Cette étude vise à rapporter une expérience pédagogique dans le cadre d’un cours de lecture approfondie en deuxième année de licence de français, afin d’explorer la conception, la mise en œuvre et les voies d’optimisation des tâches d’écriture suite à la lecture, sous l’angle de la collaboration homme-machine. La recherche révèle que, dans la conception des tâches, les outils d’intelligence artificielle basés sur les grands modèles linguistiques permettent de générer efficacement des textes contextuels, allégeant la charge des enseignants. La tâche d’écriture en continuation est ouverte, ce qui complique l’activation ciblée de la réutilisation de structures linguistiques spécifiques, mais elle reflète le développement linguistique progressif des étudiants. Dans les retours après écriture, les outils IA montrent un avantage d’immédiateté, mais manquent de compréhension du parcours d’apprentissage des étudiants, ce qui rend difficile la fourniture d’un guidage personnalisé. L’évaluation diagnostique de l’enseignant reste irremplaçable. Cette étude recommande de combiner l’efficacité de l’IA et les connaissances pédagogiques des enseignants, via une collaboration homme-machine, pour optimiser la conception des tâches d’écriture suite à la lecture et le mécanisme de retour, afin de soutenir le développement continu des compétences linguistiques des étudiants.

Tâches d’écriture suite à la lecture; cours de lecture approfondie; outils IA basés sur les grands modèles linguistiques; collaboration homme-machine