flowchart TD
A[Usage envisagé] --> B{Le contenu m'appartient-il seul ?}
B -->|Non / incertain| C[Vérifier droits, confidentialité et contexte]
B -->|Oui| D[Évaluer environnement]
C --> D
D --> E{L'usage est-il prescrit à autrui ?}
E -->|Oui| F[Évaluer compte, coût, accessibilité, alternative]
E -->|Non| G{La sortie influence-t-elle une décision ?}
F --> G
G -->|Oui| H[Garantir contrôle humain significatif]
G -->|Non| I[Usage proportionné]
H --> J[Explicabilité et contestabilité]
J --> K[Responsabilité institutionnelle]
I --> K
Chapitre 5 : De l’usage individuel à la responsabilité institutionnelle
Droits, prescription pédagogique et contrôle humain significatif
À partir de quel moment l’usage d’une IA cesse-t-il de relever d’un arbitrage individuel pour engager les droits d’autrui, les conditions d’apprentissage ou une responsabilité institutionnelle ?
Mots-clés
Responsabilité institutionnelle Intégrité contextuelle Confidentialité Propriété intellectuelle Prescription pédagogique Coût académique du refus Accessibilité numérique Contrôle humain significatif Délégation de jugement Biais d’ancrage Contestabilité Explicabilité
Ce chapitre fait charnière entre le choix d’un environnement et l’analyse des infrastructures. Il vous aide à :
- distinguer ce que l’on peut techniquement transmettre de ce que l’on est légitime à confier à une IA ;
- repérer les différents régimes qu’un même document peut engager : données personnelles, confidentialité, propriété intellectuelle, licences ou engagements contractuels ;
- comprendre pourquoi choisir un outil pour soi et prescrire cet outil à autrui ne relèvent pas du même niveau de responsabilité ;
- évaluer la liberté réelle d’un étudiant lorsqu’une activité obligatoire suppose un compte, des conditions d’utilisation ou une offre freemium ;
- distinguer assistance à la production, recommandation de jugement et délégation de décision ;
- vérifier que la présence d’un humain correspond à un contrôle humain significatif et non à une validation formelle ;
- organiser transparence, alternatives, supervision et contestabilité à l’échelle de l’établissement.
Repères essentiels
Notions essentielles du chapitre
| Notion | Définition courte | Question associée |
|---|---|---|
Intégrité contextuelle |
Adéquation de la circulation d’une information aux acteurs, finalités et normes du contexte dans lequel elle a été confiée. | Ai-je le droit de déplacer cette information vers ce nouvel environnement ? |
Confidentialité |
Obligation ou attente de maintenir une information dans un périmètre déterminé, indépendamment de son caractère personnel. | Qui était censé pouvoir accéder à ce contenu ? |
Propriété intellectuelle |
Ensemble de droits portant notamment sur les créations et leurs usages. | Disposer du fichier me donne-t-il le droit de le transmettre ? |
Prescription pédagogique |
Choix par lequel un enseignant rend l’usage d’un outil nécessaire ou attendu dans une activité. | Quelles contraintes mon choix déplace-t-il vers l’étudiant ? |
Coût académique du refus |
Conséquence pédagogique ou évaluative supportée par un étudiant qui refuse ou ne peut pas utiliser l’outil prescrit. | L’alternative est-elle réellement équivalente ? |
Contrôle humain significatif |
Contrôle dans lequel une personne dispose des compétences, du temps, de l’information et de l’autorité nécessaires pour comprendre et modifier la décision. | L’humain peut-il réellement décider autrement ? |
Délégation de jugement |
Transfert à l’IA d’une partie de l’interprétation ou de l’appréciation qui fonde une décision. | Qui construit réellement le jugement ? |
Contestabilité |
Possibilité de comprendre, discuter et faire réexaminer une décision ou une appréciation. | La personne concernée peut-elle obtenir une justification et un réexamen ? |
Introduction
Les chapitres 2.1 et 2.2 ont construit deux premiers niveaux de maîtrise.
Le chapitre 2.1 a demandé : qu’est-ce que l’usage expose ?
Le chapitre 2.2 a ajouté : dans quel environnement ces données peuvent-elles être traitées et quels compromis acceptons-nous ?
