Comment utili­ser ChatGPT dans la concep­tion péda­go­gique ?

Le tsunami ChatGPT déferle en entre­prise, et quasi­ment aucun métier ne semble épar­gné. Est-ce la fin du métier de concep­teur/concep­trice péda­go­gique ? Rien n’est moins sûr. Plutôt qu’une menace, ChatGPT doit être vu comme une oppor­tu­nité pour les métiers de la forma­tion, qui peuvent l’uti­li­ser comme un véri­table assis­tant du quoti­dien. Encore faut-il savoir s’en servir… Voici quelques pistes.

Ce contenu est issu de notre webi­naire “On a (crash)testé pour vous : ChatGPT & concep­tion péda­go­gique”. 

Une jour­née de test ChatGPT au sein de l’équipe péda­go­gique

En février 2023, l’équipe péda­go­gique de Unow s’est rassem­blée pour une jour­née d’ate­liers et de tests autour des intel­li­gences arti­fi­cielles géné­ra­tives. L’enjeu était double :

• Prendre en main un outil à fort poten­tiel pour les créa­trices et créa­teurs de forma­tion ;

• Assu­rer une plon­gée dans une théma­tique qui fera partie d’une nouvelle gamme de forma­tions propo­sées par Unow.

🔎 Rappel : c’est quoi ChatGPT ?
Chat GPT est une intel­li­gence arti­fi­cielle géné­ra­tive capable de produire du texte de manière auto­nome en s’ins­pi­rant des données qu’elle a apprises. Elle utilise un modèle dit prédic­tif, c’est-à-dire que quand elle produit son texte, elle ne réflé­chit pas comme un humain, elle se contente de prédire le prochain mot en fonc­tion des mots précé­dents. Elle est entraî­née sur un énorme volume de données, ce qui rend ses produc­tions très crédibles.

La jour­née a été décou­pée en deux temps : 

Le matin a été consa­cré à une phase d’ex­plo­ra­tion libre. Seule consigne : « Utili­sez Chat GPT pour produire une forma­tion de 12h sur le thème de l’in­ter­pré­ta­tion de data en entre­prise ». 

Chacun·e a abordé la consigne par un prisme diffé­rent :

• Certains ont voulu explo­rer le sujet ;

• d’autres ont cher­ché à obte­nir des scéna­rios péda­go­giques détaillés ;

• d’autres encore ont passé du temps à raffi­ner leurs prompts pour géné­rer de beaux objec­tifs péda­go­giques sur les bons niveaux de la taxo­no­mie de Bloom ;

• et d’autres encore ont exploré des formats péda­go­giques : des vidéos, des micro-actions à deman­der aux appre­nants, des acti­vi­tés de mise en pratique, etc.

L’après-midi, l’équipe est vrai­ment rentrée dans le vif du sujet. L’objec­tif ? Obte­nir à la fin de la jour­née une trame solide pour une forma­tion sur la data. On ne parle pas forcé­ment de scéna­rio péda­go­gique, mais d’un sque­lette aligné avec la moda­lité de forma­tion Unow en 4 modules, avec à chaque fois un objec­tif péda­go­gique permet­tant de déve­lop­per une compé­tence, des notions à abor­der et des idées d’exer­cices pour la mise en pratique en classe virtuelle.

Les conclu­sions prin­ci­pales de la jour­née :
1️⃣ L’ou­til est puis­sant et clai­re­ment utile pour :
👉 Ouvrir ses chakras lors d’une phase de plon­gée dans un sujet.
👉 Obte­nir une base de scéna­ri­sa­tion péda­go­gique struc­tu­rée selon un cahier des charges, et compre­nant une progres­sion péda­go­gique cohé­rente
👉 Gagner du temps sur la rédac­tion des conte­nus théo­riques faisant appel à des méthodes bien iden­ti­fiées : méthodes DESC, SMART, CNV…
2️⃣ Mais il y a un vrai besoin de prendre en main l’ou­til, de se former et de s’en­traî­ner pour bien commu­niquer avec Chat GPT et en tirer la meilleure valeur ajou­tée.
3️⃣ En réalité, une véri­fi­ca­tion voire une réécri­ture humaine sont encore essen­tielles. L’ou­til commet des erreurs et néces­site qu’on garde un fort esprit critique et une capa­cité à amélio­rer une base écrite.

