ChatGPT et Gemini dans la formation QA : l’expérience d’un auteur de cours Stepik pour débutants

Artem Rusov, auteur de cours de testing sur Stepik et Udemy, a partagé comment il intègre l'IA dans l'enseignement aux débutants. Selon son expérience, les modèles ne remplacent pas les cours traditionnels mais les élargissent : ils aident à construire des environnements d'apprentissage personnalisés, générer des exercices et offrir aux étudiants une pratique plus vivante.

Bac à sable d'apprentissage personnalisé

Un tournant pour l'auteur s'est produit en 2023, quand sans expérience profonde en programmation, il a construit un bac à sable complet pour son cours principal en utilisant ChatGPT. Il ne s'agit pas simplement d'un ensemble de maquettes, mais d'un système complet avec frontend, backend, documentation, maquettes et base de données. Pour un instructeur de testing manuel, cela s'est avéré être bien plus qu'une simple démonstration impressionnante des capacités de l'IA—c'était un moyen de créer un environnement parfaitement aligné avec la logique du cours et indépendant des limitations externes.

Cette approche a rapidement révélé des avantages pratiques. Un instructeur peut intégrer les bugs nécessaires, corriger rapidement les problèmes trouvés et construire des scénarios qui testent vraiment les compétences plutôt que la simple capacité à compléter un entraîneur spécifique. Selon Rusov, les étudiants travaillent non dans une enveloppe stérile d'apprentissage mais dans un système ressemblant à un produit réel.

Un bonus supplémentaire pour l'auteur du cours lui-même—croissance de l'expertise personnelle : quand vous construisez un service éducatif vous-même, vous commencez à bien mieux comprendre le code, l'infrastructure et les processus de livraison.

Génération d'exercices et RAG L'étape suivante consiste à déplacer

l'IA de la préparation du cours vers l'expérience utilisateur réelle. Rusov développe actuellement une nouvelle version d'entraîneurs dans Gemini, où les étudiants peuvent générer des exercices illimités dans la même interface et selon le même modèle. Ce n'est plus une histoire d'expérience unique : pour que tout fonctionne avec de grands volumes de requêtes, il faut penser aux clés API, aux plateformes cloud et à la résilience du système sous charge.

• Bac à sable personnalisé aligné avec le programme du cours Entraîneurs basés sur navigateur pour les exigences, SQL, DevTools et la détection d'erreurs Exercices avec évaluation par LLM et rétroaction automatique Recherche RAG dans une base de connaissances organisée plutôt que générée aléatoirement Génération d'illustrations et d'enveloppe narrative pour le cours En parallèle, l'auteur maîtrise RAG pour que les étudiants trouvent des réponses non dans les sorties arbitraires des modèles mais dans une base de connaissances présélectionnée. Suivant la même logique, le cours inclut maintenant des exercices où l'IA évalue des réponses détaillées, attribue des points et fournit des commentaires. Un tel outil, développé avec un collègue, est intégré dans une plateforme éducative via un panneau d'administration et iframe. Mais Rusov clarifie immédiatement les limites de l'approche.

"En éducation, il est important de ne pas faire de mal."

Gamification sans foi aveugle Une autre direction est l'emballage visuel et narratif du cours.

L'auteur raconte comment il a transformé sa mascotte de longue date, une artichaut, en un personnage nommé Arty : quelqu'un qui voyage à travers les civilisations anciennes et teste les APIs. Pour ce scénario, il collecte des bacs à sable séparés et des images générées via Nano Banana. L'idée n'est pas la décoration pour la décoration elle-même, mais de rendre le cours plus mémorable et d'avoir l'air d'un produit cohérent plutôt qu'une collection de leçons et de tests déconnectés.

En même temps, Rusov n'oppose pas l'IA aux formats d'apprentissage traditionnels. Les tests ordinaires, les exercices d'appariement, la reconstruction chronologique et les exercices de remplissage des blancs n'ont nulle part disparu, et tous les textes créés avec des modèles sont soigneusement examinés, modifiés et vérifiés manuellement. Sa thèse principale est simple : vous ne pouvez pas générer en masse du "AI slop" parce que l'auteur est responsable de chaque fragment du cours.

Dans ce schéma, l'IA n'est pas un remplacement de la méthodologie mais un outil qui ne fonctionne que dans des limites claires et avec une supervision éditoriale.

Ce que cela signifie

Le cas de Rusov montre que l'IA dans l'éducation en ligne commence à apporter de la valeur non au niveau des slogans mais dans les éléments spécifiques du produit : des bacs à sable et de l'évaluation des réponses aux entraîneurs personnalisés et aux couches visuelles. Mais l'avantage n'émerge que là où l'auteur du cours conserve la responsabilité du contenu, de la qualité et de la logique pédagogique plutôt que de tout externaliser à la génération.