Les enseignants du Vermont face aux compromis pédagogiques de l’IA en classe

Les enseignants du Vermont ont entamé la nouvelle année scolaire avec un conflit désormais relayé par Google News : les élèves peuvent utiliser l’intelligence artificielle pour apprendre plus vite, ou pour éviter d’apprendre complètement. La distinction paraît simple. L’appliquer à différents âges, matières, devoirs et logiciels ne l’est pas.

Un reportage sur l’IA en classe publié le 1er septembre par WCAX a illustré ce désaccord auprès d’éducateurs travaillant au Vermont et dans ses environs. Certains apprennent aux élèves à examiner les travaux générés par l’IA afin d’y repérer des erreurs et des biais. D’autres souhaitent peu, voire aucune, utilisation en classe, en particulier avant le lycée.

Il ne s’agit pas d’un débat classique entre passionnés de technologie et enseignants traditionnels. Les deux camps reconnaissent que les élèves rencontreront l’IA en dehors de l’école. Leur désaccord porte sur le moment où l’exposition devient de l’éducation, où l’aide devient une substitution, et sur la personne qui doit en décider.

Le Vermont a déjà publié des lignes directrices à l’échelle de l’État, mais elles évitent délibérément de trancher chaque décision prise en classe. Les districts scolaires, les directions d’établissement et les enseignants doivent encore traduire de grands principes en règles pratiques. Ils doivent donc gérer la tension entre jugement pédagogique et cohérence des politiques.

La question immédiate n’est pas de savoir si l’IA a sa place quelque part dans l’éducation. Elle est de savoir si les écoles peuvent définir des usages qui préservent la réflexion qu’un devoir était censé développer.

Le débat du Vermont sur l’IA en classe a dépassé les interdictions

La nouveauté réside dans le passage d’une question — les écoles doivent-elles bloquer l’IA ? — à une autre : quels usages soutiennent un objectif d’apprentissage précis ?

Selon WCAX, Claudine Bedell, professeure d’éducation à St. Michael’s College, demande à ses étudiants de critiquer du contenu produit par un outil d’IA. Les étudiants y repèrent rapidement des erreurs et de possibles biais, a-t-elle indiqué. L’exercice fait de l’évaluation, plutôt que de la génération, le cœur du devoir.

Cette distinction importe, car l’IA générative crée du texte, des images, de l’audio ou du code à partir de régularités présentes dans des données d’entraînement. Elle peut produire des réponses fluides sans démontrer qu’elles sont exactes. Une activité en classe peut mettre cette limite en évidence lorsque les élèves disposent de suffisamment de connaissances dans la matière pour remettre en question le résultat.

L’approche de Bedell considère la maîtrise de l’IA comme une forme d’esprit critique. Les élèves doivent repérer les affirmations non étayées, les perspectives absentes et les formulations qui semblent convaincantes sans être fiables. Le modèle devient un objet d’étude plutôt qu’un auteur invisible.

Christina Asquith, cofondatrice de l’association à but non lucratif Hack Club, basée à Burlington, a décrit une position plus restrictive. Hack Club enseigne l’informatique aux adolescents, et les jeunes qui y participent utilisent l’IA pour écrire du code. Toutefois, Asquith a déclaré à WCAX que des élèves soumettent parfois des projets qu’ils ne comprennent pas.

Hack Club refuse ces projets. Selon Asquith, les trois quarts de ces élèves soumettent de nouveau leur travail sous une ou deux semaines, avec une meilleure compréhension de leur code. L’organisation autorise l’outil tout en refusant d’accepter son résultat comme preuve d’apprentissage.

Cet exemple résume le problème central. Un programme qui fonctionne montre qu’un logiciel a produit un résultat opérationnel. Il ne démontre pas qu’un élève peut expliquer le programme, le déboguer ou en recréer la logique.

