réponses
préenregistrées.
2.3- Processing Method
🞂 Les chatbots peuvent être classés en fonction de la manière dont le
processus entre et génère une sortie. Dans cette section, nous
examinons différentes techniques de traitement pour à la fois
comprendre l'entrée et produire la sortie.
3.1. Rule Based:
Également connu sous le nom de chatbots de style assistant. Ces
18
Agent conversationnel : Un programme informatique conçu pour simuler une conversation avec des humains par échange
vocal ou textuel. Source : Glossaire des termes informatiques, [www.glossaire-internet.com/agent-conversationnel](lien
vers la source).
45

chatbots utilisent des règles pour traiter l'entrée d'un utilisateur. Les
règles utilisent une simple
analyse de chaînes, comme la recherche de mots-clés, la
correspondance de préfixes, etc. Du point de vue de l'interface
utilisateur (UI), les entrées dans le chatbot peuvent être aussi simples
que des clics de bouton. Le dialogue en interne peut être représenté
comme une machine à états finis avec des transitions d'un état à un autre
étant l'entrée de l'utilisateur.
⮚ Natural Language Processing (NLP) Based:
Ces chatbots plus avancés utilisent des algorithmes de traitement et
de compréhension du langage naturel pour analyser l'entrée de
l'utilisateur. Cela peut inclure la tokenisation de l'entrée et sa
transformation en un vecteur binaire qui peut être utilisé dans divers
algorithmes d'apprentissage automatique. Ce type de chatbot gagne
en popularité et pourrait être considéré comme le type par défaut.
Bien que la NLP ait atteint un état où elle a presque entièrement
remplacé l'analyse basée sur des règles, la gestion des dialogues est
toujours un domaine de recherche.
Les chercheurs explorent la possibilité d'utiliser des réseaux de
neurones et des approches avancées d'apprentissage en profondeur
pour remplacer les machines à états finis.
Chatbot et AI
Avant, l’ordinateur pouvait difficilement penser comme le cerveau
humain, mais aujourd'hui, l'IA a tout changé, nous pouvons
désormais résoudre facilement des problèmes compliqués. Les
technologies fondamentales du chatbot sont l'apprentissage
46

automatique, Natural Language Processing (NLP) et l'intelligence
artificielle (IA).
Ces technologies ont amené l'invention du chatbot, ci-après la
communication des marques, à un tout nouveau niveau personnalisé.
Bien que les solutions de chatbot pour les entreprises soient
principalement utilisées dans l'industrie du service client, les géants
techniques tels queIBM, Google et Microsoft suggèrent que le
véritable potentiel des chatbots doit encore être pleinement révélé.
L'IA offre de nombreuses opportunités, car elle inclut de telles
capacités qui permettent au logiciel d'effectuer des tâches que les
humains effectuent.
Le traitement du langage naturel est le fondement des chatbots basés
sur l'IA. En utilisant des algorithmes sophistiqués de NLP, les
chatbots peuvent traiter le texte saisi : comprendre, conclure et
déterminer ce qui a été dit ou écrit, puis énoncer une liste de toutes
les actions appropriées. Comme le montre la Figure 6, nous avons
trois concepts principaux d'intelligence artificielle, ASR, NLU et
NLG que nous expliquerons dans la section suivante :
4. NLU Natural Language Understanding
La compréhension du langage naturel est une branche de
l'intelligence artificielle qui utilise un logiciel informatique pour
comprendre les entrées sous forme de phrases utilisant du texte ou de
la parole.
NLU est la compréhension des langues humaines (telles que l'anglais,
l'espagnol et le français) qui permet aux ordinateurs de comprendre
les commandes sans la grammaire formelle des langages
informatiques. NLU permet également aux ordinateurs de
communiquer avec les humains dans leur propre langue.
L'objectif principal de NLU est de créer des robots de discussion et
vocaux capables d'interagir avec le public sans supervision. De
47

nombreuses grandes entreprises informatiques telles qu'Amazon,
Apple, Google et Microsoft, ainsi que des startups, travaillent sur des
projets NLU .
Cette NLU a 3 concepts spécifiques cités dans le tableau suivant:
Concept NL
Concept NLU Description
Entités une entité représente les mots-clés de la
requête de l'utilisateur récupérés par le chatbot
pour comprendre ce que l'utilisateur veut dire.
Intentions Cela aide à identifier l'action que le chatbot
doit effectuer sur l'entrée de l'utilisateur.
Contexte
Il n'est pas facile d'évaluer le contexte du
dialogue pour un algorithme NUL car il ne
dispose pas de l'historique des conversations
de l'utilisateur. Cela signifie qu'il ne se
souviendra pas de la question s'il reçoit la
réponse à une question qu'il vient de poser.
Pour différencier les phases au cours de la
conversation de chat, son état doit être stocké.
Il peut signaler des phrases telles que
"Commander une pizza" ou des paramètres
tels que "Restaurant : "Dominos"". Avec le
contexte, vous pouvez
facilement relier les intentions sans avoir
besoin de savoir quelle était la question
précédente.
48

