Aller au contenu Aller à la navigation principale Aller au pied de page

Repenser ses évaluations à l’heure des IA Génératives

L’arrivée des intelligences artificielles génératives (IAG) et leur diffusion très rapide ont bouleversé le monde de l’enseignement et remettent en question les modalités d’évaluation des rendus académiques.

En 2026, la question n’est plus celle de l’arrivée de ces outils mais celle de leur banalisation : les IAG sont désormais intégrées aux navigateurs, aux suites bureautiques, aux moteurs de recherche et aux téléphones, souvent sans que l’usager ait le sentiment d’« utiliser une IA ». Interdire leur usage devient donc largement inopérant, et l’enjeu se déplace vers le cadrage explicite de ce qui est attendu dans chaque évaluation.

Des craintes demeurent :

  • de nombreux travaux demandés aux étudiants peuvent être produits en quelques minutes par une IAG ;
  • il est très difficile (et les détecteurs ne le permettent pas de façon fiable) de distinguer ce qui a été généré de ce qui a été réellement produit par l’étudiant ;
  • les risques de fraude aux évaluations augmentent.

Un enjeu majeur est d’intégrer ces outils dans les enseignements pour acculturer les étudiants à leur usage et les amener à en faire un usage critique, éthique et responsable. Ces évolutions sont l’opportunité de repenser les évaluations pour les faire évoluer vers une évaluation des compétences et les concevoir comme une véritable étape du processus d’apprentissage.

Intégrer les IAGs dans ses pratiques pédagogiques et notamment dans ses modalités d’évaluations, nécessite d’en comprendre le fonctionnement et d’en connaître les capacités et les limites.

I. Comprendre et s’approprier les IAGs

Les IAGs comme ChatGPT sont des robots conversationnels avancés, capables de fournir des réponses construites à partir des bases de connaissances dont ils disposent et les recherches web. Ils sont capables de générer toute forme de contenus et d’apporter une assistance dans une grande variété de tâches, comme l’explication d’un concept ou le développement d’un code de programmation. Pour interagir avec une intelligence artificielle générative telle que ChatGPT, il faut élaborer une requête en langage naturel (un prompt) qui pose avec précisions le contexte et les attendus de la demande. 

  • Produire tout type de contenu rédigé : dissertation, synthèse, rapport, compte rendu, courrier, code
  • Travailler en multimodal : analyser une image, un schéma, un tableau, un enregistrement audio ou une vidéo, et en produire
  • Chercher sur le web et produire des dossiers documentaires sourcés (« recherche approfondie »)
  • S’appuyer sur des documents fournis : cours, articles, corpus, consignes, grilles d’évaluation
  • Raisonner par étapes sur des problèmes de mathématiques, de logique, de programmation
  • Adapter le ton, le style, le niveau — y compris imiter un style d’écriture étudiant
  • Fonctionner en agents : enchaîner des tâches, naviguer, exécuter du code, produire un livrable complet
  • Dialoguer à la voix, en temps réel, y compris à partir de ce qui est affiché à l’écran
  • Garantir l’exactitude : hallucinations, références inventées ou mal attribuées – d’autant plus piégeuses qu’elles sont bien formulées
  • Rendre compte de leur propre fonctionnement : opacité des sources et du cheminement
  • Reproduire des biais sociaux et culturels, et lisser vers les positions dominantes d’une discipline
  • Accéder à ce qui n’existe pas en ligne : contenu du cours, données de TP, terrain, observations de l’étudiant, actualité très locale
  • Prendre position et assumer une responsabilité : engagement, choix argumenté, positionnement éthique
  • Rendre compte d’un vécu : stage, expérimentation, alternance, projet collectif
  • Respecter le droit d’auteur des contenus d’entraînement
  • Fonctionner sans impact environnemental significatif

Conséquence pour l’évaluation : construire une évaluation « à l’épreuve de l’IA » en misant sur ses limites techniques est une stratégie à durée de vie courte. Les points d’appui durables sont ceux de la colonne de droite : le processus, le vécu, le contexte local, l’engagement et la responsabilité de l’étudiant.

