Générer un cours complet avec l'IA : pourquoi c'est tentant, et pourquoi c'est souvent une mauvaise idée

La promesse circule depuis un ou deux ans dans tous les forums de formateurs : décrivez votre cours à une IA, et elle vous génère un parcours complet en quelques minutes. Titres, objectifs, activités, quiz , le tout emballé proprement, prêt à être importé dans votre LMS. Certains outils du marché en ont fait leur argument de vente principal.

La tentation est réelle. La plupart des formateurs que nous accompagnons passent des heures sur la page blanche, à structurer, reformuler, calibrer. Si l’IA peut absorber une partie de ce travail, pourquoi s’en priver ?

La réponse honnête : l’IA peut effectivement aider , sur des tâches précises, à la bonne granularité. Générer un cours entier d’un coup, en revanche, c’est presque toujours une fausse piste. Non par principe, mais parce que ce que l’IA produit dans ce cas n’est pas réellement une formation.

Ce que l’IA peut vraiment faire : les gains concrets

Commençons par ce qui fonctionne, parce que le débat n’est pas entre “l’IA c’est magique” et “l’IA c’est inutile”.

L’IA est très efficace pour :

• Débloquer la page blanche. Formuler un premier plan, proposer une structure en cinq parties à partir d’un objectif pédagogique vague. Pas nécessairement juste, mais assez pour réagir.
• Reformuler et simplifier. Transformer un texte technique dense en une explication accessible pour un public non-expert. C’est l’une des tâches où les LLM actuels sont réellement bons.
• Générer des questions de quiz. À partir d’un contenu existant, produire des variantes de QCM, des questions à trous, des cas pratiques. Le résultat demande presque toujours une relecture, mais le gain de temps est réel.
• Proposer des exemples et des scénarios. Donner un point de départ pour une situation-problème, un cas d’usage ou une mise en situation.

Les données les plus solides sur ce point viennent d’une étude recensée par le centre SCALE de Stanford dans sa revue des travaux causaux sur l’IA en éducation. Des enseignants ayant reçu un accès à ChatGPT accompagné d’un guide d’utilisation ont consacré environ 30 % de temps en moins à la préparation de leurs cours et de leurs ressources, soit une vingtaine de minutes par semaine. Le point décisif tient au contrôle qualité : des experts ont évalué les cours produits à l’aveugle, sans savoir lesquels avaient bénéficié de l’IA, et n’ont relevé aucune différence.

Ce protocole vaut mieux qu’une enquête déclarative. On ne demande pas aux enseignants s’ils ont l’impression d’avoir gagné du temps, on mesure le temps et on fait noter le résultat en aveugle.

Ce chiffre mérite d’être lu attentivement. Il ne dit pas que l’IA conçoit des formations. Il dit que des tâches précises, répétitives, à faible valeur ajoutée pédagogique, peuvent être accélérées , pour peu qu’on sache lesquelles déléguer.

Ce que l’IA ne peut pas faire : là où la pédagogie reste humaine

Un générateur de cours produit du contenu générique. La pédagogie, ce n’est pas du contenu générique.

Trois choses qu’aucun LLM ne peut remplacer dans la conception d’une formation :

Le savoir tacite de l’organisation. Ce que les experts de votre secteur savent mais n’ont jamais écrit. Les cas limites qui font la différence entre un professionnel compétent et un débutant dangereux. Les erreurs classiques que font les nouveaux arrivants. Une IA entraînée sur des données générales ne connaît pas votre contexte, vos processus internes, vos clients, vos contraintes réglementaires spécifiques.

Les exemples qui résonnent avec votre public réel. Un exemple pédagogique efficace, c’est un exemple qui parle à quelqu’un en particulier , dans son secteur, avec ses références, à son niveau. L’IA produit des exemples vraisemblables, pas des exemples pertinents pour vos apprenants.

La progression adaptée aux vrais niveaux. Calibrer une séquence pédagogique, c’est savoir ce que les apprenants maîtrisent déjà, ce qui va les bloquer, à quel rythme introduire la complexité. Un LLM n’a aucun accès à cette réalité. Il produit une progression logique, pas une progression apprenante.

Le problème du “AI slop” : reconnaître un cours généré sans regard critique

Des formateurs qui ont assisté à des sessions sur l’IA en formation en 2025 et 2026 décrivent le même phénomène : des contenus d’apparence propre, bien structurés, avec des titres accrocheurs , qui, à l’examen, ne disent rien de précis. Des généralités formulées avec assurance. Des exemples qui auraient pu s’appliquer à n’importe quelle industrie. Des objectifs pédagogiques formulés en termes vagues et invérifiables.

Ce type de contenu a un nom dans la communauté e-learning anglophone : “AI slop”. Du remplissage plausible. Du volume sans substance.

Quelques signaux d’alerte pour les formateurs qui reçoivent ou évaluent un contenu généré par IA : - Les exemples sont interchangeables d’un secteur à l’autre. - Les objectifs pédagogiques commencent tous par “comprendre” ou “savoir” sans jamais préciser quoi faire avec cette compréhension. - Le niveau de difficulté ne varie pas sur l’ensemble du parcours. - Le contenu ne contient aucune opinion, aucune prise de position, aucune nuance qui trahirait une vraie expertise.

Un contenu bien conçu par un formateur expérimenté porte des traces de son auteur. Un contenu généré en masse n’en porte pas.

La différence entre générer un cours et générer une activité

C’est là que la granularité change tout.

Générer un cours entier, c’est demander à l’IA de décider à votre place : quels objectifs, quel plan, quelle progression, quels exemples, quel niveau de complexité, quelles activités. Vous récupérez un livrable que vous n’avez pas conçu et dont vous devez désormais assumer la responsabilité pédagogique.

