Apprentissage par le jeu

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.

L'apprentissage par le jeu (game-based learning, GBL) — l'utilisation des jeux eux-mêmes (numériques ou physiques) comme support et contexte d'apprentissage, où les mécaniques, les défis et la progression du jeu portent les contenus éducatifs. Les apprenants apprennent en jouant. De manière connexe, la ludification (gamification) applique des éléments de conception de jeux (points, badges, niveaux, classements) à des activités d'apprentissage qui ne sont pas des jeux, sans les transformer en jeux complets. Dans l'enseignement de l'IA et de la robotique, les deux approches sont utilisées pour rendre les contenus techniques engageants et motivants.

Questions à examiner

L'apprentissage par le jeu utilise le jeu lui-même comme support d'apprentissage — on apprend en jouant. La ludification se contente de superposer des points, des badges et des niveaux à une activité qui n'est pas un jeu. Selon vous, quelle différence ces deux approches font-elles réellement sur l'apprentissage, par opposition à l'engagement à court terme ?
Une revue comparative a montré que l'apprentissage par le jeu était plus répandu dans les contextes informels, tandis que la ludification dominait les salles de classe formelles et favorisait l'apprentissage par projets. Pourquoi, à votre avis, chaque approche a-t-elle trouvé un terrain différent — et qu'est-ce que cela nous apprend sur le contexte où chacune fonctionne le mieux ?
La ludification s'appuie sur la théorie de l'autodétermination — autonomie, compétence, affiliation. Si la motivation consiste à satisfaire ces besoins, pourquoi un système de points et de badges peut-il réussir ou échouer selon la manière dont il façonne l'effort perçu et l'attention ?
La recherche suggère que le bénéfice motivationnel des dispositifs ludiques et assistés par IA dépend de la manière dont ils façonnent la charge perçue et l'attention, et non de la ludification seule. Quand avez-vous vu un jeu ou des badges stimuler l'engagement sans améliorer réellement l'apprentissage — ou l'inverse ?

Introduction

Le GBL s'appuie sur les théories de la La motivation, de l'engagement des apprenants et de l'apprentissage actif : les jeux procurent une motivation intrinsèque, une rétroaction immédiate et des contextes de problèmes authentiques. Il recoupe la Simulation, l'apprentissage par projets et la robotique éducative. Le GBL est particulièrement pertinent pour la robotique éducative, la pensée computationnelle et l'enseignement de l'informatique, où les jeux peuvent rendre concrets et ludiques des concepts techniques abstraits.

Comment le GBL apparaît dans la recherche de la base de connaissances

Éducation à la robotique : une revue systématique comparative de l'apprentissage par le jeu et de la ludification dans l'éducation à la robotique a montré que le GBL était plus répandu dans les contextes informels, tandis que la ludification dominait les salles de classe formelles et favorisait l'apprentissage par projets.
Jeux médiés par des robots : REMind est un jeu de rôle médié par un robot destiné à une intervention contre le harcèlement, et MotiBo utilise la narration numérique interactive pour stimuler la motivation.
Agents conversationnels d'IA dans les jeux de simulation : Wenzel, Geiger et Liening (2026) dérivent le cadre CAIS-GBL — quatre principes de conception et quinze caractéristiques de conception pour les agents conversationnels d'IA dans l'apprentissage par le jeu numérique — de méta-exigences théoriques couvrant l'engagement cognitif, motivationnel, affectif et socioculturel, avec une posture d'équité dès la conception. Leur agent instancié (Lara), dans un jeu de simulation d'entreprise, a été positivement accueilli pour la présence cognitive et sociale et pour le soutien à l'apprentissage autorégulé, comblant le manque fréquent de rétroaction formatif et de réflexion structurée dans les jeux de simulation.
Efficacité de l'IA appliquée au GBL : une revue systématique de 55 études sur l'apprentissage par le jeu assisté par IA met en évidence des effets positifs sur les connaissances, la motivation intrinsèque et l'engagement affectif, mais seulement 4 études (7%) atteignent son seuil de haute qualité et seulement 4 (7%) étaient des ECR (Kaşarcı et Yurt, 2026). L'efficacité tenait à l'alignement du mécanisme d'IA sur une théorie de l'apprentissage explicite.

Ludification

La ludification est l'application d'éléments de conception de jeux (points, badges, niveaux, classements, défis, barres de progression) à des contextes non ludiques afin de motiver et d'engager les utilisateurs. Contrairement à l'apprentissage par le jeu — où l'apprentissage se produit au travers d'un jeu — la ludification superpose des mécaniques de jeu à une activité d'apprentissage existante sans en faire un jeu complet. Elle est utilisée en éducation pour stimuler la motivation, l'engagement des apprenants et la persévérance, et elle est largement appliquée dans les contextes formels de salle de classe.

La ludification s'appuie sur la théorie motivationnelle, en particulier la La théorie de l'autodétermination (qui soutient l'autonomie, la compétence et l'affiliation) et sur les cadres de changement comportemental. Elle a montré une synergie particulière avec l'apprentissage par projets dans des domaines appliqués comme la robotique. Dans la recherche de la base de connaissances :

Éducation à la robotique : la revue comparative a montré que la ludification dominait les salles de classe formelles en éducation à la robotique (p < .001) et favorisait fortement l'apprentissage par projets (p = .009), tandis que l'apprentissage par le jeu était plus courant dans les contextes informels.
Engagement et motivation : la ludification est utilisée à travers la base de connaissances pour accroître l'engagement et la motivation des apprenants dans les contextes d'IA, de programmation et d'apprentissage STIM. La recherche IA générative, motivation et engagement examine comment les éléments ludiques se combinent à l'IA pour soutenir l'intérêt des apprenants. Deux études de 2026 prolongent ces travaux en comparant des conditions ludifiées et assistées par IA à un enseignement traditionnel : une étude NASA-TLX a mesuré la charge perçue dans des conditions d'apprentissage traditionnel, ludifié et assisté par IA, et une étude ARCS a examiné l'« ergonomie » motivationnelle dans l'apprentissage ludifié et assisté par IA, avec des implications pour la formation en milieu professionnel. Ensemble, elles montrent que le bénéfice motivationnel des dispositifs ludiques et assistés par IA dépend de la manière dont ils façonnent la charge perçue, la charge de travail et l'attention (par exemple les dimensions attention/pertinence du modèle ARCS), et non de la ludification seule.

Le GBL et la ludification se relient ensemble à la robotique éducative, à l'engagement des apprenants, à la La motivation, à la théorie de l'autodétermination, à l'apprentissage actif, à la Simulation, à l'apprentissage par projets et à la pensée computationnelle.

Concepts liés

Les robots en éducation
L'engagement des étudiants
La motivation
La théorie de l'autodétermination
L'apprentissage actif
Simulation
Apprentissage par projets
Pensée informatique
L'enseignement de l'informatique
Pédagogies et stratégies d'enseignement — Parapluie : pédagogies et stratégies d'enseignement en éducation à l'IA
Réalité virtuelle et augmentée — la pratique immersive et ludique se recoupent dans leur conception et leurs données probantes

Métadonnées

Apprentissage et enseignement	L'apprentissage actif, Apprentissage par le jeu, La motivation, L'engagement des étudiants
Technologies et techniques	Les robots en éducation

Source History Edit Chat