Base de connaissances AIEdAIEd KB
Sur cette page

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

Concepts

Littératie en rétroaction

Création 2026-08-15 · Mise à jour 2026-10-10

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

Littératie en rétroaction — les capacités et les dispositions dont les étudiants ont besoin pour comprendre, évaluer et exploiter la rétroaction (feedback) afin d'améliorer leurs apprentissages. Elle est le pendant, du côté de l'apprenant, de la production de rétroaction : tandis que les questions de qualité et de mécanique du système de rétroaction relèvent de Qualité de la rétroaction par IA et de la boucle de rétroaction, la littératie en rétroaction porte sur la capacité de l'étudiant à rechercher la rétroaction, à lui donner du sens, à la juger et à l'utiliser de façon productive.

Questions à examiner

  • Une rétroaction bien conçue n'aide que les étudiants capables de l'interpréter et d'agir en conséquence. Si deux étudiants reçoivent une rétroaction identique et n'apprennent pas la même chose, où réside la différence — et la faute en revient-elle à l'étudiant ou au système ?
  • La recherche montre que les étudiants dont la littératie en rétroaction est plus forte tirent davantage profit de la rétroaction produite par l'IA, tandis que les étudiants dont la littératie est plus faible n'en retirent que des effets minimes, voire négatifs. Qu'est-ce que cela suggère quant à l'ajout, dans un cours, d'une rétroaction par IA sans travailler parallèlement la capacité des étudiants à l'exploiter ?
  • La littératie en rétroaction inclut la recherche de rétroaction, le jugement, la gestion des affects et le passage à l'action — et non la simple réception. Quand avez-vous activement recherché une rétroaction pour la dernière fois, au lieu de l'attendre, et qu'est-ce qui vous a donné (ou non) ce courage ?
  • Si l'IA peut désormais produire une rétroaction abondante et instantanée, le goulot d'étranglement s'est-il déplacé de la production de rétroaction vers la capacité de l'apprenant à l'utiliser ? Que changerait-il à votre manière de concevoir la rétroaction si vous considériez la littératie en rétroaction des étudiants comme la véritable contrainte ?

Introduction

La littératie en rétroaction importe parce qu'une rétroaction bien conçue n'aide que les étudiants capables de l'interpréter et d'agir en conséquence. Un étudiant incapable d'évaluer si une rétroaction générée par l'IA est exacte, ou qui ne sait pas comment transformer une rétroaction en révision concrète, apprend beaucoup moins de la même rétroaction qu'un camarade dont la littératie est plus élevée. Alors que l'IA refonde la production de rétroaction, la littératie en rétroaction est devenue une condition auxiliaire déterminante de la question de savoir si la rétroaction par IA améliore l'apprentissage.

Ce qu'est la littératie en rétroaction

La littératie en rétroaction est largement pensée comme un ensemble de capacités interdépendantes — la capacité à apprécier la rétroaction, à porter un jugement, à gérer les affects et à passer à l'action (d'après Carless & Boud). Les articles de la base de connaissances regroupent la littératie en rétroaction autour de plusieurs capacités :

  • Rechercher et solliciter la rétroaction — demander activement une rétroaction plutôt que la recevoir passivement.
  • Porter un jugement — évaluer l'exactitude et l'utilité de la rétroaction, y compris lorsqu'elle est produite par l'IA.
  • Donner du sens — interpréter la rétroaction au regard des objectifs de la tâche et des critères, et comprendre ce qu'elle implique pour progresser.
  • Gérer les affects — s'engager de façon productive avec la rétroaction sans s'en trouver découragé ni exagérément valorisé.
  • Passer à l'action — traduire la rétroaction en révisions concrètes ou en changements d'approche (boucle de rétroaction, L'apprentissage autorégulé).
  • Juger l'autorité évaluative — une capacité supplémentaire proposée par AlGhamdi (2026) : outre l'appréciation de la rétroaction, le jugement, la gestion des affects et le passage à l'action, les étudiants qui raisonnent sur une rétroaction produite par l'IA doivent juger quelle source détient l'autorité évaluative, ce qui est distinct du jugement sur la qualité de la rétroaction. Parce que l'on avait dit aux participants que ChatGPT générait à la fois la note et la rétroaction, leur littératie en rétroaction s'est exercée sur la source et la légitimité de l'évaluation, et pas seulement sur son contenu, ce qui a produit des demandes de validation par l'enseignant plutôt qu'une acceptation passive.

