Devoirs d’expression orale avec l’IA : guide pour enseignants

Les devoirs d’oral avec l’IA fonctionnent quand ils prolongent votre cours : les élèves refont la tâche avec un partenaire IA, reçoivent un retour immédiat, recommencent, et vous consultez les résultats avant le cours suivant.

Pourquoi les devoirs d’oral sont-ils difficiles à donner sans IA ?

Les devoirs d’oral sont difficiles à donner sans IA parce que parler suppose un interlocuteur qui réagit, et qu’un enseignant ne peut pas écouter chaque élève à la maison. Sans partenaire, une tâche orale se réduit à lire à voix haute dans une pièce vide ; avec des messages vocaux, elle se transforme en heures d’écoute pour l’enseignant.

L’oral demande aussi plus de temps que le cours ne peut en offrir. Le modèle des quatre volets de Paul Nation (2007) avance qu’un cours de langue bien conçu consacre à peu près autant de temps à l’input centré sur le sens, à la production centrée sur le sens, à l’apprentissage centré sur la langue et au développement de l’aisance. L’oral relève de la production et de l’aisance, deux volets difficiles à caser dans un cours : en classe entière, 25 élèves qui se partagent 45 minutes disposent de moins de deux minutes chacun, même si l’enseignant ne dit rien.

L’anxiété aggrave le problème. Une étude menée auprès de 573 lycéens indonésiens de l’enseignement professionnel (Bashori et ses collègues, 2022) décrit l’oral comme la plus anxiogène des quatre compétences, et les élèves interrogés se sentaient moins anxieux en parlant à des sites de reconnaissance vocale qu’à leurs camarades.

Un devoir d’oral avec l’IA est une tâche orale que l’élève réalise hors de la classe avec un partenaire de conversation IA ou un outil de reconnaissance vocale qui lui répond et lui fait un retour à chaque essai. Une revue de 25 études sur les chatbots (Huang, Hew et Fryer, 2022) relève trois atouts pratiques : l’immédiateté, la facilité d’utilisation et la personnalisation. La reconnaissance automatique de la parole (RAP, ou ASR en anglais), la technologie qui transcrit la parole et la compare à ce qui était attendu, aide aussi la prononciation : une méta-analyse de 15 études publiée en 2024 trouve un effet global moyen (g = 0,69), plus important lorsque le retour est explicite.

Comment donner un devoir d’oral avec l’IA, étape par étape ?

On donne un devoir d’oral avec l’IA en huit étapes : fixer l’objectif, choisir le type de tâche, la construire à partir de vos propres supports, définir les critères, l’attribuer, laisser les élèves s’entraîner avec un retour immédiat, examiner et noter, puis exploiter les résultats en classe.

1. Fixez l’objectif. Choisissez une chose du cours de la semaine que les élèves doivent savoir faire, comme « demander et indiquer son chemin à l’aide de deux points de repère ».
2. Choisissez le type de tâche. Adaptez la tâche à l’objectif : un jeu de rôle pour la langue fonctionnelle, un récit chronométré pour l’aisance, une prise de position pour la discussion, un exercice de phrases pour la prononciation.
3. Construisez-la à partir de vos propres supports. Partez de la page du manuel, du texte, des diapositives ou de la vidéo utilisés en classe, pour que le devoir réemploie la même langue. Rédigez le scénario, le rôle de l’IA et trois à six expressions cibles, puis faites la tâche une fois vous-même.
4. Définissez les critères. Écrivez deux ou trois critères de réussite que l’on peut entendre dans une réponse, comme « explique le problème » ou « utilise trois expressions cibles ». Notre grille d’évaluation de l’oral en anglais propose des critères à reprendre.
5. Attribuez le devoir. Indiquez une échéance, une durée indicative (10 à 15 minutes), le nombre d’essais et s’il compte pour la participation ou pour une note.
6. Les élèves s’entraînent avec un retour immédiat. Les élèves font la tâche, lisent le retour et la refont en corrigeant au moins un point.
7. Examinez et notez. Utilisez la routine courte ci-dessous plutôt que de tout écouter, et ajustez les notes selon vos propres critères si le devoir compte.
8. Exploitez les résultats en classe. Ouvrez le cours suivant sur les deux ou trois problèmes les plus fréquents, puis faites refaire la tâche aux élèves en binôme.

