L'enseignement des mathématiques au Japon : Lesson Study, résolution de problèmes structurée, bansho, neriage et soroban/anzan

Constats

1. La résolution de problèmes structurée (mondai kaiketsu gakushuu)

L’enseignement des mathématiques au Japon s’organise autour de l’enseignement par la résolution de problèmes (teaching through problem-solving, TTP), appelé en japonais mondaikaiketsu-gata jugyō. Un seul problème, soigneusement choisi, structure l’ensemble d’un cours. Les élèves affrontent d’abord, individuellement ou en petits groupes, un problème qu’on ne leur a pas appris à résoudre, avant toute explication de l’enseignant. La littérature décrit le cours comme ayant une structure « dramatique » — un arc narratif plutôt qu’une séquence de transmission d’information — avec trois dimensions constitutives identifiées dans une analyse récente relevant de la théorie anthropologique du didactique (ATD) : une dimension collective (l’apprentissage se produit par une interaction orchestrée avec la classe entière, non par un travail solitaire), une dimension chronologique (un ordre de phases fixe), et une dimension épistémologique (le but est une connaissance mathématique nouvelle, pas seulement un problème résolu) [2][4][5].

La structure canonique en quatre phases, nommée de façon cohérente dans les sources :

1. Hatsumon — l’enseignant pose (ou fait émerger) la question/le problème clé qui va conduire l’ensemble du cours. Il s’agit d’une provocation délibérément construite, non d’un exercice de routine [3][5].
2. Kikan-shido — les élèves travaillent individuellement ou en petits groupes pendant que l’enseignant circule, observant (sans corriger) les stratégies de solution qui émergent, afin de planifier la phase suivante [2][5].
3. Neriage (« pétrissage » ou « polissage ») — la classe entière compare les différentes méthodes de solution apparues. L’enseignant orchestre une discussion qui fait émerger la structure mathématique commune à plusieurs approches, reliant la compréhension antérieure et la nouvelle. On la décrit comme “the heart of the problem-solving approach” [3][5].
4. Matome — une synthèse/consolidation qui nomme l’idée mathématique que le cours visait à révéler [5].

Un exemple documenté dans la littérature : un cours de 3e année (8-9 ans) sur la mesure d’un couloir d’école s’est déroulé sur trois séances liées (32 et 65 minutes pour deux d’entre elles), traversant 8 à 11 « milieux » distincts (systèmes évolutifs de questions/réponses/artefacts) tandis que la classe convergeait vers un concept partagé d’unité de mesure [2].

2. Le bansho (écriture au tableau) et le neriage

Le bansho est la gestion délibérée du tableau comme enregistrement visible et cumulatif du cours. Les enseignants japonais, de façon caractéristique, n’effacent pas le contenu du tableau pendant un cours ; le tableau devient une chronologie spatiale qui permet à toute la classe de comparer côte à côte plusieurs méthodes de solution produites par les élèves, dans l’ordre où elles sont apparues. Les enseignants préparent à l’avance un bansho-keikaku (« plan d’écriture au tableau »), anticipant les réponses probables des élèves et l’endroit où chacune sera écrite, bien que le tableau final intègre aussi de véritables réponses imprévues [2][3]. Cela est fonctionnellement indissociable du neriage : sans un enregistrement visuel durable et organisé des méthodes divergentes, la discussion comparative qui définit le neriage n’a rien à quoi se référer. Les sources décrivent le bansho littéralement comme “visually sequencing mathematical ideas” [3].

3. Le hatsumon (questionnement clé)

Hatsumon désigne à la fois le geste initial de mise en problème et, plus largement, la discipline consistant à poser des questions conçues pour provoquer une pensée productive plutôt que pour vérifier la mémorisation. On le décrit comme survenant “at the beginning of the lesson” pour clarifier ou approfondir la compréhension de l’objectif mathématique du jour, et il revient pendant le neriage quand l’enseignant interroge pourquoi une méthode donnée fonctionne [3].

