Les chercheurs en neuroéducation, grâce à leur utilisation de l'imagerie cérébrale, de l'électroencéphalographie, de l'oculométrie et de la pupillométrie, entre autres méthodes, colligent des données psychophysiologiques en temps réel ou très près du temps réel, pour mieux comprendre des phénomènes liés à l'enseignement et à l'apprentissage. Leurs travaux et méthodologies pourraient répondre à un besoin en recherche transdisciplinaire puisque plusieurs chercheurs, en sciences de l'éducation et en psychologie cognitive entre autres, en appellent depuis quelques années déjà au développement et à l'application de telles méthodes de collecte de données en temps réel (p. ex. Boekaerts, 2017; Campbell, 2011, Campbell et Pagé, 2012 Gerjets, 2017; Mercier et Charland, 2013; Timms, DeVelle et Lay, 2016) (Lee et al., 2006), à la pensée réflexive des apprenants pendant un apprentissage (Durall et al., 2017), ou encore à la variation de l'état cognitif et de la charge cognitive en contextes d'apprentissage (p. ex. Liu et al., 2017; Mills et al., 2017). De nombreux exemples d'application de ces méthodes en éducation existent et, plus récemment, les contextes d'elearning, d'hypermédia et de technopédagogie semblent particulièrement fertiles (Chen, 2017; Chen et Wang, 2017; Chen et Wu, 2015; Conrad et Bliemel, 2017; Wu, Tzeng et Huang, 2014), et cela se reflète sur le présent numéro. Cependant, l'utilisation de données psychophysiologiques en temps réel dans le champ de la neuroéducation est encore en développement et les travaux en ce sens, à mesure qu'ils émergent, ont intérêt à être connus et diffusés dans des revues et communautés scientifiques transdisciplinaires. Ce tout premier numéro thématique de la revue Neuroéducation vise donc à en regrouper quelques-uns et met de l'avant par le fait même deux défis interreliés, propres à ce jeune champ de recherche : (1) l'importance de la validité des données colligées en temps réel pour leur interprétation, et (2) le souci de se rapprocher tant que possible de contextes ou d'environnements éducatifs authentiques (p. ex. Mercier et al., 2012). Ces deux enjeux semblent s'inter-influencer dans la mesure où les efforts visant l'atteinte de l'un peuvent nuire à l'atteinte de l'autre, et vice-versa. , 2017). There are many application examples of these methods in education and, more recently, they seem to abound in the contexts of e-learning, hypermedia, and technology-enhanced learning (Chen, 2017; Chen & Wang, 2017; Chen & Wu, 2015; Conrad & Bliemel, 2017; Wu, Tzeng, & Huang, 2014), and this is reflected in this issue.To find out more about the different types of applications of psychophysiological data in education, the reader is invited to consult Antonenko, van Gog, & Paas' (2014) article, Goswami's chapter (2010), and the book directed by Masson & Borst (2017).However, the use of psychophysiological data in real time in the field of neuroeducation is still in development and the studies in this direction, as they emerge, would gain to be known and disseminated in tr...