🔵⚪🔴 Une première boîte à outils pour parler d'IA avec les jeunes
Dernière mise à jour : 8 oct.
Après plusieurs mois de projet, cette première phase a déjà permis une production collective importante. Depuis le lancement à La Rochelle, nous construisons une boîte à outils destinée à être réutilisée et adaptée, dans le respect des licences indiquées pour chaque ressource. Chaque élément répond à des besoins concrets du projet : comment aborder l'IA générative avec des jeunes ? Comment mesurer ce que les participant·es en retiennent ? Comment permettre à d'autres équipes, demain, de reprendre ce que nous avons initié ?
Une méthode pédagogique partagée
Nous avons formalisé notre méthodologie autour d'une démarche scientifique en six phases, pensée pour permettre aux jeunes d'endosser une posture de chercheur·se face à l'IA. Elle commence par une phase d'observation et de documentation de l'IA autour de soi (P1), se poursuit par la construction d'hypothèses à partir d'activités débranchées (P2), l'expérimentation avec des modèles de langage (P3), la validation à travers des activités robotiques (P4), la réflexion sur les enjeux sociétaux et éthiques (P5), et se conclut par une phase de communication et de valorisation des projets portés lors des cinq premières phases par les jeunes (P6). Chaque étape est associée à des compétences spécifiques issues de notre arbre de compétences, à des exemples d'activités adaptables et à des points d'attention observés sur le terrain.
Le document est aujourd'hui disponible en anglais et dans les quatre langues du projet sur notre site :
La démarche pédagogique Youth AI Lab est structurée en six phases complémentaires.
Des fiches d’idées pour imaginer les activités
Les fiches d’idées présentent des activités simples à comprendre, à adapter et à tester avec différents publics. Elles seront progressivement complétées par des fiches protocoles, plus détaillées et enrichies par les retours du terrain.
Les fiches d’idées sont disponibles en anglais. Sur le wiki, elles pourront être consultées grâce à une traduction automatique dans toutes les langues du projet. Les fiches protocoles seront, quant à elles, directement proposées dans la langue locale de leur mise en œuvre. Les activités des phases suivantes seront ajoutées au fur et à mesure de leur mise en ligne.
Les fiches d’idées disponibles à ce jour sont présentées ci-dessous, selon les différentes phases du parcours.
Observer l’IA autour de soi
Keep an Eye on AI : Une enquête de terrain facile à adapter pour aider un groupe à repérer l’IA dans son environnement et à distinguer intelligence artificielle et automatisation.
AI Lab - Inside the Machine : Trois jeux sans écran pour faire découvrir, par l’expérience, comment une machine repère des règles et produit des prédictions.
Looks Right… Is It Right? : Une activité de vérification pour développer l’esprit critique face aux réponses convaincantes, mais parfois fausses, produites par l’IA.
Illusion Is All That Matters : Un débat guidé pour questionner ce que signifie « penser » et ouvrir la réflexion sur les usages de l’IA et de la robotique.
Formuler des hypothèses sur son fonctionnement
AI Detectives: How Do Machines Learn? : Une manipulation simple pour montrer comment le choix et la qualité des exemples influencent ce qu’une machine apprend.
Bio-inspired Algorithms: Reinforce Your Learnings : Une mise en situation corporelle et ludique pour comprendre l’apprentissage par renforcement avant de passer à la programmation d’un robot.
Bias: Genre Matters : Une activité concrète pour faire apparaître les stéréotypes de genre d’un modèle, puis apprendre à les observer, les mesurer et les discuter.
The Bias Bounty Hunt Challenge : Un défi de prompting stimulant qui transforme la recherche de biais en enquête collective et invite le groupe à affiner ses questions.
Who Does NOT Want to Be My Business Partner? : Un jeu de création et de présentation pour explorer le pouvoir de persuasion de l’IA et apprendre à conserver un regard critique.
Make Cities Great Again : Un projet mêlant robotique, capteurs et ville durable, idéal pour relier l’IA à des enjeux concrets du territoire.
Expérimenter avec des modèles et des données
From Data to the Machine’s Brain : Un parcours progressif pour entraîner un modèle, observer ses erreurs et rendre tangible le fonctionnement d’un neurone artificiel.
WikiYouthBot : Une séquence collaborative pour guider un groupe de la recherche de sources à la création de son propre chatbot expert d’un sujet local.
Valider par la conception et la robotique
Designing an AI with a Robot : Un cadre de conception pour accompagner les jeunes d’un défi de développement durable jusqu’à un prototype robotique capable de reconnaître, décider et agir.
La collection continuera de s'enrichir au fil des prochains cycles, notamment avec des activités consacrées aux phases de réflexion et de communication.
Des protocoles issus du terrain
Lorsqu'une idée d'atelier est testée sur le terrain, elle est ensuite documentée sous une forme plus complète : la fiche protocole. Celle-ci reprend la fiche d'idéation et l'enrichit avec un déroulé détaillé, étape par étape, des retours d'expérience des partenaires qui l'ont testée, des ajustements par public et par contexte, ainsi que des supports pédagogiques associés (canevas imprimables, jeux, exercices, tutoriels). Ces fiches constitueront la compilation des protocoles d'exploration prévue pour la fin du projet.
Une évaluation à plusieurs niveaux
Elle couvre l'ensemble du dispositif et concerne tous les publics du projet : questionnaires pré et post-atelier pour les jeunes chercheur·se·s, les mentors et les éducateur·rice·s, complétés par des outils d'auto-évaluation en cours de laboratoire, des journaux d'implémentation pour les animateur·rice·s et des grilles d'analyse des trajectoires individuelles. Cette approche multi-publics et multi-phases permet de croiser les regards et de documenter finement l'impact du dispositif.
Wiki multilingue en préparation
Un chantier de plus grande ampleur est en cours de démarrage dès septembre 2026 : la création d'un wiki complet destiné aux éducateur·rice·s et animateur·rice·s qui souhaitent reprendre la démarche Youth AI Lab dans leur propre contexte. Ce wiki adossera aux fiches d'idéation des contenus méthodologiques d'accompagnement pour aider chacun·e à structurer son propre laboratoire, à recruter et former ses mentors, à concevoir sa progression pédagogique et à évaluer l'impact de sa démarche. Il sera accessible dans les quatre langues du projet et constituera notre principal levier de dissémination au-delà du consortium.
