jeudi 30 avril 2026

L'illusion du numérique responsable

 


L’intelligence artificielle face au défi environnemental

L’essor spectaculaire de l’intelligence artificielle soulève une question essentielle : quel est son véritable coût environnemental ?
Lors des Ludoviales 2026 j'ai partagé une analyse approfondie des impacts écologiques liés au développement massif de l’IA.

Des data centers toujours plus gourmands en énergie

La course mondiale à l’intelligence artificielle entraîne une explosion des investissements dans les infrastructures numériques. Aux États-Unis notamment, les investissements dans les data centers dépassent désormais ceux consacrés aux immeubles de bureaux. Cette croissance fulgurante s’accompagne d'une augmentation tout aussi impressionnante de la consommation électrique.

À tel point que, dans les prochaines années, les data centers pourraient consommer davantage d’électricité que l’ensemble de l’Internet actuel. Certains scénarios anticipent même des tensions majeures sur l’approvisionnement électrique américain dès 2028.

L’envers du décor : matières premières et eau

L’impact de l’IA ne se limite pas à sa consommation énergétique. La fabrication des processeurs graphiques (GPU), indispensables à l’entraînement des modèles, mobilise d’importantes quantités de métaux rares, d’eau et d’énergie.

À cela s’ajoute le refroidissement des infrastructures, particulièrement gourmand en ressources hydriques. Sans oublier la durée de vie relativement courte des équipements : lors de certains entraînements intensifs, le matériel subit une usure considérable, imposant un renouvellement fréquent.

Vers une IA plus sobre

Face à ces défis, plusieurs pistes émergent :  intérêt croissant des modèles d’intelligence artificielle plus compacts, spécialisés sur des tâches précises, et nettement moins énergivores que les grands modèles généralistes.

L’intégration massive d’énergies renouvelables constitue également une réponse incontournable. À ce titre, la Chine investit massivement dans le solaire, l’éolien et le nucléaire pour accompagner cette révolution technologique.

Mesurer pour mieux agir

L’évaluation de l’empreinte carbone de l’IA reste complexe. Elle dépend fortement du mix énergétique utilisé par chaque pays. Une requête effectuée dans une région alimentée majoritairement par des énergies fossiles n’a évidemment pas le même impact qu’une requête exécutée dans un centre de données alimenté par des sources bas carbone.

Comparer une interaction avec une IA à une simple recherche web permet de mieux appréhender les ordres de grandeur — et de prendre conscience des enjeux.


Construire un numérique responsable

L’augmentation de la consommation énergétique mondiale est inévitable, portée par la croissance démographique et l’amélioration du niveau de vie. Je rappelle, à travers une célèbre analogie d’Hans Rosling,la machine à laver,  que l’accès universel à l’électricité d’ici 2050 transformera profondément les besoins énergétiques de la planète.

L’objectif n’est donc pas de freiner le progrès, mais de l’orienter intelligemment.

Quelques leviers d’action

  • privilégier les modèles d’IA spécialisés et moins énergivores ;
  • synchroniser certaines opérations avec la disponibilité des énergies renouvelables ;
  • généraliser l’installation de panneaux solaires sur les infrastructures ;
  • limiter les usages numériques superflus.

Chaque acteur, qu’il soit entreprise ou utilisateur, a un rôle à jouer.

Une prise de conscience individuelle

Je propose également un exercice simple : évaluer sa propre consommation énergétique numérique. Cette démarche permet d’identifier les principaux postes de consommation et d’adopter des habitudes plus sobres, en utilisant ce simulateur : 


https://hannahritchie.github.io/energy-use-comparisons/



Les data centers spatiaux : promesse ou mirage ?

Parmi les pistes les plus audacieuses figure celle des data centers en orbite. Des projets sont actuellement étudiés, aussi bien aux États-Unis qu’en Chine.