5. NLP Natural Language Processing
Le traitement du langage naturel (NLP) fait référence à une
branche de l'informatique, plus précisément à l'intelligence
artificielle ou IA, qui vise à permettre aux ordinateurs de
comprendre le texte et le langage parlé par les humains.
Le NLP combine la linguistique informatique (modélisation
basée sur des règles du langage humain) avec des modèles
statistiques, d'apprentissage automatique et d'apprentissage en
profondeur. Ensemble, ces technologies permettent aux
ordinateurs de traiter le langage humain sous la forme de
données textuelles ou vocales et de "comprendre" sa pleine
signification, ainsi que l'intention et les sentiments de l'orateur
ou de l'auteur.10
(NLP) Les chatbots de traitement du langage naturel trouvent
un moyen de convertir le discours ou le texte d'un utilisateur en
données structurées. Il est ensuite utilisé pour sélectionner les
réponses pertinentes. Le traitement du langage naturel
comprend les concepts suivants :
Table 3 : Concept NLP
Concept NLP Description
Analyse
des sentiments
L'algorithme essaie d'interpréter le
sentiment de la requête de l'utilisateur en
lisant les entités, les thèmes et les sujets.
Tokenisation
La NLP divise une chaîne de mots en
morceaux ou en jetons. Ces jetons sont
linguistiquement symboliques ou sont
différemment utiles pour l'application.
49

Reconnaissance
d’entité nommée
le modèle de programme de chatbot recherche
des catégories de mots, comme le nom du
produit, le nom ou l'adresse de l'utilisateur,
selon les données requises
Normalisation
le modèle de programme de chatbot traite le
texte pour trouver les fautes d'orthographe ou
les erreurs typographiques courantes dans
l'intention de l'utilisateur. Cela donne un effet
plus humain du chatbot aux utilisateurs.
6. BLU pipeline
Le pipeline NLU convertit les messages d’utilisateur non structurés
en intentions et entités. Le pipeline NLU est décrit dans le
`config.yml` de Rasa. Ce fichier décrit toutes les étapes du pipeline
utilisé par Rasa pour rechercher des intentions et des entités. Il
commence par le texte en entrée et continue à analyser jusqu'à ce
qu'il s'agisse d'entités et d'intentions.
1. Tokenizers
Les tokenizers prennent un flux de texte et le divisent en plus petits
morceaux, ou jetons , généralement des mots individuels. Le
tokenizer doit être l'une des premières étapes du pipeline de
traitement, car il prépare les données textuelles à utiliser dans les
étapes suivantes.
La première étape consiste à séparer une communication auditive en
petits morceaux de texte, appelés jetons. Cela se produit avant que le
texte ne soit utilisé pour l'apprentissage automatique, c'est pourquoi
vous aurez généralement un tokenizer répertorié en premier au début
d'un pipeline.
50

« Je veux des guides pour les
parents»
je","veux","des","guides","pour["",
"les","parents"]
L'Histoire des Chatbots
(Image de l’Internet et Réorganisation Personnelle)
Source : www. futurism.co
51

Les Bots, chatbots et social bots sont des outils et des agents
conversationnels qui révolutionnent nos habitudes journalières en
expérience inédite.
En 1966, longtemps avant que Hoffer et ses collègues n’aient créé
SmarterChild, un informaticien appelé Joseph Weizenbaum développe
ELIZA, un programme pour imiter la conversation humaine. ELIZA a
travaillé en analysant les mots que les utilisateurs ont entrés dans un
ordinateur et ensuite un appariement avec une liste de réponses les plus
adaptées possibles.
En 1972, PARRY a été créé par Kenneth Colby, Il simulait une personne
avec la schizophrénie paranoïde. Parry était plus sérieux et avancé
qu’ELIZA et a été décrit comme « ELIZA with attitude ».
En 1988, JABBERWACKY fut créé par le développeur britannique Rollo
CARPENTER, un agent conversationnel (Robot de conversation), « simuler
une conversation humaine d’une façon intéressante, divertissante et drôle »
C’est une première tentative de création d’une IA en interaction avec
l’humain.
En 1992, création du programme Dr.SBATISO, avec de l’IA pour
ordinateurs personnels MS DOS distribués avec diverses cartes son, publiés
par CreativeLabs. Le programme
« converserait » et interagissait avec l’utilisateur comme s’il s’agissait d’un
psychologue. En
1995, Richard WALLACE développe le chat bot ALICE ( Artificial
Linguistic Internet Computer Entity), inspiré d’ELIZA (voir plus haut),
mais en lui ajoutant le langage naturel via une collection d’échantillons
d’une taille sans précédent, autorisée depuis l’avènement du WEB.
En 1997, Création de CLIPPY, qui est un assistant de Microsoft office.
En 2001, SMARTERCHILD été conçu par des développeurs de
COVERSAGENT, un interlocuteur virtuel qui peut faire la conversation
52

