Former à l'IA par le faire : l'EMLV enseigne les algorithmes avec des robots
À l'EMLV, 140 étudiants en management ont suivi quatre ateliers mêlant robotique éducative et IA générative. En rendant visibles les mécanismes d'apprentissage automatique, cette approche développe une culture technologique opérationnelle — et offre aux formateurs un modèle pédagogique concret pour aborder l'IA avec des non-spécialistes.
Des robots pour rendre l'IA observable
L'idée centrale est simple : pour utiliser l'intelligence artificielle avec discernement, il faut d'abord comprendre ce qui se passe sous le capot. C'est le principe sur lequel l'EMLV (École de Management Léonard de Vinci) a construit, pour la troisième année consécutive, un cycle de sept cours sur « l'IA générative et la productivité responsable ». Au sein de ce cycle, quatre ateliers sont dispensés par Learning Robots, société spécialisée dans la formation à l'IA, à l'aide d'AlphAI — un dispositif associant logiciel et robots physiques.
Sa particularité : l'interface d'AlphAI visualise en temps réel l'activité d'un réseau de neurones, mécanisme d'ordinaire opaque. Les étudiants pilotent les robots, observent leur comportement et examinent directement les effets de leur apprentissage. Ils peuvent constater ce que la machine a retenu et identifier les situations qui lui posent problème. Les 140 étudiants concernés ont suivi ces séances sur les campus de Nanterre et de Montpellier, dans le cadre du Programme Grande École coordonné par le professeur Hamdi Hamza.
Qualité des données et biais : leçons tirées d'une course de robots
Les premières séances associent un panorama historique de l'IA à des manipulations pratiques autour du suivi de ligne et de la navigation autonome, en introduisant plusieurs approches du machine learning : réseaux de neurones, apprentissage par comparaison d'exemples. La course de robots autonomes illustre un point clé : la qualité et la diversité des données d'entraînement conditionnent directement les performances du robot sur le circuit.
Le débriefing qui suit distingue les biais d'apprentissage — liés aux données utilisées pour entraîner le modèle — des biais cognitifs liés à l'interprétation humaine des résultats. Pour des futurs managers appelés à exploiter des tableaux de bord ou à s'appuyer sur des recommandations automatisées, cette distinction est opérationnelle, pas seulement conceptuelle.
Du robot aux grands modèles de langage
Une séance est consacrée aux LLM (grands modèles de langage) et aux IA génératives. Les étudiants y expérimentent le RAG (Retrieval-Augmented Generation), technique qui consiste à enrichir les réponses d'une IA à partir de documents sélectionnés. La manipulation introduit la logique de personnalisation d'un outil selon un besoin métier, et invite à évaluer la pertinence des sources mobilisées et la fiabilité des réponses produites — questions directement transposables en contexte professionnel. Le dernier atelier reprend les défis robotiques en mode évaluation : les étudiants mobilisent les principes étudiés face au comportement réel du robot. Une évaluation théorique complémentaire est prévue lors des partiels de janvier 2027.
Ce que les formateurs peuvent transposer
L'approche de l'EMLV documente un principe applicable dans tout dispositif de formation : associer manipulation concrète et débriefing structuré permet de stabiliser des notions que l'exposé magistral suffit rarement à ancrer. Pour des apprenants non-techniciens — commerciaux, managers, soignants — ce modèle rend l'IA moins opaque et donc plus utilisable avec recul.
Les organismes de formation qui intègrent l'IA dans leurs contenus pédagogiques trouveront ici un modèle de séquence : rendre le mécanisme visible, exposer les apprenants à ses limites réelles, ancrer les notions de biais dans des situations observables. La solution AlphAI de Learning Robots est une piste concrète, mais le principe — expérimenter avant d'expliquer — reste valable quelle que soit la technologie choisie.
Yann LeCun : les IA actuelles ont du savoir, mais aucune compréhension réelle du monde
Selon Yann LeCun, chercheur en IA depuis quarante ans, les modèles de langage actuels sont fondamentalement limités par leur ancrage dans le texte. Ils produisent des réponses, mais ne comprennent ni l'espace ni le monde physique. Une thèse qui invite les formateurs à distinguer ce que l'IA sait faire de ce qu'elle feint de maîtriser.
L'Institution des Charmilles lance un audit pour encadrer l'usage de l'intelligence artificielle
Confrontée à l'utilisation croissante des outils d'intelligence artificielle par ses étudiants et ses collaborateurs, l'Institution des Charmilles a mené un audit pour évaluer ces pratiques et structurer un cadre pédagogique adapté.
Évaluation des œuvres de l'esprit et intelligence artificielle : quels défis pour la formation ?
L'émergence des outils d'intelligence artificielle générative bouscule les pratiques traditionnelles d'évaluation des productions créatives et intellectuelles, soulevant de nouvelles questions pour les équipes pédagogiques.