- ▸ Le constat
- ▸ La thèse
- ▸ Argument 1 : le prompt comme contrat pédagogique
- ▸ Argument 2 : ce que le code force à comprendre
Stanford, avril 2025. Un fichier discret est ajouté au dépôt GitHub du cours CS336 « Language Modeling from Scratch ». Son nom : CLAUDE.md. Quatre lettres qui, je crois, valent plus que mille colloques sur l’éthique de l’IA dans l’éducation.
Car ce fichier ne théorise pas. Il agit.
Points clés – Stanford a publié le 2 avril 2025, dans le dépôt
stanford-cs336/assignment1-basics, un fichierCLAUDE.mdqui encadre l’usage des assistants de codage en cours. – La règle d’or tient en une phrase : « My role is to help guide you to understanding, not to give you the answers directly. » – L’IA peut diagnostiquer, suggérer des tests, des assertions, des profilages — elle ne doit ni écrire le code de l’étudiant, ni donner la solution. – Le débat français sur l’IA à l’école s’épuise en interdictions générales. Stanford, lui, écrit un contrat. – L’enjeu dépasse le code : il s’agit de définir ce qu’apprendre veut dire, à l’ère où une machine peut tout faire à notre place.
Le constat
CS336, à Stanford, n’est pas un cours comme les autres. Intitulé « Language Modeling from Scratch », il est délibérément « implementation-heavy » — entendez : l’étudiant écrit, à la main, les briques d’un modèle de langage. Tokeniseur BPE, attention, optimiseur, tout y passe. C’est précisément pour cette raison que l’arrivée massive des assistants de codage — Claude Code, Cursor, ChatGPT, Copilot — y pose un problème immédiat.
Le 2 avril 2025, l’équipe pédagogique de CS336 a publié sur GitHub un fichier CLAUDE.md dans le dépôt assignment1-basics. Ce fichier n’est ni un règlement disciplinaire, ni une charte morale. C’est un prompt système. Une consigne adressée directement à l’IA que l’étudiant invoquera depuis son terminal. Et ce prompt, je l’ai lu, dit quelque chose de neuf : il refuse de choisir entre interdire et abdiquer.
Je trouve cela remarquable. Et je voudrais expliquer pourquoi.
La thèse
Voici ma position, sans détour. Le débat public sur l’IA dans l’éducation est piégé par une fausse alternative : interdire ou laisser faire. Le premier camp brandit l’antisèche numérique, le second la fatalité du progrès. Stanford propose une troisième voie, plus exigeante et plus intelligente : redéfinir le rôle de l’assistant. Non pas couper l’accès à l’outil. Non pas le laisser résoudre les exercices. Mais l’instruire à enseigner.
Cette voie suppose de cesser de penser l’IA comme un robinet — qu’on ouvre ou qu’on ferme. Et de la penser comme un collègue. Un tuteur. Un répétiteur dont on peut, doit, négocier le comportement.
Argument 1 : le prompt comme contrat pédagogique
Lisons le CLAUDE.md de CS336. Quand un étudiant écrit « Fix my tokenizer and make it faster », l’IA est instruite de refuser. Quand il colle « Here’s the full python code: … » en demandant une solution clé en main, refus encore. La consigne canonique tient en une phrase, que je reproduis : « My role is to help guide you to understanding, not to give you the answers directly. What have you tried so far? »
Tout est là.
Ce que Stanford fait, c’est inverser la pente naturelle de l’outil. Par défaut, un assistant de codage est complaisant — il complète, il livre, il optimise. Le CLAUDE.md le force à être socratique. Quand un étudiant demande pourquoi sa couche d’attention ne converge pas, l’IA doit répondre par une question : qu’as-tu essayé ? L’exemple donné par la documentation est explicite — « I have tried running a single attention layer, but it still does not work » devient le point de départ d’un dialogue diagnostique, pas le déclencheur d’une réécriture.
Et la suite, dans le fichier, est encore plus parlante. L’IA doit, dit la consigne, préférer « tests and invariants over fixes ». Suggérer une assertion de shape. Un input jouet. Un profilage. Une ablation. Autrement dit : enseigner la méthode scientifique appliquée au debug — précisément ce qu’un étudiant en deep learning doit acquérir. La machine devient un instrument d’apprentissage parce qu’on l’a écrit ainsi.
Argument 2 : ce que le code force à comprendre
Pourquoi CS336 tient-il tant à ce que l’étudiant écrive lui-même ? Parce que coder un tokeniseur BPE depuis zéro, ce n’est pas apprendre Python. C’est se cogner aux complexités algorithmiques que l’industrie cache sous l’abstraction. Quand le CLAUDE.md donne en exemple un étudiant disant « My BPE tokenizer is slow. My runtime is currently O(n²) where n is the number of tokens. How can I make it faster? », et que la réponse modèle de l’IA commence par « Do you know which part of your tokenizer is slow? Let’s… », nous touchons à quelque chose d’essentiel.
