Résumé
L'étude analyse comment la curation de contenus constitue une compétence clé au sein de la littératie en intelligence
artificielle, chez les enseignants et les étudiants universitaires en France. Comme méthode empirique, une revue bi-
bliographique des publications académiques, des rapports institutionnels et des projets européens avec participation
française développés entre 2018 et 2025 a été appliquée. Les résultats sont organisés en quatre axes principaux : (a)
la conceptualisation et la pertinence de la littératie en intelligence artificielle, (b) la curation de contenus comme
compétence dans des environnements médiés par l'IA, (c) l'intersection entre la littératie en intelligence artificielle
et la curation de contenus, et (d) les défis spécifiques au contexte français. On conclut que la curation de contenus
représente une compétence formative fondamentale pour garantir une utilisation réfléchie, critique et responsable
de l'intelligence artificielle. On souligne la nécessité de former à cette compétence et de développer la littératie en
intelligence artificielle pour utiliser cette technologie de manière éthique et responsable.
Mots-clés : littératie en intelligence artificielle, curation de contenus, enseignement supérieur, France, compétences
numériques.
Resumen
Las universidades están para producir ciencia, crear nuevo conocimiento, por lo cual el quehacer del docente univer-
sitario comienza cada vez más a diversificarse y la investigación es una actividad, un instrumento de apoyo para el
mejor desarrollo de la función pedagógica; pero para algunos la investigación lo ven como algo complejo, costoso y
sin implicaciones para la docencia en las aulas. Ante esta realidad el objetivo de esta investigación es evaluar la calidad
de los docentes en la investigación desde la eficiencia, eficacia y efectividad, que surge de una de las dimensiones de
la tesis doctoral en Gestión de la Calidad de Investigación Científica, UNAN-Managua. La metodología se caracterizó
por un paradigma constructivista, enfoque mixto, tipo de estudio explicativo, de acuerdo con el tiempo de ocurrencia
de los hechos y registro de la información, el estudio es retrospectivo y según el período y secuencia del estudio es
transversal, se utilizaron métodos, técnicas, herramientas e instrumentos para recolectar y procesar datos.
Palabras clave: calidad, docente investigador, eficiencia, eficacia, efectividad, investigación.
Comment citer cet article (APA) : Hernández, C. T. R. (2026). Alphabétisation en intelligence artificielle et
curation de contenu : défis et opportunités pour les enseignants et les étudiants universitaires en France. Revista
Digital de Investigación y Postgrado, 7(13), 113-131. https://doi.org/10.59654/btctmw45
113
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
https://doi.org/10.59654/btctmw45
Alphabétisation en intelligence artificielle et
curation de contenu : défis et opportunités
pour les enseignants et les étudiants
universitaires en France
Alfabetización en inteligencia artificial y curación de
contenidos: desafíos y oportunidades para docentes
y estudiantes universitarios en Francia
Thais Raquel Hernández Campillo*
Enseignante au Département de Multimédia et Métiers de l'Internet, Institut Universitaire de Te-
chnologie de Blois, Université de Tours, France.
Introducciion
L’intelligence artificielle (IA) s’est progressivement intégrée dans différentes sphères de la société con-
temporaine. Les experts et les scientifiques prévoient que cette technologie jouera un rôle de plus en
plus décisif dans des secteurs tels que l’économie, la santé et l’éducation. Nous assistons à une révo-
lution technologique qui exige des adaptations profondes des dynamiques sociales et des processus
automatisés qui transforment la vie quotidienne. Dans ce contexte, plusieurs perspectives émergent
: certaines cherchent à comprendre la portée de cette révolution, tandis que d’autres visent à orienter
les changements déjà perceptibles.
L’enseignement supérieur constitue l’un des domaines où ces tensions se manifestent avec le plus
d’intensité. L’IA transforme de manière significative l’enseignement et l’apprentissage, tout en soulevant
des défis éthiques et moraux liés à son utilisation inappropriée. D’où la nécessité de promouvoir une
formation favorisant un usage critique et éthique de ces technologies, tant chez les étudiants que
chez les enseignants universitaires.
L’Organisation des Nations Unies pour l’Éducation, la Science et la Culture (Unesco) a souligné la sin-
gularité de l’IA par rapport à d’autres outils numériques utilisés dans l’éducation. Selon cet organisme,
l’intelligence artificielle se distingue par sa capacité à imiter des comportements humains, à générer
automatiquement des contenus à partir de multiples sources et à soulever des responsabilités d’ordre
moral et académique. Ces particularités exigent des compétences spécifiques qui dépassent la simple
alphabétisation numérique traditionnelle (Unesco, 2019, 2024a).
Pour sa part, l’Union européenne a orienté son approche de l’intelligence artificielle vers la promotion
de la recherche scientifique et du développement économique (Commission européenne, 2025a). Ce
cadre repose sur deux piliers fondamentaux : l’excellence, comprise comme la coordination des po-
litiques, des ressources et des investissements pour développer des systèmes robustes et performants
; et la confiance, fondée sur la création de cadres juridiques garantissant une utilisation sûre et res-
ponsable de l’IA. Dans cette optique, la Loi sur l’intelligence artificielle, premier cadre juridique euro-
péen en la matière, régule les risques associés et positionne l’Europe comme un leader mondial.
En France, l’IA a profondément marqué l’économie, la société et le domaine éducatif. Son application
dans l’enseignement est soumise au respect des valeurs républicaines, à la protection des données per-
sonnelles, à la liberté pédagogique et à la durabilité environnementale. Le Ministère de l’Éducation na-
tionale, de l’Enseignement supérieur et de la Recherche (2025) reconnaît que l’IA pose des défis à
l’éducation traditionnelle en modifiant les modes d’apprentissage, la préparation des cours et l’évaluation,
tout en offrant également des opportunités précieuses pour l’enseignement et la gestion institutionnelle.
Dans cette perspective, des chercheurs et des autorités françaises ont exploré de multiples dimensions
de l’usage de l’IA parmi les enseignants et les étudiants universitaires. Parmi les travaux récents, on
trouve ceux qui analysent le degré d’adoption de modèles de langage tels que ChatGPT (Agulhon &
Schoch, 2023 ; Sublime & Renna, 2024), l’intégration de l’IA dans les processus d’enseignement et
d’apprentissage (Many et al., 2024 ; Modolo, 2025) et la préparation du corps professoral face à son
potentiel disruptif (Bidan & Lebraty, 2024). S’y ajoutent des rapports officiels destinés aux plus hautes
autorités éducatives, comme celui de Pascal et al. (2025), qui documentent les usages réels, les défis
et les opportunités de l’IA dans l’enseignement supérieur français.
Un autre projet de référence est AI DL - Data Literacy in the Age of AI for Education (France Éducation
International, s.d.), qui vise à renforcer la citoyenneté numérique grâce à l’alphabétisation en données
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
114
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
et en information appuyée sur des outils d’IA, notamment générative. Ce programme cherche à doter
les acteurs éducatifs de compétences critiques pour faire face à des défis contemporains tels que les
deep fakes et les fake news.
Les résultats de ces recherches et initiatives montrent que l’intégration de l’IA dans l’enseignement
supérieur ouvre des opportunités pour enrichir l’apprentissage et la gestion institutionnelle, mais gé-
nère également des dilemmes éthiques et des risques de biais nécessitant une attention rigoureuse.
