Le constructivisme

Sur cette page

Cette page est traduite en français. Les pages d'articles sont encore rédigées en anglais. Lire cette page en anglais

Cette page est une traduction automatique de la page anglaise, non relue par un locuteur natif.

Le constructivisme — la théorie de l'apprentissage selon laquelle la connaissance est activement construite par l'apprenant à travers l'expérience, la réflexion et l'interaction, plutôt que reçue passivement d'un enseignant ou d'un système. Dans le champ de l'IA en éducation, le constructivisme fonde l'engagement de conception selon lequel les outils d'IA doivent soutenir la construction du savoir par les apprenants eux-mêmes — incitation, questionnement et L'étayage — plutôt que d'accomplir à leur place le travail cognitif.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

Questions à examiner

Vous est-il déjà arrivé d'« apprendre » quelque chose en cours pour réaliser ensuite que vous n'étiez pas réellement capable de l'expliquer ou de l'utiliser ? Que manquait-il — et qu'est-ce que cela nous dit sur la manière dont se forme une véritable compréhension ?
Le constructivisme affirme que la connaissance se construit, qu'elle ne se transmet pas. Si c'est vrai, que se passe-t-il lorsqu'un tuteur IA se contente de fournir la bonne réponse ?
L'expression « constructivisme de nom, Behaviorisme de fait » décrit des outils d'IA qui se réclament de l'apprentissage actif mais qui, en réalité, ne proposent que des exercices répétitifs. Avez-vous déjà observé cet écart ? Comment le détecteriez-vous dans un outil que vous évaluez ?
Le constructionnisme de Papert affirme que l'on apprend le plus puissamment en construisant des artéfacts partageables. À l'ère de l'IA, un cadre l'énonce ainsi : « l'IA écrit le code, mais l'étudiant écrit le modèle. » Que construit réellement un étudiant lorsque l'IA prend en charge la mécanique ?
Certains outils d'IA pratiquent le « refus génératif » — ils retiennent les réponses et posent des questions à la place. Quand un refus délibéré serait-il plus précieux pédagogiquement qu'une réponse fournie ?
Si la connaissance se construit, alors la littératie en IA ne s'apprend pas en assistant à des cours sur l'IA — elle s'apprend en utilisant, en critiquant et en construisant avec l'IA. Qu'est-ce que cela implique quant à la manière dont la littératie en IA devrait vous être enseignée, ou l'être à vos étudiants ?

Introduction

Le constructivisme est une famille de théories plutôt qu'une doctrine unique, mais sa thèse centrale est partagée : les apprenants n'absorbent pas le sens, ils le construisent. Dans cette perspective, la compréhension n'est pas l'accumulation de faits transmis, mais l'organisation active de l'expérience en modèles mentaux. Cela a des implications directes sur la manière dont l'IA en éducation devrait être conçue, évaluée et enseignée — et cela aide à expliquer à la fois la promesse et le risque de l'IA générative en classe.

Mishra et al. opposent le constructionnisme de Papert (Logo, les micro-mondes, le débogage comme apprentissage) aux tuteurs cognitifs d'Anderson, comme autant de visions concurrentes de l'autonomie créative et du contrôle systématique dans l'histoire de l'AIED.

Idées centrales

La connaissance se construit, elle ne se transmet pas. Les apprenants bâtissent leur compréhension en agissant sur le monde, en réconciliant les informations nouvelles avec leurs connaissances antérieures et en réfléchissant aux résultats. Un tuteur IA qui se contente de fournir les bonnes réponses contourne l'activité constructive qui produit une compréhension durable.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Les connaissances antérieures façonnent les nouveaux apprentissages. Les idées nouvelles sont interprétées à travers les modèles mentaux existants de l'apprenant ; l'enseignement doit donc mettre au jour et s'appuyer sur ce que les apprenants savent déjà — un principe directement pertinent pour les Idées fausses sur l'IA et pour les tuteurs IA qui s'adaptent à l'apprenant.
L'interaction sociale soutient la construction. Un courant majeur — le constructivisme social — soutient que le sens se co-construit par le dialogue, la collaboration et l'activité culturellement située. Cela rattache le constructivisme à l'Apprentissage collaboratif et aux démarches de type La méthode socratique dans lesquelles l'IA interroge plutôt qu'elle ne dicte.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
La construction est visible dans l'activité. Les apprenants révèlent (et consolident) leur compréhension en générant, en expliquant et en produisant — c'est pourquoi le cadre ICAP classe l'engagement « constructif » et « interactif » au-dessus des modes « actif » et « passif ».(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)