Comment la littératie en rétroaction apparaît dans la recherche

  • La littératie en rétroaction comme modérateur de la valeur de la rétroaction par IA : Mendoza et al. (2026) montrent que la littératie en rétroaction modère le lien entre l'acceptation de ChatGPT et l'apprentissage autorégulé : les étudiants dont la littératie est plus forte perçoivent un bénéfice d'apprentissage autorégulé plus grand de la rétroaction par IA, tandis que les étudiants dont la littératie est plus faible n'en retirent que des effets minimes, voire négatifs (dépendance excessive). La littératie en rétroaction est une condition auxiliaire de la capacité des étudiants à « donner du sens » à une rétroaction produite par l'IA.
  • La littératie en rétroaction comme voie allant de l'usage de l'IA générative à la pensée critique : chez 421 étudiants de premier cycle chinois, l'association entre l'usage de l'IA générative et la pensée critique auto-rapportée passait presque entièrement par la littératie en rétroaction vis-à-vis de l'IA générative (β=0.185, 71.98% de l'effet total), et cette voie se renforçait à mesure que la pensée réflexive augmentait (indice de médiation modérée = 0.030) (Yan et al. (2026)).
  • La littératie en rétroaction prédit l'apprentissage dans la rédaction assistée par IA : Hawkins et al. (2026) constatent que la littératie en rétroaction était le seul prédicteur positif significatif de la note de dissertation dans une tâche de rédaction augmentée par l'IA, tandis que Liu & Deris (2025) élaborent et valident une échelle de littératie en rétroaction à l'IA (AIFL) et montrent qu'elle prédit la reprise de la rétroaction.
  • Des cadres pour l'engagement des étudiants dans la rétroaction rendue possible par l'IA générative : Zhan, Boud, Dawson et Yan (2025) (Boud et Dawson sont des chercheurs de premier plan sur la littératie en rétroaction) soutiennent que l'IA générative peut rendre possible l'engagement des étudiants dans la rétroaction, en projetant un modèle cyclique d'auto-régulation de la rétroaction sur les phases de sollicitation, de traitement et de mise en œuvre.
  • La rétroaction par IA arrive sans le cadrage de l'enseignant : Brunnström et Palmqvist (2026) soutiennent que l'IA générative rend la littératie en rétroaction plus exigeante, parce que les réponses sont générées de manière interactive et sans le cadrage immédiat d'un enseignant : les étudiants doivent les interpréter, les évaluer, s'y engager et les utiliser — y compris décider quand une réponse est trop abstraite, quand persévérer, et quand revenir à des ressources classiques. Tout au long de leur démonstration en huit échanges, la simplification et une structure exploitable n'apparaissent qu'après des interventions de l'apprenant, ce qui fait du cycle de sollicitation, de traitement et de mise en œuvre de l'engagement dans la rétroaction quelque chose que l'étudiant doit piloter (Zhan, Boud, Dawson et Yan ont cartographié ce cycle pour l'IA générative ; apprentissage autorégulé).
  • La littératie en rétroaction dans la rédaction assistée par IA et en anglais à visée académique (EAP) : les scénarios pédagogiques de littératie en rétroaction et les mécanismes de second évaluateur forment les étudiants à s'engager de façon critique avec la rétroaction produite par l'IA pendant la révision de textes, en déplaçant la révision vers une amélioration au niveau de l'argumentation plutôt que vers des retouches de surface.
  • Outils de rétroaction automatisée pour le développement de la littératie : Tubino & Adachi (2025) soutiennent que les outils de rétroaction automatisée par IA devraient être redéfinis comme des instruments de développement de la littératie en rétroaction des étudiants, et pas seulement comme des moyens de fournir davantage de rétroaction.
  • Rétroaction par les pairs et littératie en rétroaction : Irwin & Muller (2025) situent l'IA générative dans la rétroaction par les pairs en anglais langue étrangère (EFL) pour développer la littératie en rétroaction et permettre sa reprise dans les cours d'oral, et les études sur l'étayage comparent l'IA générative aux pairs humains dans le développement d'une rétroaction autorégulée.
  • Rétroaction conservée sous forme de données durables et consultables. Associer ChatGPT à un portfolio électronique a fait progresser ensemble la performance à l'oral et la littératie en rétroaction (η² partiel = 0.218 pour cette dernière), les étudiants traitant les rétroactions archivées de l'enseignant, des pairs et de l'IA comme des données à concilier plutôt que comme une correction ponctuelle (Laksana et al. (2026)).
  • Littératie en rétroaction dans les analytiques d'apprentissage et les tableaux de bord fondés sur l'IA générative : Jin et al. (2025) examinent comment les étudiants perçoivent la rétroaction issue des analytiques d'apprentissage alimentées par l'IA générative, dans une perspective de littératie en rétroaction.
  • La littératie en rétroaction comme objectif de la littératie en IA et de la conception de l'évaluation : Richmond & Nicholls (2025) utilisent une évaluation centrée sur le processus plutôt que sur l'artefact, dans laquelle les étudiants critiquent la production de ChatGPT au regard d'une grille pour développer conjointement les littératies en rétroaction, psychologique et en IA ; la rétroaction par IA centrée sur l'apprenant et la conception soigneuse de la rétroaction relient la qualité de la rétroaction à la capacité de l'apprenant à s'y engager.

