Cas d’usages de l’Intelligence Artificielle Générative au service de l’Enseignement Supérieur et de la Recherche : vers une mutualisation des savoir-faire et des solutions ?

Plus de quarante établissements, des experts, des équipes de terrain : ce sont elles et eux qui ont façonné un tableau de cas d’usage pour comprendre comment l’IA générative peut réellement servir l’ESR. En partant des besoins concrets, en testant, en débattant, ils ont bâti un outil commun qui éclaire les pratiques et trace une voie : celle d’une IA utile, partagée et gouvernée collectivement.

L’intégration de l’Intelligence Artificielle Générative (IAG) dans l’Enseignement Supérieur et la Recherche (ESR) représente une opportunité majeure pour transformer l’expérience étudiante, les pratiques scientifiques, pédagogiques et administratives. Cependant, le nombre d’initiatives, d’outils, de solutions commerciales est tel, que cette transformation doit s’appuyer sur une approche collaborative et mutualisée, capable de répondre aux besoins spécifiques de chaque établissement tout en garantissant la sécurité et la souveraineté des données. Dans ce contexte, l’Alliance Mistral x EdTech France x ESR, lancée en février 2025 lors du Sommet Mondial pour l’Action sur l’IA, a permis de co-construire un tableau des cas d’usage de l’IAG, fruit d’une réflexion collective impliquant plus de 40 établissements volontaires. Ce tableau accessible en ligne, vise à inspirer et guider les acteurs de l’ESR dans l’adoption de solutions adaptées, tout en soulignant l’importance d’une co-construction avec les EdTech.

Une co-construction collaborative

Le tableau des cas d’usage a été pensé comme un outil vivant, élaboré lors d’ateliers collaboratifs réunissant des représentants de l’ESR, des experts en IA et des acteurs de la EdTech. L’objectif était double : identifier les besoins concrets des établissements et proposer des solutions mutualisables. Chaque cas d’usage inclut le domaine d’application, le type d’utilisateur, la tâche initiale, le rôle de l’IA, et les données impliquées. Cette approche a permis de cartographier des besoins variés : vie étudiante, préparation de cours, évaluation, gestion des ressources humaines, recherche, … 

Exemples structurants : l’IAG au service des fonctions supports

Parmi les cas d’usage identifiés, certains illustrent particulièrement bien la valeur ajoutée de l’IAG pour les fonctions supports. Par exemple, dans le domaine des ressources humaines, l’IAG peut assister les DRH en répondant aux questions des agents via des agents conversationnels spécialisés à partir de données internes et politiques institutionnelles. C’est le cas de Cassandre, déjà mise en place au Rectorat de Lyon. Un autre exemple marquant concerne les achats innovants : l’IAG permet de rédiger un premier jet de cahier des charges, en s’appuyant sur des données réglementaires (guide pratique des achats innovants par exemple) et des retours d’expérience d’établissements (exemples d’achats innovants menés à leur terme et anonymisés). 

La question de la donnée : mutualiser sans enfreindre le RGPD

La mutualisation des données est un enjeu central pour maximiser l’efficacité des solutions IAG. Cependant, elle doit s’accompagner d’une vigilance accrue sur la protection des données personnelles et sensibles. Le tableau des cas d’usage intègre une ébauche d’analyse des données manipulées, en distinguant celles qui peuvent être partagées de celles qui nécessitent une protection renforcée. Des solutions techniques, telles que le RAG, permettent d’exploiter des données locales et des réponses précises. Cette approche hybride, combinant mutualisation et respect des réglementations, est essentielle pour bâtir une confiance durable dans l’utilisation de l’IAG. 

Le rôle clé des EdTech dans la mutualisation

Conclusion

Le tableau des cas d’usage de l’IAG dans l’ESR est un élément mis à la disposition des établissements d’enseignement supérieur pour gagner en temps et en efficacité stratégique. En évoluant grâce à la communauté, au rythme de l’innovation, il pourrait être la première pierre d’une réelle stratégie de mutualisation, nécessaire face au déploiement exponentiel des usages et mésusages de l’IA. Cependant, il est nécessaire d’assurer une gouvernance inter-établissements forte, avec des ressources humaines pour faire vivre cet élan de mutualisation, sans quoi celui-ci risque de s’éteindre.