AvoLingo, un service d’apprentissage des langues avec l’IA développé par AvoLabs, couvre les étapes 3 à 7 dans son tableau de bord enseignant. Les enseignants transforment leurs propres supports (un PDF ou une image importés, un thème saisi, un lien YouTube, ou des manuels entiers dans « Bulk Builder », l’outil de création en masse) en devoirs d’expression orale et écrite, parmi 8 types de devoirs, et modifient et prévisualisent chaque tâche ; rien n’arrive aux élèves tant que l’enseignant ne l’a pas attribué. Les élèves reçoivent un retour immédiat de l’IA et des scores de prononciation sur les mots et les phrases. Les enseignants examinent ensuite les résultats, notent selon leurs propres critères et pondérations, et suivent la progression dans « Homework by Date » (devoirs par date) et « Classroom Insights » (analyses de classe). Les enseignants peuvent commencer gratuitement.

Pourquoi demander un second essai ?

Un second essai permet aux élèves d’agir sur le retour tant que la tâche est fraîche. Dans la technique 4/3/2, les apprenants racontent trois fois la même histoire à des auditeurs différents, en quatre, puis trois, puis deux minutes ; Arevart et Nation (1991) ont constaté des progrès nets en débit de parole et moins d’hésitations. Dans les recherches menées en classe, le retour qui pousse les apprenants à se corriger eux-mêmes a eu des effets plus importants que le simple fait d’entendre la forme correcte (Lyster et Saito, 2010).

Une routine de bilan en 15 minutes

1. Vérifiez la réalisation et comptez-la comme participation.
2. Parcourez les retours de la classe pour repérer les deux ou trois problèmes les plus fréquents.
3. Écoutez ou lisez vous-même deux ou trois réponses, dont une sur laquelle vous avez un doute.
4. Si le devoir compte, ajustez les notes selon vos propres critères.
5. Prévoyez une reprise de cinq minutes pour le cours suivant.

12 idées de devoirs d’oral pour la classe d’anglais

Ces 12 idées de devoirs d’oral, pour la classe d’anglais comme pour d’autres langues, prolongent chacune un cours au lieu de le remplacer. Les niveaux suivent l’échelle du CECRL (de A1 pour les débutants jusqu’à C2) et ne sont que des suggestions.

Alternez sur le trimestre les tâches d’aisance (récits, réflexions) et les tâches de correction (exercices, mots cibles), pour que les devoirs respectent l’équilibre de Nation. L’entraînement au format d’examen est une répétition, pas une prédiction de score. Dans AvoLingo, plusieurs idées correspondent à des modes de « Conversation » comme « Image Talk » (parler d’une image), « Debate » (débat) et « Teach the AI » (enseigner à l’IA), et l’exercice de prononciation correspond à « Sentence Learning » (apprentissage de phrases), qui note chaque phrase pour l’exactitude, l’aisance et la complétude.

Un modèle de fiche-tâche à copier

Une fiche-tâche est une consigne courte qui indique aux élèves, et à l’IA, en quoi consiste la tâche orale, ce que contient une bonne réponse et ce qu’il faut rapporter en classe. Copiez le modèle et remplacez la colonne de droite, qui porte sur une unité de niveau B1 consacrée aux achats, par votre propre cours.

Si votre outil permet d’écrire des instructions pour l’IA, collez-y directement le scénario, le rôle et la langue cible. Pour des jeux de rôle construits autour d’un métier, voir notre guide pour concevoir un cours d’anglais de spécialité.

Comment garantir l’honnêteté des devoirs d’oral avec l’IA ?

Pour garantir l’honnêteté des devoirs d’oral avec l’IA, donnez des tâches qu’une IA ne peut pas simplement faire à la place de l’élève : des réponses dites avec sa propre voix, sur sa propre vie ou sur le cours de la semaine, suivies d’une réflexion et d’une courte vérification en classe. L’oral se sous-traite plus difficilement que l’écrit, mais un élève peut toujours demander un script à un chatbot et le lire à voix haute.

