Ce que l’IA générative change dans l’évaluation
Les étudiants peuvent désormais produire rapidement un plan, une synthèse, une reformulation, un code, une traduction ou une première version argumentée. Cela ne signifie pas que tout apprentissage disparaît, mais que certaines tâches évaluatives deviennent plus faciles à déléguer.
La question principale n’est donc plus seulement “l’étudiant a-t-il utilisé l’IA ?”, mais “qu’est-ce que cette évaluation permet réellement d’observer ?”. Si l’objectif est d’évaluer une capacité d’analyse, de justification ou de transfert, la consigne doit rendre ces dimensions visibles.
Adapter une évaluation consiste à mieux définir les règles d’usage, les preuves attendues, les critères de qualité et les moments où l’usage de l’IA est autorisé, encadré ou exclu.
Quatre principes pour adapter les évaluations
- Revenir aux compétences visées. On n’adapte pas une évaluation pour “contrer l’IA”, mais pour mieux mesurer une compétence.
- Expliciter les règles. Les étudiants doivent savoir ce qui est autorisé, interdit, toléré ou attendu.
- Évaluer le processus. Les traces de démarche, justifications, versions intermédiaires et vérifications rendent l’apprentissage plus observable.
- Contextualiser les tâches. Les sujets liés au cours, à un cas précis, à une expérience ou à des données locales limitent les réponses génériques.
Exemples de consignes avant / après
“Rédigez une synthèse de 3 pages sur les enjeux de l’IA dans l’enseignement supérieur.”
Cette consigne peut être entièrement traitée par une IA avec peu de traces d’apprentissage visibles.
“À partir des documents du cours et d’un exemple observé dans votre formation, rédigez une analyse argumentée. Vous pouvez utiliser l’IA pour explorer des pistes, mais vous devez joindre les prompts principaux, indiquer les éléments retenus ou rejetés et justifier vos vérifications.”
“Présentez les avantages et limites de ChatGPT pour apprendre.”
“Testez ChatGPT sur une tâche d’apprentissage précise, analysez deux réponses produites, identifiez au moins trois erreurs ou limites, puis proposez une règle d’usage pour des étudiants de votre niveau.”
Modalités d’évaluation possibles avec l’IA générative
| Modalité | Usage IA | Ce qui est évalué | Point de vigilance |
|---|---|---|---|
| Devoir sans IA | Interdit | Mémorisation, raisonnement autonome, maîtrise individuelle | Prévoir des conditions réalistes et explicites |
| Devoir avec IA déclarée | Autorisé sous conditions | Qualité de la production, vérification, justification | Demander une déclaration d’usage et des traces |
| Critique d’une réponse IA | Objet central de l’activité | Esprit critique, connaissances disciplinaires, correction | Fournir une grille d’analyse claire |
| Oral de justification | Préparation possible | Compréhension, appropriation, capacité à défendre ses choix | Éviter que l’oral ne soit qu’une récitation |
| Portfolio de processus | Documenté | Progression, versions, arbitrages, réflexivité | Limiter le volume demandé pour rester évaluable |
| Étude de cas contextualisée | Possible mais encadré | Transfert, contextualisation, décision argumentée | Utiliser des données ou contraintes spécifiques au cours |
Pourquoi les détecteurs d’IA ne suffisent pas
Les détecteurs d’IA peuvent sembler rassurants, mais ils ne constituent pas une stratégie pédagogique fiable. Ils peuvent produire des faux positifs, pénaliser certains styles d’écriture, manquer des textes fortement modifiés ou donner une impression de certitude qu’ils ne méritent pas toujours.
Ils ne doivent donc pas être utilisés comme preuve unique pour sanctionner. Une approche plus robuste consiste à renforcer les consignes, demander des traces de processus, prévoir des moments oraux ou réflexifs et expliciter les règles d’usage dès le départ.
À retenir : la meilleure réponse à l’IA générative n’est pas seulement technique. Elle est pédagogique : rendre les apprentissages, les choix et les preuves de compréhension plus visibles.
Mini-charte d’usage étudiant pour une évaluation avec IA
- Je vérifie si l’usage de l’IA est autorisé pour cette évaluation.
- Je n’entre pas de données personnelles, confidentielles ou sensibles dans un outil d’IA.
- Je conserve les prompts importants et les réponses utilisées.
- Je vérifie les informations, exemples, références ou calculs proposés par l’IA.
- Je distingue ce que l’IA m’a aidé à produire de ce que j’ai décidé, corrigé ou reformulé.
- Je déclare mon usage de l’IA lorsque la consigne le demande.
- Je reste responsable de la production finale rendue.
Pour aller plus loin avec FormIA+
Ces pages permettent de travailler concrètement les évaluations, les consignes et les formations d’équipes.
FAQ : évaluation et IA générative
Faut-il interdire l’IA dans les évaluations ?
Pas systématiquement. Le choix dépend des compétences visées, du niveau des étudiants, du format d’évaluation et du degré d’autonomie attendu.
Les détecteurs d’IA sont-ils fiables ?
Ils ne doivent pas être utilisés comme preuve unique. Leur fiabilité est limitée et ils peuvent produire des faux positifs ou faux négatifs.
Que demander aux étudiants quand l’IA est autorisée ?
Une déclaration d’usage, les prompts principaux, les vérifications réalisées et une courte réflexion sur les apports et limites de l’outil.
Comment évaluer une production aidée par l’IA ?
Il faut évaluer la qualité du résultat, mais aussi la démarche : choix, corrections, contextualisation, vérification et justification.
Comment rendre une consigne plus robuste ?
Ajoutez un contexte précis, des sources à mobiliser, une exigence de justification, des traces de processus et des critères explicites.
L’oral est-il une solution ?
L’oral peut aider à vérifier l’appropriation, mais il doit être préparé avec une grille claire et ne pas devenir seulement une sanction ou un contrôle de suspicion.
Faut-il demander les prompts ?
C’est utile lorsque l’IA est autorisée, mais les prompts seuls ne suffisent pas. Il faut aussi demander ce qui a été vérifié, modifié et retenu.
Comment traiter les usages non déclarés ?
Il faut s’appuyer sur les règles communiquées en amont, les critères d’évaluation et, si nécessaire, un échange avec l’étudiant. La prévention reste plus efficace que la seule détection.