Une limite de la théorie est qu'elle présuppose une agentivité épistémique centrée sur l'humain, ce qui ne lui permet pas de rendre compte d'une IA qui simule le raisonnement et co-construit le sens ; le supplément proposé est la co-agentivité épistémique, dans laquelle les apprenants traitent la production de l'IA comme contestable et conservent la souveraineté épistémique sur ce qui vaut comme connaissance (Samuel (2026)).

Constructionnisme

Le constructionnisme est la branche du constructivisme associée à Seymour Papert, qui ajoute une thèse spécifique : l'apprentissage est le plus puissant lorsque les apprenants construisent des artéfacts externes et partageables — des objets physiques ou numériques qu'ils conçoivent, réalisent et déboguent. Là où le constructivisme piagétien se concentre sur la construction mentale interne de la connaissance, le constructionnisme soutient que cette construction est mieux soutenue et rendue visible par la fabrication de quelque chose de tangible (Harel & Papert, 1991). Dans l'histoire de l'AIED, le constructionnisme incarne le pôle de l'« autonomie » dans la tension centrale du champ entre contrôle et autonomie, face aux tuteurs cognitifs structurés d'Anderson.

Logo et les micro-mondes. Papert a co-développé Logo (1967) avec son emblématique « tortue » — un micro-monde de programmation où les enfants explorent la géométrie et d'autres idées puissantes en commandant et en débogant un agent visible. Le débogage est réinterprété comme une part naturelle et précieuse de l'apprentissage, non comme un échec.(Control vs. Agency: Exploring the History of AI in Education)
La construction plutôt que l'instruction. Le constructionnisme critique l'« instructionnisme » — l'hypothèse selon laquelle enseigner est le transfert efficace de la connaissance — et positionne au contraire les apprenants comme des agents autonomes qui construisent leur compréhension par des projets et de l'expérimentation (Papert, 1980, Mindstorms).
Une filiation vers l'EdTech moderne. L'accent mis par Logo sur la création concrète et manuelle sous-tend l'Apprentissage par le jeu, l'Apprentissage par projets, la robotique éducative (LEGO Mindstorms, Scratch, les briques programmables) et, plus largement, le mouvement maker.
L'héritage constructionniste dans l'IA. Le constructionnisme implique que les outils d'IA doivent servir de matériaux avec lesquels construire — des outils de pensée et des co-constructeurs créatifs que l'apprenant dirige — plutôt que d'instructeurs fournisseurs de réponses. C'est l'ancêtre direct du cadrage mindtool que la base de connaissances donne de l'IA générative, ainsi que des engagements de conception qui préservent l'agentivité de l'apprenant sur le processus d'apprentissage.(Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics)
Le constructionnisme à l'ère de l'IA générative : apprendre en écrivant le modèle, pas le code. L'arrivée d'une IA générant du code a renouvelé le constructionnisme comme réponse de conception plutôt qu'elle ne l'a affaibli. Le cadre Code-to-Learn with Generative AI (CtL-GenAI) de Gousopoulos synthétise le constructionnisme, la théorie de la charge cognitive, l'L'apprentissage autorégulé, le modèle d'engagement ICAP, l'échec productif et l'étayage socioculturel pour des lycéens construisant des logiciels avec l'IA. Sa thèse organisatrice — « l'IA écrit le code, mais l'étudiant écrit le modèle » — recadre la cible de la construction : lorsque l'IA générative accomplit le travail syntaxe d'écriture du code, la construction de l'apprenant se déplace vers l'élaboration et le débogage du modèle conceptuel que le code exprime. CtL-GenAI définit l'auctorialité du modèle comme un construit à quatre facettes et à niveaux ordonnés porteurs d'indicateurs observables, et formalise un modèle de mesure falsifiable à crédit partiel pour tester si un tel apprentissage se produit réellement.(Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education)(The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI) C'est le « fabrique quelque chose de partageable et débogue-le » classique du constructionnisme, mis à jour pour que l'artéfact que l'étudiant fabrique et sur lequel il réfléchit soit un modèle mental rendu visible, et non plus seulement du code source — et cela associe la théorie à un programme de mesure explicite, de sorte que la thèse devient empiriquement testable.