avec les utilisateurs des réseaux MSN et AIM13. Plus que du simple blabla,
le service offre, en format texte, des informations et des outils (dictionnaire,
encyclopédie, moteur de recherche pour le web). Il y a même quelques jeux
pour se reposer l’esprit.
En 2006, WATSON « le super calculateur d’IBM » est un programme
informatique capable de comprendre notre langage et la réflexion humaine.
C’est un système qui a l’habilité de simuler un raisonnement humain, ayant
une base de données approchant un million de livres. En 2011 Watson est
entré dans l’histoire en étant le premier ordinateur à remporter le jeu télévisé
Jeopardy
En 2010, SIRI, une application informatique développée par Apple.
Qualifiée d’assistant personnel intelligent. L’interface homme-machine de
SIRI repose sur la reconnaissance vocale avancée, le traitement du langage
naturel et la synthèse vocale. 19
19
Kenneth Colby, PARRY : Colby, K. M. (1975). "PARRY - The Manic-Depressive Computer Program". In P. H.
53

En 2012, Google NOW une application développer par GOOGLE. Prenant
en compte l’heure et la localisation de l’utilisateur et ses données
personnelles, des informations utiles sont fournies en fonction du contexte.
L’application peut utiliser l’historique de recherche et des données
concernant l’utilisateur pour la pertinence des réponses sans le demander à
l’utilisateur. Par exemple, si vous avez un événement dans votre agenda
Google, Google Now
vous aidera à arriver à l’heure, si vous prenez le bus, il vous dit combien de
temps il faudra pour marcher vers le bus et quand le prochain bus.
En 2015, ALEXA d’AMAZON, est un assistant vocal pour le dispositif
Amazon Echo, capable de l’interaction vocale, utilise « Natural Language
Processing Algorithms » qui reçoit, reconnait et répond aux instructions
vocales ou orales. Même Année, CORTANA est une assistance personnel
conçu par Microsoft, il met en place des rappels et reconnait la voix naturel,
commande et répond à des questions en utilisant le moteur de recherche
BING.
Winston (Ed.), The Psychology of Computer Vision (pp. 305-329). McGraw-Hill.
54

En 2016, Bots pour Messenger est une plateforme qui permet aux
développeurs de créer des Bots qui peuvent interagir avec les utilisateurs de
Facebook. En Avril 11.000 chatbots étaient valable.
Même Année, Tay a été élaboré pour imité les propos et les habitudes des
adolescentes américaines. Pour une meilleure interaction avec les
internautes. Aujourd’hui il y a quelques chatbots plus développés. Ces
chatbots apprennent donc sans l’aide d’un humain en se nourrissant des
dialogues avec les internautes par le biais de l’apprentissage
automatique et le traitement automatique du langage naturel. Comme
l’explique Grégory Renard, responsable IA du groupe Oscaro.com, dans le
magazine Stratégie : « Nous sommes
passés à l’ère du web intelligent, qui succède au web 2.0. Ce web proactif,
anticipant vos besoins, s’appuiera sur le web sémantique, la recherche en
20
langage naturel, la gestion et l’extraction de données et l’apprentissage
20
Technologies d'intelligence artificielle : Russell, S. J., & Norvig, P. (2016). "Artificial Intelligence: A Modern
Approach". Pearson.
55

machine, les agents de recommandation, les technologies d’intelligence
artificielle »
Chatbot architecture globale
Comme nous l'avons décrit, les chatbots sont des programmes en cours
d'exécution automatisés qui peuvent interagir et communiquer avec les
humains dans une langue commune par le biais de textes ou d'audio basés
sur la voix conversationnelle.
Comme une application de chat normale, un chatbot comprend une couche
d'application, une base de données et API pour appeler des fonctions.
Pour mieux comprendre un chatbot, nous allons donner un aperçu d'un
application chatbot de base comme ci-dessous :
Architecture du Chatbot
Exemple de chatbot éducatif
56

1.1. Le Deep Learning
Définition
L'apprentissage en profondeur est un type spécial d'apprentissage
automatique qui gagne en puissance et en flexibilité en apprenant à
représenter le monde comme une hiérarchie imbriquée de concepts, chacun
étant lié à des concepts plus simples, en soustrayant des termes
d'abstraction pour calculer une représentation plus abstraite. C'est en
grande partie un concept basé sur l'interaction du cerveau humain et des
neurones.
Occupant aujourd'hui une place importante, il présente une grande variété
d'applications, parmi lesquelles on retrouve la détection de visage.
«Chaque fois que de nouvelles informations sont intégrées, les connexions
existantes entre les neurones sont susceptibles d’être modifiées et étendues,
ce qui a pour effet de permettre au système d’apprendre les choses de
manière autonome, tout en améliorant la qualité de ses prises de décision et
de ses prévisions »21
2. Deep Learning concepte
Les réseaux de neurones récurrents
21
Technologies d'intelligence artificielle : Russell, S. J., & Norvig, P. (2016). "Artificial Intelligence: A Modern
Approach". Pearson.
58