Dans l’espace, le refroidissement s’effectue par rayonnement infrarouge, grâce à des matériaux avancés inspirés de ceux utilisés sur la Station spatiale internationale. Une solution élégante sur le papier.

Mais plusieurs obstacles demeurent, notamment la durée de vie limitée des composants électroniques soumis à des charges de calcul extrêmes. Tant que la robustesse du matériel n’aura pas significativement progressé, cette option restera avant tout expérimentale.

(Dossier complet sur ce sujet:    https://bit.ly/DataEspace  )


L’innovation oui, mais avec lucidité

L’intelligence artificielle ouvre des perspectives extraordinaires. Pourtant, son développement ne pourra être durable qu’à condition d’intégrer pleinement la contrainte environnementale.

L’enjeu n’est pas de choisir entre innovation et sobriété, mais de concilier les deux. C’est sans doute là que se jouera l’avenir d’une IA réellement responsable.


Ressources complémentaires





mercredi 7 janvier 2026

Meta analyse de charte Informatique

 


Travail présenté dans le carde d'AUPTIC2026 à Lausanne le 5 janvier 2026




 Résumé court (250 mots max. avec une brève bibliographie indicative)

 

L’émergence rapide des intelligences artificielles génératives (IAG) questionne profondément les pratiques pédagogiques et organisationnelles des établissements d’enseignement supérieur. Face à ce phénomène technologique d’une ampleur jusqu’ici peu rencontrée, l’adaptation des chartes éthiques à la présence des technologues d’IA génératives s’impose comme un indicateur clé des stratégies institutionnelles. Ces chartes, adoptées en France, au Québec, en Suisse et en Belgique, traduisent une volonté commune de cadrer l’usage de l’IA générative tout en capitalisant sur son potentiel d’innovation.

Elles définissent un cadre éthique, insistent sur la transparence de l’utilisation des IA Génératives, et rappellent la responsabilité individuelle et collective face aux risques de délégation, de désinformation ou d’atteinte à la confidentialité. Les chartes soulignent l’importance de la formation et de la sensibilisation de la communauté universitaire, tout en encourageant l’expérimentation pédagogique et la mutualisation des bonnes pratiques. Elles s’inscrivent dans une dynamique évolutive : leur révision régulière permet d’accompagner l’évolution rapide des technologies et des usages.

Ainsi, l’adaptation des chartes éthiques à la présence des IAG par les établissements se révèle comme un indicateur de leur capacité à anticiper les mutations tout en préservant l’intégrité académique et en promouvant une utilisation responsable et critique de l’IA.

 

Elles constituent un levier stratégique pour dans certains cas renforcer la souveraineté numérique, garantir la conformité réglementaire et soutenir l’innovation pédagogique dans un contexte de transformation accélérée de l’enseignement supérieur

Bibliographie indicative

 

Base de données de chartes liées à utilisation de l’IA dans des établissement d’enseignement supérieur francophone

24 référencées au 15/07/2025

https://ia4sup.notion.site/11bb523c93f4808f8949f3a52eadbb77?v=552f735c14b148df9f62d0be77b6e7e0&source=copy_link



Support + article intégral  + URL outils accessible 
https://ia4sup.notion.site/Meta-analyse-des-chartes-IA-des-tablissements-d-enseignement-sup-rieur-Auptic-06-janvier2026-Jeff-837c05b0903947c39410800ec5b0996f?source=copy_link


jeudi 18 septembre 2025

Discussion conclusive avec Jacques Tardif en synthèse de l’ensemble des échanges et partage vécus durant la journée PedagoN'UM

 




Grands témoins de la journée PédagoN'UM 2025 "IA et Evaluation", avec Jacques Tardif, Professeur émérite de l’Université de Sherbrooke et membre distingué de l’Ordre de l’excellence en éducation du Québec, conférencier internationalement reconnu et expert de l'approche par compétences ,
nous avons 
discuté autour des différents échanges de la journée et des perspectives soulevées pour les évaluations à l’ère de l’IA. 