Le constructionnisme est donc à la fois une théorie de l'apprentissage et une critique : il soutient que la finalité de l'éducation n'est pas de reproduire les structures de savoir existantes mais d'autonomiser les apprenants pour qu'ils les construisent et les transforment — une position aux implications claires sur la question de savoir si l'IA en éducation renforce ou conteste les hiérarchies établies.

Le constructivisme et l'IA en éducation

L'IA au service de l'apprentissage constructiviste

Une IA bien conçue peut permettre la construction à grande échelle. Les systèmes d'Tutorat intelligent et de tutorat par IA peuvent poser des problèmes et guider la Recherche d'aide au lieu de livrer les réponses ; les environnements de Simulation et d'Apprentissage par le jeu permettent aux apprenants de bâtir et de tester des modèles mentaux ; et les activités d'Apprentissage par projets et d'L'apprentissage expérientiel soutenues par l'IA donnent aux apprenants des tâches de construction authentiques. Le patron de conception central est le L'étayage — un soutien calibré qui s'estompe à mesure que la compétence grandit — plutôt que l'achèvement.(The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents)(Embodied Inquiry with AI as Facilitator: An Exploratory Case Study)

Classer les questions que posent les apprenants est une manière de voir la construction se produire, et d'agir sur elle. Lee, Atif & Kang (2026) répartissent 434 questions authentiques d'apprenants, issues de 11 étudiants en informatique répartis sur 12 cours, en trois rôles instructionnels constructivistes — transmetteur de connaissance, facilitateur et co-apprenant — et entraînent quatre transformateurs à les reconnaître. DeBERTa classait les questions de type transmetteur de connaissance factuelle avec 96.67 % de précision, mais les questions de facilitateur avec seulement 78.79 %, et chaque modèle confondait le plus souvent les deux rôles d'ordre supérieur : détecter une investigation dialogique et exploratoire est bien plus difficile que détecter une recherche d'information. Parce que la typologie traite les questions comme des indices diagnostiques d'engagement épistémique plutôt que comme de simples entrées, elle soutient un geste de conception proprement constructiviste — lorsqu'un apprenant ne pose de façon répétée que des questions factuelles, le système peut l'inviter à un questionnement réflexif et exploratoire qui développe la La métacognition et l'investigation critique, au lieu de répondre à la profondeur qu'implique sa question.

Le risque du « constructivisme de nom, behaviorisme de fait »

Les travaux empiriques mettent régulièrement au jour un écart entre les objectifs constructivistes affichés et les implémentations réelles en IA. Une revue systématique de l'IA dans l'enseignement et la formation professionnels, par exemple, a constaté que les théories constructivistes sont affichées dans le discours de la formation professionnelle tandis que les conceptions behavioristes d'exercices répétitifs dominent dans la pratique, et a mis en garde contre un « piège de Turing » éducatif — utiliser l'IA pour reproduire l'enseignement humain plutôt que pour l'augmenter.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Ce schéma se généralise à tout le champ :

Lorsque l'IA générative rédige, raisonne ou code à la place des étudiants, l'apprenant perd le processus de pensée constructive que la tâche était censée développer — l'inquiétude centrale de la Délestage cognitif et de la sur-dépendance.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Les implémentations d'IA qui privilégient la rétroaction adaptative et l'efficacité desservent fréquemment les objectifs d'autonomie de l'apprenant, de réflexion critique et de décision autonome qu'implique le constructivisme.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Le piège du nom : la production de l'IA générative n'est pas l'apprentissage génératif