Asquith a déclaré que les participants de Hack Club produisaient du code environ 100 fois plus vite qu’en 2023. Ce chiffre reflète le constat de l’organisation, et non une mesure indépendante de l’apprentissage. Une production plus rapide peut aller de pair avec une compréhension plus faible.

Elle trace donc une limite bien plus étroite pour la classe. Asquith a déclaré à WCAX que l’IA n’a aucun rôle de la maternelle à la huitième année et qu’elle ne devrait jouer qu’un rôle très limité au lycée.

Le désaccord est réel, mais il existe un terrain d’entente. Bedell comme Asquith rejettent l’acceptation passive des résultats produits par les machines. Toutes deux veulent que les élèves comprennent le travail qu’ils ont devant eux.

Une approche développe cette compréhension par une critique structurée. L’autre limite l’accès jusqu’à ce que les élèves disposent de bases plus solides. Google News fait remonter ce désaccord comme une actualité locale opportune, mais les écoles du Vermont doivent le transformer en règles de fonctionnement durables.

Google News met en lumière une lacune dans les orientations à l’échelle de l’État

Le Vermont dispose d’un cadre à l’échelle de l’État, mais les décisions déterminantes restent entre les mains des districts scolaires, des directions d’établissement et des enseignants.

L’Agence de l’éducation du Vermont a publié le 23 janvier 2026 un guide de 50 pages sur l’IA dans l’éducation. Il traite du travail administratif, de l’apprentissage personnalisé, de la maîtrise de l’IA, de l’usage responsable, de l’évaluation des outils et d’un accès adapté au développement des élèves.

Le document fournit une orientation sans imposer une politique universelle pour toutes les classes. Il invite les éducateurs à consulter les listes de logiciels approuvés, les équipes technologiques des districts, la direction de l’établissement et les exigences applicables en matière de confidentialité.

Cette souplesse respecte le jugement pédagogique local. Elle peut également entraîner des réponses différentes pour des élèves qui suivent des cours semblables dans des districts voisins.

Le guide de l’État distingue les attentes selon les tranches d’âge. Les éducateurs du primaire devraient surtout se concentrer sur l’usage de l’IA pour fluidifier leur propre travail. Le collège est décrit comme une période de transition durant laquelle les élèves ont besoin d’un encadrement structuré. Les lycéens peuvent s’engager dans des tâches plus exigeantes soutenues par l’IA après avoir développé leur maîtrise de l’IA.

Ces distinctions placent la maturité développementale au centre du sujet. Un outil adapté à un exercice de programmation au lycée peut ne pas convenir à une leçon d’écriture à l’école primaire. Même au sein d’un même niveau, la préparation varie selon l’élève, la matière et la tâche.

Le cadre distingue également l’accès de la supervision. Un district peut approuver un chatbot conçu pour l’éducation, mais cette approbation ne définit pas la manière dont un enseignant doit l’utiliser. La question pédagogique reste de savoir si l’outil renforce la compétence visée.

Prenons un devoir d’écriture. L’IA peut proposer un plan, fournir des retours ou produire une réponse complète. Ces actions s’effectuent via la même interface, mais elles entraînent des conséquences pédagogiques différentes.

Un enseignant peut autoriser le remue-méninges tout en interdisant la prose générée. Un autre peut demander aux élèves de comparer un brouillon produit par l’IA avec le leur. Un troisième peut interdire l’outil parce que le devoir évalue un raisonnement autonome.

Ces différences deviennent déroutantes lorsque les écoles se contentent d’indiquer si l’IA est « autorisée ». Les élèves ont besoin d’attentes précises pour chaque tâche : ce qu’ils peuvent faire, ce qu’ils doivent déclarer et quelles parties du travail doivent rester les leurs.

Les reportages nationaux montrent que cette ambiguïté dépasse le Vermont. Une analyse de l’intégrité académique de l’Associated Press a décrit des élèves confrontés à des règles différentes sur l’IA selon les classes. La correction grammaticale, la création de plans, la réécriture et la génération d’idées se situent souvent dans une zone d’incertitude.

