Agent conversationnel d'IA en contexte pédagogique
Les agents conversationnels d’IA générative peuvent être personnalisés pour répondre à des besoins pédagogiques précis grâce à l’approche de génération augmentée par récupération (GAR). Découvrez les étapes-clés de leur conception ainsi que les éléments à considérer pour en assurer la valeur ajoutée dans un contexte pédagogique.
Qu’est-ce qu’un agent conversationnel d'IA et la génération augmentée par récupération?
Un agent conversationnel est un système de dialogue qui permet d’établir un lien entre une personne utilisatrice et un modèle de langage. Copilot, ChatGPT et Claude, par exemple, sont des agents conversationnels bien connus. Ils peuvent générer des contenus en lien avec une multitude de sujets.
Plusieurs compagnies offrent toutefois la possibilité de concevoir des agents conversationnels personnalisés, spécifiques à certains sujets. Ce travail de conception repose sur une approche appelée génération augmentée par récupération ou GAR (l’expression RAG est fréquemment utilisée, il s’agit de l’acronyme en anglais pour retrieval-augmented generation). Elle consiste à fournir au système d’IA une base de connaissances ciblée (par exemple, des notes de cours, des textes disciplinaires, etc.), afin que les contenus générés soient davantage orientés ou contextualisés. C’est cette approche, la GAR, qui permet de concevoir un agent conversationnel personnalisé répondant à des besoins pédagogiques spécifiques.
Cas d’usage pédagogiques
Ces cas d’usage sont proposés à titre d’exemples. Il s’agit d’une liste non exhaustive, qui démontre la diversité des possibilités dans différents contextes disciplinaires.
Sciences et génie
Un agent qui guide la résolution d'un problème de mécanique par questionnement progressif (« qu'avez-vous tenté? », « quelle loi s'applique ici? »).
Sciences de la santé
Un agent qui simule un cas clinique interactif (anamnèse, symptômes évolutifs), pour permettre à la personne étudiante de s'exercer au raisonnement diagnostique en dehors des heures de stage.
Sciences de l'éducation
Un agent qui aide une future personne enseignante à anticiper des scénarios de gestion de classe en posant des questions sur les réactions possibles des élèves, en complément d'un stage supervisé.
Droit
Un agent qui accompagne la préparation à un cas pratique en demandant d'identifier les éléments juridiques pertinents, avant que la personne étudiante ne consulte la personne enseignante pour valider son raisonnement.
Sciences humaines et sociales
Un agent qui aide à structurer une revue de littérature en posant des questions sur la pertinence et la cohérence des sources choisies, sans rédiger le contenu à la place de la personne étudiante.
Administration et gestion
Un agent qui simule une négociation ou un entretien de gestion, permettant de s'exercer à l'argumentation avant une mise en situation évaluée en classe.
Exemple d'un agent tuteur pour soutenir l’apprentissage en mathématiques et statistique
Le chargé d’enseignement Aurélien Nicosia, de la Faculté des sciences et de génie, a conçu et déployé en 2025-2026 un agent conversationnel en mathématiques et statistique pour le Centre de développement et d’apprentissage en mathématiques et statistique de la faculté. Visionnez cette capsule vidéo (durée : 3:07) pour en apprendre davantage sur ses motivations pédagogiques et sur les premières retombées du projet.
Deux points de vigilance
Place de l’accompagnement humain
Si vous envisagez la conception d’un agent conversationnel pour l’un de vos cours, assurez-vous de protéger la place de l’accompagnement humain dans l’utilisation de l’agent ou en complément à cette utilisation. Quelques questions peuvent guider votre réflexion à ce sujet:
- L’agent sera-t-il pensé pour que les personnes étudiantes puissent l’utiliser de manière complètement autonome ou mènera-t-il, au besoin, à la consultation de la personne enseignante ou autre personne en soutien à l’apprentissage dans le contexte du cours?
- Quels critères seront utilisés pour déterminer ce qui pourrait être accompli à l’aide de l’agent et ce qui devrait relever d’un accompagnement humain?