Une confusion récurrente dans le champ repose sur une collision de noms. L'IA générative désigne une classe de technologie — des modèles qui produisent du texte, des images ou du code. L'apprentissage génératif (la théorie de l'apprentissage génératif de Wittrock) désigne une activité de l'apprenant — l'apprenant produit activement du sens en construisant des connexions entre les informations nouvelles et les connaissances antérieures, au moyen de stratégies telles que le résumé, la cartographie, le dessin, l'auto-évaluation et l'auto-explication. Les deux ne sont pas la même chose, et les confondre a de réelles conséquences pédagogiques : une IA qui produit un résumé ou une carte pour l'étudiant est l'opposé de l'étudiant qui accomplit l'acte d'apprentissage génératif. Dabbagh & Fake (2026) s'appuient directement sur cette distinction, en soutenant qu'un outil de pensée fondé sur l'IA générative ne soutient l'apprentissage génératif que lorsque c'est l'apprenant qui pilote l'activité constructive — générer une carte mentale avec l'assistance de l'IA est de l'apprentissage génératif ; faire générer la carte entièrement par l'IA n'en est pas, aussi fluide ou correcte que soit la production.

La question décisive est de savoir qui accomplit la production de sens :

L'étudiant construit-il une explication, ou se contente-t-il d'en recevoir une ?
L'IA invite-t-elle l'apprenant à relier des idées, ou lui fournit-elle les connexions ?
L'artéfact (résumé, carte, code, modèle) est-il le produit de la construction de l'apprenant, ou un substitut à celle-ci ?

Cela reflète la hiérarchie ICAP — l'engagement constructif et interactif l'emporte sur l'actif et le passif — mais l'affine : un outil peut produire une sortie visiblement « d'apparence constructive » tandis que l'apprenant demeure dans un mode passif ou actif. Évaluer un outil d'IA générative au regard de l'apprentissage génératif signifie donc inspecter là où l'effort constructif se situe réellement, et non vérifier la présence d'une production générative. C'est le même piège du constructivisme-de-nom / behaviorisme-de-fait, appliqué au cas spécifique de la génération : l'auctorialité du modèle (l'IA écrit le code, l'étudiant écrit le modèle) en est une résolution concrète — l'apprenant construit le modèle conceptuel même lorsque l'IA fournit l'artéfact de surface.

Réponses de conception ancrées dans le constructivisme

Le refus génératif — des outils d'IA qui retiennent stratégiquement le texte généré et posent des questions à la place, restituant à l'utilisateur une friction cognitive afin que le travail d'articulation lui-même bâtisse la compréhension.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Des outils de pensée plutôt que des machines à réponses — utiliser l'IA générative comme un Generative AI (GenAI) as a mindtool that supports generative learning (GL) que l'apprenant pilote, plutôt que comme un outil qui remplace l'apprenant.(Generative AI (GenAI) as a mindtool that supports generative learning (GL))
Le conflit constructif — des agents d'IA adversariaux qui mettent au défi la conception ou le raisonnement d'un apprenant, en provoquant un réexamen et une construction plus approfondie d'alternatives, dans la tradition du tutorat socratique.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
Une opposition simulée n'est pas une opposition. Une contre-position que l'on peut faire surgir à la demande mais qui ne résiste jamais répète la chorégraphie du dialogue tout en retenant ce qui la rend puissante : elle n'a ni incarnation, ni enjeu, ni exposition à une conséquence, de sorte qu'à la différence d'un autre humain elle n'offre aucune voie de réparation (Du et al. (2026)).
La rétroaction interne par la comparaison — faire comparer aux apprenants leur propre travail à des exemples de référence générés par l'IA, de sorte que l'acte de comparaison lui-même génère l'apprentissage.(Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback)
L'incitation sensible au type de question — classer les questions des apprenants en rôles constructivistes pour que le système puisse délibérément faire progresser un étudiant de la recherche d'information vers une investigation exploratoire et dialogique, au lieu de refléter la profondeur cognitive qu'implique sa question. Parce que les intentions de facilitateur et de co-apprenant restent confondues pour les classifieurs automatiques, cette conception maintient un humain dans la validation de la catégorisation avant qu'elle ne pilote la La rétroaction ou le L'étayage.(Analysing AI utilisation in education through learner question types: A constructivist approach)
La communauté comme standard d'évaluation — les apprenants conçoivent quelque chose de réel pour leur communauté en utilisant l'IA comme ressource de conception, tandis que les savoirs de la communauté et ses praticiens servent de standard pour juger du résultat, laissant place à la limite, au refus ou au non-usage stratégique lorsque l'engagement critique l'exige.(Ojeda-Ramirez, Gyles & Peppler (2026))