4. Lesson Study (jugyou kenkyuu) et le kyozaikenkyu

Lesson Study est la forme dominante de développement professionnel continu des enseignants au Japon, pratiquée depuis plus d’un siècle. Une petite équipe d’enseignants : (a) définit un objectif/problème d’apprentissage, (b) planifie en détail un véritable cours en classe (la « leçon de recherche ») — y compris les réponses attendues des élèves et le plan de bansho, (c) fait enseigner ce cours en direct par un membre pendant que les collègues observent, et (d) tient une discussion structurée après le cours, souvent avec un « expert extérieur » (knowledgeable other), réinjectant les résultats dans la pratique et parfois dans une littérature publiée de plans de cours [6][7]. Une composante essentielle, souvent négligée, est le kyozaikenkyu — l’étude approfondie du matériel pédagogique et de la littérature existante sur le contenu mathématique spécifique avant de planifier le cours, ce qui distingue Lesson Study d’un simple peaufinage de plan de cours [7].

Akihiko Takahashi (DePaul University, ancien enseignant en classe à Tokyo) a formalisé un modèle en huit étapes puis la « Collaborative Lesson Research » (CLR), avec des composantes explicites incluant le kyozaikenkyu et le rôle du « expert extérieur », dans le but de rendre Lesson Study exportable hors du Japon [1][7]. Les obstacles rapportés à son adoption aux États-Unis incluent : l’absence de temps contractuel pour que les enseignants observent les cours de leurs collègues, des administrateurs sans expérience personnelle de Lesson Study (si bien que les programmes s’effondrent au moindre changement de direction), et le fait que les premiers adoptants américains aient traité Lesson Study comme séparable de la pédagogie japonaise de résolution de problèmes — obligeant les enseignants à apprendre deux systèmes inconnus à la fois plutôt qu’un seul système intégré [7]. La contribution de Toshiakira Fujii, selon cette source, a été d’unifier explicitement Lesson Study et l’enseignement par la résolution de problèmes, montrant “these practices actually go hand in hand” plutôt que d’être des innovations indépendantes [7].

5. L’étude vidéo TIMSS (Stigler, Hiebert, et al.) — résultats quantitatifs vérifiés

La TIMSS Videotape Classroom Study (NCES 99-074, Stigler, Gonzales, Kawanaka, Knoll & Serrano, févr. 1999) a filmé un échantillon représentatif à l’échelle nationale de cours de mathématiques de 8e année : 100 en Allemagne, 50 au Japon, 81 aux États-Unis (dans le cadre de l’évaluation TIMSS 1994-95). Résultats vérifiés issus du résumé exécutif du rapport lui-même [4] :

• Script du cours : les cours américains et allemands suivent un script “acquisition then application” (l’enseignant démontre une méthode, puis les élèves s’entraînent). Les cours japonais inversent cela : la résolution de problèmes vient en premier, suivie par la réflexion des élèves, le partage des méthodes, et la construction conjointe du concept sous-jacent. “Whereas students in the US and German classrooms must follow the teacher as he or she leads them through the solution of example problems, the Japanese student has a different job: to invent his or her own solutions, then reflect on those solutions.”
• Niveau de contenu : le cours américain moyen, comparé aux 41 pays de TIMSS, se situe à un niveau international de 7e année ; le cours japonais moyen à un niveau de 9e année ; les cours allemands en moyenne à un niveau de 8e année.
• Démonstrations et développement des concepts : plus des trois quarts des enseignants allemands et japonais développent des concepts au fil du cours (contre environ un cinquième des enseignants américains). 0 % des cours américains comportaient des démonstrations, contre 10 % des cours allemands et 53 % des cours japonais.
• Notation de qualité indépendante : des enseignants-chercheurs universitaires américains en mathématiques, en aveugle du pays d’origine, ont noté le contenu des cours sur une échelle à 3 points. 39 % des cours japonais et 28 % des cours allemands ont reçu la note la plus élevée ; 0 % des cours américains. 89 % des cours américains ont reçu la note la plus basse, contre 11 % des cours japonais.
• Type de travail cognitif des élèves (trois catégories codées : s’entraîner sur des procédures routinières, appliquer des concepts à des situations nouvelles, inventer de nouvelles méthodes de solution) : 96 % du temps de travail des élèves allemands et 90 % du temps américain sont allés à l’entraînement sur des procédures routinières, contre seulement 41 % au Japon — les élèves japonais ont passé 44 % de leur temps à inventer de nouvelles solutions exigeant une pensée conceptuelle.
• Cohérence : les cours américains étaient les plus fréquemment interrompus (à la fois de l’extérieur et de l’intérieur), contenaient davantage de sujets distincts au sein d’un même cours, et présentaient moins de connexions explicites entre les parties du cours, comparés au Japon.
• Écart de réforme : 70 % des enseignants américains ont affirmé déjà mettre en œuvre les idées de réforme en vigueur dans le cours même qui a été filmé, mais justifiaient cela surtout par des traits de surface (matériel manipulable, groupes coopératifs) plutôt que par l’objectif réel de la réforme — une attention soutenue à une pensée mathématique de haut niveau. Le rapport conclut explicitement que les salles de classe japonaises manifestent la substance des recommandations de réforme américaines (contenu de haut niveau, attention à la pensée, dérivation de méthodes alternatives) davantage que les salles de classe américaines elles-mêmes, bien que les cours japonais comportent aussi plus de cours magistral/démonstration que ce que prescrit l’orthodoxie de la « réforme », et qu’aucune calculatrice n’ait jamais été observée dans une salle de classe japonaise de l’échantillon.