Ces deux questions restent nécessaires. Elles ne suffisent cependant plus dès que l’usage implique d’autres personnes.
Un enseignant peut décider de transmettre ses propres notes à un outil. La situation change s’il transmet une copie étudiante, un rapport de stage comportant des informations d’entreprise ou un manuscrit reçu pour expertise.
Il peut décider d’utiliser lui-même un assistant. La situation change s’il exige de ses étudiants qu’ils créent un compte auprès du même fournisseur.
Il peut utiliser l’IA pour reformuler un feedback. La situation change encore si la sortie de l’outil commence à déterminer la note ou l’appréciation portée sur une personne.
Le déplacement central de ce chapitre est donc le suivant :
un compromis acceptable pour soi ne devient pas automatiquement légitime lorsqu’il engage les droits, les contraintes ou l’avenir d’autrui.
Le chapitre introduit ainsi un niveau intermédiaire indispensable entre l’environnement technique et l’infrastructure institutionnelle : la responsabilité liée à l’usage.
Continuité dans le Volume 2
| Étape | Question |
|---|---|
| 2.1 - Données et vie privée | Qu’est-ce que mon usage expose ? |
| 2.2 - Données sensibles et environnements | Quel environnement est adapté à la situation ? |
| 2.5 - Responsabilité | Suis-je légitime à faire circuler ce contenu, à prescrire cet outil ou à déléguer ce jugement ? |
| 2.3 - Plateformes et dépendances | Que se passe-t-il lorsque ces choix deviennent des infrastructures durables ? |
| 2.4 - Travail et compétences | Comment ces infrastructures transforment-elles le travail et la capacité d’agir ? |
Le parcours en trois mouvements
| Mouvement | Intention |
|---|---|
| 1 - Ce que l’on peut confier à une IA : données, droits et responsabilités | Passer de la sensibilité du fichier à la légitimité de sa transmission. |
| 2 - Peut-on imposer une IA aux étudiants ? | Passer du choix individuel à la prescription et rendre visibles ses coûts pour l’apprenant. |
| 3 - Peut-on déléguer une décision à une IA ? | Passer de l’assistance à l’autorité accordée à la sortie et préserver un contrôle humain effectif. |
Auto-test initial
1 - Ce que l’on peut confier à une IA : données, droits et responsabilités
Essentiel
| Comprendre | Repérer | Agir |
|---|---|---|
| Pourquoi un document engage plusieurs régimes à la fois. | Données personnelles, confidentialité, droits, licences et contexte de partage. | Vérifier sa légitimité à transmettre avant de choisir l’outil. |
Situation ESR
Un enseignant souhaite utiliser une IA pour synthétiser un rapport de projet étudiant.
Il supprime le nom de l’étudiant. Le fichier ne semble plus contenir de donnée directement identifiante.
Mais le rapport comporte :
- des résultats issus d’une entreprise partenaire ;
- des figures créées par l’étudiant ;
- des extraits de documentation sous licence ;
- des éléments qui n’étaient destinés qu’au jury.
L’anonymisation suffit-elle à rendre le document transmissible ?
Un document n’est jamais seulement un fichier
Les sources 2.5.1 insistent sur une superposition souvent masquée par le geste du copier-coller.
| Dimension | Question |
|---|---|
| Données personnelles | Le document permet-il d’identifier directement ou indirectement une personne ? |
| Confidentialité | Certaines informations doivent-elles rester dans un périmètre défini ? |
| Droit d’auteur | Qui a créé le contenu et quels usages sont autorisés ? |
| Licence / contrat | Les conditions d’accès autorisent-elles la transmission à un service tiers ? |
| Engagement professionnel | Une entreprise, un laboratoire, un comité ou un partenaire a-t-il confié ces informations dans un cadre précis ? |
La première règle devient :
l’absence de données personnelles ne suffit pas à déterminer qu’un document peut être transmis.
Un résultat scientifique non publié peut être confidentiel sans identifier personne. Un support de cours peut contenir des œuvres protégées. Un rapport de stage peut engager une entreprise.
Accéder n’est pas transmettre
La disponibilité matérielle d’un fichier ne définit pas à elle seule les usages autorisés.