À quelles étapes mobi­li­ser ChatGPT lors de la concep­tion d’une forma­tion ?

1. La phase de recherche et d’idéa­tion

En amont de la scéna­ri­sa­tion, ChatGPT peut être utile pour explo­rer, lutter contre ses biais et accé­lé­rer la phase de plon­gée et de cadrage sur un sujet donné.

Il va nous permettre de mieux comprendre un sujet et ses enjeux, et d’ob­te­nir de l’ins­pi­ra­tion sur diffé­rentes tâches.

On peut par exemple lui deman­der : 

• les enjeux d’un sujet en entre­prise,

• les gains à se former,

• les risques à ne pas se former,

• les diffé­rents angles de trai­te­ment d’une théma­tique… 

Toutes ces ques­tions qu’on se pose pour bien cadrer les compé­tences à déve­lop­per.

2. La phase de scéna­ri­sa­tion péda­go­gique

Après s’être forgé·e des convic­tions sur le sujet de la forma­tion (avec ou sans l’aide de ChatGPT), on peut utili­ser l’in­tel­li­gence arti­fi­cielle pour obte­nir une base de scéna­ri­sa­tion péda­go­gique struc­tu­rée selon un cahier des charges, et compre­nant une progres­sion péda­go­gique cohé­rente.

Pour cela, il est impé­ra­tif de maîtri­ser l’art du prompt (à voir dans la partie suivante).

3. La phase de rédac­tion des conte­nus théo­riques

Une fois le scéna­rio de la forma­tion défini, on peut utili­ser ChatGPT pour obte­nir des bases de conte­nus sur des notions simples : scripts vidéos, textes, réca­pi­tu­la­tifs…

ChatGPT peut nous faire gagner du temps sur la rédac­tion des conte­nus théo­riques, en faisant appel à des méthodes bien iden­ti­fiées : méthodes DESC, SMART, CNV…

🚨 Mais atten­tion : il y a un vrai besoin de prendre en main l’ou­til, de se former et de s’en­traî­ner pour bien commu­niquer avec Chat GPT et en tirer la meilleure valeur ajou­tée.

Exemple d’uti­li­sa­tion de ChatGPT dans la concep­tion péda­go­gique

Suite aux expé­ri­men­ta­tions de l’équipe, voici les prin­ci­paux conseils pour bien faire fonc­tion­ner Chat GPT sur des tâches liées à la produc­tion d’une forma­tion.

Propo­ser le prompt le plus précis possible

Sans surprise, la préci­sion du prompt est essen­tielle. Or, bien souvent, on croit être précis… mais en fait non.

Par exemple, voici le premier prompt suggéré pour répondre à la consigne « Utili­sez Chat GPT pour produire une forma­tion de 12h sur le thème de l’in­ter­pré­ta­tion de data en entre­prise » :

« Propose la struc­ture d’une forma­tion de 12h sur comment lire et inter­pré­ter des données en contexte profes­sion­nel. »

Et voici le résul­tat proposé par ChatGPT :

Voici une propo­si­tion de struc­ture pour une forma­tion de 12 heures sur la lecture et l’in­ter­pré­ta­tion des données en contexte profes­sion­nel :

1. Intro­duc­tion (30 minutes)
•  Présen­ta­tion des objec­tifs de la forma­tion
• Contexte et impor­tance de la lecture et l’in­ter­pré­ta­tion des données en milieu profes­sion­nel

II. Collecte des données (1 heure)
•  Collecte des données: sources et méthodes
• Les diffé­rents types de données (quali­ta­tives, quan­ti­ta­tives)
• Tech­niques de collecte de données : enquêtes, sondages, obser­va­tion, etc.

