Retour d’Expérience de l’utilisation des étudiants de formation d’ingénieurs en alternance de l’IA Générative

Feedback on the use of students in the Generative AI dual engineering program

Université de Reims Champagne-Ardenne, CReSTIC, Reims, France

^* Auteur de correspondance : ramla.saddem@univ-reims.fr

Résumé

Dans cet article, nous présentons un retour d’expérience de l’utilisation des étudiants de l’intelligence artificielle générative (IAg) dans deux modules enseignés dans le cadre de deux formations différentes d’ingénieurs en alternance : le module Industrie 4.0 en Génie Électrique et Robotique (GER) à l’EiSINe de Reims et Apprentissage Automatique et Intelligence Artificielle en Informatique – Systèmes d’Information au CNAM de Reims. Ce retour d’expérience vise à évaluer comment ces outils influencent l’apprentissage des étudiants, notamment en facilitant la structuration des idées, la préparation des présentations et le développement de compétences telles que l’esprit critique et la communication orale. Les résultats montrent une amélioration notable de la qualité des présentations et des échanges entre étudiants, accompagnée d’une réduction du temps de recherche d’informations. Toutefois, certaines dérives sont observées, telles qu’une utilisation passive de l’IAg menant à une dépendance excessive et à une baisse d’effort. Notre bilan et l’analyse des retours étudiants de cette expérience mettent en évidence un intérêt croissant pour cette approche, tout en soulignant la nécessité d’un encadrement pédagogique adapté afin d’optimiser les bénéfices tout en limitant les risques. Ce retour d’expérience permet d’émettre des recommandations pour une bonne intégration de l’IAg dans les formation des ingénieurs en exploitant son potentiel.

Abstract

In this article, we present feedback on students' use of generative artificial intelligence (GAI) in two modules taught as part of two different work-study engineering programs: the Industry 4.0 module in Electrical Engineering and Robotics (GER) at EiSINe in Reims, and Machine Learning and Artificial Intelligence in Computer Science – Information Systems at CNAM in Reims. This feedback aims to assess how these tools influence student learning, in particular by facilitating the structuring of ideas, the preparation of presentations, and the development of skills such as critical thinking and oral communication. The results show a notable improvement in the quality of presentations and exchanges between students, accompanied by a reduction in the time spent searching for information. However, certain abuses have been observed, such as passive use of AI leading to excessive dependence and a decline in effort. Our assessment and analysis of student feedback from this experiment highlight a growing interest in this approach, while emphasizing the need for appropriate educational supervision in order to optimize benefits while limiting risks. This feedback allows us to make recommendations for the successful integration of AI into engineering education by exploiting its potential.