Pouvoir ouvrir un article grâce à un abonnement, recevoir un manuscrit pour expertise ou disposer d’une copie dans Moodle ne signifie pas automatiquement que le contenu peut être transmis à un tiers pour un nouveau traitement.
Cette distinction prolonge l’intégrité contextuelle mobilisée en 2.2.
La question devient :
la circulation vers l’IA reste-t-elle compatible avec le contexte dans lequel cette information m’a été confiée ?
La sensibilité dépend aussi du contexte
Les sources rappellent qu’une information n’est pas sensible uniquement par nature.
Un même contenu peut être acceptable dans un environnement et problématique dans un autre selon :
- les acteurs ;
- la finalité ;
- les conditions de traitement ;
- les obligations associées ;
- les attentes légitimes des personnes concernées.
Le raisonnement doit donc combiner nature du contenu + contexte + environnement.
Le piège de la propriété intellectuelle
Le droit d’auteur introduit un autre déplacement : je peux posséder une copie sans posséder tous les droits sur son contenu.
Cette vigilance concerne notamment :
- les productions étudiantes ;
- les manuscrits ;
- les figures et photographies ;
- les ressources pédagogiques ;
- les contenus éditoriaux accessibles par abonnement.
Les sources 2.5.1 distinguent également la question de l’input de celle de l’output : le statut d’un contenu généré et la place de l’apport créatif humain ne doivent pas être confondus avec le droit de transmettre les matériaux d’origine.
Minimiser avant de transmettre
Lorsque l’usage est légitime, la minimisation reste un principe pratique.
Il ne s’agit pas seulement d’effacer les noms.
On peut :
- extraire uniquement le passage nécessaire ;
- remplacer les identifiants par des variables ;
- supprimer les détails contextuels non utiles ;
- utiliser un exemple fictif ou des données synthétiques lorsque cela suffit ;
- préférer un environnement institutionnel lorsque la situation l’exige.
La minimisation ne crée pas un droit de transmission qui n’existait pas. Elle réduit l’exposition lorsque le traitement est déjà légitime.
Une responsabilité distribuée
L’utilisateur ne peut pas toujours trancher seul.
Une situation peut nécessiter l’appui :
- du délégué à la protection des données ;
- des services juridiques ;
- de la DSI/DNUM ;
- du responsable scientifique ;
- du responsable de formation ;
- du partenaire ayant confié l’information.
La littératie institutionnelle consiste aussi à savoir quand sortir de la décision individuelle.
Activité : le document à cinq questions
2 - Peut-on imposer une IA aux étudiants ?
Essentiel
| Comprendre | Repérer | Agir |
|---|---|---|
| Pourquoi prescrire un outil engage davantage que son usage personnel. | Compte obligatoire, freemium, accessibilité, asymétrie et coût du refus. | Partir du besoin pédagogique, fournir une alternative et rendre la prescription transparente. |
Situation ESR
Une activité évaluée demande aux étudiants d’utiliser un assistant d’IA précis.
L’outil dispose d’une offre gratuite, mais exige la création d’un compte. Certaines fonctionnalités sont limitées sans abonnement. L’interface n’est pas également accessible à tous.
L’étudiant peut théoriquement refuser.
Mais l’activité doit être rendue et notée.
Dans quelle mesure ce refus est-il réellement libre ?
Choisir pour soi n’est pas prescrire à autrui
L’article 2.5.2 formule le déplacement central :
la décision est prise par l’enseignant, tandis qu’une partie de ses conséquences est supportée par l’étudiant.
Prescrire une IA peut imposer :
- un environnement technologique ;
- des conditions contractuelles ;
- la création d’un compte ;
- un traitement de données ;
- des contraintes matérielles ;
- un modèle économique ;
- des obstacles d’accessibilité.
La prescription devient ainsi, dans une certaine mesure, un acte d’infrastructure.
Peut-on réellement refuser ?
Dans une activité obligatoire ou évaluée, la relation pédagogique est asymétrique.
L’existence formelle d’un bouton « refuser » ou d’une possibilité de ne pas créer de compte ne garantit pas une liberté effective si ce choix entraîne un désavantage académique.
Les sources introduisent ici la notion de coût académique du refus.
