Non, l’IA ne devrait pas coder à la place de vos étudiants
Les philosophes alertent sur les effets de l’IA sur l’apprentissage. Les mathématiciens décrivent un bouleversement sans précédent de leur discipline. Dans la tech, certains nous expliquent déjà qu’il ne sera bientôt plus nécessaire d’écrire du code : il suffirait de comprendre l’architecture, les systèmes, la "big picture".
Je ne partage pas l’alarmisme des premiers. Mais je trouve que les deux visions sont quelque peu déconnectées de la réalité.
Les uns regardent le problème depuis les plateaux de télévision. Les autres depuis leurs outils et leurs promesses de productivité. Peu de gens le regardent depuis une salle de classe avec douze élèves de 11 ans qui apprennent la logique algorithmique avec Python, ou depuis une formation où des data engineers apprennent à concevoir des pipelines avec Apache Kafka ou Flink.
Moi, c’est de là que je parle.
Ce qu’un senior sait, et qu’on ne peut pas acheter
Quand un architecte technique vous dit qu’un design ne tiendra pas en production, ce n’est pas seulement parce qu’il a lu un livre ou l'a vu dans une vidéo Youtube. C’est parce qu’il a vécu l’incident à trois heures du matin. Il a vu un pipeline Kafka mal partitionné s’effondrer sous la charge. Il a mis les mains dans le cambouis pendant des années.
Ce recul, ce jugement d’expertise, ne s’achète pas. Il s’acquiert par la pratique répétée, par l’erreur et par la compréhension progressive de ce qui fonctionne, et de ce qui casse.
Les seniors qui délèguent aujourd’hui une partie de leur code à un LLM savent généralement évaluer ce que la machine produit, détecter une hallucination et choisir entre deux architectures. Ce discernement c'est le produit de dix, quinze ou vingt ans d’écriture de code.
Comment la prochaine génération acquerra-t-elle ce recul si elle ne pratique pas ?
Ce que nous voyons sur le terrain
Après quelques séances, une élève de CM2 nous l’a demandé directement : « Il suffit de copier la solution, c’est ça ? »
À l’autre bout du spectre, un étudiant en Master 2 découvre l’assistant IA de son environnement Databricks. À peine deux minutes après la distribution du notebook par l’enseignant, il l’utilise pour résoudre toutes les cellules.
Ce n’est pas un problème d’intelligence. C’est un problème de conception pédagogique. Si le raccourci existe, l’élève le prend. C’est normal et profondément humain.
Pendant un atelier à l’École Européenne, je regardais le dashboard pédagogique avec Ayman, l’un de nos formateurs. Nous observions la séquence d’engagement d’un élève en temps réel : absent, inactif, lecture du tutoriel, écriture de code, puis blocage.
« Ça veut dire quoi, bloqué ? » m’a demandé Ayman.
Bonne question. Intuitivement, l’élève écrit, supprime, revient dans l’éditeur et recommence. Il ne s’agit pas de certitudes produites par des règles fixes, mais d’heuristiques comportementales. Le formateur voit ces signaux et sait où intervenir, et auprès de qui.
L’étape suivante que nous explorons consiste à détecter ce moment de blocage et à faire intervenir l’IA au bon moment. Pas pour donner la réponse : pour poser la bonne question.
Ce que Luna fait, et ce qu’elle ne fait pas
Luna, notre IA, n’est pas conçue pour coder à la place de l’apprenant. Ce n’est pas un assistant généraliste : c’est un tuteur qui s’appuie sur le notebook, les consignes et les critères définis par l’enseignant.
Dans un notebook classique, un assistant généraliste peut expliquer une erreur ou générer une fonction complète en quelques secondes. C’est utile pour produire vite et efficace pour faire adopter un produit. Mais c’est souvent contre-productif pour apprendre : l’élève obtient un résultat correct sans nécessairement comprendre le raisonnement, les contraintes de l’exercice ou les choix qu’il devait effectuer.
L’enseignant reste la source de vérité pédagogique. Il définit les objectifs, les validations, les réponses attendues et les critères d’évaluation. Luna intervient dans ce cadre. Elle commence par vérifier ce que l’apprenant a compris, puis apporte une explication ou un indice progressif plutôt qu’un corrigé prêt à copier.