Nos échanges tournent autour de l’usage de l’intelligence artificielle et des outils numériques en pédagogie, avec un accent particulier sur l’évaluation, la personnalisation des apprentissages et le rôle des enseignants dans ce contexte.

IA et pédagogie

  • L’IA est perçue comme une aide précieuse pour les enseignants : planification de cours, rétroaction, correction de travaux, ou encore création de parcours individualisés (ex. Magic School).

  • Les limites sont soulignées : confidentialité, fluctuation dans la fiabilité des résultats, reproductibilité incertaine, besoin de datasets de qualité.

  • Les deux intervenants considèrent que les outils évoluent rapidement, mais que l’essentiel reste la démarche pédagogique et la définition claire des compétences à développer.

Données et mutualisation

  • Importance de préparer et mutualiser des jeux de données (datasets) de qualité, en particulier pour l’apprentissage par cas et l’entraînement des modèles d’IA.

  • Intérêt à explorer l’open data et les bases mutualisées (UNT, projets collaboratifs).

Démarche exploratoire et communauté

  • Valorisation de l’expérimentation en milieu universitaire : tester, se tromper, coconstruire avec les étudiants.

  • Proposition de s’appuyer sur les communautés de pratique, d’évaluer l’impact des outils et de réfléchir collectivement sur les retombées.

Multilinguisme et accessibilité

  • Développement attendu des outils de traduction en temps réel (Google Meet, Teams, lunettes Meta) ouvrant de nouvelles possibilités pour l’enseignement et l’accès aux ressources.

L’évaluation et ses critères

  • Tardif insiste sur trois valeurs incontournables : validité (évaluer ce que l’on prétend), fidélité (constance intra- et intercorrecteur) et équité (permettre à chacun de démontrer son apprentissage).

  • QCM et portfolios sont comparés :

    • Le QCM est facile à corriger mais sa construction reste très subjective.

    • Le portfolio documente la progression mais exige un investissement élevé de l’enseignant et soulève des défis de fiabilité.

  • Exemple : usage d’un wiki comme portfolio en pharmacie (Université de Grenoble), combinant évaluation et constitution d’une base de cas cliniques.

Évolution de l’écrit et du doctorat

  • Discussion sur l’érosion de la place de l’écrit (rédaction de thèse, processus de construction du savoir) avec l’IA.

  • Risque de perte de compétences rédactionnelles : certaines écoles doctorales réfléchissent à une implication plus précoce des rapporteurs pour encadrer la rédaction.

IA et portfolio

  • L’IA peut aider à constituer un portfolio, mais pas à documenter de manière crédible la valeur des preuves ni à expliciter la progression.

  • Importance de compléter le portfolio par un entretien oral.

  • Possibilité d’intégrer des preuves multimédia (vidéos, audios) pour évaluer notamment les compétences relationnelles et transversales.

Compétences et transversalité

  • Consensus sur l’importance de contextualiser les compétences dites transversales, trop souvent abordées de manière abstraite.

  • Crainte que leur généralisation hors contexte devienne un discours creux.

Conclusion commune

  • Les outils numériques et l’IA ne sont que des moyens ; ils doivent rester au service d’un projet pédagogique articulé sur les compétences et l’évaluation.

  • La force est encore du côté des enseignants : ce sont eux qui fixent le cap, définissent les objectifs et orchestrent la démarche.

  • Les rencontres comme celle-ci créent une énergie et une volonté de mutualiser au sein des réseaux universitaires pour prolonger la réflexion.

mercredi 30 avril 2025

Machon IA

 

Le réseau #IA4Sup (la branche Lyonnaise) va organiser un Machon IA

à Lyon le mercredi 18 juin de 9h à 11h.

L'idée est de réunir quelques experts de l'IA

issus des labos, d'entreprises, de startup, porteur de projet ou

décideurs de Lyon pour échanger autour de l'IA dans un moment matinal convivial
à la Lyonnaise.