2.1. Définition
Un réseau neuronal récurrent est un type de réseau neuronal artificiel
couramment utilisé dans la reconnaissance vocale et le traitement du
langage naturel . Les réseaux de neurones récurrents reconnaissent les
caractéristiques séquentielles des données et utilisent des modèles pour
prédire le prochain scénario probable.
Dans le réseau neuronal traditionnel, les entrées et les sorties sont
indépendantes les unes des autres, alors que la sortie dans RNN dépend des
élément précédents dans la séquence. 22
Les réseaux récurrents partagent également des paramètres sur chaque
couche du réseau. Dans les réseaux à anticipation, il existe différents poids
sur chaque nœud. Alors que RNN partage les mêmes poids au sein de
chaque couche du réseau et lors de la descente de gradient, les poids et la
base sont ajustés individuellement pour réduire la perte.
2.2. Architecture des base des résaux de neurones récurrents
La figure ci-dessus est une représentation simple des réseaux de neurones
récurrents. Si nous prévoyons les prix des actions en utilisant des données
simples [45,56,45,49,50,…], chaque entrée de X0 à Xt contiendra une
valeur passée. Par exemple, X0 aura 45, X1 aura 56, et ces valeurs sont
utilisées pour prédire le nombre suivant dans une séquence.
22
Reconnaissance vocale : Deng, L., & Li, X. (2013). "Deep Learning for Speech Recognition". Now Publishers Inc.
59

Réseaux de neurones à mémoire court et long terme (LSTM)
Les réseaux de mémoire longue à court terme (LSTM) sont des versions
modifiées des réseaux de neurones récurrents qui aident à conserver les
données passées en mémoire.
Le problème du gradient de fuite RNN est résolu ici. Les LSTM sont
parfaits pour classer, traiter et prévoir des séries chronologiques pour
lesquelles la série chronologique est inconnue.Il forme le modèle en
utilisant la rétropropagation. Dans un réseau LSTM, il y a
trois portes :
Concept LSTM
BERT - Bidirectional Encoder Representations from Transformers
BERT (Transformer Bi-Directional Encoder Representations), comme son
nom l'indique, est un modèle de langage d'encodeur automatique (AE)
bidirectionnel.23
Au moment de la publication, il a obtenu le meilleur score sur 11 tâches de
traitement du langage naturel.
23
Réseaux de neurones récurrents : Goodfellow, I., Bengio, Y., & Courville, A. (2016). "Deep Learning". MIT Press.
60

Architecture :
BERT a actuellement deux variantes :
Base BERT : 12 couches, 12 têtes d'attention et 110 millions de paramètres
BERT Large : 24 couches, 16 têtes d'attention et 340 millions de
paramètres
BERT Architecture
Processing et Pre-training :
BERT subit trois couches d'abstraction pour préserver le vrai sens du texte
d'entrée. BERT est préformé sur deux tâches NLP :
Modélisation du langage masqué : au sens large, il remplace le mot par le
jeton [MASQUE] et s'entraîne de telle manière que le modèle sera capable
de prédire le mot manquant.24
Prédiction de la prochaine phrase : Ici, étant donné deux phrases - A et B,
le modèle est invité à prédire, est-ce que B est la phrase suivante réelle qui
vient après A dans le corpus, ou juste une phrase aléatoire ? Enfin, nous
affinons ce modèle pré-formé pour effectuer une tâche
NLP spécifique.
24
Traitement du langage naturel : Jurafsky, D., & Martin, J. H. (2019). "Speech and Language Processing". Pearson.
61

2.3. Comment L’IA voit les marocains
1. ChatGPT
ChatGPT : “En tant qu'IA, je n'ai pas de sentiments ou de préjugés
personnels, ni la capacité de voir les individus de manière subjective. Mon
objectif est de fournir des informations objectives et impartiales basées sur
les données et les informations disponibles.
Je peux dire que les Marocains sont un groupe ethnique et culturel
diversifié avec une riche histoire et une forte identité nationale. Ils sont
connus pour leur hospitalité, leur cuisine savoureuse et leur musique
traditionnelle, ainsi que pour leur économie en développement et leurs
villes modernes telles que Casablanca et Marrakech.
Cependant, il est important de noter que chaque individu est unique et ne
doit pas être jugé en fonction de son origine ethnique ou culturelle. En tant
qu'IA, je suis programmé pour être respectueux de la diversité et de
l'inclusion et pour traiter toutes les personnes de manière égale.”
🡺 Comment l'intelligence artificielle pourrait profiter au Maroc ?
62