Une politique utile doit donc décrire des actions plutôt que des marques. Bloquer un chatbot ne répond pas à la question de savoir si les élèves peuvent utiliser des fonctions d’IA intégrées aux moteurs de recherche, aux logiciels d’écriture, aux éditeurs de documents ou aux plateformes d’apprentissage.

Le même principe s’applique à l’usage par les enseignants. Une école peut autoriser une aide à la préparation des cours sans permettre la notation ou les retours automatisés. La politique doit préciser quelles responsabilités exigent un jugement professionnel direct.

Les orientations du Vermont donnent aux écoles un vocabulaire pour prendre ces décisions. Elles n’éliminent pas le difficile travail nécessaire pour les prendre.

La véritable ligne de partage oppose l’apprentissage à la substitution

Le conflit principal n’oppose pas les enseignants à la technologie. Il oppose l’apprentissage assisté par l’IA à la substitution assistée par l’IA.

La substitution survient lorsqu’un outil réalise le travail cognitif qu’un devoir vise à mesurer. Si les élèves doivent construire une argumentation, générer l’argumentation entière se substitue à ce processus. S’ils doivent apprendre la syntaxe, accepter du code généré peut masquer le fait qu’ils comprennent ou non le langage.

L’assistance soutient le processus sans en évincer l’objectif. Un élève peut demander à un chatbot de créer des questions d’entraînement, d’expliquer une erreur ou de contester une conclusion. L’élève doit toujours évaluer la réponse et démontrer une compréhension autonome.

La frontière varie selon le devoir. Une calculatrice peut soutenir des mathématiques avancées tout en compromettant un exercice conçu pour développer la fluidité en calcul. Le rapport d’État sur la politique relative à l’IA du Vermont de 2024 a utilisé cette comparaison en abordant l’IA générative.

L’analogie est utile, mais incomplète. Une calculatrice effectue des opérations définies avec des résultats prévisibles. Un modèle de langage génère des réponses probabilistes susceptibles de contenir des erreurs factuelles, des biais ou des détails inventés.

Cette différence accroît l’importance de la vérification. Les élèves doivent posséder suffisamment de connaissances pour reconnaître qu’une réponse soignée est erronée. Sans cette base, « vérifier l’IA » peut se réduire à accepter sa confiance apparente.

L’exercice en classe de Bedell répond directement à cette faiblesse. Les élèves examinent d’abord le contenu généré, puis en identifient les défauts. La valeur pédagogique vient de la critique, et non de l’obtention plus rapide d’un texte.

Hack Club utilise un mécanisme différent. L’organisation teste la compréhension après que les élèves ont créé avec l’IA. Rejeter les projets inexpliqués oblige les élèves à revenir au code, où ils doivent élaborer une explication de ce que le système a produit.

Les deux cas modifient l’évaluation. Les enseignants ne peuvent pas considérer un document finalisé ou un programme fonctionnel comme une preuve suffisante. Ils doivent examiner le processus qui le sous-tend.

Cela peut inclure des brouillons, des notes de sources, des explications orales, des historiques de versions, du travail réalisé en classe ou de courtes réflexions décrivant l’usage d’un outil. Ces méthodes sont plus informatives qu’un score de détection de l’IA.

Les logiciels de détection tentent d’estimer si un modèle a généré un passage. Ces estimations ne révèlent pas ce qu’un élève a appris, et les faux positifs peuvent nuire à la confiance. Les preuves issues du processus donnent aux enseignants une base plus solide pour évaluer la paternité et la compréhension du travail.

Une déclaration claire est également importante. Les élèves doivent savoir quand ils doivent identifier une étape assistée par l’IA et quel niveau de détail cette déclaration doit comporter. Les enseignants qui utilisent des contenus générés par l’IA devraient suivre des attentes comparables.

