Comment évaluer les personnes étudiantes à l’ère de l’Intelligence Artificielle ? Telle est la question qui anime les discussions entre enseignant·es et dans les salles de réunions des établissements scolaires et universitaires. Si l’IA bouleverse indéniablement les pratiques de l’évaluation, en particulier dans l’enseignement supérieur, bon nombre des enjeux qu’elle soulève ne sont pas nouveaux. Cet article abordera les enjeux liés à l’évaluation à l’ère de l’IA dans l’enseignement supérieur, ainsi qu’un nouveau projet européen lancé pour étudier ce phénomène : ASSAI.
L’externalisation n’est pas une nouveauté
Depuis la généralisation des outils d’IA générative tels que ChatGPT, la capacité des personnes enseignantes à évaluer véritablement les connaissances et les apprentissages de leurs étudiant·es s’en trouvent profondément bouleversés. Un projet scolaire, un mémoire universitaire, un portfolio de design, une présentation orale : il n’y a plus rien qui ne puisse désormais être généré par l’IA. Ainsi, à moins que les étudiant·es ne se trouvent dans une salle d’examen sous stricte surveillance, comment les personnes enseignantes peuvent-elles désormais savoir si leurs étudiant·es sont bien les auteur·rice·s du travail qu’ils et elles leur remettent ?
La réponse, bien sûr, est qu’ils et elles ne le peuvent pas. Les détecteurs d’IA ont échoué au test. Les personnes enseignantes pensent toutes disposer de détecteurs d’IA intégrés, en particulier lorsqu’elles connaissent bien leurs élèves, mais peuvent-elles en être sûres ? Les recherches suggèrent que non (par exemple, Fleckenstein et al., 2024). Et si l’on repense à l’époque précédant l’essor de l’IA à la fin de 2022, avec la mise à disposition publique de ChatGPT, on ne pouvait pas non plus en être sûr auparavant. Les règles relatives à l’intégrité académique existaient précisément parce que la question de la provenance des travaux remis par les élèves s’est toujours posée. Malheureusement, il y a toujours eu des personnes étudiantes qui demandaient à quelqu’un d’autre de rédiger leur exposé à leur place, ou qui payaient des « usines à dissertations » en ligne (des entreprises rémunérées pour rédiger des devoirs) afin de réaliser leur mémoire. Turnitin, l’outil de détection de plagiat en ligne, a été développé précisément parce que cette révolution de la tricherie avait déjà eu lieu auparavant. L’arrivée d’Internet et la généralisation du dépôt numérique des travaux ont permis aux personnes étudiantes de trouver soudainement des réponses à leurs questions de dissertation en ligne et de se contenter d’un simple copier-coller. En réalité, le fait de confier son travail à quelqu’un d’autre ou à un outil n’a rien de nouveau.
Ce qui est nouveau, en revanche, c’est que le recours au copier-coller ou aux usines à dissertation peut désormais être gratuite et instantanée. Et même si la personne étudiante n’a pas l’intention d’utiliser l’IA dans son travail d’évaluation, il est probable que la technologie qu’elle utilise fasse appel à l’IA sans qu’elle en ait nécessairement conscience. Google propose par exemple des recherches assistées par l’IA lorsque la personne étudiante recherche des informations pertinentes, tandis que Copilot, intégré à Microsoft Word, peut suggérer des modifications destinées à améliorer la qualité du texte. Même si l’étudiant·e ne cherche pas l’IA, celle-ci viendra à lui ou à elle. Elle est désormais omniprésente dans nos environnements numériques.
Revenir aux examens ?
Que devons-nous faire alors ? – se demandent les enseignant·es. Leurs élèves remettent des textes absolument parfaits, y compris lorsqu’ils écrivent dans une deuxième ou une troisième langue. Même les références gagnent en précision, de nos jours, ce qui était auparavant un signe révélateur de l’utilisation de l’IA. La technologie s’améliore, les grands modèles de langage sont mieux entraînés, les élèves perfectionnent leurs prompts. Il règne parmi les personnes enseignantes le sentiment général qu’il n’y a plus de véritable évaluation ; c’est devenu une « IA-valuation », qui consiste peut-être davantage à évaluer la capacité des étudiant·es à tirer parti des outils d’IA à leur disposition pour remettre le meilleur travail possible.