Une réflexion complémentaire, du côté japonais, de chercheurs de l’université Tokyo Gakugei sur cette même étude, met en garde contre le fait de lire un seul cours filmé comme « le » cours excellent, et plaide pour étudier plutôt la distribution de l’échantillon — un point méthodologique pertinent pour la façon dont Math Challenge devrait traiter les parcours de solution « modèles » dans son propre contenu de tuteur IA [16].

6. Institutions et chercheurs

• Université de Tsukuba / CRICED — Masami Isoda, professeur senior et co-superviseur de longue date de l’APEC Lesson Study Project (depuis 2006) ; a traduit en anglais les guides pédagogiques officiels du « Course of Study » du MEXT pour le primaire (années 1 à 6) et le collège (années 7 à 9), rendant les standards nationaux du curriculum mathématique japonais accessibles à l’international [8][9][10].
• Université Tokyo Gakugei — décrite comme un pôle international pour Lesson Study en mathématiques, siège du Project IMPULS (International Math-teacher Professionalization Using Lesson Study), qui mène des études de cas dans ses écoles laboratoires rattachées et forme des enseignants internationaux en visite [11].
• Université d’Hiroshima — active dans la coopération internationale sur Lesson Study en éducation mathématique via les programmes de la JICA (Japan International Cooperation Agency), avec des décennies d’implication dans le soutien au curriculum de mathématiques du primaire en Afrique, et des collaborations Lesson Study transnationales (par exemple Japon–Allemagne) [17].
• Stigler, Hiebert, Takahashi, Fujii — les principaux chroniqueurs/théoriciens de langue anglaise reliant les résultats de la vidéo TIMSS aux mécanismes spécifiques (Lesson Study, TTP, kyozaikenkyu) qui les produisent [1][4][6][7].

7. Le soroban et l’anzan (calcul mental au boulier)

Le soroban (boulier japonais) et l’anzan (effectuer des calculs en manipulant une image purement mentale du boulier, sans dispositif physique) faisaient historiquement partie du curriculum obligatoire au Japon et restent enseignés comme discipline d’enrichissement ou de compétition. Les experts effectuent des calculs au boulier mental à des vitesses comparables à celles des calculatrices électroniques, y compris en parlant simultanément (une démonstration classique de double tâche mettant en évidence l’automatisme), et des enfants dès l’âge de 10 ans ont remporté des compétitions internationales de calcul mental [15].

Qualité de la preuve, selon une revue systématique de 2020 sur les effets cognitifs/neuronaux (PMC7492585) [12] :

• Résultats constants : les enfants entraînés au boulier (AMC) surpassent les groupes témoins non seulement en calcul arithmétique mais aussi en résolution de problèmes mathématiques visuospatiaux ; des gains apparaissent dans la mémoire de travail visuospatiale, la mémoire de travail phonologique, et les fonctions exécutives centrales (mise à jour, flexibilité), bien que la preuve de gains spécifiques à l’inhibition soit plus faible.
• Corrélats neuronaux : les profils d’activation du réseau fronto-pariétal évoluent avec l’entraînement (activation réduite pour les tâches faciles, accrue pour les tâches difficiles — interprété comme une efficacité neuronale accrue), ainsi qu’une connectivité pariétale bilatérale au repos accrue ; les régions occipito-temporales (gyrus fusiforme) montrent des changements à la fois fonctionnels et structurels, y compris une réduction du volume de matière grise interprétée comme un élagage.
• Réserves explicites de la revue : de nombreuses études sont transversales (biais d’auto-sélection — impossible de séparer l’effet de l’entraînement de l’aptitude/motivation préalable), les échantillons sont de petite taille, les groupes témoins sont souvent passifs plutôt qu’actifs, les mesures de résultat à tâche unique sont courantes (preuve faible pour des affirmations larges sur la « capacité cognitive »), et le transfert lointain vers l’intelligence générale est minime ou non étayé.

