Atelier Industriel d’Ingénierie Éducative
Un « process d’élaboration herméneutique et collaboratif » suppose de décrire non seulement une suite d’opérations, mais surtout la logique d’interprétation qui les relie : comment un collectif transforme des situations professionnelles en objets analysables, comment il stabilise des repères communs, puis comment il met à l’épreuve et révise ces repères en continu.
Notre atelier A2iE propose d’emblée une posture épistémique déterminante : les assistants ne doivent pas être conçus comme des dispositifs qui substituent des réponses à l’activité de jugement, mais comme des instruments de « désautomatisation », c’est-à-dire des supports qui réintroduisent explicitement réflexion, explicitation, discussion et contrôle sur ce qui est produit. Cette orientation est formulée dans l’idée que l’IA doit renforcer le pouvoir d’agir des professionnels et éviter la « prolétarisation » entendue comme perte de savoirs et de maîtrise de l’activité.
À partir de cette posture, le processus démarre par l’émergence d’un problème réel, situé, éprouvé dans le travail éducatif. Chaque assistant naît d’un besoin de métier et non d’une capacité technique abstraite ; la première opération est donc un cadrage collectif du problème, qui oblige à le déplier et à le rendre intelligible : qu’est-ce qui fait difficulté, qu’est-ce qui doit être observé, quelles questions sont légitimes, à quelles étapes l’analyse doit-elle procéder, quels risques d’erreur ou de dérive faut-il anticiper, et quels critères permettent de dire qu’une production est « de qualité » dans ce contexte. Notre atelier insiste sur cette phase d’explicitation, car elle constitue déjà une première désautomatisation : ce qui était implicite dans la routine professionnelle devient explicite, discutable, et donc améliorable.
C’est ici que s’installe la dimension herméneutique au sens strict. Le collectif ne se contente pas de formuler une demande (« produire une synthèse », « proposer une remédiation », « analyser une interaction ») : il construit un objet interprétable en séparant progressivement ce qui relève de la description, ce qui relève de l’inférence, et ce qui relève de la norme. Autrement dit, l’interprétation n’est pas un ajout final ; elle est déjà engagée dans la manière de poser le problème – et analysé dans sa dimension de problématique résistante - de choisir ce qui compte comme indice, et de décider ce qui doit rester incertain ou ouvert à discussion. Cette construction de sens est intrinsèquement collective (utilisateurs et développeurs), car elle suppose des accords provisoires sur la pertinence des indices et sur la légitimité des conclusions.
Une fois le problème cadré, le processus se poursuit par la constitution d’un horizon de référence en un socle de connaissances situées. Concrètement, il s’agit de sélectionner et d’organiser des ressources reconnues par le collectif, qu’elles soient institutionnelles, scientifiques ou issues de l’expérience professionnelle : modélisation et cadres d’analyse, corpus significatifs et exemples de terrain. Le point n’est pas d’« ajouter des documents » mais d’assigner à l’assistant une écologie de références explicites, afin que ses productions soient ancrées dans un univers partagé plutôt que dans une généralité à jamais indifférenciée. Il s’agit là évidemment d’une reprise de contrôle par les acteurs sur ce que l’IA mobilise, de manière à réduire l’écart entre la rationalité algorithmique de l’outil et l’irréductibilité du réel.
Vient ensuite la phase la plus structurante : l’écriture du prompt, qui le cœur de l’assistant. L’écriture n’est pas ici une simple « consigne » mais une formalisation du métier, c’est-à-dire la mise en mots d’un schème d’interprétation. Rédiger le prompt revient à traduire des compétences professionnelles souvent tacites en une grammaire opératoire : ordre des opérations, règles d’attention, distinctions conceptuelles, précautions méthodologiques, limites de validité, types de sorties attendues, et conditions de reformulation si les données sont insuffisantes notamment un privilégiant le dialogue avec un modèle d’utilisateur. Cette phase est collaboratrice par nature, car elle oblige à discuter et stabiliser des compromis : quels termes employer, quelles catégories retenir, quelles inférences autoriser, quelles recommandations considérer comme acceptables, et où placer les garde-fous. Elle est herméneutique au sens fort, parce qu’elle explicite le passage de la trace (discours d’élève, verbatim d’entretien, note d’observation, donnée de pilotage) vers l’analyse, puis vers l’action, en rendant visibles les choix interprétatifs. Ainsi la précision du prompt conditionne directement la qualité de l’assistant, précisément parce que le prompt externalise la rigueur du raisonnement et rend cette rigueur révisable.
Le processus ne se clôt pas avec la mise à disposition de l’assistant ; il se prolonge dans la mise à l’épreuve par l’usage, ce qui constitue une seconde boucle herméneutique. Les productions de l’assistant sont confrontées aux situations, aux interprétations humaines et aux exigences du contexte ; c’est dans cette confrontation que surgissent les angles morts, les simplifications excessives, les glissements normatifs ou les recommandations inadaptées. Il s’agit explicitement d’une logique de test, critique, correction et enrichissement, où la révision n’est pas un simple correctif ponctuel mais un principe de fonctionnement. Cette dynamique fait du retour d’usage un matériau d’apprentissage collectif : on apprend autant sur l’assistant que sur le métier lui-même, parce que les divergences entre ce que l’outil propose et ce que les acteurs jugent pertinent obligent à rendre explicites les critères, à préciser les catégories, et à ajuster le schème d’interprétation encodé dans le prompt et dans la base de connaissances.
Enfin, il s’agit d’expliciter des conditions de robustesse qui permettent de distinguer un assistant simplement performant d’un assistant réellement capacitateur. La première condition est l’usage heuristique : l’assistant doit servir à explorer, problématiser, mettre en relation, et non à valider mécaniquement une réponse attendue. La deuxième condition est l’existence d’une base de connaissances partagée, reconnue et discutée par un collectif apprenant, condition qui protège contre l’opacité et contre la dérive d’une IA qui produirait des énoncés plausibles mais déliés des références du métier. La troisième condition est la révision itérative du prompt, qui maintient le dispositif dans un régime de réflexivité continue : ce qui est écrit peut être discuté, amélioré, et reconfiguré à partir des controverses et des apprentissages issus du terrain. Dans cette architecture, la robustesse n’est pas seulement technique ; elle est socio-épistémique, car elle dépend de la capacité du collectif – le plus souvent dans le cadre de micro-recherche-action à visée stratégiques - à maintenir des repères explicites, à organiser la critique, et à faire évoluer l’artefact en cohérence avec ses finalités.
Ainsi, l’élaboration herméneutique et collaborative de ces assistants peut être comprise comme une chaîne cohérente où l’on passe, par interprétations successives et stabilisations provisoires, du problème du terrain à une forme écrite de l’intelligence professionnelle, puis de cette forme écrite à des usages qui la testent, la contestent et la transforment. C’est précisément cette circularité — cadrer, référencer, formaliser, éprouver, réviser — qui garantit que l’assistant reste un instrument de compréhension et de transformation, plutôt qu’un mécanisme de décision déléguée.
Voir article définissant le concept de problématique résistante (cf. nos publications).