Cette réciprocité s’impose comme un enjeu important au Vermont. Une enquête auprès d’éducateurs du Vermont publiée par Seven Days a rapporté que certains élèves se sentaient moins motivés lorsque les enseignants assignaient des contenus générés par l’IA. Les élèves se demandaient pourquoi leur propre travail était soumis à des règles plus strictes que celui de leurs enseignants.

La préoccupation n’est pas seulement symbolique. Une fiche d’exercices inexacte peut diffuser des erreurs dans toute une classe. Une leçon générique peut également ne pas refléter les élèves, le programme ou les discussions qu’un enseignant connaît directement.

La supervision par les enseignants doit donc signifier davantage que d’appuyer sur un bouton et de lire une fois le résultat. Les éducateurs restent responsables de l’exactitude, de l’accessibilité, de l’adéquation pédagogique et du traitement des informations des élèves.

Une classe transparente peut rendre cette responsabilité visible. Les enseignants peuvent expliquer quand l’IA a aidé à préparer une ressource, quelles parties ils ont modifiées et pourquoi le contenu final sert la leçon. Les élèves peuvent documenter leurs propres usages autorisés selon le même principe.

Ce modèle ne confère pas aux élèves et aux enseignants des responsabilités identiques. Les enseignants conçoivent l’enseignement et évaluent les apprentissages. Il établit toutefois une norme commune : aucune des deux parties ne devrait présenter un résultat de machine non examiné comme un travail original et vérifié.

La confidentialité et les limites d’âge compliquent l’IA en classe

Même une activité d’apprentissage pertinente peut devenir inacceptable lorsqu’un outil d’IA collecte des données sensibles ou dépasse le niveau de maturité d’un élève.

Les systèmes d’IA générative conservent souvent les requêtes, produisent des enregistrements d’utilisation ou associent les interactions aux comptes utilisateurs. Lors d’une conversation ordinaire, un élève peut révéler des informations personnelles, des difficultés scolaires, des informations sur un handicap ou un travail non publié.

L’approbation d’un outil devient ainsi une décision de gouvernance des données. Les établissements doivent comprendre quelles informations un fournisseur collecte, combien de temps il les conserve et s’il utilise les entrées pour améliorer ses modèles.

Les recommandations du Vermont orientent les enseignants vers des outils approuvés par le district et vers les équipes technologiques. Elles font référence aux exigences fédérales de protection de la vie privée, notamment la Family Educational Rights and Privacy Act et la Children’s Online Privacy Protection Act.

Les enseignants ne peuvent pas résoudre seuls chaque question contractuelle ou technique. Les districts ont besoin d’un processus d’examen couvrant le traitement des données, la sécurité, l’accessibilité, les contrôles de compte et les restrictions d’âge avant le début de l’utilisation en classe.

La conception des produits introduit une autre difficulté. Un chatbot généraliste peut encourager une conversation ouverte, tandis qu’une application spécifique à l’éducation peut limiter le modèle à une matière ou à une activité définie. Un système plus circonscrit réduit certains risques, sans les éliminer.

Le guide de l’État cite des exemples tels que le dépistage des difficultés en littératie et le tutorat centré sur les programmes scolaires. Il avertit également que les responsables d’établissement doivent examiner l’application réelle plutôt que de supposer qu’une étiquette éducative garantit la sécurité.

La supervision reste limitée. Le guide du Vermont évoque les lacunes dans la capacité des administrateurs à examiner les conversations des élèves au sein de certaines plateformes largement utilisées. Une école ne peut pas promettre une surveillance significative si son personnel ne peut pas voir comment les élèves interagissent avec un outil.

L’âge rend ces limites plus importantes encore. Les jeunes élèves ont moins d’expérience pour évaluer la persuasion, l’incertitude factuelle et le langage émotionnel simulé. Ils peuvent attribuer compréhension ou autorité à un système qui génère des réponses conversationnelles sans conscience humaine.