• Exigez une production orale. Demandez des réponses vocales plutôt que tapées quand votre outil le permet, et fixez une limite de temps pour qu’il soit peu pratique de lire un long script.
• Rendez les consignes personnelles et ancrées dans votre classe. « Décris ton trajet jusqu’à l’école » ou « utilise trois expressions du cours de mardi » se confient moins facilement à un chatbot que « parle des voyages ».
• Prévoyez des relances non scriptées. Quand l’IA pose des questions, exprime un désaccord ou joue un personnage, les élèves doivent réagir, pas réciter.
• Demandez une réflexion. Terminez par une chose que l’IA a corrigée et ce que l’élève a changé au second essai.
• Vérifiez en classe. Demandez aux élèves de dire à un camarade une correction et une nouvelle expression, ou de refaire une partie de la tâche en direct.
• Baissez les enjeux. Comptez la réalisation pour la plupart des tâches d’entraînement et notez moins de tâches, clairement évaluées, pour réduire la tentation de bâcler.

Et les données des élèves, et les limites d’âge ?

Avant de donner des devoirs d’oral avec l’IA, vérifiez la politique de votre établissement et la loi applicable, car les tâches orales peuvent enregistrer la voix des élèves et stocker leurs réponses. Les lignes directrices de l’UNESCO pour l’IA générative dans l’éducation et la recherche (2023) fixent à 13 ans l’âge minimum pour utiliser des outils d’IA en classe, selon le communiqué de l’UNESCO du 7 septembre 2023.

Les règles nationales diffèrent : vérifiez celles de votre pays et de votre type d’établissement. Trois exemples :

• États-Unis : la règle COPPA impose des exigences aux services en ligne qui collectent des données personnelles d’enfants de moins de 13 ans.
• Union européenne : l’article 8 du RGPD permet aux enfants de consentir eux-mêmes aux services en ligne à partir de 16 ans, et les États membres peuvent abaisser cet âge jusqu’à 13 ans. Les établissements scolaires peuvent s’appuyer sur une autre base juridique : interrogez votre délégué à la protection des données.
• Corée du Sud : l’article 22-2 de la loi sur la protection des informations personnelles (en coréen, ajouté en 2023) exige le consentement d’un représentant légal lorsqu’un consentement est nécessaire pour traiter les données personnelles d’un enfant de moins de 14 ans.

Lorsque vous comparez des outils d’IA pour enseignants de langues, posez ces questions à chaque prestataire :

• Qu’est-ce qui est enregistré (audio, transcriptions, scores), où est-ce stocké et pendant combien de temps ?
• Qui peut y accéder : l’enseignant, l’établissement, les parents ?
• Les données des élèves servent-elles à entraîner des modèles d’IA ?
• Les données d’un élève peuvent-elles être supprimées sur demande ?

Le rapport 2023 du ministère de l’Éducation des États-Unis sur l’IA dans l’enseignement et l’apprentissage fait de « l’humain dans la boucle » (humans in the loop) sa première recommandation : les enseignants gardent le dernier mot sur ce que signifient les résultats de l’IA. Si votre établissement doit examiner la façon dont AvoLingo traite les données des élèves, contactez-nous.

Quelles sont les limites de l’entraînement à l’oral avec l’IA ?

L’entraînement à l’oral avec l’IA a des limites claires : la reconnaissance vocale fait des erreurs, fonctionne mieux pour certaines voix que pour d’autres, aide davantage les sons isolés que l’intonation, et perd son attrait de nouveauté. Prévoyez-les dès le départ.

• L’effet de nouveauté. La revue de 2022 sur les chatbots range l’effet de nouveauté parmi ses principaux défis : l’intérêt peut retomber une fois l’outil devenu familier. Variez les types de tâches, gardez-les courtes et reliez chacune au cours.
• Les erreurs de reconnaissance. La RAP peut donner un retour erroné ; Neri, Cucchiarini et Strik (2008) avertissaient que cela pouvait provoquer des « ruptures d’apprentissage » (learning breakdowns). Considérez les scores comme des indications et vérifiez vous-même un échantillon.
• Une précision inégale selon les locuteurs. Une étude publiée dans PNAS en 2020 sur cinq systèmes commerciaux de reconnaissance vocale a relevé un taux d’erreur moyen sur les mots de 0,35 pour les locuteurs noirs aux États-Unis, contre 0,19 pour les locuteurs blancs. Elle ne portait pas sur des apprenants de langues, mais c’est une bonne raison de ne pas noter sur la seule base d’un score de reconnaissance.
• Les sons plus que le rythme. La méta-analyse de 2024 a trouvé un effet important sur les sons isolés mais faible sur l’accentuation, le rythme et l’intonation, et les entraînements courts ne faisaient pas mieux qu’un entraînement sans RAP. Planifiez le travail de prononciation sur plusieurs semaines et enseignez l’intonation en classe.
• S’entraîner seul est moins efficace. La même analyse a trouvé un effet important quand les élèves s’entraînaient avec des pairs en plus de la RAP, et un effet faible quand ils s’entraînaient seuls : c’est pourquoi l’étape 8 ramène la tâche en binôme. Les effets étaient les plus nets chez les adultes et les apprenants de niveau intermédiaire : observez donc comment réagissent les plus jeunes et les débutants.
• Ce n’est pas une vraie conversation. Un partenaire IA permet de répéter avant de parler avec ses camarades, ses enseignants et d’autres personnes ; il ne remplace pas ces échanges.

