La notion est au programme, la date de la séance approche — et le manuel ne propose qu’une batterie d’exercices fermés : appliquer, calculer, compléter. Pour que les élèves entrent vraiment dans les apprentissages, il faudrait autre chose : une vraie situation-problème, une question qui résiste et qui donne envie de chercher. Or construire ce type d’énoncé prend du temps — trouver le prétexte juste, calibrer les données, écrire une question ouverte — et ce temps, personne ne l’a.
C’est exactement le genre de tâche où l’IA peut travailler en coulisses, à condition de placer la frontière au bon endroit. Notre guide complet sur la préparation de cours avec l’IA pose déjà la règle : l’outil gère la partie mécanique, l’enseignant garde les décisions pédagogiques. Pour les situations-problèmes, elle tient en une phrase : l’IA écrit des propositions d’énoncés, vous décidez du problème.
Voici quatre prompts copier-coller : transformer une notion en problème de recherche, l’ancrer dans le contexte réel de votre école, le décliner en trois niveaux, puis le fiabiliser avant la séance.
⚡ L’Essentiel en 30 secondes
Le partage des rôles en 3 temps :
- Vous choisissez et cadrenez — la notion visée, l’obstacle à installer, le contexte réel de votre école
- L’IA génère — des propositions d’énoncés ancrées dans ce contexte, paramétrables et déclinables
- Vous validez — test du scénario, ajustement des variables, décision de lancer la recherche
Ce que l’IA ne remplace pas : l’ingénierie didactique. Le choix de la notion, l’anticipation des procédures des élèves et la conduite de la séance restent humains, sans exception.
Principe : l’IA travaille en amont, dans votre préparation. Les élèves du primaire ne dialoguent jamais avec elle — ils cherchent, vous accompagnez.
Le problème : des notions qui arrivent sans problème
Ouvrez un manuel de maths au chapitre des longueurs : une leçon, puis des exercices où il suffit d’appliquer. Rien ne fait problème — l’élève exécute une technique qu’on vient de lui montrer. En sciences, même schéma : le cycle de l’eau est présenté, étiqueté, à restituer. La notion est là, mais la question qui lui donne son sens manque.
Une situation-problème fonctionne dans l’autre sens. On part d’un vrai problème à résoudre — délimiter le potager de l’école sans mesurer chaque côté, comprendre pourquoi une grille chauffe au soleil — et la notion devient l’outil qui débloque. C’est le cœur de la démarche d’investigation : une question qui résiste, des hypothèses, des essais, des confrontations, puis une institutionnalisation qui tombe à point nommé.
Le vrai frein, c’est le coût de construction. Trouver le contexte qui sonne juste, choisir les variables didactiques, écrire un énoncé qui ne livre pas la méthode par accident : c’est un travail d’orfèvre, qu’on n’a ni le temps ni l’énergie de refaire pour chaque notion. Résultat, on retombe sur l’exercice fermé — et la recherche disparaît du créneau.
L’angle IA : ancrer l’énoncé dans votre concret
L’IA n’invente pas la didactique — elle accélère l’écriture des énoncés. Vous lui fournissez une notion du programme et un contexte réel (votre cour, votre jardin scolaire, la cantine, le marché du quartier, un projet de classe en cours) ; elle propose des situations où ce contexte sert le problème : des données cohérentes, une question ouverte, un décor que vos élèves reconnaissent. L’outil permet aussi de changer une contrainte — un budget, une dimension, un matériel disponible — et de régénérer des variantes sans tout réécrire.
C’est le complément naturel des exercices d’entraînement. Là, l’IA vous aide à produire des exercices différenciés pour la phase d’application ; ici, elle construit le problème de recherche qui donne du sens à la notion avant l’entraînement. Les deux se succèdent dans une séquence, ils ne se remplacent pas.
Et toujours la même règle de placement : la machine prépare, en amont, dans votre cartable numérique. La séance, elle, reste entre vos mains.
Qui fait quoi : la frontière qui compte
La règle tient en une phrase : l’IA rédige des propositions, vous décidez du problème.
De votre côté : choisir la notion, l’obstacle visé, le contexte. C’est vous qui savez si le potager existe vraiment, si la question est accessible au niveau visé, quelles procédures vos élèves vont tenter — et ce qu’elles vaudront comme levier vers la notion. Cette anticipation, le cœur de l’analyse a priori, n’est pas délégable.
De son côté : générer des énoncés complets, varier les contextes, ajuster les variables didactiques, décliner un même problème en plusieurs niveaux. Elle produit de la matière à trier, pas des séances prêtes à l’emploi.