Cela aide à expliquer l’appel d’Asquith à exclure l’IA des classes de la maternelle à la huitième année. Sa position met l’accent sur la protection des apprentissages fondamentaux et du développement avant que les élèves ne rencontrent des outils capables d’effectuer leur travail à leur place.

Les recommandations de l’État du Vermont adoptent une approche plus progressive. Elles réservent l’usage à l’école primaire aux tâches des enseignants, introduisent une culture structurée de l’IA au collège et autorisent un usage plus large au lycée après que les élèves ont démontré leur préparation.

Aucune de ces positions n’a été tranchée par des données de long terme en classe. Les outils d’IA générative ne sont devenus largement accessibles qu’à la fin de 2022, ce qui laisse aux établissements peu de recherches longitudinales sur l’apprentissage, la dépendance et le développement.

Cette incertitude devrait limiter les affirmations des deux côtés. Les écoles ne peuvent pas supposer qu’une exposition précoce crée automatiquement une culture de l’IA. Elles ne peuvent pas non plus supposer qu’éviter les outils en classe empêche les élèves de les utiliser ailleurs.

L’équité ajoute une autre pression. Les élèves disposant de comptes payants, d’appareils personnels ou d’un soutien plus solide à la maison peuvent y accéder indépendamment des règles scolaires. Une simple interdiction peut donc repousser l’usage de l’IA hors des environnements supervisés sans le faire disparaître.

À l’inverse, un usage obligatoire peut peser sur les familles préoccupées par la confidentialité, les biais, l’exposition aux écrans ou l’accessibilité. Il peut également désavantager les élèves qui apprennent mieux grâce à l’enseignement humain et à la pratique directe.

Une politique défendable doit prévoir des alternatives. Si un devoir autorise ou exige l’IA, les élèves devraient pouvoir atteindre le même objectif d’apprentissage sans céder leurs données personnelles à un service non approuvé.

Les écoles devraient également éviter de présenter chaque aménagement comme une autorisation de génération sans restriction. L’aide à l’accessibilité peut être strictement définie autour du besoin documenté d’un élève tout en préservant l’objectif du devoir.

La vérité difficile est que l’« IA sûre » n’est pas une catégorie de produit permanente. Les fournisseurs modifient leurs fonctionnalités, politiques, modèles et contrôles de compte. L’approbation par le district doit être réexaminée lorsque ces conditions changent.

Les enseignants sont désormais au cœur de la pression

L’approche flexible du Vermont place le jugement professionnel au centre, mais elle demande aussi aux enseignants de gérer des responsabilités qu’aucune salle de classe ne peut résoudre seule.

Les enseignants doivent décider si un usage soutient l’apprentissage, expliquer cette décision aux élèves, appliquer les règles d’intégrité académique, vérifier les résultats pour détecter les erreurs et protéger les informations des élèves. Ils doivent le faire alors que les fonctionnalités d’IA se répandent dans des logiciels familiers.

Une interdiction totale semble plus simple à administrer. Pourtant, les élèves peuvent encore accéder aux outils via des comptes personnels, des interfaces de recherche, des assistants d’écriture et des téléphones. L’application des règles devient alors une tâche de surveillance toujours plus vaste.

Un accès sans restriction évite cette charge de contrôle, mais crée un autre problème. Les élèves peuvent externaliser le raisonnement même que les écoles sont censées développer.

La voie médiane praticable exige davantage de conception, pas moins. Les devoirs nécessitent des limites explicites concernant l’IA, des preuves significatives du processus et des méthodes d’évaluation qui révèlent la compréhension. Cela accroît les exigences de préparation avant de réduire toute charge de travail.

Le développement professionnel est donc important. Les enseignants ont besoin de temps pour tester les outils dans des matières qu’ils maîtrisent en profondeur. Cela leur permet de voir les erreurs typiques, les citations faibles, les hypothèses biaisées et les formulations génériques.