III. Analyse des données (2 heures)
• Les prin­ci­paux outils d’ana­lyse des données: tableaux, graphiques, indi­ca­teurs, etc.
• Tech­niques d’ana­lyse statis­tique de base
• Les prin­cipes de la visua­li­sa­tion de données

IV. Inter­pré­ta­tion des données (3 heures)
• Inter­pré­ta­tion des données quan­ti­ta­tives et quali­ta­tives
• Analyse de la signi­fi­ca­tion statis­tique et de la fiabi­lité des résul­tats
• Les diffé­rents types d’er­reur et de biais

V. Utili­sa­tion des données pour la prise de déci­sion (2 heures)
• Les prin­cipes de la prise de déci­sion fondée sur les données
• Comment utili­ser les données pour résoudre des problèmes profes­sion­nels
• Comment commu­niquer les résul­tats de l’ana­lyse des données

VI. Conclu­sion et évalua­tion (30 minutes)
• Réca­pi­tu­la­tion des prin­ci­pales notions ensei­gnées
• Évalua­tion de la forma­tion
• Pistes pour conti­nuer à se former sur le sujet

Le résul­tat est assez bluf­fant quand on utilise ChatGPT pour la première fois, mais cepen­dant l’on constate plusieurs problèmes : 

• Le nombre de modules ne corres­pond pas aux forma­tions Unow, qui sont toujours consti­tuées de 4 modules.

• Les modules ne sont pas équi­li­brés.

• Les objec­tifs péda­go­giques ne sont pas préci­sés, il n’y a pas de verbe d’ac­tion et le scéna­rio corres­pond plus à de l’ac­cul­tu­ra­tion qu’à de la forma­tion, surtout en début de programme.

Travailler en enton­noir

À partir de ce prompt, la meilleure solu­tion est d’ité­rer pour obte­nir de meilleurs résul­tats :

• Préci­ser la cible : par exemple ici il s’agit de parti­ci­pants français, en entre­prise, de niveau débu­tant, sans pré-requis.

• Préci­ser le format : 4 modules compre­nant 3 idées clés chacun, pour un total de 12 heures de forma­tion envi­ron.

• Préci­ser les acti­vi­tés : suggé­rer une acti­vité de mise en pratique pour chaque module.

Voici le nouveau prompt : 

« Modi­fie ce programme pour qu’il corres­ponde à des appre­nants de niveau débu­tant sur le thème de l’in­ter­pré­ta­tion des données. Tu dois four­nir 4 parties de 3 heures, équi­li­brées, sans pré-requis. Chaque partie doit conte­nir un objec­tif péda­go­gique commençant par un verbe diffé­rent de  »savoir" et de « comprendre ». Chaque partie doit conte­nir au moins une acti­vité de mise en pratique sur des cas concrets à réali­ser en groupe."

Et voici une partie du résul­tat proposé par ChatGPT :

Voici une propo­si­tion de struc­ture pour une forma­tion de 12 heures sur l’in­ter­pré­ta­tion des données, adap­tée pour les appre­nants débu­tants :

Partie 1 : Intro­duc­tion à l’in­ter­pré­ta­tion des données (3 heures)
Objec­tifs péda­go­giques :
• Iden­ti­fier les prin­ci­pales sources de données en entre­prise
• Distin­guer les diffé­rents types de données
• Comprendre l’im­por­tance de l’in­ter­pré­ta­tion des données pour la prise de déci­sion
Acti­vi­tés de mise en pratique :
• Iden­ti­fier les prin­ci­pales sources de données de leur entre­prise ou orga­ni­sa­tion
• Clas­ser diffé­rentes données selon leur type (quali­ta­tif, quan­ti­ta­tif, ordi­nal, nomi­nal)
• Analy­ser des exemples concrets de la façon dont l’in­ter­pré­ta­tion des données peut influen­cer la prise de déci­sion

Partie 2 : Collecte de données (3 heures)
Objec­tifs péda­go­giques :
• Décrire les étapes de la collecte de données
• Sélec­tion­ner les méthodes de collecte de données appro­priées pour un objec­tif donné
• Évaluer la qualité des données collec­tées
Acti­vi­tés de mise en pratique :
• Plani­fier une collecte de données pour répondre à une ques­tion donnée
• Choi­sir la méthode de collecte de données la plus appro­priée pour cette ques­tion
• Évaluer la qualité des données collec­tées à l’aide d’exemples concrets

Partie 3 : Analyse de données (3 heures)
Objec­tifs péda­go­giques :
• Utili­ser les outils de visua­li­sa­tion de données appro­priés pour repré­sen­ter des données
• Sélec­tion­ner les indi­ca­teurs clés pour mesu­rer les perfor­mances ou les tendances
• Inter­pré­ter les résul­tats de l’ana­lyse

Le résul­tat est beau­coup plus proche de ce que l’on pour­rait attendre d’une forma­tion Unow.