Une alternative est réellement praticable si elle permet :
- d’atteindre le même objectif pédagogique ;
- d’être évalué selon des critères comparables ;
- sans charge disproportionnée ;
- sans exposition publique du refus ;
- sans perte d’accès à des ressources essentielles.
Le gratuit peut déplacer le coût
Le modèle freemium peut créer des différences entre étudiants :
- quotas différents ;
- accès à des modèles différents ;
- vitesse ou fonctionnalités différentes ;
- possibilité ou non de payer une version supérieure.
Le coût peut également être non financier : données, création de compte, équipement ou accessibilité.
Cette question prépare le chapitre 2.3 sur les modèles économiques et les dépendances, mais elle est ici examinée sous l’angle de la justice de la prescription.
L’accessibilité fait partie de la décision pédagogique
Une interface disponible sur le Web n’est pas nécessairement accessible.
Les sources 2.5.2 attirent notamment l’attention sur les technologies d’assistance.
Avant de prescrire un outil, la question n’est donc pas seulement :
« Est-il facile à utiliser pour moi ? »
mais :
« Tous les étudiants peuvent-ils accomplir l’activité dans des conditions comparables ? »
Former à une compétence, pas à une clientèle captive
Une activité peut nécessiter l’usage de l’IA sans nécessiter l’usage d’une marque particulière.
Cette distinction est centrale pour construire des compétences transférables.
Les sources proposent notamment une progression de type PAIR :
| Étape | Question |
|---|---|
| Problem | Quel problème cherchons-nous à résoudre ? |
| AI | Quelle capacité de l’IA est pertinente pour ce problème ? |
| Interaction | Comment interagir avec le système et contrôler sa sortie ? |
| Reflection | Qu’avons-nous appris, quelles limites avons-nous observées et que pouvons-nous transférer à un autre outil ? |
Le fournisseur devient alors un support d’apprentissage et non l’objet de l’apprentissage.
Transparence et responsabilité institutionnelle
Un enseignant isolé ne peut pas assurer seul :
- la veille contractuelle ;
- l’évaluation de tous les outils ;
- l’accessibilité ;
- la conformité ;
- la pérennité des alternatives.
Les sources 2.5.2 proposent donc une réponse à deux niveaux.
Dans le cours : transparence explicite dans le syllabus.
Dans l’établissement : environnements validés, alternatives et appui des services compétents.
Activité : auditer une prescription
3 - Peut-on déléguer une décision à une IA ?
Essentiel
| Comprendre | Repérer | Agir |
|---|---|---|
| La différence entre produire, recommander, juger et décider. | Validation superficielle, manque de temps, biais d’ancrage et autorité excessive accordée à la sortie. | Organiser un contrôle humain compréhensible, contestable et matériellement possible. |
Situation ESR
Une IA analyse les travaux d’une promotion et propose une note accompagnée d’un commentaire.
L’enseignant conserve la décision finale. Il peut modifier la note.
Mais il dispose de deux minutes par copie pour vérifier 150 propositions.
Le fait de cliquer lui-même sur « valider » suffit-il à garantir que le jugement est resté humain ?
Assistance, recommandation, décision
Les sources 2.5.3 distinguent trois niveaux.
| Niveau | Rôle de l’IA | Question |
|---|---|---|
| Assistance à la production | Organiser, reformuler, synthétiser un matériau. | L’humain construit-il encore l’appréciation ? |
| Recommandation de jugement | Proposer une note, un classement, un risque ou une priorité. | La sortie devient-elle le point de départ du jugement ? |
| Influence déterminante / décision | La recommandation est reprise quasi automatiquement ou appliquée. | Qui décide réellement ? |
Ce qui importe n’est donc pas seulement ce que l’IA sait produire, mais l’autorité que nous accordons à sa sortie.
Juger n’est pas décider
Le jugement consiste à interpréter une situation et à l’apprécier selon des critères.
La décision transforme cette appréciation en conséquence : note, validation, classement, orientation.
Cette distinction explique pourquoi une décision formellement humaine peut reposer sur un jugement largement délégué.
Être le dernier à cliquer ne suffit pas à être le véritable décideur.
Le syndrome du valideur
Les sources critiquent l’idée selon laquelle la seule présence d’un humain « dans la boucle » garantirait la supervision.
