Dispositif de soutien aux initiatives pédagogiques "IA et Enseignement" 2026-2027

Le dispositif « IA et Enseignement » vise à soutenir la conception, l’expérimentation et le développement de pratiques pédagogiques intégrant l’intelligence artificielle (IA) à l’Université de Fribourg. Il s’inscrit dans le projet EduKIA (2025–2026), porté par l’Université de Fribourg et la HES-SO et soutenu par swissuniversities dans le cadre du programme PgB Open Education & Digital Competencies. 

Le dispositif en bref

Doté d’un fonds total de CHF 48’000.– pour 2026–2027, le dispositif « IA et Enseignement » permet de soutenir jusqu’à six projets, avec un financement maximal de CHF 8’000.– par projet.

Que peut financer le soutien ?

Le financement, d’un montant maximal de CHF 8’000.– par projet, peut être utilisé pour couvrir des ressources directement nécessaires à la conception, au développement et à la mise en œuvre du projet.

Type de projets éligibles

• Création d'une boîte à outils disciplinaire
  Une boîte à outils disciplinaire pourrait rassembler et organiser des ressources et des outils liés à l’IA, sélectionnés en fonction des spécificités de la discipline et des activités d’enseignement et d’apprentissage concernées. Elle permettrait aux enseignant·es et aux étudiant·es de disposer de ressources sélectionnées, documentées et adaptées à leur contexte. Elle soutiendrait ainsi l’exploration, l’utilisation et la réflexion critique sur les usages de l’IA, en lien avec les pratiques, les besoins et les tâches propres à la discipline concernée.

  Exemple inspirant

  MyPLE.chUne boîte à outils en libre accès proposant des ressources et des outils informatiques sélectionnés pour soutenir les étudiant·es dans la réalisation des tâches liées à leur métier d’étudiant·e.

• Réalisation d'une expérimentation pédagogique documentée

  Un projet exploratoire pourrait permettre de concevoir et tester une approche pédagogique intégrant l’IA, notamment dans le cadre d’un cours ou d’un séminaire, afin d’en identifier les apports, les limites et les conditions de mise en œuvre. L’expérimentation menée devrait être documentée afin de permettre d’en tirer des enseignements.

  Exemple inspirant

  Apprendre grâce à un « chatbot » personnalisé  (UniNE)Expérimentation, dans le cadre d’un enseignement de Master, d’un assistant IA personnalisé appelé Brian - The AI Tutor for Adaptative Learning, visant à accompagner les étudiant·es dans leurs apprentissages. Le projet, mené par une enseignante avec l’appui du Support enseignement et pédagogie de l’UniNE, illustre l’intégration d’un dispositif d’IA adapté à un contexte d’enseignement spécifique.

• Conception de projet de type "Career Design"

  Des projets de type Career Design pourraient préparer les étudiant·es aux transformations de leur domaine professionnel induites par l’IA. Ils pourraient notamment porter sur l’évolution des métiers et des tâches, les compétences émergentes, l’expérimentation d’outils propres à un secteur, la simulation de situations professionnelles ou la collaboration humain-IA. Ils pourraient également faire intervenir des expert·es du terrain professionnel, afin de confronter les apprentissages aux réalités et aux évolutions des métiers. L’objectif serait d’articuler compétences disciplinaires, compréhension des transformations professionnelles et usage pertinent, critique et responsable de l’IA.

  Exemple inspirant

  Career Design - Préparer le corps estudiantin à une entrée réussie sur le marché du travail (HES-SO)Un projet visant à préparer les étudiant·es à leur entrée dans le monde professionnel à travers une approche par compétences, une démarche réflexive et l’expérimentation de situations authentiques de recrutement. Le dispositif permet notamment aux étudiant·es de valoriser leurs compétences et de construire leur projet professionnel.
• Création et animation d'une communauté de pratique

  Une communauté de pratique pourrait réunir régulièrement des membres de la communauté universitaire autour de l’intégration pédagogique de l’IA. Elle permettrait de partager des expériences, mutualiser des pratiques et des ressources, expérimenter collectivement de nouvelles approches et développer des connaissances communes. Elle favoriserait ainsi la collaboration et le développement de pratiques pédagogiques pertinentes, critiques et responsables en matière d’IA.

  Exemple inspirant

  Community of Practice « Digital Learning and Teaching in Sports » (HEFSM) Une communauté de pratique consacrée à l’enseignement et à l’apprentissage numériques, permettant aux membres de partager leurs savoir-faire et leurs pratiques, de documenter leurs expériences et de développer de nouveaux dispositifs pédagogiques. Ce modèle pourrait être transposé à l’intégration pédagogique de l’IA à l’échelle d’un département, d’une faculté ou dans une perspective interfacultaire, afin de favoriser les échanges, la mutualisation des ressources et le développement collectif de pratiques.
• Mise en place d'une démarche SoTL (Scholarship of Teaching and Learning)

  Un projet relevant d’une démarche SoTL (Scholarship of Teaching and Learning) pourrait permettre aux enseignant·es d’étudier de manière systématique et critique une pratique pédagogique intégrant l’IA, en s’appuyant sur des cadres théoriques et des données recueillies auprès des étudiant·es. Il viserait à analyser les effets de cette pratique sur l’enseignement et l’apprentissage, afin de mieux comprendre les usages pédagogiques de l’IA et de faire évoluer les pratiques sur la base des résultats obtenus.

  Pour en savoir plus sur la démarche SoTL et l’accompagnement proposé par le Service DidaNum : accompagnement/sotl/

• Co-conception pédagogique avec les étudiant·es

  Un projet de co-conception pédagogique pourrait associer enseignant·es et étudiant·es à la conception de scénarios pédagoiques, d’activités ou de ressources intégrant l’IA. La participation des étudiant·es permettrait de prendre en compte leurs besoins, leurs expériences et leurs usages, tout en maintenant les connaissances, les méthodes et les compétences propres à la discipline au cœur des apprentissages. Les ressources ou activités développées pourraient ensuite être expérimentées auprès du public cible et ajustées à partir des retours recueillis.

  Exemple inspirant

  Formation IA générative en droit à l’UQAMDéveloppement collaboratif d’une formation asynchrone visant à initier les étudiant·es en droit à l’IA générative et à ses usages responsables, tout en préservant l’esprit critique et la méthodologie propres aux études juridiques. Des étudiant·es ont participé à la rédaction, à la scénarisation et à la production de ressources. Après une première mise à l’essai dans deux cours, leurs retours ont également permis d’identifier des pistes d’amélioration de la formation.