Une réponse produite par une intelligence artificielle peut sembler précise, bien écrite et accompagnée de références. Cela ne suffit pas à en faire une preuve. Pour apprendre avec l’IA, une classe doit pouvoir transformer une réponse en questions vérifiables, retrouver les documents cités et expliquer ce qui est confirmé, contredit ou encore incertain.
L’activité proposée ici s’adresse aux élèves et aux enseignants en Haïti et dans la Caraïbe. Elle tient compte de contraintes concrètes : les sources peuvent être en français, en créole haïtien ou en anglais, la connexion peut être intermittente et certaines informations locales ne sont pas publiées en ligne. L’objectif n’est donc pas d’obtenir une réponse rapide, mais de construire une conclusion traçable.
Une réponse plausible peut contenir une erreur
Une IA générative produit du texte à partir de régularités apprises dans de grandes quantités de données. Elle ne consulte pas nécessairement un document fiable au moment où elle répond. Le NIST appelle « confabulation » la production d’un contenu faux présenté avec assurance. Son profil sur l’IA générative précise aussi que des citations et des raisonnements peuvent être inventés. Le document recommande de vérifier les sources et les références présentes dans les sorties d’un système d’IA [1].
La bonne première question n’est donc pas « Est-ce que cette réponse paraît convaincante ? », mais « Quelles affirmations puis-je contrôler dans un document original ? ». Une affirmation est une proposition précise qui peut être examinée, par exemple un nombre, une date, un lieu, une définition ou l’attribution d’une étude.
Vérifier fait partie de l’apprentissage
Le cadre de compétences de l’UNESCO pour les élèves met l’accent sur le jugement critique des solutions d’IA et organise l’apprentissage selon trois niveaux : comprendre, appliquer et créer [2]. Le cadre destiné aux enseignants ajoute que les éducateurs doivent pouvoir examiner l’exactitude des sorties et concevoir des activités qui protègent l’autonomie intellectuelle des élèves [3]. Ces documents proposent des repères mondiaux ; ils ne mesurent pas les compétences des élèves en Haïti ou dans un pays caribéen particulier.
L’UNICEF recommande aussi d’associer la culture de l’IA à l’éducation aux médias et à l’information. Sa guidance de 2025 demande de développer l’esprit critique, d’éviter une dépendance excessive aux outils et de former les enseignants, tout en protégeant les données et les droits des enfants [4]. Cette guidance vise surtout les politiques publiques et les entreprises. Elle fournit des principes, sans évaluer l’efficacité d’une activité de classe précise.
Un cas fictif dans une classe haïtienne
Le scénario suivant est entièrement fictif. Il ne décrit ni une école réelle ni un projet de HART’S.
Dans un établissement imaginaire appelé Lycée Horizon, à Belle-Rivière, une commune elle aussi fictive, un groupe demande à un assistant d’IA : « Prépare une courte note sur l’accès des écoles de notre commune aux laboratoires numériques. » L’outil répond qu’un rapport de 2025 affirme que 60 % des écoles en disposent et cite un « Observatoire caribéen de l’éducation numérique ».
Le groupe ne doit ni répéter ce chiffre ni le rejeter immédiatement. Il doit vérifier trois éléments séparément : l’organisme existe-t-il, le rapport est-il accessible et le chiffre concerne-t-il réellement la commune, l’année et le type d’école mentionnés ? Le nombre, le lieu et la référence sont inventés pour l’exercice.
Une méthode en six étapes
1. Décomposer la réponse
Surligner chaque affirmation vérifiable. Dans le cas fictif, il y en a au moins trois : un rapport a été publié en 2025, un organisme précis l’aurait produit et 60 % des écoles d’un territoire défini auraient un laboratoire numérique.
2. Retrouver la source originale
Copier le titre exact dans un moteur de recherche, puis chercher sur le site officiel de l’organisme annoncé. Une page qui répète le chiffre sans donner le document d’origine reste une source secondaire. Si le rapport ou l’organisme demeure introuvable, écrire « référence non retrouvée » plutôt que « faux ».
3. Lire avant de citer
Ouvrir le document et relever son titre, son auteur ou organisme, sa date, son adresse et les passages pertinents. Vérifier aussi le tableau, la note méthodologique ou la définition qui accompagne un nombre. Un pourcentage peut changer de sens selon les écoles comptées, la période observée ou la définition de « laboratoire numérique ».
