Évaluer autrement à l'ère de l'IA : Partie 2 Quand le processus devient plus important que le résultat final

Publié le 10 juin 2025 à 17:37

Évaluer autrement à l'ère de l'IA : quand le processus devient plus important que le résultat final

L'émergence rapide de l'Intelligence Artificielle générative (IAg) nous contraint, en tant qu'enseignants, à repenser nos approches évaluatives. En quelques secondes, l'IA peut produire des travaux complexes, remettant en question l'importance accordée au seul livrable final.

Faut-il continuer à évaluer principalement le produit remis ? L'IA nous pousse à repositionner l'évaluation comme un levier de développement, et non plus comme un simple outil de validation.

 

Quand le produit final ne dit plus tout

L'évaluation traditionnelle, centrée sur le produit final, atteint ses limites. Si un travail a été généré ou fortement assisté par une IA, il devient difficile de déterminer :

  • Quelles compétences l'étudiant a réellement développées ?
  • Si ce travail évalue les bonnes compétences dans le bon contexte ?

L'enjeu n'est plus la détection de la "tricherie", mais de repenser l'évaluation pour qu'elle soit significative. En déplaçant le focus vers le processus, nous pouvons observer l'interaction de l'étudiant avec l'IA, valoriser les étapes intermédiaires, et surtout, mettre en lumière les compétences humaines : créativité, éthique, jugement critique et capacité à donner du sens aux informations.

 

Trois leviers pour évaluer autrement

Pour accompagner cette transformation, trois leviers essentiels se dégagent :

1. Valoriser les compétences humaines distinctives

L'IA excelle dans la restitution d'informations et la génération de textes. Cependant, elle ne peut pas :

  • Justifier un choix dans un contexte personnel ou professionnel.
  • Mobiliser un jugement éthique ou prendre une décision sensible.
  • Débattre ou réagir à un contre-argument inattendu.
  • Décrire un raisonnement introspectif ou un changement de perspective.

Ces capacités, intrinsèquement humaines, devraient-elles devenir les nouveaux marqueurs de l'évaluation ?

 

2. Évaluer la démarche, pas seulement le produit

Quelques modalités concrètes permettant de recentrer l'évaluation sur le processus d'apprentissage 

  • journal de bord ou carnet de réflexion : l'apprenant y documente ses étapes, ses difficultés et ses ajustements.
  • soutenance orale : permettant de justifier ses choix ou de répondre à des questions de fond.
  • autoévaluation guidée : l'étudiant analyse sa progression selon des critères fournis.
  • feedback formatif : des retours intermédiaires accompagnent les étapes clés d'un projet.
  • coévaluation ou évaluation par les pairs : permet de croiser les regards.

Ces outils permettent de faire émerger ce qui ne se voit pas dans un simple livrable.

 

3. Utiliser l'IA comme levier pour développer l'esprit critique

L'IA ne doit pas être perçue comme une menace, mais comme un outil de médiation pédagogique. Elle peut devenir un déclencheur de réflexion :

  • en  invitant les étudiants à comparer, croiser et remettre en question les données générées
  • en développant la compétence de jugement et de vérification 
  • en comparant des productions humaines et artificielles 
  • en apprenant aux étudiants à douter activement et à poser les bonnes questions.

Le Service de Soutien à la Formation (SSF) – université de Sherbrooke, propose un outil pour encadrer l'utilisation transparente des outils d'IAg, en communiquant clairement les niveaux d'utilisation autorisés pour chaque situation. Ces ressources, disponibles sous licence creative commons attribution 4.0, fournissent un cadre structuré et des outils pratiques.

 

Vers des bonnes pratiques évaluatives : la grille d'analyse

Pour guider les enseignants dans l'établissement d'un alignement pédagogique rigoureux, le service de soutien à la formation, université de Sherbrooke, a développé une grille d'analyse de l'évaluation. Cet outil aborde la question cruciale de la résilience des évaluations face à l’lAg, garantissant que l'IA ne compromet pas l'attestation rigoureuse des apprentissages.

La grille pousse à se poser des questions cruciales :

  • L'évaluation mesure-t-elle réellement ce qui est visé ?
  • La qualité du livrable pourrait-elle provenir d'outils d'IAg ?
  • La part du travail réalisée par l'étudiant est-elle distinguable de celle générée par une IA ?

En fonction des réponses, l'outil propose des actions correctives concrètes. 

 

Conclusion

Évaluer autrement ne signifie pas alourdir les dispositifs ni soupçonner les apprenants d'inauthenticité. Cela signifie, redonner du sens à l'évaluation, valoriser les compétences humaines distinctives, favoriser l'autonomie, l'auto-explication et la pensée critique, accompagner les apprenants dans un monde où l'IA est omniprésente.

En somme, l'intégration de l'IA nous invite à des évaluations plus pertinentes, qui ciblent ce que l'IA ne peut pas reproduire : la pensée critique, la créativité et la capacité de l'étudiant à justifier sa démarche. C'est en adaptant nos évaluations que nous continuerons à former des apprenants réellement préparés aux défis de demain.

 

Dès l'année prochaine, des formations dédiées à l'évaluation en contexte d'IA seront disponibles. Elles vous offriront des stratégies innovantes et les outils nécessaires pour valoriser pleinement les apprentissages des apprenants.

Pour rester informé(e) des formations à venir, consultez régulièrement la partie "Formations" de notre site. 

 

Ressources / Bibliographie / Sitographie

Article rédigé par Aicha 

 

«   »