« L’apprentissage nécessite de la friction, ce que l’IA ne sait pas faire correctement »

Propos recueillis par La Lettre de l’IA, le 9 juillet 2026, auprès de Laurent Jolie, entrepreneur dans l’EdTech depuis dix ans et fondateur d’Expliq.

« Laurent, en quelques mots, pouvez-vous présenter votre parcours, votre activité et votre spécialité aujourd’hui ? »

Je suis entrepreneur dans l’EdTech, c’est-à-dire dans le secteur des technologies de l’éducation, depuis dix ans. Je me suis lancé immédiatement après mes études d’ingénieur. J’ai d’abord créé Lalilo, un exerciseur adaptatif destiné au cycle 2 et consacré à l’apprentissage de la lecture : les enseignants et leurs élèves se connectent à une plateforme qui propose des activités adaptées au niveau des élèves, principalement en CP, CE1 et CE2.

Nous avons développé cette entreprise sur les marchés français et américain, ce dernier représentant plus de 50 % de notre chiffre d’affaires. Nous l’avons ensuite cédée à Renaissance Learning, un acteur américain majeur de notre écosystème. J’y ai poursuivi mon activité pendant quelques années, avant de créer une nouvelle entreprise, Expliq, qui s’adresse à des élèves un peu plus âgés, du cycle 3 — CM1, CM2 et 6e — et se concentre sur l’apprentissage du français.

La pédagogie mise en œuvre est assez innovante : les élèves suivent leur cours de français de manière habituelle avec leur enseignant, puis, une fois qu’ils l’ont bien assimilé, ils doivent le réexpliquer à de petits personnages virtuels qui font semblant de ne pas le connaître. Le fait de réexpliquer un cours constitue un excellent moyen de vérifier qu’on le maîtrise.

« Où l’intelligence artificielle intervient-elle dans cet outil ? »

Elle intervient à plusieurs niveaux. Le plus visible correspond à ce que l’on appelle le student facing, c’est-à-dire ce qui est directement présenté aux élèves. Nous nous appuyons sur des grands modèles de langage, ou LLM, qui sont notamment à l’origine d’outils bien connus tels que Le Chat de Mistral ou ChatGPT d’OpenAI. L’élève échange avec nos personnages virtuels en leur envoyant des messages écrits et en recevant leurs réponses.

L’IA intervient également de manière moins visible. La reconnaissance vocale constitue, par exemple, un enjeu majeur : nous ne voulons pas pénaliser les élèves qui ne sont pas à l’aise avec un clavier et souhaitons donc leur permettre de parler à voix haute à nos personnages, d’envoyer des messages vocaux et de se corriger. Le contexte d’une salle de classe rend toutefois cette technologie particulièrement difficile à développer. Nous proposons notamment un exercice de fluence, sur lequel travaille activement un ingénieur de recherche de l’IRIT. Le ministère de l’Éducation nationale considère que le nombre de mots correctement lus par minute par un élève constitue une heuristique assez pertinente de son niveau scolaire. Cet exercice repose largement sur la technologie de reconnaissance vocale que nous développons en interne.

Nous utilisons également une composante d’adaptive learning, ou apprentissage adaptatif : il ne serait pas pertinent de proposer le même niveau d’exigence et les mêmes exercices aux élèves en difficulté et aux élèves plus avancés. Nous devons donc disposer d’un modèle de l’élève, qui n’a pas nécessairement à être complexe, afin d’estimer les notions sur lesquelles chacun rencontrera plus ou moins de facilité et d’adapter les exercices en conséquence : les simplifier pour certains, les complexifier pour d’autres.

Enfin, l’IA intervient dans notre fonctionnement opérationnel et dans notre capacité à développer plus rapidement l’outil. Nos équipes l’utilisent également en interne afin d’améliorer la qualité du produit et l’efficacité du développement.

« Vous travaillez avec l’Éducation nationale, qui traite des données concernant des mineurs. Comment le ministère a-t-il abordé cette question ? Vous a-t-il imposé des garde-fous ? »

La question a été intégrée de manière assez directe dans l’appel d’offres que nous avons remporté.

Le cahier des charges comportait l’ensemble des exigences du ministère en matière de RGPD. Au moment de sa publication, l’AI Act n’était pas encore abordé dans la documentation. Les demandes portaient donc presque exclusivement sur le RGPD. Il nous a notamment été demandé de présenter, dans notre réponse, le modèle que nous entendions utiliser pour réaliser une AIPD — une analyse d’impact relative à la protection des données — et d’expliquer notre démarche sur ce sujet.