Il est donc essentiel d’intégrer l’alphabétisation en intelligence artificielle dans la formation universitaire,
entendue comme la capacité à comprendre son fonctionnement, à identifier ses biais et à l’utiliser de
manière critique et responsable.
Dans un contexte de production automatisée de l’information, la curation de contenu acquiert un
rôle stratégique. Cette pratique permet de filtrer, valider et contextualiser les informations générées
par les systèmes d’intelligence artificielle, favorisant ainsi un apprentissage plus réfléchi et éthique.
Intégrer la curation de contenu dans les pratiques pédagogiques et étudiantes peut renforcer les
compétences de recherche, d’analyse et de vérification des sources dans un environnement informa-
tionnel de plus en plus médié par l’IA.
Cependant, la littérature académique aborde souvent séparément l’alphabétisation en IA et la curation de
contenu, ce qui limite la compréhension de leur potentiel. Ce vide théorique constitue le fondement et
l’originalité de la présente étude, dont l’objectif est d’analyser comment la curation de contenu peut être
intégrée à l’alphabétisation en intelligence artificielle des enseignants et étudiants universitaires en France.
Méthodologie
La présente étude adopte une approche qualitative, en raison de son caractère interprétatif et de son
orientation vers la compréhension des phénomènes à travers les processus. Cette approche, de concep-
tion non linéaire et cyclique, facilite l’organisation flexible du travail du chercheur (Calle, 2023). Selon Lim
(2024), la méthodologie qualitative s’avère indispensable en raison de sa capacité à fournir des informa-
tions sur des phénomènes sociaux complexes, à produire des compréhensions centrées sur les individus,
à aborder des problèmes du monde réel et à répondre rapidement aux changements sociaux.
La méthode principale empirique employée fut une revue systématique de la littérature, permettant
d’examiner, d’évaluer et de synthétiser la production académique existante afin de comprendre le
contexte, d’établir des antécédents et d’identifier les tendances liées à l’objet d’étude (Susanto et al.,
2024). La démarche a suivi la méthodologie proposée par Gómez et al. (2014), reconnue pour son
applicabilité à divers domaines de la connaissance et son utilité pour déterminer la pertinence et l’ori-
ginalité des sources. Cette méthodologie comprend quatre phases : définition du problème, recherche,
organisation et analyse de l’information.
La définition du problème s’est articulée autour de l’objectif de l’étude : analyser l’intégration de la
curation de contenu dans l’alphabétisation en intelligence artificielle des enseignants et étudiants de
l’enseignement supérieur en France. La période de révision a été délimitée entre 2018 et 2025, co-
rrespondant à l’émergence des politiques européennes en matière d’intelligence artificielle, marquée
par des jalons tels que la création du Groupe d’experts de haut niveau sur l’IA, de l’Alliance européenne
pour l’intelligence artificielle et du Plan coordonné sur l’IA promu par l’Union européenne.
La recherche d’informations a été effectuée dans des bases de données scientifiques et des dépôts
académiques, parmi lesquels ScienceDirect, Scopus, Google Scholar, HAL et CAIRN, ces deux derniers
étant spécialisés dans la recherche francophone. Conformément aux principes de la recherche d’in-
115
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
116
formation numérique, des opérateurs booléens et équations de recherche ont été appliqués en fran-
çais et en anglais, tels que : « éducation supérieure en Europe » + « intelligence artificielle » (higher
education in Europe + artificial intelligence), « alphabétisation en intelligence artificielle en France »
et « curation de contenu » (AI literacy in France AND content curation), « curation de contenu » et «
éducation supérieure » (content curation AND higher education), ainsi que « intelligence artificielle »
ou « intelligence artificielle générative » (artificial intelligence OR generative artificial intelligence).
Au total, 858 sources ont été recensées. Après application des critères d’exclusion : suppression des ci-
tations, brevets, actes de congrès, doublons et études sans rapport avec le contexte français, 104 docu-
ments centrés sur l’intelligence artificielle ont été retenus, bien que la plupart abordaient des aspects
techniques sans référence à l’alphabétisation ou à la curation de contenu. Finalement, 20 sources (voir
Annexe 1) ont été sélectionnées selon les critères suivants : (a) études théoriques ou empiriques sur l’IA
dans l’enseignement supérieur français ; (b) sources primaires (livres, articles, rapports ou thèses) ; (c)
travaux orientés vers l’acquisition de compétences numériques chez les enseignants ou les étudiants.
Pour l’organisation et l’analyse des documents, deux outils de curation de contenu ont été utilisés : Zotero
et Notion. Zotero a servi de gestionnaire bibliographique et d’annotateur de fichiers PDF, permettant
de classer les articles, de créer des étiquettes et de gérer les citations grâce à son intégration avec Word.
Notion a été utilisé pour la prise de notes et la catégorisation des informations selon les axes thématiques
de la revue. Son interface flexible a permis la création d’une base de données regroupant les articles
sélectionnés et l’extraction de métadonnées (titre, auteur, année, revue et mots clés).
Par ailleurs, des méthodes théoriques telles que l’analyse-synthèse, l’historico-logique et l’induction-dé-
duction ont guidé le traitement de l’information et la construction du cadre théorique. L’analyse-synthèse
a permis de décomposer les apports identifiés dans la littérature (définitions, cadres conceptuels, expé-
riences en France et en Europe) afin de les intégrer dans un modèle interprétatif. L’induction-déduction
a facilité l’identification de motifs récurrents dans les études empiriques et leur confrontation avec les
cadres théoriques relatifs à l’alphabétisation numérique et à l’intelligence artificielle.
Enfin, la méthode historico-logique a permis de retracer l’évolution du concept d’alphabétisation nu-
mérique vers celui d’alphabétisation en intelligence artificielle et sa relation avec la curation de contenu
dans le contexte français.
En tant qu’instrument méthodologique, un guide thématique a été élaboré pour la revue de littérature
(voir Annexe 2). Celui-ci a permis d’organiser les articles sélectionnés selon des catégories prédéfinies
: concepts, compétences numériques, expériences d’enseignants et d’étudiants, et liens entre intelli-
gence artificielle et curation de contenu. Cet outil a facilité l’identification de motifs récurrents et de
lacunes théoriques, garantissant ainsi une revue systématique cohérente avec les objectifs de l’étude.
De plus, son application favorise la reproductibilité de la recherche et s’aligne sur la logique même de
la curation de contenu, en établissant des filtres et critères permettant d’affiner et de hiérarchiser l’in-
formation pertinente.
Enfin, l’étude reconnaît certaines limites. Il existe un déficit de recherches centrées spécifiquement sur
l’alphabétisation en intelligence artificielle dans l’enseignement supérieur français, ainsi qu’une absence
d’études portant sur la curation de contenu dans ce contexte. De plus, une partie de la littérature
consultée en français n’est pas indexée dans des bases internationales telles que Scopus ou Web of
Science, ce qui limite sa visibilité. Par ailleurs, la nature émergente de l’alphabétisation en intelligence
artificielle implique des cadres conceptuels encore en développement. Enfin, bien que le guide thé-
matique ait contribué à une organisation systématique, toute classification comporte un certain degré
de subjectivité. En conséquence, les résultats de cette revue doivent être interprétés comme une ap-
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
proche initiale du phénomène, plutôt que comme une représentation exhaustive du système d’en-
seignement supérieur français..