Pourquoi la littératie en rétroaction importe pour l'IA en éducation

L'IA fait évoluer la rétroaction dans deux directions qui renforcent l'une et l'autre les enjeux de la littératie en rétroaction. Premièrement, l'IA accroît considérablement le volume et l'immédiateté de la rétroaction (Qualité de la rétroaction par IA, boucle de rétroaction), si bien que les étudiants se trouvent confrontés à une quantité bien plus grande de rétroactions qu'ils doivent trier et évaluer. Deuxièmement, la rétroaction générée par l'IA comporte des risques spécifiques — inexactitude, hallucination, et « illusion de la maîtrise » — qui exigent des compétences de pensée critique et une vigilance face à la dépendance excessive et à la mauvaise attribution. La littératie en rétroaction devient donc une composante centrale de la littératie en IA : savoir non seulement comment formuler à une IA une demande de rétroaction, mais comment juger si cette rétroaction mérite d'être exploitée, et comment la convertir en apprentissage réel plutôt qu'en simple achèvement de la tâche.

Bearman et ses collègues (2026) ajoutent une exigence supplémentaire à cette liste. Dans leur étude en atelier, les étudiants ne géraient pas une seule source de rétroaction mais un réseau : ils mettaient en balance les commentaires de l'enseignant, les productions de l'IA, les grilles, les supports de cours et les pairs, et lorsque la rétroaction humaine tardait, ils poursuivaient avec l'IA comme solution d'attente, en révisant plus tard si celle-ci les avait égarés. Les auteurs suggèrent que les étudiants peuvent se comporter comme leur propre « humain dans la boucle » en gérant ces relations, de la tâche granulaire jusqu'à la trajectoire d'ensemble, ce qui constitue lui-même une capacité de littératie en rétroaction. Leur avertissement est que ce sont les commentaires enseignants maigres ou tardifs qui poussent les étudiants vers des sources non vérifiées.

Connexions avec les concepts voisins

La littératie en rétroaction se relie à Qualité de la rétroaction par IA et à la boucle de rétroaction (le versant production qu'elle complète), à l'évaluation formative (le cycle d'évaluation qu'elle alimente) et à l'apprentissage autorégulé (l'auto-évaluation et l'adaptation qu'elle soutient). Elle est un sous-ensemble de la littératie en IA lorsqu'elle s'applique à une rétroaction générée par l'IA, recoupe l'évaluation par les pairs dans les contextes collaboratifs, et revêt une importance particulière pour l'enseignement de l'écrit. Elle se relie également à la métacognition et à la calibration de la confiance — la capacité de juger si une rétroaction est digne de confiance.

Agir sur une rétroaction ne revient pas à améliorer l'artefact. Parmi 22 professeurs de mathématiques en formation initiale, l'acceptation sélective de la rétroaction produite par l'IA et par les pairs était la norme (32 épisodes sur 44), et pourtant cinq seulement ont amélioré la qualité de la tâche qu'ils avaient conçue — un décalage de traduction que les auteurs attribuent au jugement évaluatif plutôt qu'à la reprise de la rétroaction (Oh, 2026).

Concepts liés

Articles liés

FAQ liées

Métadonnées

DisciplineWriting Education
Apprentissage et enseignementL'apprentissage autorégulé
Évaluation et mesureQualité de la rétroaction par IA, La rétroaction, Littératie en rétroaction, L'évaluation formative, Évaluation par les pairs
Fondements de l'IA dans l'éducationLittératie en IA
SourceHistoryEditChat

Intégrer cette page

Copiez le code ci-dessous pour intégrer cette page dans un système de gestion de l'apprentissage ou un autre site. La version intégrée n'affiche que le contenu de la page : l'en-tête, la navigation et le pied de page du site sont masqués.