Nous intervenons en qualité de sous-traitant du ministère au sens du RGPD : le ministère est responsable du traitement des données collectées et nous sommes mentionnés dans son registre des activités de traitement en tant que sous-traitant. Il exerce également une vigilance particulière à l’égard de nos propres prestataires. Nous disposons ainsi d’une liste de sous-traitants de second rang auxquels nous recourons habituellement, et toute modification donne lieu à des échanges réguliers avec le ministère. La question de la souveraineté nationale occupe évidemment une place importante dans cette vigilance : le ministère nous encourage à privilégier des prestataires qu’il estime davantage compatibles avec les objectifs de souveraineté numérique nationale.

Cela ne nous empêche pas d’avoir avec lui des échanges très intéressants. Dans notre réponse à l’appel d’offres, nous avions indiqué souhaiter recourir à Mistral pour l’utilisation de nos LLM, afin de privilégier une solution française et européenne. Nous nous sommes toutefois heurtés à une difficulté : il y a encore quelques mois, les meilleurs modèles de Mistral ne répondaient pas encore pleinement à notre cas d’usage, contrairement à d’autres modèles que nous avions testés. Nous avons donc constitué un dossier argumenté afin d’expliquer au ministère cette difficulté, alors même que nous souhaitions nous aussi privilégier ce prestataire. Il nous a autorisés à utiliser temporairement d’autres LLM, dans l’attente d’une amélioration de la qualité. Mistral a depuis lancé de nouveaux modèles satisfaisants pour notre cas d’usage, ce qui nous a permis de revenir à cette solution, à la satisfaction de tous.

Ce type de discussion peut parfois être complexe, mais il s’agit d’un véritable dialogue. Le ministère prend en considération à la fois nos contraintes opérationnelles et les enjeux plus politiques qui lui sont propres.

« L’AI Act impose de classifier les systèmes d’IA utilisés. Dès lors que votre outil s’adresse à des mineurs, on pourrait se demander s’il relève de la catégorie des systèmes à haut risque. Comment avez-vous abordé cette question ? »

Cette question est nouvelle pour nous également, et nous demeurons une petite structure. Nous cherchons donc à nous former en interne. Des organisations représentatives de la filière, telles qu’EdTech France et la FNEP, organisent régulièrement des sessions d’information sur ces sujets. Nous sommes également incubés à Agoranov, qui a consacré une session spécifique à cette réglementation.

Nous avons abordé le sujet avec notre interlocuteur au ministère, la Direction du numérique pour l’éducation, qui s’est elle-même formée et sollicite sa direction des affaires juridiques pour ce type de question. Nous attendons depuis un certain temps des positionnements suffisamment clairs. À ce stade, nous veillons dans nos choix de conception à ce que l’outil ne procède à aucune évaluation des élèves au moyen d’un système d’intelligence artificielle : il demeure un outil d’assistance à l’enseignant, que celui-ci reste libre d’utiliser.

Il s’agit d’un sujet relativement récent. Je ne parlerais pas d’angoisse, mais plutôt d’une réelle inquiétude liée au fait de ne pas toujours disposer du niveau d’expertise nécessaire pour avancer sereinement. Nous nous efforçons de comprendre correctement la réglementation, mais elle paraît plus complexe qu’elle ne le semble au premier abord. À chaque fois que nous nous y intéressons, nous avons le sentiment qu’elle n’a pas été conçue pour des structures comme la nôtre, alors même que nous sommes directement concernés par un sujet dont l’ampleur dépasse quelque peu notre problématique. Nous avons également le sentiment que la frontière entre les systèmes « à haut risque » et les autres est très marquée : dès lors que l’on bascule dans cette catégorie, la complexité augmente fortement, sans véritable gradation des obligations. Il s’agit, en tout état de cause, de ma perception personnelle.

« En faisant abstraction des contraintes juridiques, à quoi ressemblerait, selon vous, un outil d’IA idéal pour le cycle 3 ? Devrait-il, par exemple, aider les enseignants à décider si un élève peut passer dans la classe supérieure ? »

Absolument pas. J’espère que cela ne sera jamais le cas. Il s’agit d’une décision humaine, et je souhaite défendre ce principe aussi longtemps que possible.

C’est une question à laquelle j’aime réfléchir, car le RGPD est désormais tellement présent que nous ne nous interrogeons presque plus sur les décisions que nous aurions prises différemment en son absence.