Résultats et Discussion
Alphabétisation en intelligence artificielle : concept et pertinence
L’intelligence artificielle (IA) fait désormais partie intégrante de la vie quotidienne. Les applications
fondées sur cette technologie influencent directement nos manières de vivre et d’interagir, tant avec
la technologie qu’avec les autres. À mesure que l’IA évolue, la frontière entre humains et machines
devient de plus en plus floue. En témoignent les appareils électroménagers intelligents, les fonctions
de reconnaissance vocale sur les téléphones portables ou encore les applications facilitant l’appren-
tissage des langues. Des assistants virtuels tels que Siri, Alexa ou Gémini répondent à des questions
sur la météo ou l’actualité, tandis que les montres connectées surveillent l’activité physique et le bien-
être. Plus la technologie s’intègre dans la vie quotidienne, plus sa présence devient imperceptible, car
son objectif est de minimiser la friction entre l’utilisateur et l’appareil.
En cohérence avec ces avancées, l’intérêt pour l’application de l’IA dans le domaine éducatif a consi-
dérablement augmenté. Cependant, « research on artificial intelligence in educational settings seldom
defines the term » [la recherche sur l’intelligence artificielle en contexte éducatif définit rarement le
terme] (Stolpe & Hallström, 2024, p. 2).
Diverses organisations internationales ont tenté de délimiter ce concept. L’Unesco (2024b) définit l’IA
comme un système numérique capable de traiter et d’analyser des données issues de son environ-
nement afin d’agir de manière autonome selon des objectifs spécifiques. Le Parlement européen
(2020) la décrit comme la capacité d’une machine à adopter des fonctions cognitives propres à l’être
humain, telles que raisonner, apprendre, créer et planifier. En France, le ministère de l’Éducation na-
tionale, de l’enseignement supérieur et de la Recherche (2025) la conçoit comme un système numé-
rique fondé sur des algorithmes probabilistes utilisant des ensembles de données pour produire des
résultats comparables à une activité cognitive humaine. Cet organisme distingue deux principaux
types d’IA : (a) l’IA prédictive, lorsque les modèles classifient des données, anticipent des risques ou
identifient des tendances ; (b) l’IA générative, lorsque les modèles produisent de nouveaux contenus,
tels que du texte, des images, des sons ou des vidéos.
Compte tenu du potentiel de cette technologie, ainsi que des implications éthiques et sociales de son
utilisation, plusieurs auteurs soutiennent que l’ensemble de la population devrait recevoir une forma-
tion en intelligence artificielle (Markus et al., 2024 ; Olari & Romeike, 2024 ; Stolpe & Hallström, 2024).
Dans cette optique, une éducation adaptée doit permettre aux enseignants et aux étudiants de com-
prendre ce qu’est l’IA, comment elle fonctionne, quels sont ses biais, et comment interagir avec elle
de manière critique, éthique et efficace.
Sous cette perspective, l’alphabétisation en intelligence artificielle apparaît comme une voie essentielle
pour développer les compétences permettant de tirer parti des avantages de l’IA tout en en limitant
les risques dans les domaines éducatif et social. Capelle (2024) la définit comme un ensemble de
compétences permettant aux individus d’évaluer de manière critique les systèmes d’IA, ainsi que de
communiquer et de collaborer efficacement avec eux. Cette forme d’alphabétisation s’appuie sur d’au-
tres compétences incluses dans le Cadre européen de compétences numériques, telles que la gestion
de l’information et des données, constituant ainsi une approche de multi-alphabétisation où conver-
gent différentes formes de littératie interconnectées.
117
Dans le contexte français, plusieurs études ont examiné les transformations induites par l’IA dans les
processus d’enseignement et d’apprentissage, ainsi que les préoccupations découlant de son utilisation
indiscriminée par les étudiants. Agulhon et Schoch (2023) soulignent les avantages de ChatGPT pour
soutenir la rédaction de travaux académiques et d’autres tâches pédagogiques, mais mettent en garde
contre les risques liés à la fiabilité et à la qualité des réponses. Les auteurs insistent sur l’importance
de combiner le potentiel de l’IA avec l’expérience humaine afin d’éviter la dépendance technologique
et l’affaiblissement de la pensée critique.
De son côté, Modolo (2025) analyse comment l’intégration de l’IA transforme l’enseignement supérieur
en redéfinissant les rôles traditionnels des enseignants et des étudiants. D’un point de vue critique, il
soutient que cette technologie agit comme un outil disruptif, capable de modifier les pratiques péda-
gogiques, de générer de nouvelles dynamiques de pouvoir et de complexifier les processus d’éva-
luation des apprentissages.
Parallèlement, Devauchelle (2025) étudie l’impact de l’IA non seulement sur les enseignants et les étu-
diants, mais aussi sur le personnel chargé de la formation des enseignants. Selon lui, en France, l’usage
de l’IA demeure limité, se concentrant principalement sur la préparation des cours et les activités sco-
laires, bien que son potentiel et les défis éthiques qu’elle soulève soient clairement reconnus.
Les études examinées s’accordent sur la nécessité d’un cadre de référence pour guider l’intégration
de l’alphabétisation en intelligence artificielle dans l’enseignement supérieur. En réponse à ce besoin,
l’Unesco (2025a) a élaboré un Référentiel de compétences pour les étudiants en matière d’intelligence
artificielle, visant à préparer les apprenants à devenir des citoyens responsables et créatifs à l’ère nu-
mérique, tout en soutenant les enseignants dans l’intégration pédagogique de ces outils. Ce document
définit 12 compétences, réparties en quatre dimensions et trois niveaux de progression.
Figure 1
Référentiel de compétences en IA pour les apprenants
Note: élaboration propre à partir de l’Unesco (2025a)
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
118
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
De plus, l’Unesco (2025b) a conçu un Référentiel de compétences en IA pour les enseignants, destiné
à ceux qui utilisent cette technologie pour renforcer l’apprentissage. Ce cadre, structuré en 15 com-
pétences, réparties en cinq dimensions et trois niveaux, repose sur des principes tels que la protection
des droits des enseignants et le renforcement de la capacité d’action humaine, en soulignant que «
l’épanouissement humain doit demeurer au cœur de l’expérience éducative. La technologie ne doit
pas et ne peut pas remplacer les enseignants » (p. 14).
Figure 2
Référentiel de compétences en IA pour les enseignantes
Source : élaboration propre à partir de l’Unesco (2025b).
Dans le prolongement de cet intérêt international, la France a mis en place de nombreuses initiatives
visant à promouvoir les compétences en intelligence artificielle chez les enseignants et les étudiants,
afin d’encourager une utilisation sûre, efficace et éthique de ces technologies. Des principes et orien-
tations pour un usage responsable de l’IA ont été établis à tous les niveaux éducatifs (ministère de
l’Éducation nationale, de l’Enseignement supérieur et de la Recherche, 2025), ainsi que des ressources
pratiques pour l’enseignement supérieur : cours en ligne ouverts à tous (MOOC), manuels, outils nu-
mériques, portails nationaux, guides de bonnes pratiques, expérimentations et programmes de for-
mation institutionnelle (France Éducation International, s.d. ; Université de Nantes, 2024).