- Comment s’assurer de protéger la relation pédagogique et la primauté du lien humain dans le contexte du cours, tout en intégrant l’utilisation d’un agent en soutien à l’apprentissage?
Risques pédagogiques
L’utilisation d’agents conversationnels implique un certain nombre de risques, qu’il s’agisse de risques pour l’apprentissage, pour l’exercice de la pensée critique, etc. Afin de limiter les risques inhérents à l’utilisation de cette technologie, il est suggéré de vous poser certaines questions, par exemple:
- Comment s’assurer que les personnes étudiantes ne développeront pas une dépendance à l’agent, ce qui nuirait au développement des compétences recherchées?
- L’utilisation de cet agent soutient-elle l’effort cognitif, nécessaire à l’apprentissage, ou tend-elle à le diminuer? Si des tâches cognitives sont déléguées à l’agent, cela permet-il de favoriser l’exercice d’autres tâches cognitives, et ce, de manière autonome?
- Comment faire pour éviter que les personnes étudiantes développent une illusion de connaissance ou de compétence en utilisant l’agent? Des activités réalisées de manière autonome sont-elles prévues pour valider le développement des compétences souhaitées ou l’acquisition des connaissances nécessaires, et s’assurer que les compétences développées persistent même sans l’utilisation de l’agent?
- L’utilisation de l’agent risque-t-elle d’accentuer un phénomène d’homogénéisation de la pensée et des modes de résolution de problème (voir à ce sujet The Homogenizing Effect of Large Language Models on Human Expression and Thought, Sourati et al., 2025)?
Conception d'un agent conversationnel pédagogique
Vous aimeriez explorer la possibilité d’intégrer l’utilisation d’un agent conversationnel dans l’un de vos cours? Ce processus en sept étapes guide la conception d'un agent conversationnel pédagogique, en soulignant au passage certains points de vigilance. Non linéaire par nature, il implique des allers-retours constants, dans une logique itérative et dynamique. N’hésitez pas à contacter votre équipe pédagogique facultaire pour obtenir de l’accompagnement.
Objectifs pédagogiques
- Quels sont les apprentissages que je cherche à soutenir ou à développer? S'agit-il de transmettre des connaissances, de développer des compétences, d'accompagner une démarche réflexive?
- Comment l'agent s'intègre-t-il aux objectifs de mon cours ou du programme? Vient-il compléter ou remplacer une activité existante?
| Pertinent | Moins pertinent |
|---|---|
|
|
Public cible et contexte d’utilisation
- À qui s'adresse l'agent? Quel est le profil des personnes étudiantes visées (niveau de connaissance, familiarité avec les outils numériques, besoins particuliers)?
- Dans quel contexte l'agent sera-t-il utilisé : en classe, en dehors des heures de cours, en autonomie complète? De manière facultative ou obligatoire?
| Pertinent | Moins pertinent |
|---|---|
|
|
Évaluation des apprentissages
- L’utilisation de l’agent sera-t-elle autorisée pour la réalisation des évaluations formatives et sommatives? Sera-t-elle obligatoire (intégrée dans l’évaluation)?
- Doit-on encadrer l’utilisation de l’agent dans le contexte spécifique de la préparation aux évaluations? Pourrait-elle soutenir la préparation aux évaluations ou au contraire nuire à celle-ci?
| Pertinent | Moins pertinent |
|---|---|
|
|
Plusieurs options s’offrent à vous, qu’il s’agisse d’utiliser des outils institutionnels, des outils commerciaux, un SIA installé localement, etc. Chacune des options comporte des avantages et des limites. Le choix du SIA pourrait être guidé par le type de contenus que vous souhaitez lui fournir (libres de droits ou non, contenus sensibles ou non, etc.) ou par la taille du modèle nécessaire en fonction des tâches à accomplir. Si vous avez besoin de soutien pour valider le choix de l’environnement technologique, votre équipe technopédagogique facultaire peut vous aider.
