L’IA s’invite désormais dans de nombreux domaines (marketing, création, médecine, science…) mais qu’en est-il de l’éducation ? Si le fait d’être soutenu dans son apprentissage par une intelligence artificielle semblait presque impossible il y a quelques années, aujourd’hui c’est une réalité. 

Le Groupe OMNES Éducation s’est engagé dans cette voie ambitieuse en souhaitant la mise en place d’un assistant pédagogique intelligent capable d’adapter et de personnaliser les parcours étudiants, avec un objectif clair : accompagner chaque apprenant vers la réussite.

Pourquoi et comment mettre en place une telle solution ? 

La réussite de ce projet tient à quatre conditions : L’adhésion, l’industrialisation, la confidentialité et la frugalité. 

L’enjeu : Engendrer de l’adoption et de la satisfaction auprès des 35 000 apprenants du groupe Omnes tout en restant performant et en protégeant leurs données qui peuvent parfois être sensibles, mais également en trouvant le parfait équilibre entre performance et maîtrise des coûts. 

Un soutien à l’apprentissage alimenté par l’intelligence artificielle permet de renforcer les performances des étudiants, de les familiariser avec de nouveaux outils, mais aussi de bénéficier d’un accompagnement personnalisé. 

À l’échelle d’un grand groupe tel que Omnes, la solution doit être suffisamment robuste et reproductible pour couvrir tous les types de formations proposées par l’organisme. 

BOOSTAI : La plateforme pédagogique intelligente

Craft AI a accompagné le groupe Omnes dans la mise en place d’une plateforme pédagogique appelée BOOSTAI, capable de s’adapter à chaque matière, chaque profil et chaque méthode d’apprentissage, en proposant des ressources personnalisées : modules e-learning, vidéos, documents, exercices, etc.

Fruit de trois années de recherche et développement entre Craft AI et le Groupe Omnes, cet outil regroupe de nombreux assets pédagogiques et techniques qui vont permettre à chaque étudiant d’adapter son parcours d’apprentissage. 

Les bénéfices pour les utilisateurs sont nombreux :

• La possibilité de bénéficier d’un soutien sans professeur particulier 
• L’opportunité d’aller plus loin dans son apprentissage grâce à de nouvelles ressources 
• La capacité à comprendre de nouvelles notions grâce à une approche différente 

Comment ça marche ? 

Le profil de l’étudiant est analysé par l’outil qui va lui proposer, pour chaque matière, 4 types d’activités : 

• S’entraîner : Maîtriser et appliquer certains concepts 
• Clarifier des notions : Comprendre des cours qui semblent plus complexes et voir différents exemples et cas d’usage 
• Réviser un examen : Se préparer pour une évaluation ou une soutenance avec différents exercices
• Organiser des apprentissages 

Cette solution ne nécessite pas de prompts de la part de l’élève et chaque activité répond à des besoins différents et bien spécifiques, c’est ce qui fait la force de l’outil : La simplicité et la personnalisation.

Déployée sur l’ensemble des 19 campus du groupe OMNES, la plateforme accompagne déjà de nombreux étudiants au quotidien.

Les défis techniques et de développement

L’agent Craft Ai contextualise les exercices proposés en récupérant des données de l’étudiant ainsi que les cours proposés par les enseignants via le Moodle hébergé chez OMNES.

Des choix spécifiques ont été mis en place lors du développement de façon à rendre la solution adaptée à un usage scolaire : 

• La solution repose sur une architecture en workflow strict, où les LLM sont là pour donner un séquençage dans un environnement agentique. Selon la demande / le choix de l’étudiant, le LLM va l’orienter vers l’un des agents ou service dans une liste bien définie. 
• L’étudiant ne prompte donc jamais sur le LLM, ce qui permet un contrôle sur les réponses qui vont s’afficher 
• Chacun des agents est assigné pour une tâche (génération d’activité, feedback, mentor pour apprendre certaines notions…) afin d’avoir une solution robuste 
• Se pose la question de la frugalité, la solution doit répondre aux besoins de chaque apprenant avec une solution unique (qui doit donc être optimisée), les LLM sont adaptés à chaque tâche pour avoir une “puissance” adaptée à chaque demande (suivant si l’étudiant souhaite générer un simple exercice ou bien avoir un feedback depuis le début de son entraînement par exemple). Ainsi, la solution optimise ses ressources. 
• La solution repose également sur un système de “stateless” (capable de reconstituer le contexte à la demande) au lieu d’un système “stateful”

Les avantages d’une telle solution 

Les avantages d’une plateforme d’apprentissage comme BOOSTAI sont nombreux, notamment pour le corps enseignant. En effet, les exercices générés par la plateforme proviennent de leurs cours, ils n’ont pas de travail supplémentaire pour mettre des ressources sur la plateforme. De plus, ceux-ci sont formés à l’outil afin de pouvoir déposer leurs cours facilement et comprendre le fonctionnement de la plateforme.