L'article "Comment l'intelligence artificielle pourrait profiter au Maroc"
souligne que l'Intelligence Artificielle (IA) 25
est en train de révolutionner
de nombreux secteurs, notamment l'éducation, la santé, l'agriculture,
l'industrie et le commerce. Le Maroc pourrait ainsi bénéficier de cette
technologie en améliorant la qualité de vie de ses citoyens et en stimulant
la croissance économique.
L'article décrit plusieurs applications potentielles de l'IA au Maroc,
notamment :
Dans l'éducation : l'utilisation de chatbots pour aider les étudiants à
apprendre, la création de programmes d'apprentissage personnalisés basés
sur l'IA, et l'analyse des données pour améliorer la qualité de
l'enseignement.
Dans la santé : l'analyse des données pour améliorer les diagnostics et les
traitements, l'utilisation de robots pour effectuer des interventions
chirurgicales complexes, et la création de systèmes d'assistance virtuels
pour les patients.
Dans l'agriculture : l'analyse des données pour optimiser les
rendements, la surveillance des cultures à l'aide de drones, et l'utilisation
de robots pour effectuer des tâches agricoles.
Dans l'industrie : l'optimisation des processus de production grâce à
l'analyse des données, la surveillance de la qualité à l'aide de capteurs, et
l'utilisation de robots pour effectuer des tâches dangereuses.
L'article souligne également que le développement de l'IA au Maroc
nécessite des investissements importants dans l'infrastructure
technologique et la formation des travailleurs, ainsi que des politiques
publiques favorables à l'innovation et à l'entrepreneuriat.
En conclusion, l'article affirme que l'IA peut offrir de nombreuses
opportunités pour le développement du Maroc et que le pays doit se
positionner en tant que leader régional dans ce domaine.
25
IA et diversité : Buolamwini, J., & Gebru, T. (2018). "Gender Shades: Intersectional Accuracy Disparities in
Commercial Gender Classification". Proceedings of the 1st Conference on Fairness, Accountability and
Transparency, 77-91.
63

2.4. Chapitre 2 : Applications de l'intelligence artificielle dans
l'éducation
1. Les chatbots éducatifs
Les chatbots éducatifs sont des programmes informatiques qui utilisent
l'intelligence artificielle pour simuler une conversation avec les utilisateurs
dans le but de fournir des informations éducatives et d'offrir un soutien aux
étudiants. Ils peuvent être utilisés pour répondre aux questions des élèves,
pour leur donner des explications supplémentaires, pour leur fournir des
exemples pratiques et pour leur offrir des commentaires personnalisés.
Les chatbots éducatifs peuvent aider les élèves à apprendre de manière
autonome en fournissant un accès 24h/24 et 7j/7 à des ressources
éducatives. Ils peuvent également aider les enseignants à gérer leur temps
en leur permettant de consacrer plus de temps à des tâches pédagogiques
plus complexes.26
Cependant, il est important de noter que les chatbots éducatifs ne peuvent
pas remplacer entièrement les enseignants. Ils peuvent aider à offrir un
soutien personnalisé aux élèves, mais ils ne peuvent pas remplacer la
présence humaine et l'interaction sociale. De plus, leur efficacité dépend de
leur conception et de la qualité des informations qu'ils fournissent, ainsi
que de leur capacité à comprendre et à interpréter le langage naturel de
manière précise.
26
Johnson, M. (2018). "Chatbots in Education: Applications, Benefits, and Challenges". TechTrends, 62(1), 34-37.
64

En résumé, les chatbots éducatifs offrent un potentiel intéressant dans
l'éducation en fournissant un accès 24h/24 et 7j/7 à des ressources
éducatives et en offrant un soutien personnalisé aux élèves. Cependant, leur
efficacité dépend de leur conception et de leur capacité à comprendre et à
interpréter le langage naturel de manière précise.
2. Les systèmes d'apprentissage personnalisé
Les systèmes d'apprentissage personnalisé utilisent l'intelligence artificielle
pour adapter l'enseignement à chaque élève en fonction de son niveau de
compétence, de ses préférences d'apprentissage et de ses besoins
individuels. Ces systèmes peuvent aider les élèves à mieux comprendre les
concepts, à rester motivés et à atteindre leurs objectifs d'apprentissage plus
efficacement. Les systèmes d'apprentissage personnalisé peuvent être
utilisés pour fournir des27
parcours d'apprentissage uniques à chaque élève,
en fonction de leur niveau de compétence et de leur rythme
d'apprentissage. Ces parcours peuvent inclure des ressources éducatives
adaptées, des activités d'apprentissage interactives et des évaluations
27
65