La formation doit également couvrir les situations dans lesquelles il ne faut pas utiliser l’IA. Une session uniquement axée sur les requêtes risque de traiter l’adoption comme un objectif déjà décidé. Les enseignants doivent avoir l’autorité de rejeter un outil lorsqu’il ne sert pas leurs élèves.

Les reportages locaux montrent que les districts du Vermont se trouvent à des stades différents. Champlain Valley School District a élaboré des principes axés sur un apprentissage équitable, le soutien aux enseignants et une utilisation éthique. Les enseignants de Harwood ont œuvré en faveur d’une philosophie commune visant à réduire les règles incohérentes.

Ces efforts montrent pourquoi un document à l’échelle de l’État ne peut pas constituer la dernière couche. Les districts ont besoin de directives pour les devoirs, de listes d’outils approuvés, de pratiques de divulgation, de communication avec les familles et de procédures pour examiner les travaux contestés.

Les responsables scolaires doivent aussi définir les responsabilités. Un enseignant devrait savoir qui approuve un nouvel outil et qui intervient si des données d’élèves sont exposées. Les élèves devraient savoir comment contester une accusation liée à l’IA ou demander des précisions avant de remettre un travail.

Les familles ont besoin d’explications simples sur le fonctionnement d’un outil. Les noms de produits et les affirmations générales sur l’apprentissage personnalisé ne répondent pas à la question de savoir si un élève conversera avec un modèle, téléversera un travail ou recevra un retour automatisé.

Le débat a également des conséquences pour les fournisseurs. Les entreprises du secteur éducatif subissent des pressions pour offrir une visibilité administrative, des contrôles adaptés à l’âge, de l’accessibilité et des pratiques de données claires. Un chatbot conçu pour les adultes ne devient pas prêt pour la classe grâce au seul branding.

Google, Microsoft, OpenAI et les fournisseurs axés sur l’éducation rivalisent tous pour s’intégrer aux flux de travail scolaires. Leurs produits diffèrent, mais la question institutionnelle est la même : un district peut-il contrôler l’usage sans transférer l’autorité éducative au logiciel ?

Les écoles devraient évaluer ces systèmes selon leurs objectifs locaux d’apprentissage. Une fonctionnalité qui fait gagner du temps de préparation n’est pas automatiquement adaptée aux élèves. Une interface de tutorat n’est pas automatiquement suffisamment fiable pour un usage autonome.

Les enseignants restent responsables de la relation que les logiciels ne peuvent pas offrir. Ils remarquent la frustration, les connaissances antérieures, le contexte social et l’évolution du travail d’un élève au fil du temps. L’IA peut traiter des entrées, mais elle n’assume pas cette responsabilité professionnelle.

C’est pourquoi la pression actuelle ne peut pas être résolue par les achats seuls. L’expérience du Vermont dépend de la capacité des institutions à donner aux enseignants des politiques, une formation et du temps suffisants pour exercer le jugement qu’on leur demande de fournir.

Ce que les écoles du Vermont devraient surveiller ensuite

La prochaine phase se mesurera à travers les politiques des districts, les preuves en classe et la confiance des élèves, plutôt qu’au nombre d’outils d’IA adoptés.

Le premier signal sera de savoir si les districts transforment les recommandations générales en règles au niveau des devoirs. Les élèves devraient voir des catégories claires pour les usages interdits, limités, déclarés et obligatoires. Si ces catégories apparaissent dans toutes les matières, le Vermont se dirigera vers davantage de cohérence sans imposer une règle unique à chaque leçon.

Le deuxième signal sera de savoir si l’évaluation évolue. Les écoles qui continuent de noter uniquement les produits finis auront du mal à distinguer l’apprentissage de la substitution. Davantage d’explications orales, de brouillons documentés et de démonstrations en classe montreraient que la politique influence les pratiques pédagogiques.