Enfin, le parcours d’apprentissage suit une logique pédagogique structurée : les apprenants avancent étape par étape, sans choisir librement leurs exercices, pour garantir la cohérence du cheminement.

Et la suite ? 

Maintenant que la solution est fonctionnelle et déjà utilisable par les étudiants, son avenir se dessine avec quelques objectifs : 

• Déployer la solution avec ces 4 modules d’apprentissage sur l’ensemble des formations et des matières du Groupe Omnes (notamment les formations scientifiques et tech)
• Intégrer à la solution un espace de conversation dédié aux questions relatives à la scolarité 
• S’appuyer sur BOOSTAI pour développer des agents personnalisés 

Vous êtes un centre de formation et souhaitez faire passer le programme d’apprentissage de vos étudiants à la vitesse supérieure ? Contactez nos experts ici !

Le cas particulier des GPAI (Modèles d'IA à usage général) : Les grands modèles de langage (LLM) comme Mistral AI, OpenAI ou Claude entrent dans un régime propre. Soumis à une application progressive, ils nécessitent des analyses d'impact approfondies pour évaluer les risques selon s’ils sont utilisés bruts, fine-tunés ou intégrés via API.

‍

3. La Méthode "RADAR" pour Auditer ses Cas d'Usage

Développée par Xavier Trigano, la méthode RADAR permet à toute organisation de piloter sa mise en conformité de manière itérative :

• R – Recenser : Cartographier exhaustivement tous les cas d'usage de l'entreprise (outils internes pour les collaborateurs et solutions commercialisées).
• A – Attribuer les rôles : Identifier si l'organisation agit en tant que Fournisseur de modèle, Fournisseur de système d'IA, Intégrateur ou Déployeur (utilisateur final). Une même entreprise peut cumuler plusieurs rôles.
• D – Déterminer le risque : Qualifier le niveau de risque selon le type de cas d’usage et sa finalité (Inacceptable ? Haut risque ? Limité ? Faible ?).
• A – Appliquer les mesures : Mettre en œuvre les actions techniques et organisationnelles requises par le niveau de risque identifié.
• R – Rédiger la documentation : Constituer le registre et les preuves de conformité (similaire à la logique de l'accountability du RGPD).

Focus "AI by Design" - L'exemple du tri automatique de CV : Un outil RH qui exclut ou accepte des candidats de manière 100 % autonome est classé "Haut Risque", avec un coût de conformité très lourd. La méthode RADAR recommande plutôt une approche by design : modifier les fonctionnalités de l'outil pour en faire un simple système d'aide à la décision (qui extrait les compétences clés du CV mais laisse la validation finale à un recruteur humain). L'outil apporte la même valeur métier, mais bascule en risque limité, allégeant drastiquement les contraintes légales.

‍

4. FAQ : Shadow IT, RGPD et Souveraineté

Comment lutter contre le Shadow AI en entreprise ?

L'interdiction pure et simple ne fonctionne pas. Pour maîtriser l'usage des LLM par les collaborateurs, la réponse doit être transverse :

• Définir un catalogue d'usages autorisés sur la base d'outils sécurisés mis à disposition.
• Utiliser des solutions technologiques de DLP (Data Loss Prevention) pour bloquer le chargement de données sensibles vers des LLM tiers.
• Mettre à jour la charte informatique et le règlement intérieur.

L'usage des LLM (ChatGPT, Claude...) viole-t-il le RGPD ?

Ce n'est pas l'outil qui caractérise la violation, mais la finalité de l'usage. Reformuler une campagne marketing sur Claude ne présente aucun risque RGPD. En revanche, y injecter l'intégralité du fichier RH de la pyramide des âges de l'entreprise sans précaution constitue un manquement grave.

Des alternatives souveraines (hébergées on-premise ou sur des clouds français/européens) permettent de pallier les risques liés au Cloud Act américain tout en garantissant une efficacité équivalente.

Comment encadrer mes équipes dans leur utilisation de l’IA ?

L'IA Act impose une obligation de formation pour tous les utilisateurs au sein de l'organisation. L'IA pouvant se tromper ou halluciner, seul l'esprit critique de l'humain formé permet de couvrir ce risque résiduel et d'assurer un contrôle qualité efficace.

‍

5. Conclusion : L'IA Act, un levier de confiance et de compétitivité

L'IA Act ne doit pas être perçu comme un frein à l’innovation, mais comme un cadre de confiance.

En intégrant la conformité dès la conception des projets, l'IA devient un levier pérenne de performance économique, d'acceptabilité sociale et de souveraineté.

‍

Envie de développer votre agent IA sur-mesure conforme à la réglementation AI Act ? Contactez nos équipes.

‍

‍

Et accédez au replay de ce webinaire dès maintenant !