De nombreuses décisions, que je considère aujourd’hui comme positives, n’auraient sans doute pas été prises sans le RGPD. Sans cette réglementation, nous serions probablement moins attentifs à la protection des enseignants dans le cadre du suivi des usages.
Par exemple, les académies partenaires avec lesquelles nous répondons à cet appel d’offres me demandent régulièrement quels enseignants utilisent l’outil, non pour les surveiller, mais simplement par intérêt et dans une logique de suivi. Or je ne suis pas autorisé à leur communiquer cette information : je ne transmets aucune liste nominative, mais uniquement des données agrégées permettant de rendre compte des usages sur leur territoire. En définitive, je suis presque satisfait de ne pas pouvoir le faire : cela simplifie les échanges et facilite ma gestion. Les principes du RGPD eux-mêmes ne suscitent pas chez moi de frustration particulière ; ce sont plutôt les contraintes opérationnelles liées à leur mise en œuvre qui me pèsent.

L’enjeu central, dans l’éducation, tient au fait que l’intelligence artificielle a été conçue comme un outil de productivité, destiné à améliorer l’efficacité. Or la productivité et l’apprentissage répondent à des logiques très différentes. Les LLM tendent à supprimer les frictions et à accomplir le travail à notre place. Pour apprendre, il faut au contraire effectuer soi-même ce travail et accepter une certaine friction, qu’il s’agisse d’apprentissages formels ou informels.

Nous apprécions également les IA parce qu’elles vont souvent dans notre sens, qu’elles sont simples à utiliser et qu’elles dialoguent aisément. Pourtant, l’apprentissage se construit aussi dans la confrontation. Nous sommes des êtres sociaux : nous apprenons en échangeant avec des personnes qui ne partagent pas toujours notre avis, qui ne sont pas parfaites, qui commettent des erreurs ou disent parfois des choses inexactes. Pour progresser, nous avons besoin de cette friction, à la fois sociale et intellectuelle. Nous devons pouvoir nous tromper, recommencer et surmonter nos erreurs : c’est ainsi que l’on apprend.

La difficulté fondamentale tient au fait que l’IA n’est pas, par nature, un outil d’apprentissage. La promesse initiale était qu’elle contribuerait à réduire les inégalités sociales dans l’éducation. Dans les faits, j’observe plutôt qu’elle tend à les accentuer : certains bons élèves parviennent à l’utiliser intelligemment pour progresser, notamment au moyen d’IA socratiques qui ne fournissent pas immédiatement la réponse. En revanche, de nombreux élèves ne souhaitent plus véritablement faire leurs devoirs à la maison. Il faut donc repenser le travail personnel, les modalités d’évaluation et, plus largement, de nombreux aspects du système éducatif. L’IA provoque un bouleversement profond d’un système qui rencontrait déjà des difficultés depuis longtemps.

Là où l’IA présente, en revanche, un réel intérêt, c’est dans l’amélioration de la productivité des enseignants. Dans ce métier, s’appuyer sur l’IA constitue plutôt, par principe, une bonne idée. Comme dans toute profession, il ne faut pas lui déléguer l’ensemble de son raisonnement : un enseignant doit continuer à corriger des copies, car c’est ainsi qu’il mesure le niveau de ses élèves. Toutefois, si un outil lui permet d’en corriger beaucoup plus et d’offrir aux élèves des retours plus fréquents et moins anxiogènes sur la qualité de leur travail, sans faire reposer toute leur note sur une unique évaluation trimestrielle, cela constitue une véritable opportunité. L’usage de l’IA pour accompagner le travail des enseignants ne me pose donc pas de difficulté de principe.

En revanche, l’usage de l’IA par l’apprenant, et donc par l’élève, me paraît plutôt déconseillé par principe, sauf lorsque l’outil est précisément conçu pour recréer de la friction. C’est ce que nous cherchons à faire avec Expliq : nos personnages, qui sont supposés ne pas connaître le cours, peuvent parfois se montrer quelque peu agaçants. Lorsqu’un élève leur explique une notion, ils peuvent lui répondre qu’ils n’ont pas compris parce que son explication n’était pas suffisamment claire. Cette friction est intentionnelle : nous la créons précisément pour favoriser l’apprentissage.