La ligne rouge, enfin : l’élève du primaire ne dialogue jamais directement avec une IA. La situation-problème se joue entre les élèves, leurs hypothèses et vous. L’IA n’y participe pas — elle a tout fait avant, dans votre préparation. Et l’évaluation de la recherche reste humaine, du début à la fin.
Quand une proposition ancre l’énoncé dans un décor qui n’existe pas chez vous, une seule conduite : la modifier ou l’écarter. Le contexte vrai n’est pas un gadget : c’est ce qui rend le problème désirable.
Les 4 prompts à copier
Les quatre prompts suivent la même logique : vous fournissez notion, contexte et contraintes, l’IA propose, vous testez et tranchez. Remplacez les crochets, collez le tout dans l’outil de votre choix. Rien ne part en séance sans votre validation.
1. Transformer une notion en problème de recherche
Tu es un professeur des écoles expérimenté, formé à la démarche d’investigation. Je prépare une situation-problème pour introduire une notion et je cherche un vrai problème de recherche, pas un exercice d’application.
Niveau : [ex : CE2] Notion du programme : [ex : le périmètre] Contexte de mon école : [DÉCRIRE UN CADRE RÉEL : cour, jardin, cantine, matériel disponible, projet de classe en cours]
Propose :
- 3 situations-problèmes différentes : chacune part d’un problème concret que la notion permet de résoudre, formulé comme une question que les élèves peuvent se poser
- Pour chacune : l’accroche (la mise en problème, en 2-3 phrases), la question de recherche, ce qui doit résister (pourquoi la réponse n’est pas immédiate), la notion qui en sort
- Interdit : l’énoncé qui contient déjà la méthode, la question fermée à réponse unique immédiate, le décor sans lien avec la notion
Indique pour chaque proposition l’obstacle visé, pour que je choisisse en connaissance de cause.
Vous choisissez la situation qui colle à votre classe — les deux autres attendront une autre notion.
2. Ancrer l’énoncé dans le quotidien de vos élèves
Tu es un professeur des écoles expérimenté. J’ai une situation-problème dont le principe me plaît, mais l’énoncé est générique (« une ferme », « une piscine municipale »). Je veux l’ancrer dans le quotidien réel de mes élèves pour que le problème devienne le leur.
Énoncé actuel : [COLLER L’ÉNONCÉ]
Mon contexte réel : [DÉCRIRE : environnement de l’école, lieux fréquentés par les élèves, projets en cours, contraintes matérielles]
Réécris l’énoncé pour que :
- Le décor soit le nôtre : lieux, matériel et quantités renvoient à notre école ou à notre environnement proche
- Les données soient plausibles : cohérentes avec le contexte décrit — marque par [À VÉRIFIER] toute valeur que je dois confirmer sur place
- La question reste ouverte : l’ancrage ne doit pas transformer le problème en exercice guidé
- Le vocabulaire soit accessible : adapté au niveau, sans jargon non travaillé
Fournis l’énoncé final, prêt à projeter, suivi de la liste des points à vérifier.
Deux minutes de relecture valent mieux qu’un décor que personne ne reconnaît.
3. Décliner le même problème en trois niveaux
Tu es un professeur des écoles expérimenté, habitué à la différenciation. J’ai validé une situation-problème et je veux la décliner en trois niveaux pour que tous les élèves cherchent sur le même problème, à des profondeurs différentes.
Situation validée : [COLLER L’ÉNONCÉ]
Niveau : [ex : CM1] Notion visée : [ex : les fractions]
Génère :
- Niveau 1 — pour accéder : mêmes enjeu et contexte, données plus simples ou plus concrètes, une étape de recherche à la fois
- Niveau 2 — le cœur du problème : l’énoncé de référence, tel que validé
- Niveau 3 — pour prolonger : une contrainte supplémentaire qui complexifie la recherche (condition ajoutée, généralisation, question inversée)
- Un contrôle final : vérifie que les trois niveaux restent le MÊME problème — même question, même notion ; seule la profondeur de recherche change
Format : trois énoncés distincts, prêts à distribuer, chacun suivi d’une phrase précisant la variable didactique modifiée.
Le problème reste commun — c’est la recherche qui s’ajuste, pas les élèves.
4. Fiabiliser l’énoncé avant la séance
Tu es un inspecteur pédagogique exigeant, spécialiste des situations-problèmes. Voici l’énoncé que je m’apprête à lancer en classe. Relis-le comme si tu voulais éviter une séance ratée.
Mon énoncé : [COLLER L’ÉNONCÉ]
Niveau et notion : [ex : CE1 — la monnaie] Effet recherché : [ex : provoquer des essais de dénombrement, puis le besoin d’un outil pour s’y retrouver]
Vérifie et signale :
- Faisabilité : les données sont-elles complètes et cohérentes ? Y a-t-il une information manquante ou contradictoire qui bloque la recherche ?