Barner et al., 2015 (Stanford, Child Development), le seul essai contrôlé randomisé cité [15] : 204 élèves de primaire (5-7 ans à l’inclusion) suivis pendant 3 ans, randomisés entre un enseignement du boulier mental intégré dans des classes ordinaires et un curriculum standard. Résultats : l’entraînement au boulier mental (MA) est réalisable à grande échelle dans des classes ordinaires (pas seulement pour des prodiges auto-sélectionnés) ; les élèves MA ont surpassé les témoins sur les tâches arithmétiques ; mais l’entraînement MA n’a pas modifié les capacités cognitives de base, telles que la mémoire de travail générale — au contraire, les enfants qui avaient déjà une mémoire de travail spatiale plus forte au départ ont davantage bénéficié de l’entraînement MA, c’est-à-dire que le lien causal va en partie de la capacité spatiale préexistante vers l’apprentissage du MA, plutôt que l’inverse.

Un résumé complémentaire du BPS Research Digest, portant sur un essai distinct de 3 ans, rapporte de façon similaire que les enfants entraînés au MA montrent des gains plus importants que leurs pairs suivant un enseignement standard, en calcul, en arithmétique et en compréhension conceptuelle de la valeur de position [13].

Conclusion pour l’anzan : la preuve la plus solide et la plus rigoureuse (l’essai contrôlé randomisé de Stanford) soutient un transfert proche (la fluidité arithmétique) mais ne soutient explicitement pas un transfert lointain vers une capacité cognitive générale — une distinction que le marketing et la conception de Math Challenge devraient respecter plutôt que surenchérir.