Repar­tir de l’exis­tant

C’est l’un des grands atouts de Chat GPT, il peut repar­tir de l’exis­tant. Il est tout à fait possible de lui donner de nouvelles consignes qui commencent par “conti­nue, modi­fie, supprime, appro­fon­dis”… C’est une bonne pratique pour travailler dans une conti­nuité et arri­ver par petites touches au résul­tat le plus proche de vos attentes.

Ce que l’on observe sur cette deuxième version : 

• Nous avons bien 4 modules, bien équi­li­brés.

• Les objec­tifs péda­go­giques sont préci­sés et en accord avec des niveaux inté­res­sants de la taxo­no­mie de Bloom.

• Il y a des propo­si­tions d’ac­ti­vi­tés pour la mise en pratique.

A noter d’ailleurs : on a demandé un exemple, il nous en livre trois à chaque fois : c’est très bien, car ça permet de sélec­tion­ner les plus perti­nents. 

💡 Petite astuce : n’hé­si­tez pas à deman­der à ChatGPT plus d’exemples et d’idées que ce dont vous avez besoin afin de garder les meilleurs.

Préci­ser l’objec­tif

La propo­si­tion de ChatGPT commence à ressem­bler à un programme péda­go­gique correct. Or il ne corres­pond pas tout à fait à la forma­tion imagi­née par Unow : l’objec­tif est d’ap­prendre à accé­der à la donnée, à l’or­ga­ni­ser et à la lire, dans l’idée que la donnée est déjà exis­tante et stockée quelque part. Cepen­dant, le programme proposé par ChatGPT est centré autour de la collecte de la donnée. 

Il faut donc itérer encore une fois :

« Modi­fie ce programme :
La partie 1 doit trai­ter de l’iden­ti­fi­ca­tion de la ques­tion à laquelle la data va permettre de répondre.
La partie 2 sur la collecte de données doit s’adres­ser à des personnes qui doivent cher­cher de la donnée exis­tante, pas créer de nouveaux canaux de recueil de la donnée. »

Voici la nouvelle propo­si­tion :

Voici une propo­si­tion de modi­fi­ca­tion de la struc­ture de la forma­tion en inter­pré­ta­tion de données :

Partie 1 : Iden­ti­fi­ca­tion de la ques­tion à laquelle la data va permettre de répondre (3 heures)
Objec­tifs péda­go­giques :
• Comprendre l’im­por­tance de la formu­la­tion d’une ques­tion précise pour une analyse de données réus­sie
• Iden­ti­fier les ques­tions perti­nentes qui pour­raient être réso­lues à l’aide de données
• Évaluer la qualité des ques­tions pour leur perti­nence en matière de prise de déci­sion
Acti­vi­tés de mise en pratique :
• Iden­ti­fier une ques­tion perti­nente pour l’en­tre­prise ou l’or­ga­ni­sa­tion
• Évaluer la qualité de la ques­tion en termes de perti­nence et d’im­pact poten­tiel
• Élabo­rer une stra­té­gie de recherche de données pour répondre à la ques­tion iden­ti­fiée

Partie 2 : Collecte de données exis­tantes (3 heures)
Objec­tifs péda­go­giques :
• Iden­ti­fier les sources de données dispo­nibles
• Comprendre comment accé­der à ces sources de données et comment évaluer leur qualité
• Savoir sélec­tion­ner les sources de données les plus appro­priées pour répondre à la ques­tion iden­ti­fiée
Acti­vi­tés de mise en pratique :
• Iden­ti­fier les sources de données exis­tantes pour répondre à la ques­tion iden­ti­fiée • Évaluer la qualité des sources de données exis­tantes
• Sélec­tion­ner les sources de données les plus appro­priées pour répondre à la ques­tion iden­ti­fiée

Partie 3 : Analyse de données (3 heures)

Le résul­tat est de plus en plus probant, même si Chat GPT n’a pas tout à fait bien formulé les parties 1 et 2. Mais il a l’air d’avoir plus ou moins compris ce qu’il devait modi­fier.

