Cet article présente une méthode de génération massive de problèmes de physique isomorphes à l'aide de ChatGPT. Grâce à l'enchaînement d'invites et à des outils, cette méthode contrôle précisément les variations structurelles, telles que les valeurs numériques et les relations spatiales, tout en prenant en charge diverses variations contextuelles dans le corps du problème. Elle aborde les principales limites des méthodes LLM existantes en s'appuyant sur un interpréteur de code Python pour prendre en charge la vérification automatique des solutions et la génération de diagrammes simples. En générant deux banques de problèmes isomorphes et en les comparant à des méthodes simples basées sur l'enchaînement d'invites, nous démontrons que l'enchaînement d'invites produit des résultats nettement supérieurs en termes de qualité et de cohérence. Cette étude démontre une méthode efficace de génération de problèmes, accessible même à un enseignant moyen, et ouvre de nouvelles perspectives pour les tests adaptatifs personnalisés et le développement automatisé de contenu.