Implications pour la conception de Math Challenge

1. Ajouter un mode « problème structuré » distinct du mode d’entraînement. Pour chaque sujet, concevoir au moins un problème d’ancrage de style hatsumon que l’élève doit tenter avant qu’aucun indice ou exemple résolu ne soit montré — reprenant le script japonais (la lutte d’abord, l’explication ensuite), et non le script américain/allemand fondé sur l’entraînement d’abord, que l’étude TIMSS a trouvé plus faible [4].
2. Intégrer un écran « comparer les solutions » de style neriage/bansho dans le flux du tuteur IA après le défi. Après un défi (en particulier en mode groupe/classe), afficher côte à côte 2 à 4 parcours de solution valides différents (y compris celui de l’élève, même s’il est inefficace) plutôt que seulement « la » méthode correcte — c’est le mécanisme, pas seulement l’esthétique, qui explique les gains d’apprentissage du neriage [2][3].
3. Ne pas effacer. Conserver et permettre aux élèves de faire défiler leur propre brouillon/leurs étapes au sein d’un défi (un équivalent numérique du principe de bansho « ne jamais effacer le tableau ») afin que le tuteur IA puisse faire référence à « ce que tu as essayé à l’étape 2 » — cela alimente aussi directement la capture de signaux comportementaux (effacement, hésitation) déjà prévue pour l’anti-triche/la notation.
4. Séparer la notation « exactitude + vitesse » de la notation « profondeur conceptuelle », en particulier au-delà des premières années du primaire. Les données de TIMSS montrent que l’avantage japonais suit le temps consacré au travail conceptuel/à l’invention de solutions (44 %), et non à la vitesse procédurale (seulement 41 % de procédural contre 90 % aux États-Unis) — un modèle de notation qui ne récompense que la rapidité correcte optimisera contre la profondeur même que la recherche identifie comme importante pour les apprenants plus âgés/avancés [4].
5. Faire varier la fonction de récompense selon la tranche de niveau, pas seulement selon le thème. Étant donné le constat de TIMSS selon lequel le contenu japonais de 8e année se situe environ 2 niveaux au-dessus de la moyenne américaine pour le « même » niveau, l’échelle de difficulté de Math Challenge devrait être calibrée par rapport à un repère international (par exemple en la recoupant avec le Course of Study du MEXT traduit par Isoda) plutôt que de supposer que les normes de contenu par niveau américaines/européennes constituent le plafond [4][9][10].
6. Inclure un modèle explicite d’explication « pourquoi ai-je fait une erreur » calqué sur le questionnement de style hatsumon — le tuteur IA devrait poser en retour une question guidante à l’élève (pas seulement énoncer la bonne réponse), conformément à la fonction du hatsumon, qui est de provoquer la pensée plutôt que de délivrer une information [3].
7. Pour le mode classe/enseignant, proposer un outil léger de conception de « leçon de recherche » : permettre à un enseignant de choisir un problème d’ancrage, de prédire les parcours de solution probables des élèves (un bansho-keikaku numérique), puis, après usage en direct, de voir la distribution réelle des parcours de solution des élèves capturée par l’application — cela opérationnalise l’artefact central de Lesson Study (la carte des réponses anticipées vs réelles) sous forme de fonctionnalité analytique destinée aux enseignants [6][7].
8. Traiter le soroban/anzan comme un module d’entraînement optionnel, au périmètre clairement défini, visant uniquement la fluidité arithmétique à transfert proche — ne pas le promouvoir comme stimulant l’intelligence générale ou « débloquant les deux hémisphères cérébraux » (une affirmation présente dans certaines sources secondaires mais non étayée par la preuve de niveau essai contrôlé randomisé) ; utiliser des affirmations exactes et modestes (gains de fluidité/d’automatisme) conformément à l’essai de Stanford [15][12].
9. Utiliser en interne un cadrage à groupe témoin actif, et non passif, pour évaluer toute fonctionnalité de Math Challenge. La plus grande faiblesse de la littérature sur le boulier est que des schémas à témoin passif gonflent la taille apparente des effets ; lorsque Math Challenge mènera plus tard ses propres tests A/B internes sur des fonctionnalités pédagogiques (par exemple « l’écran de comparaison des solutions améliore-t-il la rétention ? »), il faudra les concevoir avec des conditions de contrôle actives, sous peine de reproduire, plutôt que d’éviter, le problème de qualité de la preuve du champ du boulier [12].
10. Conditionner le contenu de démonstration/dérivation à une grille de « qualité », pas seulement à des étiquettes de sujet. La notation de qualité en aveugle de TIMSS a montré que la présence de dérivations/démonstrations (53 % au Japon contre 0 % aux États-Unis) suivait la qualité de cours notée indépendamment ; à mesure que Math Challenge s’étend vers un contenu de niveau doctorat, les auteurs de contenu devraient être tenus d’inclure des étapes de dérivation/démonstration, et pas seulement une vérification de la réponse finale, pour tout sujet marqué « avancé ».
11. Localiser par curriculum, pas seulement par langue. Puisqu’un niveau « portant le même numéro » diffère d’environ 2 niveaux de difficulté de contenu selon les pays (Japon/États-Unis/Allemagne selon TIMSS), le travail de localisation EN/ES/FR/PT/DE devrait faire correspondre les tranches de niveau du curriculum national réel de chaque locale à l’échelle de difficulté interne de Math Challenge, plutôt que de traduire littéralement le numéro de niveau.
12. Enregistrer la diversité des méthodes de solution comme un signal de premier ordre, pas seulement l’exactitude/la vitesse/l’hésitation. Puisque l’avantage de résultat du Japon est lié au volume de méthodes nouvelles auto-générées (44 % du temps), le modèle de signal comportemental de Math Challenge devrait capturer si un élève a essayé plus d’une approche avant de s’arrêter sur une réponse, comme un signal positif distinct de la simple vitesse.

Questions ouvertes pour le porteur du projet

1. L’écran « comparer les solutions » (de style neriage) doit-il être montré aux élèves qui travaillent seuls, ou réservé aux défis de groupe assignés en classe/par l’enseignant, où plusieurs solutions d’élèves réels existent pour comparaison ?
2. Le soroban/anzan doit-il être un module natif dès le lancement, ou un ajout optionnel étant donné la base de preuves modeste et étroitement circonscrite ?
3. Quelle quantité de contenu conçu manuellement (problèmes d’ancrage avec parcours de solution anticipés, à la bansho-keikaku) est réalisable par sujet au lancement, par rapport à une dépendance totale à des variantes générées par IA ?
4. La calibration de l’échelle de difficulté par rapport au Course of Study du MEXT (et aux curriculums nationaux EN/FR/PT/DE équivalents) doit-elle être une exigence de la v1, ou un raffinement post-lancement ?