Relier les cadres mondiaux sur l’IA aux campus canadiens
Harmonisation avec les cadres de référence : fondée sur des repères internationaux et nationaux
Afin d’assurer la rigueur académique, la transférabilité et la pertinence pratique à l’échelle institutionnelle, le programme AI for All: Essentials for Students intègre trois cadres de référence fondamentaux à l’ensemble de ses ressources d’apprentissage.
Amii reconnaît que les cadres internationaux de littératie en IA destinés aux élèves de la maternelle à la 12e année, au personnel enseignant et au grand public (comme ceux de l’UNESCO, de l’OCDE et du DigComp 2.2 de la European Commission) ont progressé plus rapidement que l’élaboration de normes universelles pour l’enseignement supérieur. Cet écart reflète la complexité inhérente de l’enseignement postsecondaire : la diversité des types d’établissements, les facultés spécialisées et les programmes menant à un diplôme professionnel exigent une gouvernance adaptée au contexte ainsi que des approches sur mesure propres à chaque discipline.
Les dirigeants d’établissements et le corps professoral sont les mieux placés pour évaluer, concevoir et approuver les compétences précises en IA dont leurs apprenants ont besoin. Pour soutenir ce travail, l’harmonisation d’Amii avec des cadres nationaux et internationaux reconnus offre une approche transparente et validée de façon indépendante, fournissant un point d’ancrage fiable pour la planification académique sans imposer à l’enseignement supérieur un modèle rigide ou universel.
Cadres de compétences de l’UNESCO en IA (élèves et enseignants)
S’appuyant sur l’approche humanocentrée de l’UNESCO en matière de littératie en IA, l’initiative accorde la priorité à l’autonomie humaine, aux droits fondamentaux et au discernement éthique, au même titre qu’aux mécanismes logiciels.
- Autonomie et contrôle humains : Apprend aux étudiants à évaluer de façon critique quand, où et pourquoi des outils automatisés devraient ou non être intégrés aux processus de travail universitaires et professionnels.
- Éthique et incidence systémique : Développe des compétences d’audit systématique pour repérer les biais algorithmiques, protéger la vie privée, évaluer la provenance des données et respecter la propriété intellectuelle.
- Normes pédagogiques : Fournit au corps professoral et aux responsables universitaires des orientations claires pour évaluer l’intégrité des travaux remis par les étudiants tout en intégrant aux cours existants une littératie en IA propre à chaque domaine.
UNESCO. (2024). Cadre de compétences de l’UNESCO en IA pour les élèves. Éditions UNESCO.
UNESCO. (2024). Cadre de compétences de l’UNESCO en IA pour les enseignants. Éditions UNESCO.
Cadre de littératie en IA de l’OECD (AILit)
Élaboré conjointement par l’OECD et la European Commission (en s’alignant sur des références internationales comme PISA 2029 pour les élèves qui entrent au secondaire), le cadre AILit définit la littératie en IA comme la combinaison de connaissances techniques, de compétences durables et d’attitudes tournées vers l’avenir nécessaires pour s’épanouir dans un monde automatisé. L’initiative organise l’apprentissage autour de quatre grands domaines de compétences :
- Interagir avec l’IA : Reconnaître quand des systèmes d’IA sont actifs dans les logiciels utilisés au quotidien, évaluer l’exactitude et la pertinence des contenus générés, et comprendre les capacités informatiques fondamentales et les limites techniques.
- Créer avec l’IA : Collaborer avec des modèles génératifs pour résoudre des problèmes créatifs et techniques — affiner les résultats grâce à la conception itérative d’invites, tout en tenant compte de la propriété des données, de l’attribution et des biais algorithmiques.
- Gérer l’IA : Déléguer stratégiquement des tâches structurées à des systèmes d’IA (comme la synthèse de données ou la simulation automatisée) afin que les apprenantes et apprenants puissent se concentrer sur la créativité de haut niveau, la métacognition, l’empathie et le raisonnement complexe.
- Façonner l’IA : Analyser comment les données d’entrée, les architectures de systèmes et les choix de politiques publiques influencent la société, afin de donner aux étudiantes et étudiants les moyens de promouvoir une conception technologique responsable et centrée sur l’humain.
OECD & European Union. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing. Télécharger le PDF
Government of Canada — Skills for Success
L’initiative établit un lien direct entre les compétences en IA et les neuf compétences fondamentales du gouvernement fédéral pour le milieu de travail, accélérant ainsi la préparation à l’emploi des diplômés du postsecondaire :
- Pensée critique : Former les étudiants à remettre en question les résultats des modèles, à repérer les hallucinations et à recouper les données générées par machine avec des sources primaires.
- Compétences numériques : Aller au-delà des connaissances informatiques de base pour aborder l’ingénierie des requêtes, la récupération contextuelle de données et la navigation dans les outils d’apprentissage automatique.
- Adaptabilité : Préparer les diplômés à évaluer, à apprendre à utiliser et à intégrer continuellement des outils logiciels en évolution rapide, au rythme des normes de l’industrie.
- Résolution de problèmes : Appliquer des flux de travail hybrides humain-IA à des défis complexes et ouverts dans les domaines des affaires, des sciences humaines et des sciences.
- Communication & collaboration : Formuler des requêtes structurées et précises destinées aux machines tout en favorisant le travail d’équipe multidisciplinaire dans des environnements technologiques.
Kaufmann, L., Lee, W., Nguyen, C., & Palameta, B. (2024). Skills for Success proficiency levels development: Final report. Social Research and Demonstration Corporation.
Données empiriques : combler le déficit de préparation de la main-d’œuvre à l’IA
La conception de l’initiative et l’urgence de sa mise en œuvre s’appuient sur des recherches empiriques commandées par l’Alberta Machine Intelligence Institute (Amii), en partenariat avec Signal 49 et la Business + Higher Education Roundtable (BHER).
Ces études ont analysé les écarts structurels entre les résultats actuels de l’enseignement postsecondaire et l’évolution des besoins du marché du travail canadien.