Le référentiel articule trois postures pédagogiques complémentaires :
Comprendre : connaître les principes de fonctionnement, les modèles, les données, l’entraînement, les limites.
Utiliser : formuler des requêtes, choisir les outils, itérer, vérifier, protéger les données, intégrer l’IA dans des pratiques professionnelles.
Évaluer : exercer son esprit critique, identifier les biais, questionner la vérité des contenus, mesurer les impacts sociaux, juridiques, environnementaux et démocratiques.
Le premier domaine donne les bases conceptuelles indispensables. Les apprenants doivent comprendre que l’IA est d’abord une discipline scientifique interdisciplinaire, mêlant informatique, mathématiques, sciences cognitives, science des données et robotique.
Les notions essentielles à faire acquérir sont l’histoire et les approches de l’IA, l’apprentissage automatique, les modèles d’IA, les grands modèles de langage, les algorithmes de recommandation, l’IA incarnée et la robotique.
Le deuxième domaine est centré sur les usages concrets. Il est particulièrement important pour les formateurs, car il relie les savoirs techniques aux pratiques pédagogiques, professionnelles et citoyennes. Les apprenants doivent savoir identifier les grandes familles de tâches réalisées par l’IA : reconnaissance d’images ou de sons, prédiction, recommandation, génération de contenus, classification, aide à la décision.
Pour l’IA générative, le référentiel met en avant plusieurs compétences pratiques : formuler des requêtes efficaces, travailler par itérations, vérifier systématiquement les résultats, protéger les données, évaluer l’information à l’ère des IA génératives, utiliser les recommandations avec recul, intégrer l’IA dans une organisation.
Le troisième domaine donne la dimension critique, éthique, sociale et environnementale. Il est essentiel pour éviter une approche purement instrumentale de l’IA.
Les notions capitales sont l’impact environnemental, la gouvernance et la souveraineté, l’éthique, la transparence et la responsabilité, les modèles ouverts, l’emploi, la formation et la fracture numérique, et les enjeux culturels et sociétaux.