La recherche de mot par intelligence artificielle versus dictionnaire
Le premier programme que j’avais développé en local, pour mon propre usage, et qui pourrait être considéré comme un prototype d’Octopus T2L, était basé uniquement sur les recherches par dictionnaire. On parle seulement de 2018-2020 et les modèles d’intelligence artificielle (IA) n’étaient pas encore très performants. En quelques années, le paysage techniquement des outils d’apprentissage numérique a complètement changé grâce à l’essor de l’IA.
La recherche de mot par dictionnaire
La recherche par dictionnaire consiste à lier un mot inconnu avec une définition. Celle-ci retourne une liste de mots qui peuvent correspondre avec la recherche. Par exemple, pour un apprenant français vers la langue anglaise, « atonishment » renvoie « atonish » → étonnement, ébahissement, foudroiement. « Atonish » est aussi un verbe. C’est au lecteur de faire la gymnastique mentale pour déterminer le sens le plus approprié en fonction du contexte de lecture. Au niveau cognitif, l’effort peut être assez important, notamment dès que l’on se trouve face à une polysémie. Cet effort n’est pas un mal en soi, puisqu’il s’accompagne d’un encodage du mot en mémoire plus profond. Mais aussi, d’une forme de fatigue dans le processus de lecture dès que la difficulté du texte est éloignée du niveau de l’apprenant.
La recherche de mot par intelligence artificielle
La recherche du mot ne se fait jamais seule, mais toujours en contexte. C’est aussi un principe de base de l’apprentissage sur Octopus T2L : un mot n’est jamais appris seul, comme dans une liste de vocabulaire. Que cela soit sur les modules de répétition espacée, de dictée ou de prononciation, les mots sont systématiquement rappelés dans leur phrase.
Pour tester régulièrement les modèles d’IA, je dois admettre qu’ils ont fait des progrès fabuleux en moins d’un an. Sur l’ensemble de mes tests, je n’ai pas vu de contre-sens sur la définition renvoyée par l’IA. Le gros avantage est qu’elle permet de sortir de l’ambiguïté et de souvent proposer un autre exemple d’utilisation du mot dans un contexte similaire à celui rencontré lors de la lecture. Elle repère désormais très bien tous les faux-amis sémantiques, ce qui est un énorme avantage sur la recherche par dictionnaire : « Attention, ce mot ne peut pas signifier ceci dans ce contexte. »
L’inconvénient est que le retour est parfois très verbeux, coupant l’apprenant de son activité principale de lecture. Mais le plus problématique est la tendance à renvoyer une traduction complète, pas toujours très heureuse, de la phrase représentant le contexte. Dans un précédent article, j’avais expliqué qu’il fallait pour l’apprenant éviter de traduire en bloc, pour que l’effort mental d’assimilation des structures de la langue puisse se produire.
En conclusion, j’ai ressenti moins de fatigue en utilisant l’IA que le dictionnaire. Il est possible que l’encodage soit moins profond. Mais moins de fatigue implique aussi plus de lecture, donc un agrandissement du spectre langagier, ainsi que des probabilités plus faibles d’abandon de l’apprentissage. Dans une société où ne sommes pas entraînés à nous concentrer sur une tâche pendant un temps qui dépasse les dix minutes, je pense que la fonction « Context IA » devrait être prioritaire pour les apprenants. C’est pour cette raison que je l’ai activée par défaut sur Octopus T2L.
01 octobre 2026