Appel à communications

L’IA générative en éducation linguistique

Format hybride, 16–17 juin 2027

Justification de la colloque

Dans quelle mesure les environnements algorithmiques génératifs reconfigurent-ils les processus de socialisation linguistique, l’agentivité discursive et la construction identitaire dans les contextes contemporains d’éducation linguistique et culturelle ?

Ce colloque se concentre spécifiquement sur les contextes d’éducation linguistique, l’enseignement des langues premières, secondes ou additionnelles, la littératie académique et la didactique des langues et des discours, dans des contextes majoritaires, minoritaires ou marginalisés. Il vise à examiner comment les environnements génératifs transforment les pratiques et les processus d’enseignement et d’apprentissage du langage, ainsi que les dynamiques d’agentivité, d’identité et de socialisation linguistique des apprenants et des enseignants.

La prolifération rapide des systèmes d’intelligence artificielle générative dans les établissements scolaires et universitaires transforme profondément l’apprentissage des langues, les pratiques discursives, les modalités d’évaluation et, plus largement, les conditions de production des savoirs. Si les premiers débats ont principalement porté sur des enjeux normatifs et réglementaires (intégrité académique, encadrement des usages), les recherches récentes s’orientent de plus en plus vers les implications cognitives, identitaires et sociopolitiques de ces technologies.

En linguistique appliquée et en sciences de l’éducation, l’apprentissage des langues est depuis longtemps envisagé non comme une simple acquisition de structures linguistiques, mais comme un processus inscrit dans des dynamiques de socialisation, d’interaction et de construction identitaire (Maccoby, 2014 ; Maturana, 1975 ; Loewen & Sato, 2017 ; Vygotsky et al., 1967 ; Gee, 2012 ; Norton, 2014 ; Norton & Toohey, 2011). Ces processus, façonnés par des conditions situées et matérielles, constituent des piliers fondamentaux de l’enseignement et de l’apprentissage linguistique et culturel (Atkinson, 2011 ; van Lier, 2010 ; Long, 2016 ; Ellis et al., 2019). Dans les contextes de langues secondes, ils se déclinent notamment à travers des référentiels de compétence allant d’actes communicatifs élémentaires à des formes discursives complexes (Piccardo et al., 2019 ; Jezak, 2017).

L’émergence des modèles de langage de grande taille (LLM) reconfigure ces dynamiques au sein d’environnements numériques et algorithmiques. L’IA générative influe sur les processus cognitifs, émotionnels, discursifs et argumentatifs, ainsi que sur les régimes d’autorisation du savoir (Defays, 2018 ; El Bahlouli, 2024 ; Chapelle, 2024 ; Kurt & Kurt, 2024 ; Huettig & Christiansen, 2024). Si certaines études mettent en évidence des effets positifs (développement lexical, acquisition grammaticale, engagement), d’autres soulignent des risques liés à la délégation cognitive et à la transformation des formes d’engagement (Barcaui, 2025 ; Zhai et al., 2024), voire à un affaiblissement cognitif associé à des usages prolongés (MIT).

Sur le plan sociolinguistique, les interactions humain–IA constituent des espaces de négociation du pouvoir, de l’identité et de l’agentivité (Lim & Darvin, 2026). Les inégalités d’accès aux ressources numériques influencent les capacités d’appropriation critique, tandis que les productions algorithmiques peuvent véhiculer des idéologies implicites et orienter les modes de pensée et d’action. Ces dynamiques sont étroitement liées aux dispositions individuelles, aux environnements familiaux et aux contextes socioculturels.

D’un point de vue sociopolitique, l’IA peut être appréhendée comme un « registre de pouvoir » (Crawford, 2021), inscrit dans les logiques du capitalisme de plateforme et participant à la reproduction des inégalités sociales et symboliques (Kelly-Holmes, 2024 ; Wang et al., 2025 ; Buolamwini & Gebru, 2018 ; Gebru, 2019). Ces logiques favorisent des formes linguistiques standardisées et monolingues, tout en renforçant des biais anglocentrés et épistémiques aux niveaux sémantique, syntaxique et pragmatique (Rastier, 2025 ; Schneider, 2022, 2024 ; Beacco et al., 2021 ; Dejica et al., 2016 ; Raus, 2022).

