Rendre visible ce que les boîtes noires cachent.
Si la boîte noire est l'ennemi pédagogique, alors la mise en visibilité est l'opération pédagogique centrale. Tout ce qui n'est pas vu ne s'apprend pas. Tout ce qui est caché alimente l'effet magique. Et l'effet magique évacue précisément la question que l'on veut faire travailler à l'étudiant : comment s'y prend-on ?
Ce qui m'intéresse avec Esquisse, c'est qu'il permet la mise en visibilité des différentes étapes de travail avec l'IA. L'effet magique de l'IA, on peut croire que derrière, ça évacue la question de comment s'y prendre.
Thomas Cheneseau, Directeur pédagogique d'un réseau d'école
Le problème : la boîte noire est le mode par défaut
ChatGPT, Claude, Midjourney, Copilot : tous les outils IA grand public ont en commun d'être structurellement opaques. On voit une entrée, on voit une sortie, on ne voit rien entre les deux. Pour un étudiant qui apprend, c'est de la magie. Et la magie, on l'a dit au chapitre précédent, ne s'apprend pas. Elle s'imite, au mieux.
La même tâche IA : à gauche, opaque. À droite, manipulable.
Décomposer en blocs : la règle simple
Une seule règle : chaque étape du processus IA doit être un objet visible et manipulable, pas une étape cachée dans un agent. En construisant une chaîne explicite, bloc par bloc. Chaque bloc a son prompt, son résultat, ses dépendances, tous visibles et modifiables.
Quand l'étudiant voit que « générer une histoire avec illustration » se décompose en quatre blocs distincts — paramètres d'entrée, génération du texte, traduction du texte en description visuelle, génération de l'image — il commence à voir l'IA comme un système plutôt que comme un oracle. Et un système, ça s'apprend, ça se débogue, ça s'améliore.
Le bloc statique : le détail qui change tout
Il est essentiel de montrer aux étudiants qu'un workflow IA n'est pas que de l'IA. Il y a des étapes d'intervention humaine cruciales : choisir des sources, décider d'un ton, assembler et organiser des résultats. Le « bloc statique » est l'incarnation UI de l'idée que l'humain et l'IA interviennent chacun au bon endroit et au bon moment.
Cela apprend que l'IA n'a pas besoin d'être partout dans le flux. La compétence du designer ou du communicant, c'est de placer l'IA exactement là où elle aide, et de garder la main partout ailleurs. C'est exactement la fameuse frontière irrégulière évoquée au chapitre précédent.
Composer les flux IA pour mieux les penser : l'outil ne doit pas faire barrière
Les nodes-and-wires de Make, n8n, ou ComfyUI sont en réalités de vrais outils de programmation visuelle, qui obligent à apprendre l'outil lui-même et à le gérer avant même d'apprendre l'IA ! lls sont très peu compréhensibles pour qui apprend.
C'est pour éviter ce frein pédgaogique que Esquisse est utilisable dès les premières secondes : il suffit de savoir utiliser un hashtag, et on peut lier les blocs entre eux. Esquisse dispose les blocs comme liste linéaire plutôt qu'un canvas, pour éviter la complexité de gérer un espace à 2 dimension. Cela aise la pensée par séquence. Or c'est exactement la mécanique mentale qu'on veut installer : « d'abord ça, ensuite ça, ensuite ça ».
Apprendre l'IA, c'est apprendre à penser en séquences. Une fois la séquence acquise, l'étudiant pourra ensuite passer aux graphes complexes — pas l'inverse.
Le critère pédagogique de toute démo
Règle simple pour toute démo IA en cours, en TD, en atelier : elle doit être déconstructible. Si un étudiant demande « comment ? », vous devez pouvoir ouvrir, montrer, expliquer.
Toute démo où l'IA produit un résultat incroyable sans qu'on comprenne comment elle l'a produit alimente la boîte noire. C'est l'inverse de la pédagogie qu'on vise.
Tout est visible, tout se manipule, tout se rejoue
La mise en visibilité n'est pas une fonctionnalité d'Esquisse — c'est son principe fondateur. Toutes les décisions de conception en découlent.
- Chaque étape est un bloc. Avec son prompt, son résultat, son statut. Visible en permanence, modifiable à tout moment.
- La référence par hashtag. Pour relier deux blocs, on tape
#nomou[nom du bloc]. Pas de fils invisibles, pas de syntaxe abstraite. Si vous savez utiliser un hashtag, vous savez relier des blocs. - Vue de flux (Flow View). D'un coup d'œil, l'étudiant vérifie que son app est bien câblée — comme on relit une formule de tableur avant de la valider.
- Verrou (lock) et entrée (entry). Pour fixer un résultat (verrou) ou marquer un bloc comme point d'entrée utilisateur (entry). L'étudiant apprend à concevoir des workflows human-in-the-loop explicites.
- Outil d'auto-organisation. Un LLM classe les blocs (entrée / intermédiaire / sortie / autonome) et les réordonne par flux. L'étudiant voit comment un système IA bien architecturé est lisible.
Vu de l'étudiant, ces choix produisent une expérience cohérente : rien n'est jamais caché, tout peut être réparé, tout peut être expliqué. C'est le contraire exact de l'expérience par défaut d'un chatbot.