Glossaire
Les termes essentiels pour comprendre LearnLM et l'IA éducative, expliqués simplement. Classés par ordre alphabétique.
Apprentissage actif
Approche où l'apprenant agit (répond, explique, résout) au lieu d'absorber passivement. LearnLM le favorise en posant des questions et en retardant la réponse directe.
Apprentissage par renforcement (RLHF)
Reinforcement Learning from Human Feedback. Étape d'entraînement où le modèle est optimisé pour maximiser une récompense reflétant les préférences humaines. Voir Comment ça marche.
Charge cognitive
Quantité d'information que la mémoire de travail doit traiter en même temps. Une bonne pédagogie la maintient gérable : découpage, séquençage, suppression du superflu.
Effort productif
Productive struggle. Le fait de laisser l'apprenant se confronter à une difficulté avant de l'aider. Un peu de friction favorise l'apprentissage durable.
Fine-tuning (réglage fin)
Phase d'entraînement supplémentaire appliquée à un modèle déjà existant pour le spécialiser. LearnLM est un fine-tuning pédagogique de Gemini, sans changer son architecture.
Gemini
Famille de grands modèles d'IA multimodaux de Google. C'est la base sur laquelle repose LearnLM ; les capacités pédagogiques y sont désormais intégrées.
Instruction système
Consigne placée en tête de conversation qui définit le comportement du modèle (rôle, ton, contraintes). Cœur de l'approche LearnLM : elle décrit le comportement pédagogique attendu.
LearnLM
Famille de modèles d'IA de Google affinée pour l'apprentissage. Voir la page d'accueil.
Méthode socratique
Enseignement par le questionnement : au lieu d'affirmer, on pose des questions qui amènent l'apprenant à découvrir lui-même la réponse.
Métacognition
« Penser sur sa propre pensée » : la capacité à réfléchir à son raisonnement et à ses stratégies d'apprentissage. LearnLM la stimule par le feedback et la réflexion guidée.
Modèle de récompense (RM)
Reward Model. Modèle entraîné à noter automatiquement la qualité d'une réponse, à partir de comparaisons faites par des experts humains. Il sert de « juge » lors du RLHF.
Multimodal
Se dit d'un modèle capable de traiter plusieurs types de données (texte, image…). Gemini est multimodal, et LearnLM conserve cette capacité.
PARTS
Cadre de rédaction de consignes proposé par Google : Persona, Action, Recipient, Thème, Structure. Voir le guide de prompting.
Prompt (consigne)
Le texte que l'on donne à l'IA pour orienter sa réponse. En contexte éducatif, sa qualité change radicalement l'utilité du résultat.
RCT (essai contrôlé randomisé)
Randomized Controlled Trial. Protocole scientifique rigoureux comparant un groupe test à un groupe témoin. Utilisé pour mesurer l'effet réel de LearnLM en classe. Voir Résultats.
Scaffolding (étayage)
Soutien temporaire et progressif apporté à l'apprenant, retiré au fur et à mesure qu'il gagne en autonomie — comme un échafaudage.
SFT (réglage fin supervisé)
Supervised Fine-Tuning. Première étape de spécialisation : le modèle apprend sur des exemples de dialogues pédagogiques de qualité.
Suivi d'instructions pédagogiques
Pedagogical instruction following. Idée centrale de LearnLM : conditionner le comportement du modèle sur une instruction décrivant les attributs pédagogiques souhaités, sans imposer une théorie unique.
Un terme manque ? Voir aussi les Ressources pour les sources détaillées.