formatives régulières pour aider les élèves à comprendre où ils en sont et à
où ils doivent se diriger. Les systèmes d'apprentissage personnalisé peuvent
également utiliser des algorithmes d'apprentissage automatique pour
analyser les données d'apprentissage des élèves et leur fournir des
commentaires personnalisés. Ces commentaires peuvent aider les élèves à
comprendre leurs forces et leurs faiblesses, à identifier les domaines où ils
ont besoin d'aide et à adapter leur approche d'apprentissage en
conséquence.
Cependant, il est important de noter que les systèmes d'apprentissage
personnalisé ne peuvent pas remplacer entièrement les enseignants. Les
enseignants ont un rôle crucial à jouer dans l'enseignement et
l'apprentissage en offrant un soutien émotionnel et social, en encourageant
la collaboration et en offrant des commentaires approfondis. Les systèmes
d'apprentissage personnalisé peuvent aider les enseignants à mieux
comprendre les besoins individuels des
élèves et à offrir un soutien personnalisé, mais ils ne peuvent pas remplacer
la présence humaine et l'interaction sociale.
En résumé, les systèmes d'apprentissage personnalisé offrent un potentiel
intéressant dans l'éducation en adaptant l'enseignement à chaque élève en
fonction de son niveau de compétence, de ses préférences d'apprentissage
et de ses besoins individuels. Cependant, ils ne peuvent pas remplacer
entièrement les enseignants et leur efficacité dépend de leur conception et
de la qualité des informations qu'ils fournissent, ainsi que de leur capacité à
comprendre et à interpréter les données d'apprentissage de manière précise.
66

3. L'analyse des données d'apprentissage
L'analyse des données d'apprentissage est une application de l'intelligence
artificielle qui consiste à collecter, analyser et interpréter les données
générées par les élèves et les enseignants lors de leur expérience
d'apprentissage. Cette analyse permet de mieux comprendre les
comportements d'apprentissage des élèves et d'adapter l'enseignement en
conséquence.
Les données d'apprentissage peuvent être collectées à partir de différentes
sources telles que les plateformes d'apprentissage en ligne, les systèmes
d'apprentissage personnalisé, les dispositifs portables (wearables), les
questionnaires et les évaluations. Une fois collectées, ces données sont
analysées à l'aide d'algorithmes d'apprentissage automatique pour identifier
des modèles et des tendances qui peuvent être utilisés pour améliorer
l'enseignement.
L'analyse des données d'apprentissage peut aider les enseignants à mieux
comprendre les besoins individuels des élèves, à évaluer l'efficacité de leur
enseignement et à identifier les domaines où les élèves ont besoin d'aide
supplémentaire. Les enseignants peuvent utiliser ces informations pour
adapter leur approche d'enseignement et offrir un soutien personnalisé aux
élèves en fonction de leurs besoins.
Les élèves peuvent également bénéficier de l'analyse des données
d'apprentissage en recevant des commentaires personnalisés et en ayant
accès à des ressources éducatives adaptées à leur niveau de compétence et
à leur style d'apprentissage. Cette analyse peut également aider les élèves à
67

28
prendre conscience de leurs propres comportements d'apprentissage et à
s'engager davantage dans leur propre processus d'apprentissage.
Cependant, il est important de noter que l'analyse des données
d'apprentissage doit être utilisée de manière responsable et éthique, en
protégeant la vie privée des élèves et en garantissant que les données sont
utilisées dans leur intérêt. Les enseignants et les établissements scolaires
doivent également garantir que les données sont utilisées pour améliorer
l'enseignement et l'apprentissage et non pour classer ou stigmatiser les
élèves.
En résumé, l'analyse des données d'apprentissage offre un potentiel
intéressant dans l'éducation en aidant les enseignants à mieux comprendre
les besoins individuels des élèves et en offrant aux élèves des
28
Handbook of research on educational communications and technology (pp. 439-456). Springer New York.
68

commentaires personnalisés et des ressources éducatives adaptées.
Cependant, son utilisation doit être responsable et éthique, en protégeant la
vie privée des élèves et en garantissant que les données sont utilisées dans
leur intérêt.29
4. Les systèmes de tutorat virtuel
Les systèmes de tutorat virtuel sont une application de l'intelligence
artificielle dans l'éducation qui vise à fournir un soutien éducatif
personnalisé et adapté aux besoins individuels des apprenants.
Ces systèmes utilisent des algorithmes d'apprentissage automatique pour
évaluer les connaissances et les compétences des élèves, identifier leurs
lacunes et leurs besoins en matière d'apprentissage, et leur fournir des
ressources et des activités éducatives adaptées à leur niveau et à leur style
d'apprentissage.
Les systèmes de tutorat virtuel peuvent prendre différentes formes, telles
que des chatbots éducatifs, des assistants vocaux, des jeux éducatifs ou des
plateformes d'apprentissage en ligne. Ils peuvent être utilisés pour des
domaines d'apprentissage variés, tels que les mathématiques, les langues,
les sciences et les compétences socio-émotionnelles.
Ces systèmes offrent de nombreux avantages, notamment :
Un soutien personnalisé et adapté aux besoins de chaque apprenant, ce qui
peut améliorer leur engagement et leur motivation dans l'apprentissage.
29
Romero, C., & Ventura, S. (2013). Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and
Knowledge Discovery, 3(1), 12-27.
69