Utili­ser ChatGPT pour se forger des convic­tions

Le battage média­tique autour de ChatGPT donne l’im­pres­sion qu’il s’agit d’une solu­tion mira­cu­leuse qui permet­trait de produire des conte­nus de forma­tion en un claque­ment de doigts. Spon­ta­né­ment, le premier réflexe de chacun est donc de lui deman­der de travailler un produit fini : une scéna­ri­sa­tion ou des scripts pour des vidéos péda­go­giques.

Or, après cette jour­née de test, l’équipe s’est rendue compte qu’une partie de la valeur ajou­tée de ChatGPT était dans la phase de plon­gée et de cadrage qui précède toute scéna­ri­sa­tion, c’est-à-dire à aider dans la produc­tion d’un raison­ne­ment, dans la géné­ra­tion d’idées.

Par exemple, dans le cadre de la concep­tion d’une forma­tion sur la donnée, deman­der à ChatGPT d’ex­pliquer les enjeux de la data en entre­prise a permis à l’équipe Unow de se forger des convic­tions sur le “Pourquoi" de cette forma­tion et d’orien­ter ensuite ses prompts autour de ces enjeux centraux. 

Idem, en ques­tion­nant ChatGPT sur les risques que présente une mauvaise gestion de la data dans les entre­prises, on peut iden­ti­fier les écueils et être en mesure de verba­li­ser plus faci­le­ment un argu­men­taire commer­cial sur la théma­tique.

Les usages de ChatGPT dans la phase de plon­gée :
➡️ Inter­ro­ger Chat GPT sur les avan­tages à acqué­rir des compé­tences sur le thème ;
➡️ Iden­ti­fier les risques à ne pas acqué­rir ces compé­tences ;
➡️ Inter­ro­ger le péri­mètre et les enjeux du thème de forma­tion ;
➡️ Inter­ro­ger sur les risques/biais/contre-argu­ments/contro­verses du thème.

Cela permet de garder un esprit critique sur les propo­si­tions de programmes qu’on deman­dera à Chat GPT, et de mieux promp­ter ensuite. On pour­rait ainsi lui deman­der d’in­té­grer dans sa scéna­ri­sa­tion une partie et une acti­vité de mise en pratique pour contrer un des écueils iden­ti­fiés – les biais de sélec­tion des données ou les biais d’in­ter­pré­ta­tion par exemple.

En résumé : l’art du prompt

Vous l’au­rez compris, la préci­sion du prompt est essen­tielle lors de l’uti­li­sa­tion de ChatGPT car cela déter­mine en grande partie la qualité et la perti­nence des réponses four­nies par l’ou­til. Voici nos conseils pour affi­ner au mieux un prompt : 

1/ Toujours commen­cer une nouvelle conver­sa­tion en deman­dant à ChatGPT d’ou­blier ce qui a été dit aupa­ra­vant (s’il s’agit d’un sujet tota­le­ment diffé­rent)

Exemple : “Oublie tout ce qu’on s’est dit aupa­ra­vant”

2/Dire à ChatGPT d’in­car­ner un rôle bien précis, dans un contexte spéci­fique

Exemple : “tu es ingé­nieur péda­go­gique/forma­teur/concep­teur de ressources pour un orga­nisme de forma­tion”

3/ Utili­ser des verbes précis pour donner la consigne

Exemple : “Détaille, argu­mente, compa­re…”

4/ Préci­ser le style de la réponse 

Exemple : “descrip­tif, persua­sif, péda­go­gique, narra­tif…”

5/ Spéci­fiez toutes les contraintes iden­ti­fiées ainsi que les éléments qu’on veut intro­duire

Exemple : “La forma­tion durera 3 jours complets”

6/ Indiquer toute infor­ma­tion qui vous permet­trait d’être satis­fait

Exemple : “Intro­duis des études de cas pour aider les parti­ci­pants à comprendre comment appliquer les connais­sances dans des situa­tions réelles.”

7/ Préci­ser le format du livrable 

Exemple : article, tableau, liste de bullet points…

Les explo­ra­tions conti­nuent…

Depuis cette jour­née de prise en main, l’équipe péda­go­gique de Unow a conti­nué à explo­rer divers usages et diverses intel­li­gences arti­fi­cielles géné­ra­tives.