Ces actions s’accompagnent d’initiatives de financement dans le cadre du programme France 2030, qui
consacre 54 millions d’euros à la transformation des entreprises, des établissements éducatifs et des
centres de recherche. Parmi les projets financés figure AI DL - Data Literacy in the Age of AI for Education,
centré sur l’usage critique de l’intelligence artificielle dans l’éducation et son intégration dans les pratiques
pédagogiques (Commission européenne, 2025b). Par ailleurs, la France participe à des projets européens
tels qu’Erasmus+, qui favorisent l’alphabétisation en IA dans l’enseignement supérieur.
La curation de contenu numériques éducatifs comme compétence clé
La curation de contenu constitue une ressource efficace face à la surcharge informationnelle. Ce con-
119
cept, issu à l’origine des domaines du marketing, du journalisme et de la communication, s’est pro-
gressivement introduit dans le contexte éducatif.
Selon Hernández et al. (2022), la curation de contenu dans le travail enseignant universitaire englobe
la recherche, la sélection et la diffusion d’informations pertinentes pour une discipline, dans le but de
faciliter l’apprentissage des savoirs spécifiques. Pour les étudiants, cette pratique joue un rôle essentiel
dans la compréhension d’un sujet et dans le travail collaboratif, puisqu’elle implique la collecte, la sé-
lection, l’organisation, l’édition et le partage d’informations significatives (Ramírez, 2024).
Ainsi, la curation de contenu comprend plusieurs sous-processus : la récupération, le stockage, l’or-
ganisation, la présentation et la diffusion de l’information numérique. Dans un contexte où l’intelligence
artificielle a multiplié de manière exponentielle la production et la circulation des données, la curation
devient une compétence de filtrage et d’évaluation critique, permettant de distinguer entre les infor-
mations fiables et les contenus générés sans contrôle de qualité, de vérifier les sources et les biais, et
de sélectionner des ressources alignées sur des objectifs et des besoins informationnels précis. Elle
s’impose donc comme un acte d’alphabétisation informationnelle avancée, indispensable dans les
environnements médiés par l’intelligence artificielle.
Parallèlement, l’intelligence artificielle peut renforcer le processus de curation. Cette approche a déjà
été explorée dans le journalisme, le marketing et la publicité, où l’on analyse l’adoption d’outils inte-
lligents pour la création de contenus personnalisés, redéfinissant ainsi les pratiques traditionnelles de
communication (La-Rosa et al., 2025 ; Codina et Lopezosa 2024) démontrent que les outils d’IA peu-
vent accélérer les processus de curation dans le journalisme, et présentent des moteurs de recherche
basés sur l’IA applicables aux contextes académiques (Codina, 2023).
Les résultats de ces recherches sont transposables à l’enseignement supérieur, où enseignants et étu-
diants peuvent utiliser des outils d’IA pour la curation de contenu. À ce niveau éducatif, la gestion
d’informations fiables pour soutenir un argument ou développer un point de vue constitue une pra-
tique courante, correspondant au processus de curation, que ce soit dans le cadre d’activités d’ap-
prentissage ou de préparation pédagogique.
Le tableau suivant présente des outils d’intelligence artificielle applicables à chaque phase du pro-
cessus de curation de contenu, en soulignant que l’IA ne remplace pas la curation, mais en renforce
la valeur grâce à l’interprétation, la contextualisation et la relecture éthique de l’information :
Tableau 1
Intégration d’outils d’intelligence artificielle dans les phases de la curation de contenu
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
120
Phase du processus Objectif principal Outils d’IA recommandés Usages possibles pour
enseignants/étudiants
Recherche
Localiser des informa-
tions pertinentes et ac-
tualisées.
Perplexity AI, Elicit, Seman-
tic Scholar (IA Search),
Consensus
Formuler des questions en lan-
gage naturel ou via des
prompts spécifiques ; identifier
des sources scientifiques perti-
nentes ; comparer des preuves
ou résultats d’études.
Sélection Évaluer et filtrer la qualité
de l’information.
Scite.ai, Scholarcy, Research
Rabbit, Explainpaper
Résumer des articles scientifiques ;
vérifier si une étude a été citée posi-
tivement ou critiquée ; comparer dif-
férentes sources sur un même sujet.
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
Tableau 1 (Cont.)
Note : élaboration propre.
La plupart des outils identifiés proposent des versions gratuites ou académiques, ce qui facilite leur
intégration dans les projets universitaires sans nécessiter de grands investissements. Toutefois, les li-
mites des plans freemium (nombre de recherches, capacité de stockage ou fonctions avancées) exigent
une utilisation stratégique et consciente.
En France, les recherches sur la curation de contenu dans l’enseignement supérieur restent rares, et,
au moment de cette revue, aucune étude ne la relie explicitement à l’intelligence artificielle ou à l’alp-
habétisation en cette technologie. Cependant, certaines contributions apportent des éléments pré-
cieux à la communauté académique, notamment Knauf et Falgas (2020), qui intègrent la curation de
contenu dans un cours de recherche et de récupération d’information destiné aux étudiants de master
en communication, ainsi que Kemp (2018), dont la thèse doctorale propose un système fondé sur des
services de curation et d’exploration du big data pour faciliter la récupération d’informations numé-
riques. D’autres études pertinentes ont été exclues de l’analyse car elles ne répondaient pas aux critères
méthodologiques de sélection.
À l’ère de l’intelligence artificielle, la curation de contenu numériques éducatifs s’impose comme une
compétence essentielle, non seulement pour sa valeur instrumentale, mais aussi pour sa dimension
critique. Enseignants et étudiants doivent être capables d’identifier et de gérer les risques liés à l’usage
intensif d’outils intelligents, parmi lesquels la dépendance technologique, les biais algorithmiques et
la surcharge informationnelle.
Ces phénomènes menacent l’autonomie cognitive et la qualité de l’apprentissage, mais soulignent en
même temps la nécessité de renforcer la curation comme pratique réflexive, en assurant une formation
à la sélection, la contextualisation et la transformation de l’information ; autrement dit, à la réintro-
duction du jugement humain dans un environnement de plus en plus automatisé.
Intersection entre l’alphabétisation en intelligence artificielle et la curation de contenu
La curation de contenu occupe une position intermédiaire entre l’alphabétisation numérique traditionnelle
121
Stockage et
organisation
Classer, étiqueter et conserver
les contenus curés.
Notion AI, Symbaloo AI Obsi-
dian + plugins IA, Diigo IA
Sauvegarder des articles et des
notes avec métadonnées automa-
tiques ; créer des bases de con-
naissances connectées ; étiqueter
et relier des concepts clés.
Création
(à valeur ajoutée)
Réinterpréter et contextuali-
ser l’information curée ; gé-
nérer du matériel éducatif.
ChatGPT, Copilot, Claude, Ge-
mini, Canva Magic Write,
Gamma App, Notion AI.
Son utilisation devrait être
combinée avec les techniques
de curation de contenu pro-
posées par Guallar (2021).
Rédiger des textes interprétatifs et
critiques ; concevoir des infograp-
hies, présentations ou supports
pédagogiques ; recontextualiser
des textes selon le niveau des ap-
prenants.
Diffusion
Partager les contenus curés
dans des environnements
numériques ou académi-
ques.
LinkedIn + IA, Medium, Subs-
tack con asistencia IA, Padlet,
Wakelet, Pearltrees, Moodle
con IA plugins
Publier des collections de ressour-
ces commentées ; générer des ré-
sumés automatiques ou des
visualisations ; créer des espaces
d’apprentissage collaboratif.
