Cette étude vise à rapporter une expérimentation pédagogique, dans le cadre du cours de lecture approfondie de deuxième année de spécialité français, pour explorer la conception, la mise en œuvre et l'optimisation des tâches de continuation d'écriture après lecture sous l'angle de la collaboration homme-machine. Les résultats montrent que, dans la conception des tâches, les outils d'intelligence artificielle (IA) basés sur de grands modèles de langage permettent de générer efficacement des textes contextuels, allégeant la charge des enseignants. La tâche de continuation est intrinsèquement ouverte, ce qui rend difficile l'activation ciblée de la réutilisation de certaines structures linguistiques, mais elle reflète le développement linguistique progressif des étudiants. Dans le feedback post-écriture, les outils IA manifestent un avantage d'immédiateté, mais manquent de compréhension du parcours d'apprentissage des étudiants, ce qui limite la fourniture d'orientations personnalisées. L'évaluation diagnostique des enseignants reste irremplaçable. Cette recherche recommande de combiner l'efficacité de l'IA et les connaissances pédagogiques des enseignants pour optimiser la conception des tâches de continuation après lecture et les mécanismes de feedback via une collaboration homme-machine, favorisant le développement continu des compétences linguistiques des étudiants.

tâches de continuation après lecture; cours de lecture approfondie; outils IA basés sur de grands modèles de langage; collaboration homme-machine