Ces enjeux sont particulièrement saillants dans les contextes multilingues et autochtones. Au Canada, où de nombreuses langues autochtones sont en situation critique, la revitalisation linguistique est indissociable de questions d’épistémologie, de souveraineté communautaire et de continuité culturelle. Ces langues, porteuses d’ontologies relationnelles, invitent à repenser les paradigmes dominants de l’IA fondés sur la standardisation et l’extraction de données, au profit d’approches éthiques et communautaires respectueuses de la souveraineté des données.

Dans leur ensemble, ces travaux montrent que l’IA générative constitue moins un simple outil pédagogique qu’un environnement socio-technique et culturel reconfigurant les conditions cognitives, linguistiques, identitaires et politiques de la production et de la circulation des savoirs. Ils soulignent également la nécessité de repenser la littératie numérique critique à l’aune des logiques probabilistes, des infrastructures et des régimes d’autorité algorithmique. Toutefois, les recherches empiriques sur la socialisation et la construction identitaire médiatisées par l’IA demeurent encore limitées.

Ce colloque porte spécifiquement sur l’éducation linguistique (langues premières, secondes ou additionnelles, littératie académique, didactique du discours) dans des contextes majoritaires, minoritaires et marginalisés, incluant les langues autochtones. Il vise à favoriser le dialogue entre linguistique appliquée, didactique critique des langues, études du discours numérique et recherches sur l’IA.
 

Thèmes clés et dates importantes

Thèmes clés

  • Linguistic socialization in generative environments
  • Discursive agency and power relations
  • Identity construction in AI-mediated contexts
  • Teaching and learning practices in language education
  • Academic literacy and discourse didactics
  • Language education in minority and marginalized contexts

Dates importantes

  • Date limite de soumission des résumés : 30 septembre 2026
  • Notification d’acceptation : 30 novembre 2026
  • Dates du colloque : 16–17 juin 2027

Président

Président de la conférence

  • Banafsheh Karamifar, Université Laurentienne

Coprésidents

  • David Hung, Université Laurentienne
  • Taryn Michel, Université Laurentienne

Assistant de recherche

  • Boko Toussaint

Comités

Comité scientifiques

(susceptible d’être amplifié) 

  • Sophia Bello, Université de Toronto
  • Emily Caruso Parnell, Université Laurentienne
  • Sheri Cecchetto, Université Laurentienne
  • Reza Farzi, Université d’Ottawa
  • Banafsheh Karamifar, Université Laurentienne
  • Geoff Lawrence, Université York
  • Taryn Michel, Université Laurentienne
  • Andrea Valente, Université York 

Comité d’organisation

  • Banafsheh Karamifar
  • David Hung
  • Taryn Michel
  • Boko Toussaint

Soumettre une proposition

Langues du colloque

Le colloque est trilingue (français, anglais, langues autochtones). 

Les communications peuvent être présentées dans l’une ou l’autre de ces langues.

Les communications peuvent être présentées en français, en anglais ou dans une langue autochtone ; le cas échéant, les présentateurs sont encouragés à fournir des traductions ou des supports facilitant l’accessibilité.

Immeuble Parker avec passage piéton « Pride »

Références

Consulter les références

Atkinson, D. (2011). Alternative approaches to second language acquisition (1st ed.). Routledge.

Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual review of psychology, 52(1), 1-26.

Barcaui, A. (2025). ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention. Social Sciences & Humanities Open, 12, Article 102287. https://doi.org/10.1016/j.ssaho.2025.102287

Chapelle, C. A. (2024). Open generative AI changes a lot, but not everything. The Modern Language Journal, 108(2), 534–540. https://doi.org/10.1111/modl.12927

Chen, Q. Q., & Yi, Y. (2024). Mindsets and mirrors: How growth mindsets shape anthropomorphism in AI-enabled technologies. Psychology & Marketing, 41(12), 3072–3090. https://doi.org/10.1002/mar.22108

Chen, A., Zhang, Y., Jia, J., Liang, M., Cha, Y., & Lim, C. P. (2025). A systematic review and meta-analysis of AI-enabled assessment in language learning: Design, implementation, and effectiveness. Journal of Computer Assisted Learning, 41(1). https://doi.org/10.1111/jcal.13064

Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press.

