Durabilité

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.

Durabilité (Sustainability) — l'intersection de deux préoccupations : comment l'IA peut être utilisée au service de résultats de durabilité en éducation (l'IA pour la durabilité, incluant l'éducation au développement durable et l'éducation écologique), et comment rendre l'IA elle-même durable (l'IA durable, en réduisant l'empreinte environnementale, éthique et sociale des systèmes d'IA dans l'éducation). En tant qu'utilisateurs et développeurs d'IA à la fois, les établissements d'enseignement doivent faire progresser les objectifs environnementaux et sociaux tout en garantissant un usage responsable et éthique de l'IA.

Questions à examiner

La page distingue deux voies : l'« IA pour la durabilité » (utiliser l'IA pour faire progresser les résultats de durabilité) et l'« IA durable » (réduire l'empreinte environnementale et éthique propre à l'IA). Pouvez-vous imaginer une manière dont un outil d'IA ferait progresser un objectif tout en sapant l'autre ?
L'entraînement et l'exécution de grands modèles de langage ont une empreinte carbone et hydrique réelle. Lorsqu'un établissement promeut la durabilité comme valeur tout en déployant une IA gourmande en énergie, quelles tensions apparaissent — et qui devrait les arbitrer ?
Avant de poursuivre votre lecture, comment définiriez-vous l'« éducation durable » ? La page la traite comme un projet fondé sur des valeurs et centré sur l'humain, distinct de l'usage de l'éducation comme instrument au service de la durabilité — en quoi ces deux approches diffèrent-elles ?
Si l'on attend de l'éducation qu'elle construise la « conscience de la durabilité » des apprenants, quel rôle l'IA pourrait-elle y jouer — et l'intégration de l'IA dans le curriculum pourrait-elle enseigner la durabilité tandis que sa propre empreinte contredirait silencieusement la leçon ?
Que signifierait, pour un établissement d'enseignement, d'être véritablement durable dans son usage de l'IA, et lesquelles de ses décisions (achats, déploiement, enseignement) vous semblent les plus déterminantes ?

Introduction

La durabilité dans l'AIED s'étend sur trois cadrages qui se recoupent : l'éducation durable (un projet pédagogique fondé sur des valeurs et centré sur l'humain), la durabilité dans l'éducation (utiliser l'éducation comme un instrument au service de la durabilité) et l'éducation au développement durable (EDD, l'agenda politique mondial, en particulier l'objectif de développement durable 4). L'IA intersecte chacun de ces cadrages différemment — et le champ distingue deux voies centrales : l'IA pour la durabilité (l'IA comme outil pour atteindre des résultats de durabilité) et l'IA durable (réduire l'empreinte environnementale et éthique propre à l'IA).

La taxonomie en deux parties

La couverture de la base de connaissances, ancrée par Daniel et al. (2026), organise le champ en deux voies interconnectées mais distinctes :

L'IA pour la durabilité — utiliser l'IA pour faire progresser les résultats de durabilité. En éducation, cela inclut l'IA pour la gestion de l'énergie, le suivi du climat, les programmes de campus verts et les curricula intégrant l'IA qui développent la conscience de la durabilité des apprenants (par exemple le cadre AI-SEE pour l'enseignement de l'ingénierie durable). Cette voie est fondée sur l'agenda mondial de l'éducation au développement durable.
L'IA durable — réduire les impacts environnementaux et éthiques directs de l'IA elle-même. Cela couvre l'empreinte carbone et hydrique des grands modèles de langage, le déploiement économe en énergie et sur site, ainsi que les cadres éthiques et de gouvernance nécessaires pour garantir que l'usage de l'IA dans l'éducation est lui-même responsable et durable.