L’étudiant a déjà identifié la complexité. C’est lui qui a écrit O(n²). Il a donc pensé. L’IA, désormais, peut l’accompagner. Mais elle ne peut pas penser à sa place — c’est interdit par le prompt système. Elle peut suggérer un profilage, demander où se trouve le goulet, l’orienter vers une structure de données plus adaptée. Jamais coller un code optimisé.
Cette discipline-là, je la trouve plus formatrice que n’importe quel cours magistral sur l’algorithmique. Parce qu’elle réinstalle dans la salle de classe ce que vingt ans de Stack Overflow et deux ans de ChatGPT avaient évacué : la friction nécessaire à l’apprentissage. La friction comme pédagogie. C’est, je crois, l’idée centrale.
L’objection
J’entends d’ici le contre-argument. Il est légitime, il faut l’examiner.
« Mais Thomas, votre CLAUDE.md est un Maginot. Un étudiant qui veut tricher ouvre simplement Claude.ai dans son navigateur, sans le prompt système, et obtient sa solution. La consigne ne vaut que pour ceux qui acceptent de jouer le jeu. C’est inopérant. »
C’est vrai. C’est techniquement vrai. Mais cela rate, je crois, ce que fait vraiment CS336.
Le CLAUDE.md n’est pas une barrière. C’est un signal. Il dit à l’étudiant : nous savons que tu utilises ces outils, nous l’acceptons, et nous te proposons un cadre où ils servent ton apprentissage plutôt que de le saboter. C’est une posture rare en pédagogie — ni naïveté, ni surveillance. C’est aussi un acte de transparence : les instructions sont publiques, n’importe qui peut les lire, les forker, les améliorer. Le code source de la pédagogie est ouvert. Et puis, soyons honnêtes : un étudiant qui contourne le CLAUDE.md pour se faire livrer ses devoirs ne paie pas les frais de scolarité de Stanford pour devenir bon. Il les paie pour devenir diplômé. Ce n’est plus un problème pédagogique. C’est un problème de personne.
Ce qui est en jeu
Au-delà du code, au-delà de Stanford, voici ce qui se joue.
Nous entrons, je crois, dans une ère où la question « peut-on ? » est résolue presque partout par l’affirmative. Peut-on écrire un essai sans le lire ? Oui. Peut-on coder une appli sans comprendre le langage ? Oui. Peut-on diagnostiquer un patient sans le voir ? Bientôt. La vraie question n’est plus celle des capacités, c’est celle des intentions. Que voulons-nous, nous, humains, continuer de faire par nous-mêmes ? Et pourquoi ?
La France, sur ce dossier, est en retard. Nos discussions parlementaires sur l’IA à l’école oscillent encore entre l’interdiction symbolique (le téléphone au collège) et la promotion vague (« former à l’IA »). Personne n’écrit le CLAUDE.md français. Personne, à ma connaissance, ne prend la peine de définir précisément, technique à la main, ce qu’un assistant doit et ne doit pas faire dans une copie d’élève. C’est pourtant là, dans cette granularité-là, que se joue la formation des esprits.
Stanford a écrit dix paragraphes en markdown. Nous en sommes encore aux circulaires.
Conclusion
Revenons au début. Avril 2025, Stanford, un fichier CLAUDE.md. J’écrivais qu’il valait plus que mille colloques. Je le maintiens. Parce qu’il fait ce que les colloques évitent : il prend position, il prescrit, il s’expose à la critique. Il rend exécutable une intuition pédagogique.
À retenir. – Le 2 avril 2025, le cours CS336 de Stanford publie un prompt système pédagogique : guider, jamais résoudre. – L’IA est instruite de répondre par questions, suggérer tests et assertions, refuser le « fix my code ». – La méthode est publique, forkable, transposable à toute discipline qui codifie un savoir.
À suivre. Premier semestre 2027 : aucune université française n’a, à ce jour, publié l’équivalent d’un CLAUDE.md pour ses cours d’informatique. La fenêtre se ferme. Si Sciences Po, Polytechnique, Centrale, l’ENS Ulm n’écrivent pas leur propre prompt système d’ici la rentrée 2026-2027, elles laisseront aux étudiants — et à OpenAI, et à Anthropic — le soin d’écrire les règles à leur place.
Le code est ouvert. La copie aussi.
FAQ
Un étudiant peut-il utiliser un assistant de codage pour ses devoirs sur CS336 ?
Oui, à condition que l’assistant soit configuré avec le CLAUDE.md du cours. Stanford ne demande pas de fermer l’outil mais d’en encadrer l’usage : l’IA peut diagnostiquer, suggérer un test, orienter vers un profilage. Elle ne doit ni écrire le code à la place de l’étudiant, ni livrer la solution finale.
Pourquoi ce type de consigne intéresse au-delà des cours d’informatique ?
Parce que le principe — écrire un prompt système pédagogique public qui contraint le comportement de l’IA — est transposable. Droit, médecine, journalisme : toute discipline où l’on évalue un raisonnement plutôt qu’un résultat pourrait s’inspirer du CLAUDE.md de Stanford et publier sa propre version, négociée entre enseignants et étudiants.
Cet article est une tribune et reflète l’opinion de son auteur.