Quiz : fail

Dans les forma­tions iMPACT Unow, chaque module se termine par une évalua­tion qui prend la forme d’un quiz. L’équipe a essayé ChatGPT pour créer des ques­tions de quiz. Le constat n’a pas été très concluant : les ques­tions testaient unique­ment la mémo­ri­sa­tion, avec des niveaux assez bas de la taxo­no­mie de Bloom, et les choix de QMC n’étaient pas toujours fins. ChatGPT n’a pas été en mesure de propo­ser des mises en situa­tion perti­nentes.

Mise en pratique : success

Un bon usage à creu­ser : deman­der à Chat GPT de donner des idées pour la mise en pratique. On obtient ainsi des bases à partir desquelles il faut itérer, mais cela reste inté­res­sant pour boos­ter la créa­ti­vité. Il est aussi possible de deman­der d’adap­ter certaines mises en pratique à des contextes pour cibler plus préci­sé­ment les problé­ma­tiques de nos parti­ci­pants.

Sché­mas avec Midjour­ney : fail

L’équipe a exploré l’ou­til MidJour­ney, qui permet de créer des visuels. L’objec­tif : créer des sché­mas ou info­gra­phies pour illus­trer des proces­sus et des notions complexes. Mais actuel­le­ment l’IA ne sait pas géné­rer du texte, ce qui consti­tue un frein impor­tant dans un contexte de créa­tion de forma­tion. Même si le prompt est très précis et inclut le texte à faire appa­raître, le résul­tat n’est pas concluant. On pourra éven­tuel­le­ment utili­ser MidJour­ney pour créer des visuels pure­ment déco­ra­tifs, par exemple sur des slides, mais dans ce cas la valeur ajou­tée est assez faible par rapport à des banques d’images libres de droit.

Par contre, pour illus­trer avec des photos de personnes, on peut utili­ser l’in­tel­li­gence arti­fi­cielle This Person Does Not Exist, qui génère des photos de personnes qui n’existent pas réel­le­ment. 

Vidéo : fail (du moins pour Unow)

Notre respon­sable audio­vi­suel a aussi testé diffé­rents outils pour géné­rer des vidéos. Les vidéos des forma­tions Unow sont réali­sées en régie en direct, dans notre studio. Ce qu’on a retenu de ces tests en audio­vi­suel : l’usage peut être inté­res­sant pour des vidéos texte + image, mais n’est pas à la hauteur des critères mis en place par Unow.

Les points à rete­nir

• Pas d’ef­fet baguette magique mais un gain de temps et de produc­ti­vité indé­niable

• ChatGPT four­nit des bases de travail sur toutes les phases qui composent le cycle de produc­tion d’une forma­tion, comme un assis­tant 

• Temps de prise en main de l’ou­til à ne pas négli­ger : bien utili­ser ChatGPT n’est pas si spon­tané

• Une véri­fi­ca­tion humaine est essen­tielle pour toutes les données factuelles livrées par ChatGPT

ChatGPT n’est pas prêt de rempla­cer les experts de la forma­tions : qu’ils soient ingé­nieurs péda­go­giques, forma­teurs-experts, concep­teurs de ressources.

• Capa­cité à ques­tion­ner un sujet ;

• Esprit critique ;

• Capa­cité à promp­ter les bonnes ques­tions ;

• Média­ti­sa­tion ;

• Style rédac­tion­nel favo­ri­sant l’ac­tion­na­bi­lité (exemple : pyra­mide inver­sée chez Unow) ;

• Prio­ri­sa­tion des idées dans un conte­nu…

Ce sont tant de compé­tences que l’IA ne sait pas trai­ter, ou qu’elle saurait trai­ter à condi­tion que la personne déve­loppe une maîtrise très pous­sée de l’ou­til. Dans tous les cas, ce n’est pas immé­diat : il est néces­saire de se former sur les IA géné­ra­tives.

Le sujet vous inté­resse ? Unow propose une nouvelle gamme de forma­tions courtes dédiées aux intel­li­gences arti­fi­cielles géné­ra­tives.