Générer une activité spécifique à partir d’une intention pédagogique que vous avez formulée, c’est autre chose. Vous restez l’auteur du cours : vous avez décidé quoi enseigner, dans quel ordre, pour quel public. L’IA produit une première version d’un quiz, d’une page explicative, d’un cas pratique , que vous relisez, ajustez, et validez avant de l’intégrer dans votre cours.

La boucle courte entre l’intention, la proposition et la décision du formateur, c’est ce qui transforme le gain de temps en temps réellement récupéré. Quand la boucle est trop longue, quand le formateur reçoit trente pages générées d’un coup, le travail de relecture et de correction finit par coûter plus cher que de partir d’une page blanche.

Cette dernière affirmation n’est pas une intuition de praticien. Une étude présentée à la conférence CHI en 2023 a comparé deux façons de faire produire des questions de quiz à des enseignants : éditer des questions générées automatiquement, ou travailler avec un système où ils gardent la main à chaque étape. Les participants ont nettement préféré la seconde approche, jugé les questions produites en masse de moindre qualité, et surtout trouvé l’édition de contenu généré automatiquement plus difficile que la rédaction depuis une page blanche.

Un enseignant interrogé résume le mécanisme mieux que n’importe quel argumentaire : si on lui présente quelque chose, il se retrouve à ne penser qu’à partir de ça, ce qui lui impose un plafond. En partant de zéro, il peut viser plus haut.

Les auteurs concluent sur deux conditions de réussite : laisser le contrôle à l’utilisateur, et lui montrer immédiatement un aperçu de ce que l’IA produit.

Le vrai gain vient de la sélectivité, pas du volume

Un résultat de l’étude citée plus haut mérite qu’on s’y arrête, parce qu’il contredit l’intuition commerciale dominante.

Sur la durée, les enseignants observés ont utilisé l’IA de moins en moins : elle intervenait dans 39 % de leurs cours au départ, 29 % ensuite. Et pourtant leur gain de temps a augmenté, passant de 27 % sur les cinq premières semaines à 31 % sur les cinq suivantes.

Moins d’IA, plus de gain. L’explication proposée par les auteurs est simple : les enseignants repèrent rapidement les tâches où l’outil apporte quelque chose, et cessent de l’employer ailleurs.

C’est exactement l’inverse de ce que promet un générateur de cours complet. La compétence ne consiste pas à déléguer davantage, mais à savoir sur quoi déléguer et sur quoi garder la main. Un outil qui produit tout d’un bloc empêche précisément d’exercer ce discernement, puisqu’il ne laisse pas le choix de la granularité.

Une autre étude recensée par Stanford ajoute une nuance que nous jugeons plus honnête que la promesse habituelle. Un système d’évaluation automatisée des copies n’a pas réduit le temps de travail total des enseignants. En revanche, les résultats des élèves se sont améliorés et les enseignants ont discuté individuellement de davantage de copies avec eux. Le temps ne disparaît pas, il se déplace vers ce qui a le plus de valeur.

Notre approche : l’IA prépare, vous décidez

C’est le principe sur lequel nous avons construit le mode Création de PimenkoAI.

Le formateur décrit son intention pédagogique et choisit un type d’activité. PimenkoAI propose une première version, que le formateur prévisualise avant toute chose. À partir de là, l’échange se poursuit comme une conversation : demander un ton plus direct, ajouter deux questions, simplifier une consigne, changer le niveau de difficulté. Chaque ajustement se voit immédiatement. Quand le résultat convient, le formateur valide, et c’est seulement à cet instant que l’activité est intégrée au cours. Rien n’est ajouté à Moodle sans cette confirmation.

On retrouve là, point par point, les deux conditions identifiées par les chercheurs de CHI : le contrôle reste à l’utilisateur, et l’aperçu est immédiat.

Aujourd’hui, 23 formats sont disponibles : 7 activités Moodle natives et 16 contenus H5P interactifs. Le catalogue peut évoluer, le principe reste le même. Une activité discutée, prévisualisée et validée à la fois, jamais un cours entier produit d’un coup.

Ce n’est pas une limitation technique, c’est un choix pédagogique délibéré. Nous ne croyons pas au prompt qui génère un cours complet. Non parce que la technique en serait incapable, mais parce que le livrable obtenu contient des dizaines de décisions pédagogiques que personne n’a prises.

Voir comment fonctionne le mode Création de PimenkoAI →

Références

• Stanford SCALE (2026). The Evidence Base on AI in K-12: A 2026 Review. Synthèse des études causales, incluant Roy et al. (2024) sur le temps de préparation des enseignants et Ferman et al. (2021) sur le redéploiement du temps gagné.
• Lu, X. et al. (2023). ReadingQuizMaker: A Human-NLP Collaborative System for Instructors to Design High-Quality Reading Quiz Questions. Proceedings of CHI ’23. https://doi.org/10.1145/3544548.3580957
• Ahmed, A., Kerr, E., & O’Malley, A. (2025). Quality assurance and validity of AI-generated single best answer questions. BMC Medical Education, 25:300. https://doi.org/10.1186/s12909-025-06881-w
• Strömberg, D., Lei, V., & Wu, Y. (2026). The generative AI learning penalty: Evidence from Chinese secondary education. CEPR Discussion Paper 21577.
• Liu, J., Mbowe, A. E., Tahri, D., & Aziku, M. (2026). Meta-analysis on the influence of AI agents on K-12 student cognitive performance. Computers in Human Behavior Reports, 21, 100973.