L'intégration de l'intelligence artificielle dans les espaces d'apprentissage franchit une nouvelle étape, non plus seulement comme outil d'aide à la rédaction ou au tutorat, mais comme instrument de mesure de l'attention. Une étude récente menée par des chercheurs de la Banking Academy of Vietnam, publiée sur la plateforme arXiv sous la référence arXiv:2607.02580v1, met en lumière l'utilisation de modèles de vision par ordinateur de pointe, en particulier YOLOv11, pour surveiller et catégoriser en temps réel les comportements des étudiants en classe.
Si cette technologie promet de fournir des données objectives sur l'engagement étudiant pour optimiser les pratiques pédagogiques, elle soulève d'importantes questions méthodologiques, éthiques et juridiques. En tant qu'acteurs de l'éducation, il convient d'analyser de près ce que ces dispositifs révèlent de l'évolution de nos amphis, mais aussi les dérives qu'ils risquent d'engendrer.
L'expérimentation de Hanoï : la classe sous l'œil de YOLOv11
L'étude vietnamienne s'attaque à un défi classique de la gestion de la qualité académique : comment mesurer l'efficacité d'un cours de manière objective ? Traditionnellement, les institutions s'en remettent à des observations humaines, par nature subjectives et difficiles à généraliser, ou à des questionnaires de fin de semestre souvent biaisés.
Pour y remédier, les chercheurs ont constitué le jeu de données « BAV-Classroom », composé de séquences vidéo capturées dans de véritables salles de cours de l'enseignement supérieur. Ils ont entraîné plusieurs modèles de détection d'objets en temps réel, issus de la célèbre famille YOLO (You Only Look Once), réputée pour sa rapidité et sa précision. C'est la version YOLOv11 qui a obtenu les meilleurs résultats pour identifier et classifier neuf comportements distincts chez les étudiants : écouter attentivement, écrire/prendre des notes, utiliser un téléphone portable, dormir, discuter, ou encore manifester des signes de fatigue.
Les conclusions de l'étude confirment une intuition pédagogique partagée par beaucoup : la concentration des étudiants chute de manière significative durant la dernière partie des cours magistraux. Pour les auteurs, ces données automatisées offrent une opportunité inédite pour les gestionnaires académiques d'ajuster les rythmes scolaires et d'évaluer scientifiquement l'impact des méthodes d'enseignement.
Il convient toutefois de préciser la nature de cette publication. Il s'agit d'un preprint, c'est-à-dire d'un document de recherche qui n'a pas encore été évalué par les pairs. Ses conclusions, bien que techniquement stimulantes, doivent donc être accueillies avec la prudence scientifique de rigueur, d'autant qu'elles reposent sur un échantillon localisé au sein d'une unique institution.
La posture fait-elle l'attention ? Les limites méthodologiques de la vision par ordinateur
Au-delà de la prouesse technique, l'application de la vision par ordinateur à la mesure de l'engagement se heurte à un obstacle épistémologique majeur : la confusion entre la posture physique et l'activité cognitive.
Un étudiant immobile, le regard fixé sur l'enseignant, est-il nécessairement en train d'assimiler le cours ? À l'inverse, un étudiant qui regarde par la fenêtre ou qui change fréquemment de posture est-il forcément déconnecté ? Les sciences cognitives ont largement démontré que l'attention n'est pas un état statique visible à l'œil nu. En réduisant l'engagement à une série de comportements standardisés (tête haute, stylo en main), ces modèles algorithmiques risquent de valoriser une « illusion d'attention » au détriment d'un apprentissage réel, parfois plus désordonné.
De plus, ces systèmes introduisent des biais d'interprétation culturels et comportementaux majeurs. Les normes corporelles en classe varient d'un pays à l'autre, voire d'une discipline à l'autre. Plus grave encore, ces algorithmes s'avèrent particulièrement inadaptés pour les étudiants neuroatypiques (présentant par exemple un TDAH ou un trouble du spectre de l'autisme). Pour ces apprenants, le besoin de bouger, d'éviter le contact visuel direct ou d'adopter des postures non conventionnelles est parfois une condition nécessaire à leur concentration. Un modèle comme YOLO, entraîné sur une norme comportementale majoritaire, classerait inévitablement ces étudiants comme « distraits » ou « non engagés », renforçant ainsi les discriminations systémiques.
Le rempart éthique et juridique : le choix de l'Europe
Si l'Asie et l'Amérique du Nord expérimentent de plus en plus ces technologies de surveillance de l'attention, l'espace francophone européen s'inscrit dans une dynamique radicalement différente, marquée par une grande vigilance éthique et un cadre réglementaire strict.
L'Union européenne, à travers son récent règlement sur l'intelligence artificielle (l'AI Act), a posé des limites très claires. L'utilisation de systèmes d'IA visant à détecter les émotions ou à analyser les comportements psychologiques des individus dans les établissements d'enseignement est considérée comme une pratique à haut risque, voire purement et simplement interdite dans de nombreux cas d'usage non consentis. L'objectif est de protéger la liberté académique et de prévenir l'instauration d'un climat de surveillance généralisée.
En France, la Commission Nationale de l'Informatique et des Libertés (CNIL) maintient une position extrêmement ferme sur l'usage des caméras dites « intelligentes » ou biométriques dans le milieu scolaire. La CNIL rappelle régulièrement que la collecte de données biométriques ou l'analyse automatisée des comportements des élèves porte une atteinte disproportionnée au droit à la vie privée et à la liberté d'aller et venir. L'apprentissage requiert un espace de confiance et de droit à l'erreur ; l'introduction d'un panoptique numérique où chaque bâillement est enregistré détruirait cette relation de confiance indispensable entre l'enseignant et ses étudiants.
Quelle transférabilité pour les équipes pédagogiques francophones ?
Pour les enseignants et les ingénieurs pédagogiques de l'espace francophone, l'intérêt de cette étude ne réside pas dans l'importation de ces outils de surveillance dans nos salles de cours, mais plutôt dans la réflexion qu'elle suscite sur le rythme de nos enseignements.
Plutôt que d'installer des caméras pour constater que l'attention baisse après quarante-cinq minutes de cours magistral, les équipes éducatives peuvent s'emparer de ce constat pour transformer leurs pratiques :
1. La diversification des temps d'apprentissage : Structurer les cours en séquences courtes (15 à 20 minutes) alternant apports théoriques, travaux de groupe et quiz interactifs.
2. L'évaluation formative continue : Utiliser des outils d'interaction en temps réel (comme des systèmes de vote ou de questions-réponses anonymes) qui permettent à l'enseignant de mesurer l'assimilation des concepts sans jamais fliquer les individus.
3. La co-conception de l'espace de cours : Impliquer les étudiants dans l'évaluation de leur propre engagement, en ouvrant un dialogue sur ce qui facilite ou entrave leur concentration.
L'IA doit rester un levier d'émancipation et d'aide à la conception pédagogique, et non un outil de contrôle. La recherche d'efficacité académique ne saurait se faire au prix de la liberté des apprenants et de la déshumanisation de la relation pédagogique.
Discussion
Posez vos questions et partagez votre point de vue. Matania, l'assistante de recherche et de vérification des faits, lit les commentaires et y répond dès qu'elle peut apporter des sources fiables ou des précisions. Les liens ne sont pas autorisés : citez vos sources par leur nom.