Questions fréquentes

Combien de temps doit durer un devoir d’oral avec l’IA ?

Environ 10 à 15 minutes, second essai compris, conviennent à la plupart des créneaux de devoirs. C’est une suggestion pratique, pas un chiffre issu de la recherche ; des tâches courtes et régulières sont plus faciles à tenir qu’une seule longue tâche.

Les retours de l’IA sur la prononciation sont-ils fiables ?

Les retours fondés sur la RAP aident la prononciation, en particulier pour les sons isolés, mais ils peuvent mal reconnaître la parole et sont moins fiables pour l’accentuation, l’intonation et certains accents. Utilisez les scores comme des indications et écoutez vous-même un échantillon.

Les élèves peuvent-ils tricher sur les devoirs d’oral avec l’IA ?

Oui, par exemple en lisant à voix haute un script écrit par un chatbot. Des consignes personnelles, des relances non scriptées, une limite de temps et une courte vérification en classe rendent la triche beaucoup plus difficile.

Dois-je encore faire des retours moi-même ?

Oui. L’IA fait un retour immédiat sur chaque essai, mais c’est vous qui décidez de ce qui compte, qui ajustez les notes selon vos propres critères et qui traitez les problèmes fréquents au cours suivant.

L’entraînement à l’oral avec l’IA convient-il aux jeunes élèves ?

Vérifiez d’abord la politique de votre établissement et la loi applicable. Les lignes directrices de l’UNESCO de 2023 fixent à 13 ans l’âge minimum pour les outils d’IA en classe, et beaucoup de pays exigent le consentement d’un parent ou d’un représentant légal pour les données des plus jeunes.

Sources

• Nation, P. (2007). The four strands. Innovation in Language Learning and Teaching, 1(1), 2–13.
• Arevart, S. et Nation, P. (1991). Fluency improvement in a second language. RELC Journal, 22(1), 84–94.
• Lyster, R. et Saito, K. (2010). Oral feedback in classroom SLA: a meta-analysis. Studies in Second Language Acquisition, 32(2), 265–302.
• Huang, W., Hew, K. F. et Fryer, L. K. (2022). Chatbots for language learning: are they really useful? A systematic review of chatbot-supported language learning. Journal of Computer Assisted Learning, 38(1), 237–257.
• Ngo, T.-N., Chen, H.-J. et Lai, K.-W. (2024). The effectiveness of automatic speech recognition in ESL/EFL pronunciation: a meta-analysis. ReCALL, 36(1), 4–21.
• Neri, A., Cucchiarini, C. et Strik, H. (2008). The effectiveness of computer-based speech corrective feedback for improving segmental quality in L2 Dutch. ReCALL, 20(2), 225–243.
• Bashori, M., van Hout, R., Strik, H. et Cucchiarini, C. (2022). Web-based language learning and speaking anxiety. Computer Assisted Language Learning, 35(5–6), 1058–1089.
• Koenecke, A. et ses collègues (2020). Racial disparities in automated speech recognition. PNAS, 117(14), 7684–7689.
• UNESCO (2023). Lignes directrices pour l’IA générative dans l’éducation et la recherche et communiqué de presse du 7 septembre 2023.
• Département de l’Éducation des États-Unis, Office of Educational Technology (2023). Artificial intelligence and the future of teaching and learning.
• Federal Trade Commission (États-Unis). Children’s Online Privacy Protection Rule (COPPA).
• Union européenne (2016). Règlement général sur la protection des données (UE) 2016/679, article 8.
• République de Corée. Loi sur la protection des informations personnelles, article 22-2 (en coréen).

Rédigé par l’équipe AvoLingo. Nous nous sommes aidés de l’IA pour la recherche et la rédaction de cet article ; les sources sont indiquées par des liens dans le texte.