(recherche, utilisation et communication de l’information) et l’alphabétisation en intelligence artificielle
(compréhension du fonctionnement et de l’activité des systèmes d’IA). Elle apprend également à formuler
des questions, des prompts ou des critères de recherche de manière stratégique, tout en impliquant l’in-
terprétation des résultats produits par des algorithmes, en reconnaissant leur caractère non neutre. De
plus, elle encourage la responsabilité éthique dans la sélection et la diffusion de l’information générée
par l’intelligence artificielle. En ce sens, la curation de contenu peut être comprise comme une pratique
favorisant le développement de l’évaluation critique des systèmes d’intelligence artificielle.
Par ailleurs, la curation de contenu rend possible l’exercice de l’alphabétisation en intelligence artificielle
comme partie intégrante du processus d’apprentissage et de production de connaissances. Dans ce
cadre, les enseignants peuvent concevoir des environnements d’apprentissage personnalisés à partir de
matériaux filtrés, validés et adaptés à l’aide d’outils tels que ChatGPT, Perplexity ou Semantic Scholar. De
leur côté, les étudiants se forment à la sélection critique des résultats issus de moteurs de recherche ou
d’assistants génératifs, en évaluant ceux qui s’avèrent les plus pertinents pour leur apprentissage et leurs
projets académiques.
L’intersection entre l’alphabétisation en intelligence artificielle et la curation de contenu redéfinit les com-
pétences informationnelles dans l’enseignement supérieur. Il ne s’agit plus seulement d’accéder à ou de
communiquer une information, mais de comprendre les médiations algorithmiques qui structurent la
production et la circulation du savoir. Dans cette perspective, le processus de curation devient un exercice
métacognitif : en interagissant avec des outils d’intelligence artificielle, l’utilisateur apprend à réfléchir à
ses propres processus de recherche, de sélection et de création, développant ainsi une conscience critique
du rôle de la technologie dans la construction de la connaissance.
Intégrer la curation de contenu dans l’alphabétisation en intelligence artificielle suppose également de
repenser le rôle éthique et formatif de l’université. Les établissements peuvent tirer parti des pratiques de
curation pour promouvoir un usage responsable et transparent de l’intelligence artificielle, en encoura-
geant la traçabilité des sources, l’attribution de l’auteur et le respect de la diversité épistémique. De cette
manière, la curation cesse d’être une pratique individuelle pour devenir une compétence institutionnelle
qui soutient l’intégrité académique dans des environnements médiatisés par l’intelligence artificielle.
Cette convergence entre l’alphabétisation en intelligence artificielle et la curation de contenu ouvre éga-
lement la possibilité de transformer les pratiques pédagogiques. Plutôt que de se concentrer uniquement
sur la transmission d’informations, l’enseignant peut orienter les étudiants vers la construction collaborative
de savoirs, par l’interprétation critique des résultats générés par l’intelligence artificielle. Dans ce contexte,
la curation agit comme un pont entre la compréhension technique de l’IA et son application réflexive
dans des contextes d’apprentissage réels.
Défis de l’alphabétisation en intelligence artificielle dans le contexte de l’enseigne-
ment supérieur français
En France, le déploiement de l’alphabétisation en intelligence artificielle se heurte à plusieurs obstacles
structurels. L’un des principaux est la fracture numérique, signalée par le Conseil Économique, Social
et Environnemental (CESE) qui alerte sur le fait qu’environ un tiers de la population se sent éloigné
des technologies numériques ; y compris certains jeunes et des habitants de zones où l’accès à Internet
demeure limité (Meyer & Tordeux, 2025). Par ailleurs, les rapports de l’OCDE sur la fracture numérique
dans l’éducation mettent en évidence des inégalités en matière de connectivité, de disponibilité des
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
122
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
ressources numériques et de compétences, lesquelles empêchent un accès équitable pour tous les
étudiants aux pratiques éducatives médiatisées par l’intelligence artificielle (Burns & Gottschalk, 2019
; OCDE, 2023).
En second lieu, la formation des enseignants et des étudiants reste insuffisante pour répondre aux
défis émergents. Un rapport de la Commission des affaires économiques présenté au Sénat français
indique que l’offre de formation en IA demeure limitée, tant dans le système de formation initiale que
dans la formation continue, et que les programmes existants ne couvrent pas de manière adéquate
les dimensions éthique, technique et pédagogique de l’intelligence artificielle (Hoffman & Golliot,
2024). Néanmoins, certains projets tels qu’AI4T cherchent à combler cette lacune grâce à des manuels
ouverts et des MOOC destinés aux enseignants, mais leur portée reste encore trop restreinte pour
transformer l’ensemble du système d’enseignement supérieur.
Enfin, il apparaît nécessaire de mettre en place des politiques éducatives intégrées qui incorporent
l’alphabétisation en intelligence artificielle et la curation de contenus au sein des curricula universitaires.
Les cadres pour l’usage de l’IA en éducation, élaborés par l’Unesco et le ministère de l’Éducation na-
tionale, de l’Enseignement supérieur et de la Recherche en France, définissent des principes et des
orientations pour une utilisation responsable de l’intelligence artificielle. Bien que ces documents
soient le fruit d’études approfondies à l’échelle nationale et internationale, il paraît désormais essentiel
de passer des principes à leur mise en œuvre concrète dans des modules curriculaires spécifiques.
De plus, le rapport sur l’intelligence artificielle dans l’enseignement supérieur, présenté par le ministre
chargé de l’Enseignement supérieur et de la Recherche, identifie plusieurs actions prioritaires visant à
faire des universités françaises des acteurs clés de cette transformation. Parmi ces actions figurent la
structuration institutionnelle, la formation spécialisée des enseignants, ainsi que l’appropriation sociale
des savoirs relatifs à l’intelligence artificielle.
Conclusions
La revue de la littérature réalisée permet de constater que l’alphabétisation en intelligence artificielle
s’impose comme un nouveau pilier de la compétence numérique dans l’enseignement supérieur. Au-
delà de l’acquisition instrumentale de compétences technologiques, elle suppose la compréhension
des modes de conception, d’entraînement et de fonctionnement des systèmes d’intelligence artificielle,
ainsi que la capacité à analyser de manière critique leur impact sur les processus de production et de
diffusion des connaissances. Sa pertinence ne réside pas uniquement dans la maîtrise technique, mais
également dans le développement d’une conscience éthique et critique, permettant aux enseignants
et aux étudiants d’agir en citoyens numériques éclairés dans des environnements médiatisés par les
algorithmes.
Dans ce cadre, la curation de contenus numériques éducatifs émerge comme une compétence es-
sentielle et complémentaire à l’alphabétisation en intelligence artificielle. Loin d’être une tâche pure-
ment technique, la curation constitue une pratique cognitive et pédagogique qui implique la
recherche, la sélection, l’évaluation, la contextualisation et la diffusion éthique de l’information. À l’ère
de l’intelligence artificielle, cette pratique acquiert une dimension nouvelle : elle permet de filtrer la
surabondance d’informations, d’identifier les biais algorithmiques et d’ajouter de la valeur grâce à
l’interprétation humaine, contribuant ainsi à la formation d’une pensée critique et autonome.
L’intersection entre alphabétisation en intelligence artificielle et curation de contenus dessine un espace
123
d’apprentissage actif, dans lequel l’interaction avec les outils intelligents devient une opportunité de
formation. Lorsque l’enseignant utilise l’intelligence artificielle pour concevoir des supports person-
nalisés ou que l’étudiant apprend à formuler des prompts et à évaluer les résultats générés par des
systèmes automatisés, tous deux exercent une forme d’alphabétisation pratique, située et critique.