- Vraie question de recherche : la réponse n’est-elle pas trop immédiate ? L’énoncé ne donne-t-il pas déjà la méthode ?
- Piège numérique : ordres de grandeur irréalistes, calculs hors de portée du niveau, valeurs impossibles à manipuler en classe
- Ambiguïtés : les tournures qui peuvent être comprises autrement que prévu
- Décor : ce qui sonne artificiel ou plausible seulement en apparence
Format : un mini-rapport (OK ou à revoir, avec la raison), puis une liste des corrections possibles. Ne réécris rien : tu signales, je corrige et je décide.
Cinq minutes de contrôle qui évitent l’énoncé qui plombe la séance.
Limites honnêtes
L’IA ne connaît pas vos élèves. Elle n’a pas vu ce qui les accroche, ignore vos habitudes de travail et l’histoire de votre classe. Nourrie d’un contexte vague, elle rend des énoncés génériques — exactement ce qu’on cherchait à fuir. La précision de votre description de contexte conditionne la qualité du résultat.
Le contexte doit être vrai. L’IA peut habiller un énoncé d’un décor plausible… inventé. Un jardin qui n’existe pas, un prix irréaliste, et le problème perd sa force d’ancrage. Vérifiez chaque élément concret avant la séance : le prompt 2 est fait pour cela.
La situation-problème ne se réduit pas à son énoncé. Anticiper les procédures, prévoir les variables, préparer l’institutionnalisation : cette analyse a priori reste votre travail didactique. Un bon énoncé ne suffit pas — c’est la conduite de la séance qui fait la recherche.
L’IA reste en coulisses. Les élèves du primaire ne dialoguent jamais avec elle : ils cherchent entre eux, avec le matériel et vos questions. Et l’analyse de leurs productions comme le feedback restent humains, sans exception.
FAQ
Quelle différence avec la création d’exercices différenciés ?
La place dans la séquence. La situation-problème ouvre la notion : elle crée le besoin, le problème dont la notion sera la solution. Les exercices différenciés arrivent ensuite, pour la phase d’entraînement et d’application. L’IA sert les deux temps, avec des prompts différents — et les deux se succèdent dans une même séquence cohérente.
L’IA peut-elle inventer un contexte pour ma classe ?
Elle peut, mais ne le lui demandez pas. Un contexte inventé par la machine ressemble à un contexte réel sans l’être — et les élèves sentent l’artifice. Décrivez votre école, vos lieux, votre matériel : plus vos informations sont concrètes, plus l’énoncé devient le vôtre. Ce que l’IA fait bien, c’est mettre votre contexte en problème, pas lui en substituer un.
Peut-on faire dialoguer les élèves avec l’IA pendant la recherche ?
Non. Au primaire, l’IA ne se présente jamais aux élèves : elle a tout fait en amont, dans la préparation. Pendant la séance, la recherche se joue entre pairs, avec le matériel et vos questions d’étayage. Une fois les travaux rendus, l’analyse et le feedback restent humains — l’IA n’évalue pas la recherche de vos élèves.
Dans quelles disciplines cette méthode fonctionne-t-elle ?
Partout où une notion répond à un problème : en mathématiques (mesure, nombres, géométrie, gestion de données) comme en sciences et technologie, où la démarche d’investigation s’y prête directement. Mais aussi en EMC ou en géographie, quand une question vraie peut lancer le travail. La condition reste la même : une question qui résiste avant l’outil qui la résout.
Conclusion
Construire une situation-problème ne demande pas trois soirées de recherche documentaire. Le partage est simple : vous choisissez la notion, le contexte et l’obstacle ; l’IA écrit des énoncés ancrés dans votre réel, paramétrables et déclinables ; vous testez, ajustez et décidez. L’IA propose, le prof dispose. Testez le premier prompt sur votre prochaine notion : si la question fait lever des hypothèses dès la première minute, vous tenez un réflexe pour toute l’année.
Aller plus loin
- 📘 Préparer ses cours avec l’IA : guide complet — La page pilier pour intégrer l’IA dans toute votre préparation
- 📘 Calcul mental : fiches et séries graduées avec l’IA — l’automatisation du calcul, complément du « chercher ».
- ✏️ Créer des exercices différenciés avec l’IA — L’entraînement qui suit la recherche, en 3 niveaux
- 🧗 Élèves rapides : créer de vrais défis de complexification avec l’IA — Prolonger la situation-problème pour ceux qui vont plus loin
- 🗓️ Améliorer une séquence pédagogique avec l’IA — Insérer la situation-problème dans une séquence cohérente
- 🧪 Séquences de sciences avec l’IA : investigation et protocoles — Le protocole expérimental qui prolonge la recherche