Le but est de faire du networking local entre acteurs de l'IA.

Pour apprendre à se connaitre, découvrir les synergies possibles.


 Formulaire d’inscription
 https://batier.notion.site/1e5b523c93f48023a58cca1ef608a7c0?pvs=105

Event Linkedin
  https://www.linkedin.com/events/machonia7323264165807091712/

vendredi 18 avril 2025

L'IA Ange ou démon présentation de son dernier ouvrage par Laurence Devillier



A l'occasion de la sortie de son dernier livre Laurence Devillier nous a rejoint sur le webmeetin13 #IA4Sup le 17 avril 2025

https://www.fnac.com/a21136678/Laurence-Devillers-Les-anges-gardiens-de-l-IA


Nos échanges  ont été centrées sur les implications sociétales et éthiques de l'intelligence artificielle.


Elle aborde l'application de l'IA dans divers domaines, notamment l'

mercredi 9 avril 2025

Bientôt 30 ans d'utilisation des réseaux sociaux dans le monde de l'éducation !

 

Time line reseau sociaux



Voici une timeline classant dans l'ordre chronologique les principaux réseaux sociaux utilisés dans le monde de l'éducation jusqu'à ma dernière mise à jour en septembre 2023 :

  1. Classmates (1995) - L'un des premiers réseaux sociaux axés sur les anciens camarades de classe.
  2. ePals (1996) - Une plateforme de correspondance scolaire qui encourage les échanges entre écoles du monde entier.
  3. Blackboard (1997) - Un système de gestion de l'apprentissage largement utilisé dans les institutions éducatives.
  4. RateMyProfessors (1999) - Un site où les étudiants notent et évaluent leurs professeurs.
  5. LinkedIn (2003) - Initialement axé sur les professionnels, il est devenu un outil précieux pour les étudiants et les enseignants pour établir des connexions professionnelles et académiques.
  6. Facebook (2004) - Utilisé pour la création de groupes et de pages liés à l'éducation, en plus d'être un moyen de communication entre étudiants et enseignants.
  7. Twitter (2006) - Utilisé pour des discussions éducatives, des chats, et le partage de ressources éducatives via des hashtags.
  8. YouTube (2005) - Une plateforme pour partager des vidéos éducatives et tutoriels.
  9. Edmodo (2008) - 🌐 Un réseau social destiné aux enseignants, aux élèves et aux parents pour la communication en classe. 🪦 Fermeture Septembre 2022
  10. Pinterest (2010) - Utilisé par les enseignants pour le partage d'idées pédagogiques et de ressources visuelles.
  11. Google+ (2011) - Offrait des fonctionnalités pour les cercles éducatifs, mais a été fermé en 2019.
  12. Remind (2011) - Une plateforme de communication entre enseignants, élèves et parents.
  13. Schoology (2011) - Un système de gestion de l'apprentissage et une plateforme de communication pour les écoles.
  14. Instagram (2010) - Utilisé pour le partage de photos et de vidéos liées à l'éducation.
  15. Snapchat (2011) - Parfois utilisé par les éducateurs pour des projets pédagogiques éphémères.
  16. Vine (2013) - Utilisé pour de courtes vidéos éducatives avant d'être fermé en 2017.
  17. Periscope (2015) - Utilisé pour diffuser des cours en direct et des discussions éducatives.
  18. TikTok (2016) - Utilisé pour la création de vidéos éducatives, souvent courtes et divertissantes.
  19. Mastodon (2016) - Une alternative décentralisée aux réseaux sociaux, parfois utilisée pour des discussions éducatives.
  20. Discord (2015) - Souvent utilisé pour des discussions éducatives en temps réel et la création de serveurs dédiés à l'éducation.
  21. Clubhouse (2020) - Utilisé pour des discussions en direct et des débats éducatifs.
  22. Bluesky (2023) 🌐 Alternative à twitter architecture distribuée