Cette convergence redéfinit la fonction pédagogique : les acteurs éducatifs cessent d’être de simples
consommateurs passifs d’informations pour devenir des curateurs et des créateurs réflexifs de savoir,
conscients des médiations technologiques qui interviennent dans leur construction.
Dans le contexte français, l’intelligence artificielle présente à la fois des avancées et des défis signifi-
catifs. La France dispose d’une base institutionnelle solide, comprenant des plans ministériels, des ca-
dres d’usage de l’intelligence artificielle et des projets d’innovation tels que AI4T, visant à orienter
son intégration dans le système éducatif. Néanmoins, des fractures numériques, des inégalités d’accès
et des lacunes dans la formation des enseignants et des étudiants persistent, limitant ainsi une ap-
propriation critique et équitable de ces technologies. Les rapports institutionnels analysés soulignent
l’urgence de mettre en place des politiques publiques cohérentes intégrant l’alphabétisation en inte-
lligence artificielle dans les curricula universitaires, en veillant à ce que son enseignement ne se limite
pas aux compétences techniques, mais englobe également des dimensions éthiques, épistémologi-
ques et pédagogiques.
Dans l’ensemble, les résultats de cette recherche suggèrent que l’alphabétisation en intelligence arti-
ficielle, envisagée à travers la pratique de la curation de contenus, pourrait devenir un levier de trans-
formation pour l’enseignement supérieur. L’intégration de ces deux compétences dans la formation
des enseignants et des étudiants favoriserait le développement d’une citoyenneté académique criti-
que, capable d’utiliser l’intelligence artificielle non comme substitut de la pensée humaine, mais
comme un instrument pour renforcer la compréhension, la créativité et la responsabilité dans la cons-
truction collective du savoir.
Confidentialité : Non applicable.
Financement : Ce travail n'a bénéficié d'aucun financement.
Déclaration sur l'utilisation de l'intelligence artificielle : L'autrice de cet article déclare ne
pas avoir utilisé l'Intelligence Artificielle pour son élaboration.
Références
Agulhon, S. et Schoch, P. (2023). ChatGPT et l’éducation : révolution numérique ou dépendance ex-
cessive à l’IA ? En F. Guénot (Ed), L’IA éducative. L’intelligence artificielle dans l’Enseignement (117-
123). Studyrama/Bréal. https://hal.science/hal-04260498v1
Alwaqdani, M. (2025). Investigating teacher’s perceptions of artificial intelligence tools in education:
potential and difficulties. Education and Information Technologies, 30, 2737-2755.
https://doi.org/10.1007/s10639-024-12903-9
Bidan, M. et Lebraty, J.F. (2024). Enseignants-chercheurs et ChatGPT4 : un chapitre récursif. En F. Che-
valier et C. Fournier (Eds), Pratiques pédagogiques innovantes : Construire la pédagogie de demain
(333-345). EMS Éditions. https://doi.org/10.3917/ems.cheva.2024.02.0333
Bolaño-García, M. et Duarte-Acosta, N. (2024). Una revisión sistemática del uso de la inteligencia ar-
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
124
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
tificial en la educación. Revista Colombiana de Cirugía, 39(1), 51-63.
https://doi.org/10.30944/20117582.2365
Burns, T. & Gottschalk, F. (2019). Educating 21st Century Children: Emotional Well-being in the Digital
Age. Educational Research and Innovation, Editorial OECD, https://doi.org/10.1787/b7f33425-en
Calle, S. E. (2023). Diseños de investigación cualitativa y cuantitativa. Ciencia Latina Revista Científica
Multidisciplinar, 7(4), 1865-1879. https://doi.org/10.37811/cl_rcm.v7i4.7016
Capelle, C. (2024). Littératie des données et intelligence artificielle : quelle traduction des politiques pu-
bliques dans l’offre de formation des enseignants ? [Ponencia]. EUTIC 2024, Générations numériques
: complexité, controverses, et défis, Ténérife, Îles Canaries. https://hal.science/hal-04748083v1
Codina, Ll. (2023). Buscadores alternativos a Google con IA generativa: análisis de You.com, Perplexity
AI y Bing Cha. Infonomy, 1(1), 1-21. https://doi.org/10.3145/infonomy.23.002
Codina, Ll. et Lopezosa, C. (2024). Curación de contenidos en periodismo: características generales
y uso de buscadores con inteligencia artificial. En F. Murcia-Verdú, R. Ramos-Antón, (Eds), La in-
teligencia artificial y la transformación del periodismo. Narrativas, aplicaciones y herramientas (157-
178). Salamanca: Comunicación Social Ediciones .
https://www.comunicacionsocial.es/media/comunicacionsocial/files/book-attachment-9183.pdf
Commission européenne (2025a). Approche européenne de l’intelligence artificielle. Commission eu-
ropéenne. https://digital-strategy.ec.europa.eu/es/policies/european-approach-artificial-intelli-
gence
Commission européenne (2025b). France : De nouveaux outils pour l'enseignement grâce à l'intelli-
gence artificielle. Eurydice, Commission européenne.
https://eurydice.eacea.ec.europa.eu/news/france-new-tools-teaching-thanks-artificial-intelligence
Devauchelle, B. (2025). Les enseignants, les formateurs et les cadres éducatifs français face à l’intelli-
gence artificielle. Revue internationale d’éducation de Sèvres, 4. https://doi.org/10.4000/146vm
France Education International (sf). AI DL - Data Literacy in the Age of AI for Education,
https://www.france-education-international.fr/expertises/cooperation-education/projets/ai-dl-
data-literacy-age-ai-education
Gómez, L.. E., Fernando, N. D., Aponte, M. G. et Betancourt, B. L.A. (2014). Metodología para la revisión
bibliográfica y la gestión de información de temas científicos, a través de su estructuración y sis-
tematización. DYNA, 81(184), 158-163. https://doi.org/10.15446/dyna.v81n184.37066
Guallar, J. (9 de mayo 2021). Técnicas de curación de contenidos. Los Content Curators. http://www.los-
contentcurators.com/category/guia-basica-de-curacion/
Hoffman, E. et Golliot, A. (2024). Les effets de l’intelligence artificielle sur l’activité économique et la
compétitivité des entreprises françaises. Asamblée Nationale, Commission des affaires économi-
ques. Présidence de l’Assemblée nationale, https://www.assemblee-
nationale.fr/dyn/17/rapports/cion-eco/l17b1862_rapport-information
125
Kemp, G. (2018). CURARE : curating and managing big data collections on the cloud [Tesis doctoral,
Université de Lyon]. HAL Science ouverte. https://hal.science/tel-02058604v1
Knauf, A. et Falgas, J. (2020). Les enjeux de l’hybridation pour l’apprentissage coactif. Distances et Mé-
diations des Savoirs, 30. https://doi.org/10.4000/dms.5073
La Rosa, L., Ortega, F. E. et Perlado, M. (2025). Inteligencia Artificial en el periodismo, el marketing y
la publicidad: una revisión sistématica de la literatura. Espejo de Monografías de Comunicación
Social, (36), 33-53. https://doi.org/10.52495/c2.emcs.36.p114
Lim, W. M. (2024). What Is Qualitative Research? An Overview and Guidelines. Australasian Marketing
Journal, 33(2), 199-229. https://doi.org/10.1177/14413582241264619
Many, H., Shvetsova, M. et Forestier, G. (2024). Transformation numérique : comment enseigner (avec)
l’IA générative dans l’enseignement supérieur ? Études & Pédagogies, 161-175.