La possibilité de suivre la progression des élèves de manière précise et
objective, ce qui permet de mieux évaluer l'efficacité de l'enseignement et
d'adapter les stratégies d'apprentissage en conséquence.
Une disponibilité 24h/24 et 7j/7, ce qui permet aux apprenants d'accéder à
des ressources éducatives de qualité à tout moment et en tout lieu.
Une réduction des coûts et des contraintes de temps liés à l'enseignement
traditionnel en classe.
Cependant, il est important de noter que les systèmes de tutorat virtuel ne
peuvent pas remplacer complètement l'enseignement traditionnel en classe
et qu'ils doivent être utilisés en complémentarité avec l'enseignement en
personne. De plus, il est important de garantir que les données collectées
par ces systèmes sont utilisées de manière responsable et éthique, en
protégeant la vie privée des apprenants et en évitant toute utilisation
abusive des données collectées.30
30
Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In Handbook of research on
educational communications and technology (pp. 439-456). Springer New York.
70

5. La reconnaissance de la parole et la traduction en temps réel
La reconnaissance de la parole et la traduction en temps réel sont des
applications de l'intelligence artificielle qui permettent de convertir la
parole en texte et de traduire des langues en temps réel.
La reconnaissance de la parole est une technologie qui permet à un
ordinateur de comprendre la parole humaine et de la transcrire en texte.
Cette technologie utilise des algorithmes d'apprentissage automatique pour
identifier les sons et les mots prononcés par l'utilisateur, puis les convertit
en texte.31
La traduction en temps réel, quant à elle, permet de traduire instantanément
une langue à une autre. Cette technologie utilise également des algorithmes
d'apprentissage automatique pour comprendre le sens et le contexte des
phrases prononcées dans une langue donnée, puis les traduire dans une
31
Luong, M. T., Pham, H., & Manning, C. D. (2015). Effective approaches to attention-based neural machine
translation. In Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing
(EMNLP) (pp. 1412-1421).
71

autre langue.
Ces technologies peuvent être utilisées dans de nombreux contextes, tels
que les réunions d'affaires, les conférences internationales, les voyages à
l'étranger et l'enseignement des langues étrangères. Elles permettent aux
utilisateurs de communiquer efficacement avec des personnes qui parlent
des langues différentes, ce qui peut faciliter les échanges culturels,
commerciaux et éducatifs.32
Cependant, il est important de noter que ces technologies ne sont pas
parfaites et qu'elles peuvent encore présenter des erreurs ou des
incompréhensions. Il est donc important de les utiliser avec prudence et de
vérifier régulièrement les traductions et les transcriptions pour éviter toute
confusion ou tout malentendu. De plus, il est important de considérer les
implications culturelles et linguistiques lors de l'utilisation de ces
technologies pour garantir un échange respectueux et équitable entre les
interlocuteurs.
Limites de l'intelligence artificielle dans l'éducation en 2023
Malgré les avantages et les opportunités offertes par l'intelligence
artificielle dans l'éducation, il est important de reconnaître certaines limites
et défis associés à son utilisation, notamment en 2023.
Voici quelques exemples de ces limites :
32
Bressoux, P. (2021). Les enjeux de l'intelligence artificielle dans l'éducation. Revue française de pédagogie,
(215), 9-26.
72

La dépendance aux données : Les algorithmes d'apprentissage
automatique utilisés dans les systèmes d'IA nécessitent une grande quantité
de données pour fonctionner efficacement. Cependant, ces données
peuvent être biaisées ou incomplètes, ce qui peut affecter la qualité des
résultats.33
La complexité des algorithmes : Les algorithmes d'IA sont souvent
complexes et difficiles à comprendre pour les utilisateurs. Cela peut rendre
difficile l'évaluation de la validité des résultats et la détection des erreurs
ou des biais.
La qualité des données : Les données utilisées par les systèmes d'IA
33
Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard business review, 95(1),
64-72.
73