Dai, L., & Wu, F. (2025). An AI-powered conversational system for college students learning English as a second language. Education and Information Technologies, 30(16), 23393–23417. https://doi.org/10.1007/s10639-025-13640-3

Darvin, R. (2025). Identity and investment in the age of generative AI. Annual Review of Applied Linguistics, 45, 10–27. https://doi.org/10.1017/S0267190525100135

Defays, J.-M. (2018). Chapitre I. Analyser les enjeux, les principes et le cadre de la didactique des langues et des cultures. In Enseigner le français – Langue étrangère et seconde (pp. 11–26). Mardaga.

El Bahlouli, Y. (2024). L’impact pédagogique des agents conversationnels en éducation : revue de littérature scientifique. Le Français aujourd’hui, 226(3), 27–38. https://doi.org/10.3917/lfa.226.0027

Ellis, R., Skehan, P., Li, S., Shintani, N., & Lambert, C. (2019). Task-based language teaching: Theory and practice. Cambridge University Press.

Gee, J. P. (2012). Social linguistics and literacies: Ideology in discourses (4th ed.). Routledge.

Huettig, F., & Christiansen, M. H. (2024). Can large language models counter the recent decline in literacy levels? An important role for cognitive science. Cognitive Science, 48(8), e13487. https://doi.org/10.1111/cogs.13487

Jezak, M. (2017). Language is the key: the Canadian language benchmarks model (M. Jezak, Ed.; 1st ed.). University of Ottawa Press / Les Presses de l’Université d’Ottawa.

Karamifar, B., & Valente, A. (2026). Artificial Intelligence and Discourse: Volume 2, Critical Views of AI Integrated Communication. Springer Nature Switzerland. https://doi.org/10.1007/978-3-032-07761-5

Kelly-Holmes, H. (2024). Artificial intelligence and the future of our sociolinguistic work. Journal of Sociolinguistics, 28(5), 3–10. https://doi.org/10.1111/josl.12678

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks. arXiv. https://doi.org/10.48550/arXiv.2506.08872

Kurt, G., & Kurt, Y. (2024). Enhancing L2 writing skills: ChatGPT as an automated feedback tool. Journal of Information Technology Education, 23, 24. https://doi.org/10.28945/5370

Levy, M. (2024). Computer-assisted language learning: Context and conceptualization. Clarendon. https://doi.org/10.1093/oso/9780198236320.001.0001

Lim, K. Y., & Darvin, R. (2026). Critical digital literacies, generative AI, and the negotiation of agency in human-AI interactions. System, 136, Article 103904. https://doi.org/10.1016/j.system.2025.103904

Loewen, S., & Sato, M. (Eds.). (2017). The Routledge handbook of instructed second language acquisition. Routledge.

Long, M. H. (2016). Second language acquisition and task-based language teaching. Wiley Blackwell.

Maccoby, E. E. (2014). Historical overview of socialization: Research and theory. In P. D. Hastings & J. E. Grusec (Eds.), Handbook of Socialization. Guilford Publications.

Maturana, H. R. (1975). The organisation of the living: A theory of the living organisation. International Journal of Man–Machine Studies, 7(3), 313–332.

Norton, B. (2014). Identity and language learning: Extending the conversation (2nd ed.). Multilingual Matters. https://doi.org/10.21832/9781783090563

Norton, B., & Toohey, K. (2011). Identity, language learning, and social change. Language Teaching, 44(4), 412–446. https://doi.org/10.1017/S0261444811000309

Piccardo, E., North, B., & Goodier, T. (2019). Broadening the scope of language education: Mediation, plurilingualism, and collaborative learning: The CEFR Companion Volume. Je-LKS, 15(1). https://doi.org/10.20368/1971-8829/1612

van Lier, L. (2010). The ecology of language learning: Practice to theory, theory to practice. Procedia - Social and Behavioral Sciences, 3, 2–6. https://doi.org/10.1016/j.sbspro.2010.07.005

Wang, Y. (2025). Reducing anxiety, promoting enjoyment and enhancing overall English proficiency: The impact of AI-assisted language learning in Chinese EFL contexts. British Educational Research Journal. https://doi.org/10.1002/berj.4187

Xu, G., Yu, A., & Liu, L. (2025). A meta-analysis examining AI-assisted L2 learning. International Review of Applied Linguistics in Language Teaching. https://doi.org/10.1515/iral-2024-0213

Vygotskiĭ, L. S., Hanfmann, E., & Vakar, G. (1967). Thought and language. M.I.T. Press, Massachusetts Institute of Technology. 

Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), Article 28. https://doi.org/10.1186/s40561-024-00316-7