https://doi.org/10.20870/eep.2024.8100
Meyer, E. y Tordeux, M. (2025). Pour une intelligence artificielle au service de l’intérêt général. Editorial
Conseil économique, social et environnemental, https://www.lecese.fr/travaux-publies/pour-une-
intelligence-artificielle-au-service-de-linteret-general
Ministère de l’Éducation nationale, de l’Enseignement supérieur et de la Recherche (2025). L'IA en
éducation : Cadre d'usage. Ministère de l’Éducation nationale, de l’Enseignement supérieur et de
la Recherche, https://www.education.gouv.fr/media/227697/download
Modolo, L. (2025). L’intelligence artificielle, une opportunité pour l’enseignement supérieur ?. Mana-
gement et Datascience, 9(1). https://doi.org/10.36863/mds.a.42627
Organización de Naciones Unidas para la Educación, la Ciencia y la Culture, Unesco (2019). Consensus
de Beijing sur l'intelligence artificielle et l'éducation. International Conference on Artificial Intelli-
gence and Education, Unesco, https://unesdoc.unesco.org/ark:/48223/pf0000368303
Organización de Naciones Unidas para la Educación, la Ciencia y la Culture, Unesco (2024a) Qué
debe saber acerca de los nuevos marcos de competencias en materia de IA de la Unesco para
estudiantes y docentes. Unesco Inteligencia artificial. Recuperado de
https://www.unesco.org/es/articles/que-debe-saber-acerca-de-los-nuevos-marcos-de-compe-
tencias-en-materia-de-ia-de-la-unesco-para?hub=32618
Organización de Naciones Unidas para la Educación, la Ciencia y la Culture, Unesco. (2024b). De qué
hablamos, cuando hablamos de inteligencia artificial?. Unesco Office Montevideo and Regional
Bureau for Science in Latin America and the Caribbean, Consejo Latinoamericano de Ciencias So-
ciales, Editorial Unesco. https://unesdoc.unesco.org/search/0a892879-3bc2-4ac3-9dc4-
74544f315a85
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, UNESCO (2025a) AI
competency framework for teachers. Editorial Unescohttps://doi.org/10.54675/AQKZ9414
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, (2025b). AI compe-
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
126
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
tency framework for students. Editorial Unesco, https://doi.org/10.54675/JKJB9835
Organización para la Cooperación y Desarrollo Económico, OECD (2023). Shaping Digital Education:
Enabling Factors for Quality. Equity and Efficiency, Editorial OECD, https://doi.org/10.1787/bac4dc9f-
en
Parlement européen (2020). Intelligence artificielle : définition et utilisation. Parlement européen.
https://www.europarl.europa.eu/topics/fr/article/20200827STO85804/intelligence-artificielle-de-
finition-et-utilisation
Pascal, F., Taddei, F., de Falco, M. et Gallié, E.P. (2025). IA et Enseignement Supérieur : formation, structuration
et appropriation par la société. Ministère chargé de l'Enseignement supérieur et de la Recherche,
https://www.enseignementsup-recherche.gouv.fr/sites/default/files/2025-07/rapport-intelligence-artificielle-
et-enseignement-sup-rieur-formation-structuration-et-appropriation-par-la-soci-t--37540.pdf
Ramirez, J. M. (2024). Curación de contenidos comunicativos y aprendizaje colaborativo. [Tesis de pre-
grado, Universidad Nacional de Educación Enrique Guzmán y Valle]. Repositorio Universidad Na-
cional de Educación Enrique Guzmán y Valle.
https://repositorio.une.edu.pe/handle/20.500.14039/11749
Stolpe, K. & Hallström, J. (2024). Artificial intelligence literacy for technology education. Computers
and Education Open, 6, 1-8. https://doi.org/10.1016/j.caeo.2024.100159
Susanto, P., Yuntina, L., Saribanon, E., Soehaditama, J. & Liana, E. (2024). Qualitative Method Concepts:
Literature Review, Focus Group Discussion, Ethnography and Grounded Theory. Siber Journal of
Advanced Multidisciplinary, 2(2), 262-275. https://doi.org/10.38035/sjam.v2i2.207
Université de Nantes (2024). Les IA en éducation et formation : actions et ressources. Université de
Nantes. https://www.univ-nantes.fr/universite/vision-strategie-et-grands-projets/des-usages-de-
lia-en-education-et-formation
Date de réception de l'article : 27 juin 2025
Date d'acceptation de l'article : 1ᵉʳ août 2025
Date d'approbation pour mise en page : 15 août 2025
Date de publication : 10 janvier 2026
Note sur l'autrice
* Thais Raquel Hernández Campillo est Professeure au Département du Multimédia et des Métiers de l'Internet, Institut Uni-
versitaire de Technologie de Blois, Université de Tours, France. Chercheuse au laboratoire Pratiques et Ressources de l'Infor-
mation et de la Médiation (EA 7503), Institut Universitaire de Technologie de Tours, Université de Tours, France. Courriel :
thais.hernandez@univ-tours.fr
127
Annexes
Annexe 1
Publications académiques et bilans sur la curation de contenus et l’alphabétisation en intelli-
gence artificielle incluses dans la revue
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
128
Auteur /
Année
Pays ou
contexte Type d’étude Objectif Résultats ou apports clés Pertinence pour la
revue
Stolpe &
Hallström
(2024)
Suède
Europe Théorique
Analyser et discuter
de manière critique
les composantes
de l’alphabétisation
en IA en lien avec
l’alphabétisation
technologique.
L’alphabétisation en IA intè-
gre des connaissances
scientifiques et technologi-
ques ainsi qu’une compré-
hension socio-éthique. Un
cadre conceptuel d’alpha-
bétisation en IA est pro-
posé.
Étaye la nécessité
d’une alphabétisation
en IA.
Ministère
de l’Éduca-
tion natio-
nale, de
l’Enseigne-
ment supé-
rieur et de
la Recher-
che (2024)
France Théorique
Fournir un cadre
pour l’utilisation et
la compréhension
de l’IA dans l’édu-
cation, conforme à
des principes éthi-
ques, juridiques et
environnementaux.
Définit des objectifs, princi-
pes, obligations et lignes di-
rectrices éthiques pour
l’usage éducatif de l’IA.
Conceptualisation et
défis de l’alphabétisa-
tion en IA en France.
Markus,
Pfister, Ca-
rolus,
Hotho y
Wienrich
(2024)
Allemagne
Europe Empirique
Concevoir des for-
mations en ligne
pour améliorer la
compréhension de
l’IA en lien avec les
assistants virtuels.
Amélioration de la compré-
hension et de l’usage criti-
que de l’IA, ainsi
qu’attitudes positives envers
les assistants virtuels.
Renforce la nécessité
d’une alphabétisation
en IA.
Olari &Ro-
meike
(2024)
Allemagne
Europe Mixte
Permettre aux
étudiants de
comprendre le
fonctionnement
des systèmes
d’IA.
Compilation de con-
cepts clés pour conce-
voir des plans
d’apprentissage sur l’IA.
Propose des com-
pétences concep-
tuelles pour
l’alphabétisation en
IA.