doivent être de haute qualité pour garantir des résultats précis. Cependant,
dans certains cas, les données peuvent être de mauvaise qualité ou contenir
des erreurs, ce qui peut affecter la qualité des résultats.
Les compétences techniques : L'utilisation de l'IA dans l'éducation
nécessite des compétences techniques et une expertise,
La confidentialité des données : Les systèmes d'IA collectent souvent des
données personnelles et sensibles sur les apprenants, ce qui soulève des
préoccupations en matière de confidentialité et de sécurité des données. Il
est important de s'assurer que les données sont protégées et que leur
utilisation est conforme aux lois et réglementations en matière de
protection des données.
Le manque d'interaction humaine : Bien que les systèmes d'IA puissent
offrir une expérience d'apprentissage personnalisée, ils peuvent également
manquer d'interaction humaine, ce qui peut affecter l'engagement et la
motivation des apprenants.34
La capacité à remplacer les enseignants : Bien que l'IA puisse fournir un
soutien utile aux enseignants et aux apprenants, elle ne peut pas remplacer
complètement le rôle de l'enseignant. L'enseignement implique une
interaction complexe et dynamique entre l'enseignant et l'apprenant, qui ne
peut pas être entièrement reproduite par les systèmes d'IA.
34
Education Week. (2021). Artificial Intelligence in Education: What Is It, and How Can We Use It? Retrieved from
https://www.edweek.org/technology/artificial-intelligence-in-education-what-is-it-and-how-can-we-use-it/2021/05
74

En somme, l'IA offre des opportunités passionnantes dans l'éducation,
mais il est important de reconnaître les limites actuelles et les défis à
surmonter pour optimiser son utilisation et garantir des résultats de qualité.
Conclusion
En conclusion, cette revue de littérature a exploré les applications de
l'intelligence artificielle dans l'éducation en 2020. Les systèmes
d'apprentissage personnalisé, les chatbots éducatifs, la reconnaissance de la
parole et la traduction en temps réel, les systèmes de tutorat virtuel et
l'analyse des données d'apprentissage sont quelques-unes des applications
d'IA qui peuvent offrir des avantages significatifs aux apprenants et aux
enseignants.
Cependant, il est également important de reconnaître les limites et les
défis de l'IA dans l'éducation, tels que la dépendance aux données, la
complexité des algorithmes, la qualité des données, les compétences
techniques, la confidentialité des données, le manque d'interaction humaine
et la capacité à remplacer les enseignants.
Dans l'ensemble, l'IA peut offrir des avantages significatifs dans
l'éducation en améliorant l'efficacité de l'apprentissage et en offrant des
expériences d'apprentissage plus personnalisées. Cependant, il est
important de considérer ces limites et défis lors de la mise en œuvre de l'IA
dans l'éducation, afin de garantir des résultats de qualité et de maximiser
son potentiel.
75

Partie II : Observation du terrain – Stage effectué
1. Stage au sein de l’Université Mohammed VI Polytechnique de Rabat
(Scales - Lapex Program )
1.1. LAPEX”PROGRAMMES LINGUISTIQUES EN SCIENCES
ÉCONOMIQUES ET SOCIALES .
Le LAPEX consiste en une offre de six langues invariablement
orientées vers l'étude des Sciences Economiques et Sociales. Tous les
processus sur LAPEX sont régis par le Cadre européen de référence
pour les langues de A1 à C2. La maîtrise de la langue est mise à
l'échelle à l'aide de descripteurs et de grilles. Un dossier de suivi de
l'étude et de l'apprentissage des langues du Portfolio des langues de
l'élève est délivré aux étudiants qui remplissent les exigences
linguistiques : une maîtrise de 2 langues fixée à C1 et une bonne
maîtrise d'une troisième langue fixée à B1. Le format LAPEX est
hybride avec des sessions en face à face couplées à un
auto-apprentissage en ligne, une pratique guidée en ligne et un support
hybride pour les questions et réponses et les visites sans rendez-vous
pendant les heures de bureau.
1.1. Université Mohammed V Polytechnique de Rabat FGSES
L’Université Mohammed VI Polytechnique est une institution orientée
vers la recherche appliquée et l’innovation. Tournée vers l’Afrique,
elle ambitionne de se placer parmi les universités mondialement
reconnues dans ces domaines.
77

Son Campus fondateur, situé dans la ville de Rabat est Mohammed VI,
pour mieux
rayonner à l’échelle nationale, continentale et internationale.
Plus qu’une institution académique classique, l’Université Mohammed
VI Polytechnique est une plateforme d’expérimentation et un vivier
d’opportunités que les étudiants se plaisent à appeler très justement
« L’école de la vie ».
Université Mohammed V Polytechnique de Rabat
1.2. Mission
Ayant pour mission principale le développement du savoir, de la
science et de la technologie, l’Université s’est fixée de grandes
ambitions.
Développer des compétences et du savoir
Donner naissance à une nouvelle génération
Promouvoir la recherche
Développer des partenariats durables
78

Mémoire PFE.pdf

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Mémoire PFE.pdf

Similaire à Mémoire PFE.pdf (20)

Dernier

Dernier (8)

Mémoire PFE.pdf