Pour qu’un contrôle soit significatif, l’humain doit disposer :
- des compétences ;
- des informations ;
- du temps ;
- de l’autorité ;
- de la possibilité réelle de décider autrement.
Une supervision techniquement possible mais matériellement incompatible avec la charge de travail devient une supervision fictive.
L’influence silencieuse : le biais d’ancrage
Une recommandation peut modifier le jugement avant même que la décision soit prise.
Voir une note, un classement ou un indicateur en premier crée un point d’ancrage.
L’évaluateur ne construit plus nécessairement son appréciation de manière indépendante : il ajuste autour de la proposition.
Une stratégie proposée dans les sources consiste à évaluer d’abord un échantillon sans voir la recommandation de l’IA, puis à comparer.
L’objectif n’est pas de supprimer toute assistance, mais de rendre visible son influence.
La zone de déformation morale
Les sources mobilisent également les travaux d’Elish sur la responsabilité dans les systèmes sociotechniques.
Lorsqu’un dispositif automatisé échoue, la personne humaine en bout de chaîne peut devenir celle à qui l’on attribue la responsabilité alors même que l’organisation ne lui a pas donné les conditions réelles pour contrôler le système.
Ce paradoxe est particulièrement important :
on peut conserver la responsabilité formelle tout en perdant progressivement le pouvoir réel de juger.
La gouvernance doit donc protéger simultanément le contrôle humain et les conditions matérielles de ce contrôle.
Le test de l’étudiant : expliquer, défendre, réexaminer
Une décision pédagogique affecte directement une personne.
Les sources proposent un test simple :
Pour chaque appréciation assistée par IA, l’enseignant doit pouvoir :
- expliquer les critères utilisés ;
- défendre le commentaire ou la note sans invoquer l’autorité de l’IA ;
- reconstruire le raisonnement ayant conduit à la décision ;
- examiner les éléments apportés par l’étudiant ;
- réviser la décision si le réexamen le justifie.
Cette exigence articule explicabilité et contestabilité.
Ce qui ne doit pas être délégué
L’IA peut préparer certains éléments :
- synthétiser des commentaires ;
- repérer des erreurs factuelles ;
- organiser des observations ;
- produire un brouillon de feedback.
Mais lorsque l’usage concerne une décision à enjeu, le professionnel doit rester en mesure de construire l’appréciation, pas seulement de valider la forme finale.
Activité : cartographier l’autorité de l’IA
Carte d’aide à la décision
Trois seuils de responsabilité :
- Transmettre : ai-je la légitimité de confier ce contenu ?
- Prescrire : puis-je imposer cet environnement à autrui ?
- Décider : quelle autorité puis-je accorder à la sortie de l’IA ?
À chaque seuil, le nombre de personnes concernées et le niveau de responsabilité augmentent.
Étude de cas : un dispositif IA intégré à une UE
Situation
Une équipe souhaite intégrer une IA dans une UE.
Les étudiants devront déposer un rapport dans l’outil. L’IA produira un feedback formatif et proposera des indicateurs que l’enseignant pourra consulter lors de l’évaluation finale.
1. Ce que l’on confie
Avant de choisir l’environnement, il faut examiner :
- la présence de données personnelles ;
- les éventuelles informations d’entreprise ;
- les droits sur le rapport ;
- le contexte dans lequel le document a été produit.
2. Ce que l’on prescrit
L’activité impose-t-elle :
- un compte personnel ;
- l’acceptation de CGU tierces ;
- un équipement particulier ;
- une différence entre version gratuite et payante ?
Une alternative équivalente doit être examinée.
3. Ce que l’on délègue
Le feedback généré peut rester une matière de travail.
Les indicateurs deviennent plus problématiques s’ils orientent l’appréciation avant la lecture du rapport.
L’équipe doit donc définir :
- ce que l’IA peut préparer ;
- ce que l’enseignant doit apprécier indépendamment ;
- le temps nécessaire au contrôle ;
- la manière dont l’étudiant peut demander une explication ou un réexamen.
Conclusion du cas
La question n’est plus seulement « l’outil est-il sécurisé ? ».