Points de vigilance
- Équité et inclusion : Les fonctionnalités pouvant varier selon les forfaits, privilégiez un outil institutionnel plutôt que des abonnements individuels, afin de limiter les inégalités numériques liées aux moyens financiers des personnes étudiantes.
- Protection des renseignements personnels : Si un risque existe que des données personnelles soient transmises à l'agent, privilégiez un SIA institutionnel ou adaptez le fonctionnement de l'agent en conséquence. Un système institutionnel permet une connexion avec les identifiants ULaval (sans création de compte externe) et garantit une évaluation rigoureuse des risques par l'Université.
- Sobriété numérique : Privilégiez, si possible, un modèle de langage moins volumineux.
Agents Copilot
La licence Microsoft de l’Université Laval vous permet de concevoir un agent conversationnel pédagogique grâce à la fonctionnalité « Agents » de Copilot. La procédure qui suit vous guidera dans les différentes étapes de création.
L’étape de préparation de la base de connaissances est importante, car la qualité des sources fournies à l’agent influencera directement la qualité des contenus qu’il va générer. Pour la constituer, commencez par identifier la nature des connaissances que l’agent devra mobiliser. Sélectionnez ensuite les sources les plus pertinentes, vérifiez qu'elles sont à jour et qu’elles sont cohérentes. Une base de connaissances ciblée et bien organisée mènera à la génération de contenus textuels plus précis, plus fiables et potentiellement plus utiles pour les personnes étudiantes.
Votre base de connaissances pourrait contenir différentes ressources, en fonction des objectifs pédagogiques auxquels l’agent répondra :
- notes de cours
- articles et textes variés (en considérant la question du droit d’auteur)
- liens vers des sites web
- guides méthodologiques
- jeux de données
- etc.
Point de vigilance
Protection du droit d’auteur : Lors de la sélection des sources composant votre base de connaissances, privilégiez des œuvres libres de droits, dont vous détenez les droits ou pour lesquelles vous avez obtenu le consentement des titulaires, le tout afin de respecter le droit d’auteur.
Pour que le système fournisse des réponses alignées à ce que vous recherchez, il faut le paramétrer à l’aide d’instructions claires et détaillées. Ces instructions concernent autant les caractéristiques des contenus qu’il doit générer que le format de réponse qu’il doit respecter. Les instructions constituent en quelque sort la séquence d’actions que l’agent doit suivre et les contraintes qu’il doit respecter pour fournir une réponse à la personne qui l’utilise.
Voici quelques exemples de questions dont les réponses pourront vous aider à rédiger ces instructions :
- Est-ce que des contraintes pédagogiques devraient être respectées par l’agent? Par exemple, doit-il fournir des exemples, identifier les sources des informations incluses dans ses réponses, ne jamais fournir la réponse à une question, etc.?
- Devrait-il suivre certaines étapes dans ses interactions?
- Comment l’agent devrait-il interagir avec les utilisateurs?
- Quels ton et niveau de personnalisation devrait-il adopter?
- Etc.
Il importe aussi d’ajouter toute instruction relative aux contenus disciplinaires spécifiques: procédures spécifiques à respecter, éléments méthodologiques à considérer, terminologie à utiliser, cadres théoriques à privilégier, etc.
Important
Un agent conversationnel personnalisé est une spécialisation d’un agent conversationnel généraliste, pas un verrouillage de celui-ci. Les instructions que vous lui donnez sont des instructions de comportement qui influencent fortement ses réponses, mais elles ne l'empêchent pas de répondre à d'autres questions lorsque l'utilisateur change complètement de sujet. Par exemple, si les personnes étudiantes demandent une recette de gâteau au chocolat dans votre agent conversationnel pédagogique d’analyse de cas cliniques… elles obtiendront leur recette.