Utiliser l'IA pour la durabilité en éducation

Un corpus croissant de travaux traite l'IA comme un outil au service de l'éducation et des résultats en matière de durabilité :

Des curricula intégrant l'IA qui développent la conscience de la durabilité. Liu et al. (2026) proposent le cadre AI-SEE (intelligence-driven, green-empowered, responsibility-leading, practice-integrated), qui intègre l'IA à travers le programme comme étayage cognitif et ressource pour l'analyse de la durabilité à l'échelle du système. Dans un cas d'ingénierie portant sur 144 étudiants, il a renforcé la conscience de la durabilité et produit un engagement comportemental aux niveaux personnel, académique, professionnel et social, avec une diffusion sociale au-delà de la salle de classe.
L'IA dans l'éducation verte et durable. Talebzadeh (2026) a constaté qu'une conception pédagogique assistée par l'IA sous contraintes de pédagogie du développement durable améliorait les flux de travail des enseignants et la conception pédagogique. Riandi et al. (2026) ont constaté que l'usage pratique de l'IA par les enseignants en sciences/énergie verte et leur participation à l'élaboration de matériels alignés sur l'EDD — davantage qu'une connaissance abstraite de l'IA ou des attitudes — prédisaient leur capacité à intégrer l'IA dans l'éducation à l'énergie verte.
La durabilité comme projet fondé sur des valeurs. Alsuhami & Atallah (2026) soutiennent que la contribution de l'IA à l'éducation durable est conditionnelle et médiatisée par la gouvernance : elle ne sert la durabilité que lorsque l'adoption est subordonnée à des valeurs éducatives explicites et à des finalités centrées sur l'humain, plutôt qu'à la technologisation et à la marchandisation. Cela rattache la durabilité à l'éthique et à la pédagogie critique.

Rendre l'IA elle-même durable

La seconde voie concerne l'empreinte propre de l'IA dans les contextes éducatifs :

Impact environnemental des grands modèles. Les études sur l'usage des LLM documentent l'empreinte carbone et hydrique des grands modèles de langage, laquelle est significative compte tenu d'un taux d'adoption élevé parmi les étudiants universitaires. C'est la dimension environnementale directe de l'IA durable.
Déploiement économe en énergie et sur site. Shen et al. (2026) démontrent que des assistants IA fondés sur une base de connaissances peuvent fonctionner sur du matériel grand public avec des ressources éducatives ouvertes, réduisant l'empreinte environnementale et économique de l'IA dans l'éducation — un patron de conception concret pour une IA durable.
Cadres éthiques et de gouvernance. L'IA durable n'est pas seulement environnementale : elle exige des cadres de gouvernance et d'éthique garantissant la transparence, la responsabilité, la supervision humaine et un accès équitable, ce qui, comme le notent Daniel et al. (2026), fait souvent défaut dans les applications universitaires actuelles.

L'apprentissage durable comme objectif pédagogique

Un axe connexe conçoit la durabilité non seulement comme une préoccupation environnementale ou institutionnelle, mais comme une propriété de l'apprentissage lui-même. Zhu et al. (2026) soutiennent que l'apprentissage assisté par l'IA risque une externalisation cognitive et un détachement des contextes authentiques, et proposent des cadres (E3-HOT) pour un apprentissage durable — un apprentissage qui persiste, se transfère et reste relié à des problèmes réels plutôt que d'être court-circuité par le délestage cognitif. Cela rattache la durabilité à l'autonomie et à la pensée critique.

Connexions avec d'autres concepts

La durabilité et l'IA en éducation se situe à l'intersection de l'éthique, de la gouvernance, de l'IA en éducation et des sciences de l'environnement et de l'énergie. Elle puise dans la formation des enseignants et le rôle enseignant pour le renforcement des capacités, dans le design pédagogique pour la pédagogie, et se rattache au traitement que la base de connaissances réserve au délestage cognitif et à la pensée critique à travers la grille de l'« apprentissage durable ». Parce que les deux voies sont transversales, la durabilité est un thème fondateur qui apparaît dans l'enseignement supérieur, le K-12 et les contextes professionnels.

Concepts liés

Métadonnées

Niveau	Higher Ed, K 12, Teacher Education
Technologies et techniques	L'IA générative
Institutions et politiques	La politique d'IA en éducation, La gouvernance de l'IA
Équité, éthique et usage responsable	L'éthique, Durabilité
Fondements de l'IA dans l'éducation	L'IA en éducation

Source History Edit Chat