Le constructivisme et « l'éducation à l'IA »

Le constructivisme façonne aussi la manière dont la littératie en IA elle-même est enseignée. Si la connaissance se construit, alors la littératie en IA ne s'acquiert pas par des cours sur les modèles, mais en utilisant, critiquant et construisant activement avec l'IA — en produisant des artéfacts, en interrogeant les sorties et en réfléchissant à l'interaction.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) Cela positionne l'Littératie en IA comme une compétence active et participative plutôt que comme un corpus de connaissances passives, et rattache le constructivisme à la La pensée critique et à l'L'agence de l'apprenant dans les rencontres des apprenants avec l'IA.

Implications pour la conception et la recherche

Préserver l'activité constructive. L'IA devrait étayer la pensée propre de l'apprenant — l'inviter, le questionner, le soutenir — plutôt que l'accomplir à sa place. Les concepteurs devraient se demander si l'outil accroît ou remplace l'effort constructif de l'apprenant.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Utiliser le prisme ICAP. ICAP classe l'engagement en modes constructif, interactif, actif et passif — utilisez-le pour évaluer si les interactions avec l'IA suscitent réellement les modes constructif et interactif plutôt qu'une consommation passive. Les concepteurs devraient privilégier les modes les plus profonds (constructif et interactif) lorsque l'objectif d'apprentissage le justifie.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
Aligner théorie et implémentation. Les chercheurs devraient dépasser la question de savoir si l'IA « fonctionne » pour examiner comment elle incarne une théorie de l'apprentissage, en traquant l'écart entre constructivisme de nom et behaviorisme de fait.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)
Étudier l'autonomie de l'apprenant et le transfert. Les engagements constructivistes impliquent d'évaluer non seulement les gains immédiats aux tests, mais aussi la capacité des apprenants à transférer et à appliquer de manière autonome leur compréhension construite.(Les méthodes de recherche en AIED)

Concepts liés

Communauté d'enquête — Communauté d'investigation (fondée sur le pragmatisme constructiviste/deweyen)
Psychologie cognitive — Le cognitivisme, troisième pôle classique de la théorie de l'apprentissage
L'apprentissage actif
Apprendre en enseignant
L'étayage
L'apprentissage autorégulé
Apprentissage collaboratif
L'apprentissage expérientiel
Apprentissage par projets
Apprentissage incarné
Conception pédagogique
L'IA générative
Tutorat intelligent
Délestage cognitif
L'agence de l'apprenant
La pensée critique
Littératie en IA
Idées fausses sur l'IA
Théories de l'apprentissage
Behaviorisme
Enseignement de la chimie — L'enseignement de la chimie et l'IA : travaux pratiques, évaluation formative, limites des LLM, philosophie de l'expérimentation
Le développement théorique en IA éducative — Le développement théorique en IA en éducation
Échec productif

Ressources liées

Vibes DIY
Un constructeur d'applications en langage courant : décrivez un petit outil en mots et obtenez une application web fonctionnelle et partageable, les paquets React et la CLI sous-jacents étant publiés sous Apache-2.0.

Métadonnées

Apprentissage et enseignement	L'apprentissage actif, Apprentissage collaboratif, L'apprentissage expérientiel, Théories de l'apprentissage, L'étayage, L'apprentissage autorégulé
Technologies et techniques	L'IA générative
Fondements de l'IA dans l'éducation	Conception pédagogique

Source History Edit Chat