Elle devient :
avons-nous organisé les droits, les alternatives et le contrôle humain nécessaires pour que cet usage reste pédagogiquement et institutionnellement défendable ?
Fiche action : passer de l’usage à la responsabilité
A. Avant de transmettre
B. Avant de prescrire
C. Avant de déléguer un jugement
Auto-positionnement final
Répondez de 1 à 4 : 1 = pas du tout, 2 = rarement, 3 = souvent, 4 = systématiquement.
| Question | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| Je distingue données personnelles, confidentialité, propriété intellectuelle et conditions contractuelles. | ||||
| Je vérifie que l’accès à un document m’autorise réellement à le transmettre à un tiers. | ||||
| Je minimise les contenus confiés à une IA lorsque l’usage est légitime. | ||||
| Avant de prescrire une IA, j’identifie les contraintes déplacées vers l’étudiant. | ||||
| Je vérifie coût, accessibilité et possibilité réelle de refus. | ||||
| Je privilégie des compétences transférables plutôt que la maîtrise d’une marque. | ||||
| Je distingue assistance à la production et recommandation de jugement. | ||||
| Je protège mon jugement contre l’influence d’une recommandation affichée trop tôt. | ||||
| Je dispose réellement du temps et des compétences nécessaires pour superviser. | ||||
| Je peux expliquer, défendre et réexaminer une décision assistée par IA. |
Analyser son positionnement
Additionnez vos réponses sur 40.
| Score | Lecture | Priorité |
|---|---|---|
| 10 à 19 | L’usage reste principalement traité comme une décision individuelle et technique. | Reprendre les trois seuils : transmettre, prescrire, décider. |
| 20 à 29 | Les responsabilités sont identifiées mais encore gérées au cas par cas. | Formaliser alternatives, circuits d’appui et conditions de supervision. |
| 30 à 35 | Les droits d’autrui et le contrôle humain sont généralement intégrés à la conception des usages. | Renforcer la transparence et la coordination institutionnelle. |
| 36 à 40 | L’usage de l’IA est pensé comme un dispositif sociotechnique engageant droits, pédagogie et gouvernance. | Transformer ces pratiques en cadre partagé et réévaluable à l’échelle de l’établissement. |
Lire les réponses faibles
- Questions 1 à 3 faibles : reprendre 2.5.1, notamment la superposition des régimes et l’intégrité contextuelle.
- Questions 4 à 6 faibles : reprendre 2.5.2, notamment le coût académique du refus, l’accessibilité et les compétences transférables.
- Questions 7 à 10 faibles : reprendre 2.5.3, notamment la distinction jugement/décision, le biais d’ancrage et le contrôle humain significatif.
Ce positionnement est un outil de réflexion. Il ne constitue ni un audit juridique ni une validation institutionnelle.
Conclusion
Ce chapitre a introduit un déplacement décisif dans le Volume 2.
Les chapitres précédents permettaient de raisonner sur les données et les environnements. Mais dès que l’usage touche un contenu confié par autrui, impose un outil à un étudiant ou influence une décision portant sur une personne, le compromis ne peut plus être pensé comme strictement individuel.
Trois seuils apparaissent.
Transmettre engage la légitimité de la circulation. Un document peut relever simultanément de la protection des données, de la confidentialité, de la propriété intellectuelle et d’engagements contractuels.
Prescrire engage les conditions imposées à autrui. L’enseignant doit rendre visibles compte, coût, accessibilité, données et possibilité réelle de refus.
Décider engage l’autorité accordée à la machine. La présence formelle d’un humain ne suffit pas si le jugement est déjà construit par le système ou si la charge de travail empêche toute vérification réelle.
Le fil commun est la capacité à comprendre, contester et décider autrement.
Plus l’IA intervient dans des activités qui engagent autrui, moins sa gouvernance peut reposer sur la seule prudence individuelle.
Cette conclusion prépare directement le chapitre 2.3.
Lorsqu’un établissement doit fournir des environnements validés, garantir des alternatives, organiser des circuits de responsabilité, assurer la contestabilité et éviter que chaque enseignant reconstruise seul ses propres règles, l’IA n’est plus seulement un outil utilisé dans l’institution.
Elle commence à devenir une infrastructure institutionnelle.