Pour limiter la possibilité que ce comportement survienne, vous pouvez ajouter ceci dans vos instructions :
Cet agent conversationnel est exclusivement destiné à répondre aux questions concernant (…) en se fiant aux informations contenues dans la base de connaissances. Si la question ne concerne pas (…) ou la documentation disponible, l’agent ne doit pas y répondre. Il doit plutôt répondre :
« Je suis conçu exclusivement pour répondre aux questions concernant … et sa documentation. Je ne peux pas répondre à cette demande. » L’agent ne doit fournir aucune réponse générale.
Cet ajout aux instructions limitera la possibilité de génération de contenus hors sujet. Si vous avez besoin d'un comportement véritablement verrouillé, il faut passer par une application personnalisée qui effectue elle-même un filtrage des requêtes avant de les envoyer au modèle. Dans un tel cas, contactez votre équipe technopédagogique facultaire pour obtenir son soutien.
Exemple d'instructions authentiques
Vous aimeriez vous inspirer d’un exemple d’instructions authentiques pour rédiger les vôtres? Voici les instructions qu'Aurélien Nicosia a utilisées pour concevoir l'agent conversationnel GPT-CDA; elles sont partagées ici avec son autorisation. Il s’agit d’instructions servant à concevoir un agent de type « tuteur ». La version originale a été synthétisée en retirant notamment les éléments spécifiques au contexte disciplinaire. Vous pourrez constater que les instructions d’un agent conversationnel pédagogique sont relativement longues. Parvenir aux instructions finales demande généralement plusieurs itérations, au fil desquelles vous affinerez celles-ci afin que l’agent ait le comportement souhaité et génère des contenus alignés à ce que vous cherchez. Si vous avez besoin de soutien pour rédiger vos instructions, votre équipe technopédagogique facultaire peut vous aider.
La phase de test est absolument essentielle, afin de vous assurer du bon fonctionnement de votre agent. Cette étape demande une attention particulière et du temps pour être bien réalisée.
Vos tests seront guidés par le type d’agent que vous souhaitez créer. Par exemple, si votre agent est destiné à agir comme tuteur, vous voudrez peut-être vérifier qu’il respecte cette posture en évitant de donner les réponses aux questions posées par les personnes étudiantes. Dans d’autres contextes, vous pourriez souhaiter que l’agent fournisse les réponses, par exemple s’il est conçu pour soutenir l’entrainement à la récupération en mémoire d’éléments de connaissances et que vous souhaitez que les personnes étudiantes soient parfaitement autonomes dans son utilisation. Il sera alors important de vérifier lors de vos tests si les contenus générés par l’agent sont justes et exempts d’erreurs.
Au fil de cette étape de test, il est probable que vous deviez faire des ajustements aux instructions pour qu’elles soient plus précises et complètes. L’étape de test vous permettra aussi de préciser le type d’accompagnement qui devra être offert aux personnes étudiantes lorsqu’elles utiliseront l’agent: procédurier, tutoriel, courte formation en classe, etc.
Point de vigilance
Biais algorithmiques : Durant vos tests, portez attention au fait les réponses de l'agent peuvent comporter des biais algorithmiques liés à la sous-représentation de certains groupes ou points de vue dans les données d'entraînement. En fonction de vos observations, prévoyez en discuter ouvertement avec les personnes étudiantes et envisagez le fait de planifier, dans d'autres activités du cours, des occasions de présenter des points de vue alternatifs, afin d’éviter un phénomène d’homogénéisation de la pensée et des modes de résolution de problèmes (Sourati et al., 2026).
L’accompagnement offert aux personnes étudiantes poursuit deux objectifs complémentaires : s'assurer qu'elles sont en mesure d'utiliser l'agent efficacement sur le plan technique et les outiller pour en faire un usage critique et responsable.