4. Examiner la portée
Demander : de quel pays, département ou commune parle le document ? Quelle période couvre-t-il ? Les données concernent-elles toutes les écoles ou seulement un échantillon ? Une statistique nationale ou caribéenne ne décrit pas automatiquement une commune haïtienne.
5. Comparer avec une autre publication primaire
Chercher un second document produit directement par une institution compétente : jeu de données officiel, rapport d’un ministère, enquête de l’organisme producteur ou publication technique. Deux pages qui copient le même communiqué ne constituent pas deux confirmations indépendantes.
6. Formuler un verdict nuancé
Utiliser quatre résultats possibles : confirmé, contredit, partiellement confirmé ou non résolu. Ajouter une phrase de justification et les liens ouverts. « Non résolu » est une conclusion utile lorsque la source manque, que la connexion ne permet pas de l’ouvrir ou que le document ne couvre pas le territoire étudié.
Une activité réalisable avec ou sans connexion continue
L’enseignant prépare une réponse générée contenant trois affirmations et un petit dossier de documents primaires imprimés ou enregistrés hors ligne. Les élèves travaillent en groupes avec quatre rôles : découper les affirmations, retrouver les passages, examiner la portée et présenter le verdict. Aucun nom d’élève, résultat scolaire, adresse ou autre donnée personnelle ne doit être saisi dans l’outil.
Chaque groupe remplit une fiche à cinq colonnes : affirmation, source annoncée, source ouverte, passage pertinent et verdict. Une seconde ronde permet d’échanger les fiches : un autre groupe doit pouvoir refaire le raisonnement avec les mêmes documents. Si la classe dispose d’une connexion, elle peut ensuite rechercher la référence annoncée. Sans connexion, elle peut comparer la réponse de l’IA aux documents locaux disponibles et marquer ce qui reste à vérifier.
Cette organisation rend la langue visible dans le raisonnement. Une source en anglais peut être résumée en français ou en créole, mais les élèves conservent le passage original et signalent les mots difficiles à traduire. La traduction devient ainsi une étape à contrôler, pas une preuve supplémentaire.
Ce que l’activité ne permet pas de conclure
La méthode ne garantit pas qu’une information soit vraie lorsque les données manquent, sont anciennes ou ne couvrent pas le contexte local. Elle ne mesure pas non plus la fiabilité générale d’un outil à partir d’une seule réponse. Le NIST déconseille d’étendre à tout un système les résultats d’évaluations étroites ou anecdotiques [1].
L’IA peut aider à proposer des mots-clés, reformuler une question ou comparer deux explications. La décision finale reste fondée sur les documents effectivement ouverts, leur portée et le raisonnement du groupe. Pour revoir les notions de modèle, de test et de réponse générée, consulter Comprendre l’IA en Haïti pour créer des solutions locales. Les parcours éducatifs disponibles sont présentés sur la page Programmes.
Références vérifiées
[1] National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Juillet 2024 ; page de publication mise à jour le 8 avril 2026. Sections 2.2 et MS-2.5-003. Consulté le 28 octobre 2026. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
[2] UNESCO. AI competency framework for students. 8 août 2024 ; page mise à jour le 16 janvier 2026. Présentation des douze compétences, du jugement critique et des niveaux comprendre, appliquer, créer. Consulté le 28 octobre 2026. https://www.unesco.org/en/articles/ai-competency-framework-students
[3] UNESCO. AI competency framework for teachers. 8 août 2024 ; page mise à jour le 16 janvier 2026. Sections sur les fondements de l’IA, l’examen critique des sorties et la pédagogie avec l’IA. Consulté le 28 octobre 2026. https://www.unesco.org/en/articles/ai-competency-framework-teachers
[4] UNICEF Innocenti. Guidance on AI and Children 3.0. Décembre 2025. Sections 3, 5 et 9 sur la protection des données, la transparence, l’esprit critique, l’éducation aux médias et la formation des enseignants. Consulté le 28 octobre 2026. https://www.unicef.org/innocenti/media/11991/file/UNICEF-Innocenti-Guidance-on-AI-and-Children-3-2025.pdf