I. Description du Projet

I.1 Contexte :

Dans le cadre de ma formation universitaire et de mon rôle actif comme conseiller pédagogique en mathématiques, j'ai initié ce projet pour répondre à un besoin crucial observé sur le terrain : le manque d'espaces collaboratifs numériques adaptés aux conseillers pédagogiques du primaire. Le contexte éducatif québécois actuel, marqué par l'intégration progressive de l'IA et la nécessité de développer les compétences numériques, a motivé la création d'une plateforme combinant Virtual Math Teams (VMT), Desmos et MathsGPT. J’ai déployé ce dispositif sous l’encadrement de la professeure Thérèse Laferrière responsable de projet à l’université Laval, spécifiquement pour la communauté de pratique des conseillers en mathématiques de la Mauricie et du Centre-du-Québec, confrontée à des défis d'isolement professionnel et de partage des bonnes pratiques.

I.2 Résultats et démarches :

La mise en œuvre s'est déroulée sur quatre mois avec quatre conseillers pédagogiques volontaires. Notre approche méthodologique a suivi trois phases principales : un diagnostic initial par entretiens individuels, six ateliers pratiques de co-création, et une évaluation continue des usages. Les résultats tangibles incluent la production de quinze activités mathématiques interactives sur Desmos, l'archivage de huit heures d'échanges audio sous forme de balados pédagogiques, et la constitution d'un répertoire partagé de ressources sur Google Drive. La plateforme a permis des avancées notables dans la collaboration inter-établissements, avec des échanges asynchrones fructueux et une capitalisation effective des savoirs pratiques.

II. Commentaires et réflexions

II.1 Compétences développées :

Ce projet a considérablement enrichi mon expertise professionnelle sur plusieurs plans. Sur le plan technique, j'ai acquis une maîtrise approfondie des environnements VMT et Desmos, notamment leurs fonctionnalités collaboratives avancées. En tant qu'animateur de communauté, j'ai développé des compétences spécifiques pour faciliter les échanges productifs à distance et maintenir l'engagement des participants. L'utilisation critique de MathsGPT m'a permis d'affiner mon jugement professionnel sur les apports et limites de l'IA en éducation. Enfin, la conception d'activités collaboratives a renforcé mes capacités de design pédagogique innovant intégrant le numérique

II.2 Défis rencontrés :

Le parcours n'a pas été sans obstacles. La diversité des compétences numériques initiales parmi les participants a nécessité un important travail d'accompagnement personnalisé. Nous avons également fait face à des résistances institutionnelles, certaines écoles étant réticentes à adopter de nouveaux outils. Les limites fonctionnelles de MathsGPT, particulièrement dans la génération d'exercices mathématiques complexes, ont parfois ralenti notre production. Enfin, la charge cognitive induite par ces nouveaux outils a représenté un défi important pour des professionnels déjà surchargés.

II.3 Solutions adoptées :

Pour surmonter ces défis, nous avons mis en place plusieurs stratégies innovantes. Un système de parrainage entre pairs a permis de réduire les écarts de compétences numériques. La production régulière de preuves concrètes de l'utilité du dispositif (extraits d'échanges, activités créées) a aidé à convaincre les institutions réticentes. Face aux limites de MathsGPT, nous avons élaboré un protocole rigoureux de validation humaine des productions. Pour gérer la charge cognitive, nous avons modularisé les activités en séquences courtes (45-90 minutes) et créé des tutoriels vidéo ciblés.

II.4 Leçons apprises :

Cette expérience m'a enseigné plusieurs leçons précieuses. Premièrement, l'IA générative doit impérativement rester un outil d'assistance sous contrôle humain en éducation. Deuxièmement, le succès d'une communauté de pratique numérique repose sur trois piliers indissociables : un leadership partagé, des rituels d'échange stables et une reconnaissance institutionnelle explicite. J'ai également constaté que les artefacts numériques dynamiques (enregistrements audio, captures d'écran annotées) sont bien plus efficaces que les comptes-rendus écrits traditionnels pour capitaliser les savoirs. Enfin, l'équilibre entre temps synchrones et asynchrones s'est révélé crucial pour respecter les contraintes des professionnels.

II.5 Autocritique et alternatives :

Une analyse honnête du projet révèle plusieurs limites. La durée de quatre mois s'est avérée trop courte pour observer des transformations profondes des pratiques. L'absence d'indicateurs quantitatifs précis nous prive de données robustes sur l'efficacité réelle du dispositif. Certaines fonctionnalités collaboratives de VMT sont restées sous-utilisées. En envisageant des alternatives, l'intégration d'une plateforme comme Discord pour les échanges informels mériterait d'être testée. L'utilisation d'outils comme Perplexity AI pour la veille collaborative ou la mise en place d'un système de badges numériques pourraient également enrichir l'expérience.

II.6 Perspectives futures :

Ce projet ouvre des perspectives prometteuses que je souhaite développer selon une feuille de route précise. À court terme (6 mois), j'envisage d'élargir la communauté à dix nouveaux participants et de créer un observatoire des usages pédagogiques de l'IA. À moyen terme (1 an), le développement d'un module de formation certifiant et l'intégration au Réseau Pédagogique National constitueront des étapes clés. À long terme (3 ans), la généralisation du modèle à d'autres disciplines et l'élaboration d'un référentiel québécois d'IA responsable en éducation représenteront l'aboutissement de cette initiative. Ces développements devront toujours garder comme priorité l'amélioration réelle des pratiques pédagogiques sur le terrain.