Utilisation efficace de l’agent
Les personnes étudiantes gagneront à comprendre, dans les grandes lignes, ce qu'est l'agent qu'elles utilisent et comment il fonctionne. Sans entrer dans les détails techniques, il peut être utile de leur expliquer :
- que l'agent génère des contenus à partir d'une base de connaissances constituée par l'enseignant ou l'enseignante
- qu'il peut générer avec assurance des contenus qui comprennent des éléments incorrects ou qui sont incomplets
- qu’il importe de formuler des requêtes claires pour obtenir des réponses plus pertinentes (envisager la possibilité de leur fournir des exemples)
- ce que l'agent peut faire et, tout aussi important, ce qu'il ne peut pas faire dans le cadre du cours.
Selon le contexte, cet accompagnement peut prendre la forme d'une courte présentation en classe, d'un tutoriel ou d'une fiche de démarrage mise à disposition sur le site de cours.
Utilisation critique et responsable
Au-delà du savoir-faire technique, les personnes étudiantes doivent être accompagnées dans le développement d'un rapport réflexif à l'agent. Il s'agit notamment de :
- leur rappeler qu'elles demeurent responsables de l’utilisation qu’elles font des contenus générés, même si l’agent est proposé par la personne enseignante
- les sensibiliser à valider systématiquement les contenus générés par l'agent, en les confrontant aux sources du cours ou à d'autres sources fiables
- discuter ouvertement des risques de dépendance à l'agent et de la façon dont une utilisation non réfléchie peut nuire au développement de leurs propres compétences
- discuter ouvertement avec elles du fait que les contenus générés peuvent comporter des stéréotypes ou mener à une sous-représentation de certains groupes ou points de vue
- les encourager à préparer leurs requêtes soigneusement (voire dans un fichier Word distinct), afin de limiter les allers-retours, le tout dans une perspective de sobriété numérique
- clarifier les règles d'utilisation de l'agent dans le cadre du cours (activités autorisées, contextes d'évaluation, déclaration attendue, etc.).
Ces éléments peuvent être abordés lors d'une activité d'amorce en classe ou intégrés dans le plan de cours, afin que les attentes soient explicites dès le départ.
Après une première période d’utilisation, il est recommandé de prévoir un retour sur l’expérience, tant de votre point de vue que du point de vue des personnes étudiantes. Cette étape vous permettra:
- d’évaluer l’atteinte des objectifs pédagogiques visés par la conception de l’agent
- de mesurer l’impact de l’agent sur l’engagement et la motivation des personnes étudiantes
- de recenser les difficultés rencontrées, afin d’identifier les ajustements à apporter
- de documenter tout autre élément qui vous permettrait d’améliorer cet outil.
Point de vigilance
Sobriété numérique : Cette étape d’évaluation des retombées de l’agent vous permettra aussi, dans une perspective de sobriété numérique, de vous assurer de réserver son utilisation aux tâches où sa valeur ajoutée est bien identifiée, plutôt que d’en encourager un usage systématique.
Conseil supérieur de l’éducation du Québec et Commission de l’éthique en science et en technologie. (2024). Intelligence artificielle générative en enseignement supérieur: enjeux pédagogiques et éthiques. Québec, Le Conseil; La Commission. https:/
Sabbaghan, S. (2025, 29 juillet). AI can be responsibly integrated into classrooms by answering the ‘why’ and ‘when’. The Conversation. https:/
Sourati, Z. et al. (2026). The Homogenizing Effect of Large Language Models on Human Expression and Thought. Trends in Cognitive Sciences. https:/
Zguira, A. (2025, 6 mars). Chatbots : des alliés inattendus pour dynamiser les classes en enseignement supérieur, article de blogue, site Web de Nadia Naffi, Université Laval.
Aller plus loin
- Les agents conversationnels dans un contexte pédagogique
Cette page Web propose des pistes de réflexion et des points de vigilance pour la conception d’agents conversationnels pédagogiques. Direction de l’apprentissage et de l’innovation pédagogique. HEC Montréal. - Créer un robot conversationnel pour vous aider dans votre enseignement : des pours et des contres
Cette page Web présente les réflexions d’un professeur d’université concernant son expérience d’utilisation d’un agent conversationnel pédagogique. Direction de l’apprentissage et de l’innovation pédagogique. HEC Montréal.