Videcoding ?

 

Lors de la soirée inaugurale de Ludovia23 , j'ai eu le plaisir de parler de vibecoding avec Yann Boudic.
Le terme « vibe coding » est très récent : il a été popularisé et nommé par Andrej Karpathy, chercheur en IA, le 2 février 2025

Je fais une rapide introduction et Yann nous fait une démo :

Comparatif des solutions de vibe coding — de la plus simple à la plus complexe

Niveau	Solution	Difficulté	Comment ça fonctionne	Besoin de savoir coder	Ce qu'on peut faire	Contrôle du code
🟢 1	Lovable	⭐	On décrit l'application en langage naturel, l'IA construit l'application	Très faible	Sites, applications web, formulaires, bases de données, petits SaaS	★★☆☆☆
🟢 2	Bolt.new	⭐⭐	Prompt → application web fonctionnelle directement dans le navigateur	Faible	Prototypes, applications web full-stack, MVP	★★★☆☆
🟢 3	Replit Agent	⭐⭐	L'agent construit l'application, configure l'environnement et peut la déployer	Faible	Applications web, API, scripts, services	★★★☆☆
🟡 4	v0 (Vercel)	⭐⭐	Description ou maquette → interface et code React/Next.js	Faible à moyen	Interfaces, dashboards, sites web, composants	★★★☆☆
🟡 5	Base44	⭐⭐	Génération conversationnelle d'applications complètes	Faible	Applications métier, outils internes, MVP	★★★☆☆
🟡 6	Windsurf	⭐⭐⭐	IDE avec agent IA capable de modifier plusieurs fichiers	Moyen	Projets existants, développement web, refactoring	★★★★☆
🟠 7	Cursor	⭐⭐⭐⭐	IDE basé sur VS Code avec agent capable de comprendre et modifier tout un projet	Moyen à élevé	Applications complexes, développement professionnel	★★★★★
🟠 8	GitHub Copilot	⭐⭐⭐⭐	Assistant intégré à l'environnement de développement et au dépôt GitHub	Élevé	Développement professionnel, tests, documentation, debugging	★★★★★
🔴 9	Claude Code	⭐⭐⭐⭐⭐	Agent travaillant directement sur le projet depuis le terminal	Élevé	Gros projets, refactoring, automatisation, tests, Git	★★★★★
🔴 10	Codex / agents de développement	⭐⭐⭐⭐⭐	Agent capable de travailler de manière autonome sur un dépôt et de produire des modifications/PR	Élevé	Projets complexes, tâches longues, développement collaboratif	★★★★★

Comment l'IA rebat les cartes du travail et de l’éducation

Lors de ludoviales2026 j'ai analysé comment l'IA est en train de rebattre les cartes du travail et de l’éducation

Retrouver le replay vidéo de mon intervention

Voici un résumé des points clés de cette présentation sur l'impact macroéconomique et sociétal de l'intelligence artificielle (IA), en particulier dans les mondes du travail et de l'éducation :

1️⃣  Une adoption fulgurante

Contrairement aux précédentes vagues d'innovation (web, smartphones), l'IA générative s'est imposée à une vitesse inédite. Dans l'enseignement supérieur, les taux d'utilisation par les étudiants atteignent souvent 90 à 100 %.

2️⃣ L'impact massif sur les métiers et les compétences

Selon plusieurs études (Microsoft, Anthropic/Claude),
 l'IA va transformer de nombreux emplois :

Métiers très impactés : Les « cols blancs », les métiers de la traduction, de la rédaction, du service client, du droit, de l'informatique (développeurs) et du conseil.

Domaine créatif : L'IA bouleverse aussi la création (musique, graphisme), mais peut être perçue comme un outil collaboratif puissant par certains créatifs (ex: le DJ Joachim Garraud avec Suno).

Métiers peu impactés : Les emplois physiques (restauration, agriculture, construction).

Conséquence sur le recrutement : On observe déjà une forte baisse du recrutement de profils « juniors » (notamment chez les développeurs et les avocats), car l'IA peut désormais accomplir leurs tâches habituelles de synthèse, de tri ou de codage de base.

3️⃣  Les freins économiques à la croissance

Bien que l'économiste Philippe Aghion estime que l'IA va générer une nouvelle croissance en créant de nouveaux métiers (destruction créatrice), cette croissance risque d'être freinée par les situations de monopole des géants de la tech (Amazon, Google, Microsoft) et des fournisseurs d'infrastructures (Nvidia).
(Conférence de  Philippe Aghion https://www.youtube.com/watch?v=3rXaZtueP-Y )

4️⃣ Les défis majeurs pour le monde de l'éducation

L'intégration de l'IA pose des questions fondamentales à l'université :

Évolution des compétences : Savoir coder ou rédiger n'est plus suffisant. Il faut désormais former les étudiants à avoir une vision globale, à interagir avec les clients et à vérifier le travail de l'IA. 

Désalignement avec les valeurs universitaires :
L'université vise à développer 
    - l'esprit critique,
    - la pensée originale
    - et le caractère individuel.
    - l'écriture comme processus d'apprentissage

( J'ai développé ce point lors de la journée PedagoN'UM
 https://www.youtube.com/watch?v=ZBX1t1tc8do&t=362s )

Or, l'IA générative produit des contenus basés sur des statistiques et des textes existants, sans originalité propre. De plus, l'apprentissage avec un chatbot est un processus solitaire, à l'opposé de la dimension sociale de l'éducation.

La menace sur l'écrit : L'écriture (thèses, mémoires) est historiquement le moyen de structurer et développer sa pensée. L'utilisation de l'IA pour sous-traiter la rédaction remet en cause ce processus intellectuel indispensable.

En conclusion :

Face au scepticisme grandissant (chez les étudiants et la population générale), l'enjeu n'est plus d'interdire l'IA ou de la laisser faire le travail à notre place, mais d'apprendre à co-construire avec elle, tout en préservant l'esprit critique et la réflexion individuelle.

On en parle :                                                                 

https://www.ludomag.com/2026/04/13/lintelligence-artificielle-rebat-les-cartes-du-travail-et-de-leducation/

https://x.com/TirotG/status/2048857639904252374

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

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.