Deux formes d’accompagnement dans le même notebook
Luna à côté du notebook
L’apprenant peut l’interroger sur le notebook, une consigne, une cellule ou un message d’erreur. Dans la démonstration ci-dessus, Luna commence par lui demander ce qu’il a compris du contrat des événements. Lorsqu’il explique qu’il est bloqué, elle reprend le concept depuis le début au lieu de remplir directement la fonction demandée.
Des checkpoints intégrés au parcours
Le notebook peut aussi contenir des questions ouvertes évaluées par Luna à partir de critères préparés par l’enseignant. On ne vérifie pas seulement que le programme produit le bon résultat : on peut demander à l’apprenant d’expliquer pourquoi il a choisi une méthode, comment il interprète un graphique ou quelles limites il identifie dans son analyse.
Les exercices de code restent vérifiés de manière déterministe par des assertions définies par l’enseignant. L’IA intervient là où une simple comparaison de valeurs ne suffit plus : compréhension, justification et recul critique.
Un notebook Jupyter natif, pas un format fermé
Le contenu pédagogique, le code initial et les informations nécessaires à la validation sont transportés dans les métadonnées du fichier .ipynb. Le notebook reste lisible dans les éditeurs compatibles avec le format Jupyter. Dans Coding Park, ces métadonnées activent l’expérience enrichie : validations intégrées, checkpoints et accompagnement contextualisé.
L’enseignant travaille donc avec un format qu’il connaît déjà. Il prépare un notebook professeur avec ses consignes, ses solutions et ses validations, puis génère la version destinée aux apprenants. Coding Park ajoute l’environnement d’exécution et la couche pédagogique, sans enfermer le contenu dans un format propriétaire.
Le même problème, à une autre échelle
Ce que nous avons commencé à construire pour suivre des adolescents qui apprennent Python, avec des workspaces isolés, des signaux d’engagement, des checkpoints de compréhension et un tuteur IA borné par les objectifs de l’enseignant, répond aussi aux besoins d’une école d’ingénieurs, d’un bootcamp ou d’une équipe qui forme ses data engineers.
Le contexte et la complexité changent. Le principe reste identique : permettre à l’apprenant de pratiquer, de se tromper et de comprendre, tout en donnant au formateur les moyens d’intervenir au bon moment.
L’IA comme tuteur, pas comme raccourci
Le débat utile ne consiste plus à choisir entre autoriser ou interdire l’IA. Les apprenants l’utiliseront. La vraie question est le rôle que nous voulons lui donner.
Apprendre, c’est accepter de ne pas comprendre tout de suite. C’est rester bloqué, recommencer et finalement saisir quelque chose que l’on ne savait pas encore formuler. Cette friction est au cœur même du processus.
Un futur où l’IA résout tout à notre place n’est pas un futur libéré. C’est un futur où nous perdons progressivement la capacité de penser par nous-mêmes et, avec elle, le sens de ce que nous faisons.
Je n’adhère pas à la vision d’une humanité sous perfusion de revenu universel, spectatrice de ses propres outils. L’intelligence ne se centralise pas dans des data centers. Pour nous, elle est décentralisée, incarnée, acquise par la pratique et l’effort.
C’est cette vision que nous voulons concrétiser avec Luna : utiliser l’IA pour préserver l’effort qui fait apprendre, pas pour le supprimer.
Dans Coding Park Academy, Luna apporte une couche d’explication et de feedback contextualisé dans un notebook Jupyter natif, encadrée par les objectifs pédagogiques. L’expérience est déjà accessible dans nos essais gratuits. La détection automatique du blocage et l’intervention proactive de Luna constituent la prochaine étape, pas une fonctionnalité que nous prétendons avoir déjà terminée.
Vous pouvez voir Luna accompagner un notebook et tester l’expérience dans notre notebook Jupyter en ligne, ou découvrir les modules pédagogiques Coding Park Academy.
Essayez l’espace Jupyter guidé par l’IA
Ouvrez un notebook Jupyter natif dans un espace cloud isolé et découvrez comment Luna guide l’apprenant sans faire à sa place.
