Thèse Systèmes Multi-Agents Adaptatifs et Hybridation Neuro-Symbolique pour la Co-Production de Contenus Pédagogiques. Cas d'Usage Intégration des Compétences Psychosociales à l'École Primaire H/F - Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : I3S - Informatique, Signaux et Systèmes de Sophia-Antipolis Direction de la thèse : Nadia ABCHICHE-MIMOUNI ORCID 000000161493345 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-03T23:59:59 Cette thèse propose de concevoir un système multi-agents adaptatifs (SMA) au sens de la théorie des AMAS (Adaptive Multi-Agent Systems), servant de couche de médiation entre les enseignants du premier degré et les systèmes d'intelligence artificielle , notamment, générative. L'objectif applicatif est d'assister les enseignants dans la co-production de contenus pédagogiques qui intègrent les compétences psychosociales (CPS), telles que définies par le référentiel Santé publique France (2022), dans les enseignements disciplinaires de l'école primaire.
L'originalité architecturale réside dans l'hybridation neuro-symbolique : des agents à base de grands modèles de langage (LLM) assurent la génération fluide de contenus, tandis que des composants symboliques (ontologies, raisonnement par contraintes) garantissent l'alignement sur les programmes officiels de l'Éducation nationale, la cohérence avec le référentiel CPS et l'explicabilité des décisions du système.
La validation repose sur une triple démarche : preuve formelle de conformité à la théorie AMAS, évaluation expérimentale comparative, et déploiement terrain auprès d'enseignants du premier degré. L'intégration des compétences psychosociales (CPS) dans les enseignements disciplinaires à l'école primaire constitue un enjeu reconnu de santé publique, de bien-être scolaire et de réussite éducative (Santé publique France, 2022 ; Durlak et al., 2011). Le référentiel CPS de Santé publique France (2022) définit un ensemble structuré de compétences: cognitives, émotionnelles et sociales, dont le développement dès le plus jeune âge est associé à des effets durables sur la prévention des conduites à risque, la cohésion sociale et la réussite scolaire. Cependant, cette intégration se heurte à un obstacle majeur : les enseignants du premier degré manquent de ressources, d'outils et de temps pour concevoir des séquences pédagogiques qui articulent de manière cohérente les objectifs disciplinaires (mathématiques, français, sciences, éducation physique, etc.) et le développement explicite des CPS. Les formations initiale et continue n'outillent que partiellement les enseignants sur cette dimension, et les ressources disponibles sont rares, peu adaptées au contexte de classe et difficiles à personnaliser. Par ailleurs, l'essor récent des systèmes d'intelligence artificielle générative , fondés notamment sur les grands modèles de langage (LLM) , ouvre des perspectives inédites pour la production assistée de contenus pédagogiques. Ces systèmes peuvent générer des textes, des activités et des supports en langage naturel avec une fluidité remarquable. Toutefois, utilisés directement, ils présentent des limites critiques dans un contexte éducatif : absence de garantie d'alignement sur les programmes officiels, manque de cohérence avec des référentiels structurés comme le référentiel CPS, opacité des décisions (absence d'explicabilité), risque d'hallucinations factuelles, et inadaptation aux contraintes éthiques spécifiques à l'école primaire (protection des données des mineurs, sobriété numérique).
C'est précisément pour répondre à ce défi, à savoir tirer parti de la puissance des LLM tout en compensant leurs limites par une architecture intelligente et contrôlable, que cette thèse propose de concevoir un système multi-agents (SMA) adaptatifs servant de couche de médiation entre l'enseignant et les outils d'IA générative, dans le but de co-produire des contenus pédagogiques intégrant les CPS de manière fiable, alignée et explicable.
Les approches actuelles de production de contenus pédagogiques assistée par IA reposent majoritairement sur des pipelines séquentiels d'agents (LangChain, AutoGen,LangGraph), y compris les architectures à états, ou sur des appels directs à des LLM. Ces architectures ne constituent pas de véritables systèmes multi-agents au sens de la communauté AAMAS : elles s'apparentent à des chaînes de traitements prédéfinies, sans coordination dynamique réelle, sans mécanismes de négociation ou de délibération entre agents, et sans capacité d'adaptation émergente à des situations non anticipées. Dans le contexte de la production de ressources pédagogiques intégrant les CPS, cette limitation est particulièrement problématique : la tâche implique de satisfaire simultanément de multiples contraintes hétérogènes et potentiellement conflictuelles (alignement curriculaire disciplinaire, cohérence avec le référentiel CPS, niveau développemental des élèves, contraintes éthiques, préférences de l'enseignant, contexte de classe). Aucune approche séquentielle ne peut traiter efficacement cette complexité de manière adaptative.
Les objectifs scientifiques peuvent être résumés comme suit:
. Modéliser formellement le processus de co-production de contenus pédagogiques intégrant les CPS comme un problème de coordination multi-agents.
. Concevoir une architecture SMA conforme à la théorie AMAS (théorème de la coopération) servant de médiateur entre l'enseignant et les systèmes LLM.
. Développer une approche hybride neuro-symbolique : les LLM assurent la génération en langage naturel; les composants symboliques (ontologies OWL, règles SWRL, raisonnement par contraintes) garantissent l'alignement sur les programmes officiels et le référentiel CPS, et rendent les décisions du système traçables et explicables.
. Intégrer les différents acteurs humains dans la boucle de co-régulation : enseignants (conception et validation des ressources), éducateurs périscolaires (continuité hors temps scolaire strict), inspecteurs de l'Éducation nationale (conformité institutionnelle).
. Garantir une architecture respectueuse des contraintes éthiques spécifiques à l'école primaire : traitement local des données, protection des données personnelles des mineurs, sobriété computationnelle, transparence algorithmique.
. Évaluer l'acceptabilité, l'utilisabilité et l'impact pédagogique du système auprès d'enseignants du premier degré en contexte réel.

Un(e) candidat(e) avec :
-) une solide formation en informatique / intelligence artificielle
-) une expérience (ou appétence) pour les systèmes multi-agents et les Grands Modèles de Langages
-) une expérience (ou un intérêt) pour les approches hybrides et explicables
-) une capacité à relier modélisation théorique et expérimentation de terrain
-) Sensibilité au domaine éducatif (appréciée)