⚡ Diagnostic IA · 2025

Où en est votre institution
face à l'IA générative ?

Un outil de diagnostic fondé sur l'analyse de 39 sources : universités francophones et anglo-saxonnes, rapports nationaux (CNPEN, Ofis, ANSSI, TEQSA) et organismes internationaux (UNESCO, UE). 14 dimensions clés, 5 niveaux de maturité, recommandations personnalisées par IA.

Commencer le diagnostic → Voir comment ça marche

sources analysées

dimensions clés

~25'

pour compléter

Score global de maturité

64%

Structuration

Risques IA

78%

Intégrité

62%

Formation

55%

Données

42%

Écologie

35%

Gouvernance

22%

Pourquoi ce diagnostic

Un outil fait pour les décideurs
de l'enseignement supérieur

Conçu pour les VP Formation, responsables numériques et directions d'établissements qui ont besoin d'un état des lieux factuel pour agir.

📊

Fondé sur la recherche

Basé sur l'analyse de 39 sources : universités francophones (Paris 1, Toulouse, Tours, Montpellier, Liège, Mons, UNIGE, Cégep Vieux Montréal, HEC Montréal…) et anglo-saxonnes (Harvard HGSE, MIT, Stanford, Columbia, UNSW, Sydney…), rapports nationaux (CNPEN, Ofis, ANSSI, TEQSA) et internationaux (UNESCO, Commission européenne) · 2023–2026.

🎯

Diagnostic précis et actionnable

14 dimensions pondérées, scores détaillés par dimension, plan d'action priorisé. Pas de vague «recommandation générale».

✨

Conseils IA personnalisés

Claude génère des recommandations adaptées à votre type d'institution, votre pays et vos scores, avec des exemples d'établissements similaires.

📥

Export PDF professionnel

Générez un rapport de direction complet avec scores, radar, et recommandations IA. Prêt à partager avec votre gouvernance.

🔒

Anonyme et souverain

Aucune donnée n'est conservée. L'outil peut être déployé en local sur votre infrastructure avec votre propre clé API.

🌍

Contexte francophone

Adapté aux contextes institutionnels français, suisse, belge et québécois. Les recommandations IA citent des exemples locaux pertinents.

En 4 étapes

Comment ça marche

Contextualiser

Renseignez le type, la taille et le pays de votre institution pour personnaliser le diagnostic.

Évaluer

Répondez à 56 questions en ~25 minutes. 5 niveaux de maturité par question.

Analyser

Visualisez vos scores par dimension sur un radar et recevez des conseils IA personnalisés.

Exporter

Téléchargez un rapport PDF complet à présenter à votre direction ou conseil d'administration.

Le référentiel

14 dimensions mesurées

Chaque dimension correspond à un invariant identifié dans le corpus international. Le % indique le taux de consensus (recalculé sur les 39 sources).

🎓

Formation, sensibilisation et acculturation

Formation de toute la communauté universitaire (étudiants, enseignants, personnel) aux enjeux et usages responsables de l'IA

85% consensus — INVARIANT LE PLUS FORT

📋

Transparence et déclaration d'usage

Obligation de déclaration précise et documentation systématique de l'usage IA dans les travaux et publications

77% consensus · 100% US/AU

🔒

Protection des données et confidentialité

Respect du RGPD, protection de la vie privée, sécurité des données sensibles dans les usages IA

74% consensus

✋

Responsabilisation des acteurs

Responsabilité individuelle pleine et entière sur l'usage IA et les productions qui en découlent

74% consensus · 100% US/AU

⚖️

Intégrité académique et scientifique

Prévention de la fraude (étudiants), respect des règles de publication (chercheurs) et préservation de l'authenticité

62% consensus

⚠️

Conscience des risques (biais, hallucinations)

Sensibilisation aux erreurs factuelles, biais discriminatoires et limites techniques des modèles d'IA générative

56% consensus

📝

Réforme des évaluations

Adaptation systématique des évaluations à l'ère IA : niveaux d'autorisation, valorisation du processus, défense orale, deux voies

47% consensus · 80% US/AU

🔍

Esprit critique et vérification systématique

Formation à la vérification systématique, au croisement des sources et au regard critique sur les productions de l'IA

44% consensus

🧠

Littératie IA et compétences numériques

La compétence IA traitée comme savoir fondamental, intégrée aux référentiels et préparant à la vie professionnelle

38% consensus · 70% US/AU

🌱

Sobriété numérique et écologie NOUVEAU

Conscience et maîtrise de l'empreinte environnementale des usages d'IA générative — sensibilisation, sobriété, mesure

36% consensus · Présence forte dans le corpus francophone récent

🤖

L'IA comme assistant et non substitut

L'IA comme assistant à l'apprentissage, jamais comme substitut à la réflexion ; échelles graduées d'usage

31% consensus · 80% US/AU

🤝

Équité, inclusion et accessibilité

Égalité d'accès aux outils IA, lutte contre les biais discriminatoires et accessibilité (handicap, langues, niveaux)

31% consensus

❤️

Centralité de la relation pédagogique humaine

Préservation de la relation pédagogique humaine, du libre arbitre et du jugement professionnel face à la médiation IA

28% consensus

🏛️

Gouvernance et pilotage du dispositif NOUVEAU

Existence et maturité des instances de pilotage IA — comité dédié, composition pluridisciplinaire, rythme de révision

18% consensus · Marqueur de maturité

Propulsé par Claude

Des conseils qui vont
au-delà des généralités

Chaque diagnostic génère des recommandations uniques : adaptées à votre profil institutionnel, à votre pays, à vos points faibles spécifiques — avec des exemples concrets d'établissements similaires.

🎯

Analyse contextuelle — Tient compte du type, de la taille et du pays de l'institution pour situer les résultats dans leur contexte.

🏛️

Exemples réels — Cite des institutions ayant réussi des transformations similaires : UNIL, Sciences Po, UCLouvain, Université de Montréal…

⚡

Quick win immédiat — Une action concrète démarrable cette semaine, sans budget supplémentaire.

Exemple de conseil généré

ANALYSE CONTEXTUELLE Votre université de taille moyenne (5 000–15 000 étudiants) en Suisse affiche un score global de 48%, cohérent avec le profil moyen des HES de la région. La dimension la plus critique — protection des données — reflète un défi commun dans les institutions qui n'ont pas encore déployé de solution IA souveraine. PRIORITÉ 1 — Protection des données (28%) Lancez un audit RGPD-IA avec votre DPO dans les 30 prochains jours. L'UNIL a publié en 2024 une matrice d'évaluation des outils IA open source, réutilisable directement. QUICK WIN — CETTE SEMAINE Diffusez une note interne de 1 page : «Ne jamais entrer de données étudiants dans ChatGPT ou outils publics». Modèle disponible auprès de la CRUS.

Où en est votre institutionface à l'IA générative ?

Un outil fait pour les décideursde l'enseignement supérieur