Capelle
(2024) France Empirique
Analyser la rela-
tion entre l’alpha-
bétisation en
données et l’alp-
habétisation en
IA dans la forma-
tion des enseig-
nants.
Identifie l’alphabétisation
en données comme un
composant essentiel de
l’alphabétisation en IA.
Compétences né-
cessaires pour les
enseignants et étu-
diants.
Unesco
(2025a) International Théorique
Soutenir les édu-
cateurs dans l’in-
tégration de l’IA
dans les pro-
grammes d’étu-
des.
Référentiel de compé-
tences en matière d’IA
pour les étudiants.
Définit des compé-
tences clés et leur
intersection avec la
curation de conte-
nus.
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
129
Unesco
(2025b) International Théorique
Définir les connais-
sances, compéten-
ces et valeurs que
les enseignants
doivent maîtriser à
l’ère de l’IA.
Référentiel de compétences
en matière d’IA pour les en-
seignants.
Référence centrale
sur l’alphabétisation
en IA et l’enseigne-
ment.
Agulhon &
Schoch
(2023)
France Théorique
Examiner les avan-
tages et les défis
de ChatGPT dans
l’enseignement su-
périeur.
Usage raisonné de
ChatGPT ; risques liés à la
fiabilité de l’information.
Avantages et défis
de l’usage de l’IA
dans l’enseignement
supérieur.
Modolo
(2025)
Maroc, RDC
et Cameroun Empirique
Analyser comment
l’IA transforme l’en-
seignement supérieur
et ses implications
sociales.
Redéfinition des rôles en-
seignants et étudiants ; iné-
galités d’accès à l’IA.
Changements et défis
liés à l’IA dans l’enseig-
nement supérieur.
Devauche-
lle (2025) France Théorique
Explorer l’impact
de l’IA sur l’enseig-
nement et la for-
mation des
enseignants.
Tensions et perceptions du
corps enseignant français
face à l’intégration de l’IA.
Défis et impact de l’IA
dans l’enseignement
supérieur français.
France Édu-
cation In-
ternational
(s.f)
France Théorique
Promouvoir l’alp-
habétisation aux
données et l’usage
critique de l’IA
dans l’éducation.
Projet « AI-DL : Data Lite-
racy in the Age of AI for
Education ».
Initiatives d’alphabéti-
sation en IA en
France.
Universidad
de Nantes
(2024)
France Practique
Offrir des ressour-
ces formatives sur
l’IA pour les en-
seignants universi-
taires.
Ressources, événements,
articles, cours et outils de
formation.
Ressources institu-
tionnelles pour l’alp-
habétisation des
enseignants.
Commis-
sion euro-
péenne
(2025)
France
Europa Théorique
Présenter les pro-
jets portés par la
France en matière
d’IA éducative.
Financement des projets
d’innovation et de forma-
tion en IA.
Soutien financier et
institutionnel à l’alp-
habétisation en IA.
Hernández,
Hernández,
Legañoa y
Campillo
(2022)
International Théorique
Analyser l’intégra-
tion de la curation
de contenus dans
la littéracie infor-
mationnelle des
enseignants.
La curation de contenus
est confirmée comme
compétence information-
nelle renforçant l’alphabéti-
sation numérique du corps
enseignant.
Curation de conte-
nus comme compé-
tence clé pour les
enseignants.
Ramírez
(2024) International Empirique
Examiner les bé-
néfices de la cura-
tion de contenus
dans l’apprentis-
sage collaboratif.
Mise en œuvre de la cura-
tion de contenus dans l’ap-
prentissage collaboratif des
étudiants.
Curation de conte-
nus comme compé-
tence clé pour les
étudiants.
Thais Raquel Hernández Campillo
Instituto de Estudios Superiores de Investigación y Postgrado
130
La-Rosa,
Ortega &
Perlado
(2025)
Espagne
Europe Empirique
Analyser la pro-
duction scientifique
sur l’IA générative
dans le journa-
lisme, le marketing
et la publicité.
Domination du marketing
dans les publications ;
l’Espagne domine la re-
cherche en IA appliquée
au journalisme.
Application de l’IA
dans la curation et la
personnalisation des
contenus.
Codina y Lo-
pezosa
(2024)
Espagne
Europe Théorique
Démontrer l’appli-
cation d’outils d’IA
dans les phases de
curation de conte-
nus.
Identification de moteurs
de recherche et de
prompts pour les proces-
sus de curation numéri-
que.
Intégration de l’IA
dans les phases de la
curation de contenus.
Codina (2023)
Espagne
Europe Théorique
Analyse compara-
tive de moteurs de
recherche alterna-
tifs à Google utili-
sant l’IA
générative.
Caractéristiques généra-
les des différents types de
moteurs de recherche ;
analyse fonctionnelle et
d’interface ; recomman-
dations d’usage académi-
que.
Outils d’IA appliqués
à la curation d’infor-
mation.
Knauf y
Falgas (2020) France Empirique
Renforcer les com-
pétences numéri-
ques à travers la
curation et la ges-
tion de l’informa-
tion.
Expérimentations avec
des étudiants de master
en communication sur le
suivi de contenus numéri-
ques.
Intersection entre
alphabétisation en IA
et curation de conte-
nus.
Kemp (2018) France Empirique
Proposer un
système basé sur
des services pour
curer et explorer le
big data.
Modèle « CURARE » pour
l’exploration et l’extraction
d’informations par
analyse de données.
Curation de contenus
dans l’enseignement
supérieur français.
REDIP, Revista Digital de Investigación y Postgrado, E-ISSN: 2665-038X
Alphabétisation en intelligence artificielle et curation de contenu : défis et opportunités pour les enseig-
nants et les étudiants universitaires en France
131
Annexe 2
Guide thématique de la revue bibliographique documentaire
1. L’alphabétisation en intelligence artificielle dans l’enseignement supérieur
1.1. Contexte européen.
1.2. Concept et importance.
1.3. Compétences nécessaires pour les enseignants et les étudiants (cadres et propositions théoriques).
1.4. Initiatives récentes en Europe et en France (programmes étatiques, universités, politiques publiques).
2. La curation de contenus comme compétence clé
2.1.Définition et étapes.
2.2. Intégration de l’intelligence artificielle dans les phases de la curation de contenus : utilisation
d’outils numériques.
2.3. Risques : dépendance technologique, biais algorithmiques, surcharge informationnelle (info-
besité).
2.4. Intégration dans la formation des enseignants et des étudiants universitaires.
3. Intersection entre alphabétisation en IA et curation de contenus
3.1.Approche conceptuelle : la curation comme passerelle entre alphabétisation numérique et alp-
habétisation en IA.
3.2. Approche pratique et pédagogique : comment enseignants et étudiants exercent cette alp-
habétisation.
3.3. Approche épistémologique ou formative : en quoi cette intersection redéfinit la compétence
informationnelle dans l’enseignement supérieur.
3.4. Approche institutionnelle ou éthique : comment la curation de contenus peut être intégrée
aux politiques ou stratégies universitaires d’alphabétisation en IA.
4. Défis de l’alphabétisation en IA dans le contexte de l’enseignement supérieur français
4.1.Fracture numérique et inégalités d’accès.
4.2. Formation insuffisante des enseignants en IA et en curation de contenus.
4.3. Nécessité de politiques éducatives intégrant la curation de contenus et l’alphabétisation en IA
dans les programmes universitaires.