Le chapitre suivant pourra alors examiner les dépendances, les coûts de sortie, la souveraineté et la soutenabilité créés par cette infrastructure.
Glossaire complet du chapitre
| Notion | Définition |
|---|---|
Responsabilité institutionnelle |
Responsabilité collective liée à l’organisation des conditions, règles et infrastructures qui encadrent les usages. |
Intégrité contextuelle |
Principe selon lequel une circulation d’information doit rester compatible avec les normes du contexte dans lequel elle a été confiée. |
Confidentialité |
Obligation ou attente limitant la circulation d’une information à un périmètre déterminé. |
Propriété intellectuelle |
Droits portant sur des créations et organisant leurs usages, reproductions ou transmissions. |
Prescription pédagogique |
Décision qui rend un outil ou un environnement nécessaire ou attendu pour réaliser une activité d’apprentissage. |
Coût académique du refus |
Désavantage pédagogique ou évaluatif subi lorsqu’un étudiant refuse ou ne peut utiliser l’outil prescrit. |
Accessibilité numérique |
Possibilité pour les personnes, notamment en situation de handicap, d’accéder et d’interagir effectivement avec un service numérique. |
Contrôle humain significatif |
Contrôle reposant sur des compétences, informations, temps et pouvoirs permettant de comprendre, contester et modifier la décision. |
Délégation de jugement |
Transfert à un système d’une part de l’interprétation ou de l’appréciation qui fonde une décision. |
Biais d’ancrage |
Influence d’une première valeur ou recommandation sur le jugement ultérieur. |
Contestabilité |
Possibilité d’obtenir une justification, de discuter une décision et d’en demander le réexamen. |
Explicabilité |
Capacité à fournir une explication intelligible des éléments et critères ayant contribué à une sortie ou une décision. |
Bibliographie indicative à consolider
Cette version s’appuie sur les articles 2.5.1, 2.5.2 et 2.5.3 ainsi que sur les documents d’ancrage et Podcast Design fournis.
Références explicitement mobilisées dans les sources :
- Nissenbaum, H. (2010). Privacy in Context: Technology, Policy, and the Integrity of Social Life. Stanford University Press.
- Komljenovic, J., & Williamson, B. (2025). Travaux mobilisés dans les sources sur la datafication et la plateformisation de l’enseignement supérieur. Métadonnées exactes à reprendre depuis la bibliographie source.
- Mussgnug, A. M., Tran, S. et al. (2025). Travaux mobilisés dans les sources sur les attentes de confidentialité et les usages de systèmes conversationnels. Métadonnées à consolider.
- Bensamoun, A., & Groffe-Charrier, J. (2026). Référence mobilisée dans l’ancrage 2.5.1 sur les enjeux de propriété intellectuelle. Métadonnées à consolider.
- Union européenne (2024). Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle.
- Santoni de Sio, F., & van den Hoven, J. (2018). Travaux sur le meaningful human control. Métadonnées exactes à harmoniser avec
references.bib. - Elish, M. C. (2019). Travaux mobilisés sur la responsabilité dans les systèmes sociotechniques et la moral crumple zone. Métadonnées exactes à consolider.
- Beck, S., Gerndt, S., Samhammer, D., & Dabrock, P. (2024). Référence mobilisée dans 2.5.3 sur les conditions du contrôle humain. Métadonnées à consolider.
- Goulas, S., Megalokonomou, R., & Sotirakopoulos, P. (2026). Référence mobilisée dans les sources sur l’influence des recommandations algorithmiques dans l’évaluation. Métadonnées à consolider.
- Omeljančiuk et al. (2026). Référence mobilisée dans 2.5.3 sur le contrôle humain. Métadonnées à consolider.
Les sources 2.5.2 citent également An (2025), Anwar (2025), Greenspan (2025), Hemsley (2023), Madleák (2026), Olesova (2025), Perkins (2024), Thaldar (2025), Tran (2025) et Lu (2025). Ces références ne doivent être intégrées à references.bib qu’après vérification de leurs métadonnées et de leur mobilisation effective dans la version finale.
Principe éditorial : ne pas compléter automatiquement une référence à partir du seul nom d’auteur. Vérifier titre, année, publication, DOI ou URL et correspondance exacte avec l’argument soutenu.