Le troisième signal sera de savoir si les enseignants et les élèves déclarent bénéficier de plus de clarté. Une politique peut paraître complète tout en laissant sans réponse les questions quotidiennes. Les districts devraient demander si les élèves comprennent les usages autorisés et si les enseignants savent comment réagir de manière cohérente.

Ces signaux comptent davantage que les chiffres d’adoption. Un taux d’utilisation élevé ne prouve pas un bénéfice éducatif. Un faible taux ne prouve pas que les élèves apprennent sans IA en dehors de l’école.

Les législateurs du Vermont font également partie du tableau. Le sénateur de l’État Seth Bongartz a déclaré à Seven Days qu’il souhaitait une politique modèle tout en exprimant des réticences face à une interdiction générale. Les futures mesures législatives montreront si l’État maintient des recommandations volontaires ou instaure des exigences plus strictes.

Les changements apportés par les fournisseurs méritent un examen continu. Un district peut approuver un outil dans le cadre d’une politique de confidentialité donnée et rencontrer de nouvelles fonctionnalités plus tard. Le partage de conversations, les agents automatisés, les fonctions de mémoire ou les fonctionnalités sociales peuvent modifier l’évaluation des risques.

Les écoles devraient documenter les dates et les déclencheurs d’examen. Une approbation devrait expirer ou être soumise à une nouvelle évaluation lorsqu’un fournisseur modifie de manière substantielle les fonctionnalités destinées aux élèves, les pratiques de données ou les contrôles administratifs.

Les enseignants devraient également recueillir des preuves concrètes en classe. Les élèves ont-ils retenu les concepts après une pratique soutenue par l’IA ? Pouvaient-ils expliquer le code généré ? Les retours ont-ils amélioré la révision, ou ont-ils remplacé la conversation avec un enseignant ?

Ces questions sont plus difficiles que le comptage des connexions, mais elles concernent l’objectif de l’éducation. Elles protègent aussi les écoles contre la confusion entre activité et apprentissage.

Les élèves doivent participer au processus d’évaluation. Ils peuvent décrire quand les règles semblent incohérentes, quand l’IA rend un devoir moins significatif et quand un usage structuré les aide à s’exercer. Leurs retours ne devraient pas décider de chaque politique, mais les exclure masquerait une partie essentielle de la réalité en classe.

Le débat public du Vermont est précieux parce qu’il résiste à un simple récit d’adoption. Les enseignants mis en avant par Google News ne décident pas si l’IA est impressionnante. Ils décident à quel moment elle est éducative.

Cette norme laisse place à différentes réponses en classe. Un club de programmation peut autoriser le code généré par l’IA et exiger une défense technique. Un cours d’écriture peut interdire la prose générée tout en autorisant la comparaison des sources. Une classe d’école primaire peut exclure entièrement l’IA destinée aux élèves de la leçon.

La cohérence devrait concerner le processus de décision, et non des résultats identiques. Chaque usage autorisé devrait avoir un objectif d’apprentissage, une justification liée à l’âge, un examen de la confidentialité et une méthode de vérification de la compréhension.

Pour les élèves qui gèrent des recherches, des notes et des documents sources, un espace de travail étudiant privé peut favoriser l’organisation sans remplacer le raisonnement exigé par un devoir. Quel que soit l’outil utilisé, l’élève devrait rester capable d’expliquer le travail final.

La question la plus utile pour les enseignants est donc précise : quelle réflexion les élèves doivent-ils pratiquer ici, et quelles parties doivent-ils réaliser eux-mêmes ?

Si les écoles du Vermont peuvent répondre à cette question avant de choisir un outil, leurs politiques resteront utiles à mesure que les produits évoluent. Dans le cas contraire, les bonnes et mauvaises pratiques continueront de varier d’une classe à l’autre, tandis que les élèves apprendront à naviguer dans ces écarts.