« Vous collectez donc de nombreuses données pour faire fonctionner cette IA, tout en devant respecter la vie privée d’élèves qui sont, de surcroît, mineurs. Comment conciliez-vous ces deux objectifs ? À qui les données appartiennent-elles, en définitive ? »

Ce qui est sûr, c’est que ces données ne nous appartiennent pas. Le ministère de l’Éducation nationale en conserve la maîtrise et dispose de droits d’accès et de correction.

Nous nous trouvons dans une situation relativement confortable, avec un client unique et un seul appel d’offres : nous formulons des recommandations sur le fond, mais la décision finale appartient au ministère.

Nous lui avons, par exemple, soumis une proposition qui a été acceptée. Les académies avaient besoin de suivre les usages sur leur territoire, tout en souhaitant protéger les enseignants contre un contrôle trop direct. Plutôt que de leur demander dans quelle école ils exercent, nous leur demandons donc leur code postal. Après discussion avec le ministère, nous avons considéré qu’il s’agissait d’un bon compromis : quelle que soit l’entité qui sollicite des statistiques d’usage, y compris une mairie, nous pouvons fournir des données à l’échelle d’un territoire donné, sans permettre une observation trop précise de l’activité d’un enseignant déterminé.

Dans notre cas, les données collectées sont peu utilisées à des fins d’entraînement. Seul notre outil de fluence fait l’objet d’un entraînement spécifique, dans le cadre duquel des données sont collectées à cette fin. Il s’agit d’un projet de recherche mené par notre laboratoire partenaire. Nous n’avons donc pas besoin d’exploiter l’ensemble des échanges entre les élèves et les personnages virtuels pour améliorer le système de manière générale.

Ces échanges servent avant tout à personnaliser l’accompagnement de l’élève concerné : les données propres à chaque élève sont utilisées à son bénéfice. L’enseignant peut consulter les échanges de ses élèves afin d’assurer leur suivi. Le ministère peut également accéder aux données pour établir des statistiques d’usage et déterminer si l’outil qu’il a financé constitue un investissement pertinent. Nous ne sommes donc pas confrontés à des arbitrages particulièrement complexes, puisque les données collectées sont utilisées au service de chaque élève qui utilise le produit.

« Dernière question : si cette interview avait été menée non avec vous, mais avec une IA connaissant l’ensemble de votre activité, aurais-je obtenu les mêmes réponses ? »

Nous pourrions faire le test : je pense que Claude me connaît et dispose de l’ensemble de mon contexte !

Je ne pense toutefois pas que les réponses auraient été identiques. Les explications auraient nécessairement différé en raison d’un manque de contexte. Prenons l’exemple du code postal, l’IA n’a pas eu accès aux échanges que nous avons eus avec le ministère à ce sujet. Elle sait peut-être que nous avons mis en place ce dispositif, mais je ne suis pas certain qu’elle en connaisse les raisons.

En revanche, je pense qu’elle aurait formulé des réponses éthiques assez proches des miennes, car il existe un relatif consensus sur la manière d’aborder ces sujets et notre position ne s’en écarte pas. Elle m’aurait sans doute correctement présenté. J’estime qu’environ 80 % des réponses auraient été similaires.

« Cela signifie-t-il que l’être humain est presque remplaçable par l’IA ? »

Tout dépend de ce que l’on entend par « remplacer » : je n’ai pas l’intention de mourir ! Une part importante de notre activité professionnelle — et pas nécessairement la plus stimulante — peut sans doute être automatisée. Pour ma part, cet échange me fait plaisir ; il s’agit donc d’autre chose. Le résultat final de l’interview n’est probablement pas la seule source de valeur sociale de l’échange que nous sommes en train d’avoir.

La partie de l’exercice consistant à me présenter ne m’intéresse pas nécessairement le plus. Une IA disposant de mon contexte et capable de l’adapter au thème de l’interview pourrait parfaitement s’en charger à ma place. Pour être honnête, cette partie aurait pu être automatisée et, à titre personnel, l’idée d’automatiser une large part d’un travail peu intéressant ne me pose aucune difficulté.

Si l’intelligence artificielle nous permet de produire davantage, avec une meilleure qualité, tout en étant plus heureux, je m’en réjouis. Et si elle peut prendre en charge une part importante du travail professionnel actuel, tant mieux.

C’est toutefois à ce stade que je formule la réserve évoquée précédemment : ce raisonnement vaut pour la vie professionnelle et les enjeux de productivité. Il en va, selon moi, tout autrement de l’apprentissage et de l’épanouissement personnel.