Utiliser la Taxonomie de Bloom pour repérer les limites des IAGs

Taxonomie de Bloom et IAGs

La taxonomie de Bloom est largement utilisée dans la conception d’un cours pour ajuster l’alignement pédagogique des activités et des évaluations en fonction de ses objectifs d’apprentissage. Cette taxonomie a été retravaillée en distinguant les capacités des IAGs de celles de l’humain. Elle peut être utilisée pour faire évoluer les évaluations en adéquation avec ses objectifs d’apprentissages, en s’appuyant notamment sur les limites des IAGs aujourd’hui.

Cette représentation date de 2023. La frontière entre ce que l’IA prend en charge et ce qui relève de l’étudiant s’est déplacée depuis ; utilisez-la comme un support de discussion et non comme une carte à jour.

II. Définir ou transformer ses évaluations à l’heure des IAGs

Dire précisément ce qui est autorisé : l’échelle d’usage de l’IA

Plutôt qu’un « autorisé / interdit » binaire, une échelle à cinq niveaux permet d’indiquer, pour chaque évaluation, la place attendue de l’IA. L’AI Assessment Scale (Perkins, Furze, Roe & MacVaugh), refondue en 2025, existe en adaptation française sous licence CC BY-NC-SA :

Sans IA : évaluation en environnement contrôlé, IA exclue Préparation avec l'IA : IA autorisée pour explorer, planifier, se documenter ; production finale sans IA Collaboration avec l'IA : IA autorisée dans la réalisation ; c'est le jugement de l'étudiant qui est évalué Intégration complète : l'usage de l'IA est attendu ; l'évaluation porte sur la qualité du résultat au regard de critères explicites Exploration : usage créatif et innovant de l'IA, y compris comme objet d'étude

Le niveau retenu s’indique dans le syllabus et sur le sujet de chaque évaluation, avec les modalités de déclaration attendues.

Définir le cadre d’utilisation des IAGs

  • Poser le cadre d’utilisation des IAGs et tout particulièrement en contexte d’évaluation, notamment dans le syllabus du cours, 
  • Demander aux étudiants une totale transparence quant à l’utilisation des outils d’IAGs dans les rendus de travaux académiques (citations, démarche, requête) ,
  • Sensibiliser les étudiants aux notions d’éthique et d’intégrité vis-à-vis de leur parcours de formation, 
  • Sensibiliser les étudiants aux biais et limites des IAGs (hallucinations, absences de sources, respect du droit d’auteur, enjeux éthiques).

Définir le cadre de ses évaluations

  • S’assurer de l’Alignement pédagogique de son cours en vérifiant que les méthodes, activités et évaluations sont cohérentes avec les objectifs d’apprentissage,
  • Fixer des attendus clairs et précis vis-à-vis des évaluations – s’assurer que les consignes et les critères d’évaluation sont bien compris,
  • Intégrer dans la démarche d’évaluation des rétroactions avant une évaluation sommative,
  • Concevoir les évaluations comme une véritable étape du processus d’apprentissage et pas uniquement comme un acte de notation, 
  • Utiliser de manière systématique des grilles d’évaluations. 

Une connaissance des attendus des évaluations et une préparation aux modalités peuvent permettre de limiter les risques de fraude.

Cela implique une évaluation des connaissances et compétences dans un environnement contrôlé et sans accès aux IAGs en ayant précisé au préalable (syllabus) ce qui est autorisé dans un contexte d’évaluation. A noter que ces modalités peuvent être parfois difficilement applicables aux grands groupes, coûteuses en ressources à mobiliser et réduire les possibilités/expériences d’évaluation.

  • Évaluation par examen écrit sur table,
  • Évaluation par examen oral,
  • Évaluation au moyen d’un ordinateur avec restriction d’accès,
  • Observation d’étudiants en situation (en individuel ou en groupe).

Certaines activités ne sont pas directement réalisables par les IAGs. Les contenus et formats d’évaluation peuvent être pensés et conçus en s’appuyant sur ces limites.

Choisir ses sujets/thématiques d’évaluation en privilégiant :

  • des sujets d’évaluation moins connus, peu abordés dans la sphère du web,
  • des sujets portants sur des données récentes ou sur des sources auxquelles Chat Gpt n’a pas accès,
  • des sujets qui mobilisent des situations authentiques (faisant intervenir des expériences personnelles ou professionnelles à venir, impliquant des commanditaires réels …).

