Appliquer votre expertise disciplinaire à l'AI Fluency

Objectifs

À l’issue de cette leçon, vous serez capable de :

• Appliquer votre expertise disciplinaire pour créer des applications spécifiques des 4D dans votre domaine
• Collaborer avec vos collègues pour construire une compréhension partagée de l’AI Fluency dans votre département

Rendre le savoir tacite explicite

Tout expert porte en lui un savoir qu’il n’a jamais eu besoin de formuler. Vous reconnaissez une bonne copie au premier coup d’œil, vous sentez qu’un raisonnement « tient » ou non, vous savez d’instinct quelles questions valent la peine d’être posées dans votre domaine. Développer une AI Fluency spécifique à votre discipline passe précisément par l’explicitation de ces connaissances tacites : articuler ce que signifie la qualité, comment les experts communiquent, quels problèmes comptent et quelles normes s’appliquent. Ce qui était un réflexe professionnel doit devenir un discours transmissible — car on ne peut ni enseigner ni faire évaluer par un étudiant ce qu’on n’a jamais mis en mots.

Ce travail en profondeur crée un cercle vertueux. Les étudiants qui savent articuler des critères de qualité peuvent mieux évaluer n’importe quelle production — la leur, celle d’un pair, celle d’une IA. Ceux qui comprennent les méthodes de leur domaine peuvent guider n’importe quel processus. Ceux qui ont internalisé l’éthique de la discipline peuvent naviguer de manière responsable dans n’importe quelle collaboration. L’objectif final mérite d’être énoncé sans détour : préparer des étudiants irremplaçables, en développant chez eux ces capacités uniquement humaines.

Les 4D dans votre discipline

Le framework des 4D — Délégation, Description, Discernement, Diligence — n’est pas un gabarit à plaquer tel quel : chaque D requiert une interprétation et une application spécifiques à votre domaine. Une question centrale résume chacun.

Pour le Discernement, la question est : « à quoi ressemble la qualité dans notre domaine ? ». Répondre sérieusement oblige à dépasser les termes vagues — « rigoureux », « bien construit » — pour articuler ce que signifie l’excellence dans votre discipline et identifier les caractéristiques précises qui distinguent un travail exceptionnel d’un travail médiocre. Dans une discipline d’écriture, ce sera peut-être la justesse du ton et la solidité de l’argumentation ; dans une discipline technique, la robustesse d’une démarche face aux cas limites. Une fois ces marqueurs nommés, deux chantiers s’ouvrent : comment enseigner aux étudiants à les reconnaître, et comment les documenter sous forme de critères capables d’évaluer aussi bien le travail humain que celui généré par l’IA.

Pour la Description, la question devient : « comment communique-t-on dans notre discipline ? ». Il s’agit de cartographier avec précision les productions clés de votre domaine — pas simplement « des rapports », mais les artefacts spécifiques qui structurent la pratique, et pourquoi ils comptent. Il s’agit aussi de documenter les processus de pensée des experts face aux problèmes du domaine, et d’identifier les normes comportementales et conventions qui définissent la pratique professionnelle. Un étudiant qui connaît ces schémas de communication saura décrire à une IA ce qu’il attend d’elle dans les termes de sa discipline, et non dans un vocabulaire générique qui produit des résultats génériques.

Pour la Délégation, on demande : « quel travail se fait dans notre domaine ? ». L’exercice consiste à décomposer les tâches typiques de votre discipline en éléments constitutifs, puis à trier : quels éléments requièrent jugement humain, créativité ou expertise, et où l’IA pourrait automatiser, augmenter ou agir comme agent ? Cette décomposition n’est pas théorique : elle débouche sur des cadres de décision concrets pour savoir quand et comment impliquer l’IA dans le travail disciplinaire — des cadres que vos étudiants pourront réutiliser toute leur carrière.

Pour la Diligence, enfin : « quelles sont les valeurs et normes de notre domaine ? ». Chaque discipline a ses cadres éthiques, ses normes de transparence, ses attentes de divulgation, ses normes de responsabilité professionnelle. Le travail consiste à les codifier, puis à examiner comment ils s’appliquent quand l’IA entre dans le jeu : que doit-on divulguer, qui reste responsable, où passe la ligne entre assistance et substitution.

Exercice : travail collaboratif avec vos collègues

Pour ce dernier exercice, l’IA prend une pause — place aux conversations entre humains. Une compréhension partagée de l’AI Fluency ne peut pas être décrétée par une personne seule ; elle se construit dans le dialogue au sein d’un département.

Organisez donc un temps structuré pour travailler le framework 4D avec vos collègues, sous la forme qui convient à votre contexte : réunion d’équipe, atelier, série de discussions informelles. Utilisez pour chaque D les questions de la section précédente comme guide, et compilez ensemble les interprétations spécifiques à votre discipline, en les incarnant par des exemples concrets de votre domaine pour chaque compétence. Identifiez ensuite les zones de consensus et de divergence — les divergences sont précieuses : elles signalent les questions que votre département n’a pas encore tranchées. Discutez de l’intégration de ces 4D spécifiques dans le programme, réfléchissez à la manière d’évaluer si ces cadres aident réellement les étudiants, et convenez de prochaines étapes claires pour que la conversation ne reste pas lettre morte.

Points clés à retenir

• Rendre le savoir disciplinaire tacite explicite prépare les étudiants à collaborer efficacement avec l’IA
• Chaque D — Délégation, Description, Discernement, Diligence — requiert une interprétation propre à votre discipline
• Le travail collaboratif entre collègues construit une compréhension partagée et des cadres plus solides
• Les étudiants qui maîtrisent la qualité, les méthodes et l’éthique de leur domaine dirigent mieux l’IA
• L’objectif est de former des étudiants irremplaçables, dotés de capacités uniquement humaines

Testez vos connaissances

Avant d’appliquer le cadre à votre discipline, vérifiez la maîtrise du vocabulaire des 4D.

1. Quelles sont les 4D de l'AI Fluency ?

Réponse : Délégation (choisir quoi confier à l’IA), Description (formuler efficacement ses demandes), Discernement (évaluer de façon critique ce que produit l’IA), Diligence (assumer la responsabilité de ce qu’on utilise et diffuse).

2. Que travaille la boucle Description-Discernement ?

Réponse : L’interaction fine avec l’IA : on décrit, on examine le résultat, on affine sa description — c’est le cycle de l’échange en cours de tâche.

3. Et la boucle Délégation-Diligence ?

Réponse : Le cadrage responsable : décider en amont ce qui se délègue et vérifier en aval qu’on peut assumer le résultat — le cycle qui entoure la tâche.

4. Comment évaluer les 4D chez des apprenants ?

Réponse : En observant des situations authentiques plutôt qu’en interrogeant la théorie : la compétence se voit dans les choix de délégation, la qualité des formulations, la pertinence des critiques et la rigueur des vérifications.

5. Pourquoi l'expertise disciplinaire est-elle centrale dans l'enseignement de l'AI Fluency ?

Réponse : Parce que le discernement s’exerce sur un contenu : c’est l’expert du domaine qui sait juger si la production de l’IA est correcte, pertinente et conforme aux standards de la discipline.

Le cadre est en place — la dernière leçon vous guide pour le décliner dans votre propre discipline.