MAIA
Le Projet MAIA a pour objectif d’accompagner et d’approfondir les nouveaux usages qui apparaissent depuis quelques années dans de nombreux champs scientifiques suite à l’essor de l’intelligence artificielle. Le projet vise à étudier, développer et déployer les interactions fortes existant entre l’intelligence artificielle et trois domaines d’applications phares de l’alliance A2U : la santé (UPJV), la chimie (matériaux, énergie ; UPJV/UArtois) et l’environnement/mer (ULCO) ainsi que sur les aspects économiques, sociologiques, éthiques et juridiques. Ce projet interdisciplinaire associe 19 laboratoires, ainsi qu’un large réseau d’acteurs socio-économiques (collectivités, entreprises, clusters, etc.). MAIA se base sur trois volets : la recherche, la formation et la valorisation. Le projet traite également des aspects transversaux : Science avec et pour la Société, Science Ouverte, internationalisation et construction de corpus partagés.
Chapitres
- Introduction générale
- Expérimenter de l'IA en chimie
- Apprendre autrement grâce aux assistants IA
- Q/R
Titre de l’intervention
Intégration raisonnée de l’intelligence artificielle dans l’enseignement de la chimie : du RAG pédagogique aux assistants spécialisés
Résumé
L’intégration de l’intelligence artificielle dans l’enseignement supérieur transforme en profondeur les pratiques pédagogiques, en particulier dans les disciplines scientifiques. Cette intervention présente plusieurs expérimentations menées en chimie, notamment l’utilisation de systèmes de type Retrieval-Augmented Generation (RAG) dans les travaux pratiques, permettant aux étudiants d’interroger des corpus scientifiques contextualisés.
Elle met également en lumière le développement d’un assistant IA intégré à la plateforme ARCHIMED–MolSym, conçu pour accompagner l’apprentissage de la symétrie moléculaire. À travers ces exemples, une réflexion sera proposée sur les apports et les limites réels de ces outils (autonomie, personnalisation, accès au savoir).
Courte biographie
Adlane Sayede est enseignant-chercheur en chimie théorique à l’Université d’Artois et directeur du site Artois de l’Unité de Catalyse et Chimie du Solide (UCCS, UMR 8181). Ses travaux de recherche portent sur la modélisation des matériaux et le développement d’approches fondées sur l’intelligence artificielle pour la prédiction de nouveaux matériaux à visée énergétique.
Parallèlement à ses activités de recherche, il développe des outils pédagogiques innovants intégrant l’IA, notamment la plateforme ARCHIMED–MolSym dédiée à l’apprentissage de la symétrie moléculaire. Ses travaux s’inscrivent dans une démarche visant à structurer l’usage de l’intelligence artificielle comme levier d’apprentissage en chimie.
Mots clés : a2u chimie experimentation ia iag intelligence artificielle maia