Repenser ses modalités d’évaluation en :

  • les construisant comme un process engageant pour l’étudiant et pouvant s’améliorer dans le temps, 
  • en adoptant plutôt une démarche d’évaluation des compétences que des connaissances, 
  • privilégiant des études de cas, des mises en situation réelles, authentiques, 
  • les orientant davantage sur un processus et une démarche que sur le résultat ou produit final (poser des questions qui nécessitent une analyse, une réflexion plutôt que juste le rappel de règles ou de notions), 
  • demandant aux étudiants de contextualiser leurs réponses et notamment de faire le lien avec le cours ou d’autres cours de leur formation, 
  • diversifiant ses formats et modalités d’évaluation (observation, production de livrables, questionnement ou échanges), 
  • privilégiant le contrôle continu, 
  • découpant son processus d’évaluation en une suite d’évaluations formatives avant l’évaluation sommative pour évaluer la progression et le développement d’une compétence avec :
    • Production de rendus d’étapes ou traces d’apprentissage sous la forme de journal de bord, rapport d’avancement, points d’étapes oraux (pour travaux de groupe notamment) et qui incluent une analyse réflexive,  
    • Rétroactions régulières.

Intégrer dans ses modalités d’évaluation :

  • Des travaux collaboratifs impliquant organisation, planification d’une tâche et points d’étapes, 
  • Des autoévaluations et évaluations par les pairs avec des grilles critériées interrogeant sur pertinence, qualité de l’argumentation, cohérence de l’écriture + style, authenticité, références citées… 
  • Une démarche argumentaire et réflexive .

Diversifier ses objets ou livrables attendus en proposant par exemple : 

  • La réalisation d’une vidéo pour une tâche à réaliser, 
  • La conception d’un poster synthétique, 
  • L’organisation d’un débat ou la conception d’un argumentaire, 
  • L’enregistrement d’un podcast d’une enquête, d’une interview, 
  • La réalisation de cartes conceptuelles, frises chronologiques, schémas annotés, 
  • La description d’un processus détaillé incluant des références au concepts clés du cours et/ou une réflexion sur la pertinence du processus, 
  • La conception de sujets et grilles d’évaluation par les étudiants pour valider les notions clés d’un cours à maîtriser, 
  • La réalisation d’un dossier documentaire avec un corpus multiple et sources précisées, 
  • Une présentation orale devant une audience réelle.

Intégrer ou s’appuyer sur les IAGs dans sa démarche d’évaluation peut être l’occasion de construire des contenus et/ou formats d’évaluation qui vont amener les étudiants :  
– à s’approprier et maîtriser les outils d’IAGs en repérant ce qu’ils peuvent déléguer à la machine de manière responsable
– à développer un esprit critique vis à vis des productions générées par les IAGs.

Il peut être ainsi proposé de :

  • Repérer des erreurs ou incohérences dans des productions générées par Chat GPT et retravailler les contenus générés avec références à l’appui,
  • Repérer les préjugés, biais, stéréotypes présents dans des productions générées par Chat GPT, 
  • Interroger des contenus générés par les IAGs sur leur pertinence par rapport à une requête donnée à l’aide d’une grille d’évaluation, 
  • Analyser et enrichir une argumentation à partir de productions générées par les IAGs, 
  • Apprendre à repérer ce qui peut être délégué à la machine ou pas (recherche de capacités et limites en lien avec une requête, un problème posé), 
  • Expliquer et illustrer la démarche évolutive de conception de prompts pour affiner, ajuster les réponses obtenues,
  • Construire un argumentaire/débat en dialoguant avec la machine.
Activites - université Sherbrooke -guide IA

L’université de Sherbrooke propose dans son guide « Évaluer à l’ère des IA – Combattre la bête ou l’apprivoiser ? » une liste d’activités permettant de diversifier les traces d’apprentissage et les livrables attendus. Plusieurs types d’activités peuvent être intégrés dans une même évaluation pour une diversification optimale.

III. Pour aller plus loin

Cadres institutionnels et référentiels

Cadrer l’usage de l’IA dans les évaluations

Guides et ressources francophones récents

Détection et intégrité

Repères initiaux (2023-2024)

Ressources UBS

Cliquer sur ce lien pour télécharger la fiche récapitulative « Évaluation et IAGs » au format pdf

Retour IA génératives & enseignement : les ressources de l’UBS

Cet article vous a-t-il été utile ?

38
Articles liés
3 commentaires

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Aller au contenu principal