« Nous pourrions peut-être faire passer un examen oral à chaque étudiant·e », suggèrent certaines personnes enseignantes. Mais qui, de nos jours, dispose du temps et des ressources nécessaires pour interroger chaque étudiant·e individuellement ? Dans un contexte de massification et de marchandisation, en particulier dans l’enseignement supérieur, les classes sont surchargées et les personnes enseignantes peu nombreuses. Certaines suggèrent de revenir à des examens surveillés à 100 %. Mais cela pourrait être perçu comme un pas en arrière dans le monde de l’évaluation. Il y a les élèves qui ne sont tout simplement pas performants le jour J, pour qui les techniques d’examen ne fonctionnent jamais, ceux qui ne révèlent pas leur véritable potentiel lorsqu’ils sont soumis à la contrainte du temps. Les travaux pratiques de leur cursus ont permis aux personnes étudiantes du monde entier d’apprendre différemment, d’apprendre par la pratique, de prendre leur temps pour réfléchir, compiler, réviser et perfectionner. Tout ce processus, tous ces faux départs et brouillons, ces réécritures et ces remises en question, sont-ils désormais voués à disparaitre au profit d’un simple prompt ?
L’IA, calculatrice révolutionnaire pour les textes
Nous devons désormais nous demander quels élèves auront la discipline nécessaire pour lire, mener des recherches, planifier leur rédaction, rédiger un brouillon, réviser leur texte et le perfectionner – alors qu’ils pourraient simplement donner leur consigne à ChatGPT et obtenir le même résultat (voire meilleur) en quelques clics seulement ? Le travail qui prenait des semaines est désormais réalisé en quelques secondes. Qui parmi nous, une fois les cours de mathématiques terminés, prend le temps de noter l’opération et d’effectuer le long calcul à la main ? Personne. Nous sortons notre téléphone et obtenons le résultat en quelques secondes. L’IA est la calculatrice de cette génération. L’IA générative est une calculatrice révolutionnaire pour les textes et, comme beaucoup le soutiennent aujourd’hui, c’est un outil à utiliser : alors pourquoi s’en priver ?
Lorsque la calculatrice est apparue, certains ont avancé qu’elle conduirait les nouvelles générations à perdre leurs capacités numériques. Même si beaucoup d’entre nous ne sont peut-être pas capables de réciter nos tables de multiplication avec la même ferveur que nos grands-parents, l’addition et la multiplication n’ont pas disparu des programmes scolaires et les enfants savent toujours compter. De même, lorsque la télévision est apparue, certains avaient prédit la mort de la radio. Cela ne s’est toujours pas produit. Peut-être que les mêmes craintes à l’égard de l’IA s’avéreront infondées.
Espoir et confiance
Certains s’inquiètent d’un déclin des capacités cognitives et de l’émergence d’une nouvelle génération qui ne saurait plus penser, réfléchir, lire ou écrire. À quoi bon, puisque la machine peut le faire à notre place ? Cependant, à Nantes Université, les premières discussions avec les personnes étudiantes autour de l’introduction de l’IA dans le contexte de l’enseignement supérieur racontent une tout autre histoire. Elles mettent en évidence un groupe de jeunes esprits désireux d’apprendre, qui cherchent le contact social, qui souhaitent lire et accomplir des choses par eux – des aspirations également exprimées dans d’autres contextes d’enseignement supérieur (par exemple, Grünebaum, 2025). Il ne fait aucun doute qu’il y aura toujours des personnes étudiantes à la recherche d’un raccourci, mais il en a toujours été ainsi. Cependant, Il y a aussi celles et ceux qui vont à l’école ou à l’université pour apprendre, faire progresser leur pensée et vivre pleinement cette dimension sociale qui caractérise les êtres humains et, espérons-le, continuera de les caractériser.
La plupart des politiques élaborées à la hâte, en particulier dans les universités, se sont appuyées sur cette confiance fondamentale accordée aux étudiant·es (Corbin et al., 2025). Beaucoup se sont orientées vers un système de feux tricolores, cherchant à relier une pratique encore indéfinie et expérimentale à quelque chose de plus simple et de plus familier. Le feu vert signifie généralement que l’IA peut être utilisée comme on le souhaite, mais que son utilisation doit généralement être déclarée lors de la remise du travail évalué. Le feu orange peut signifier que l’IA est autorisée pour certaines parties du travail, mais pas pour l’ensemble de la tâche. Quant au feu rouge, il signifie : stop, l’utilisation de l’IA n’est pas autorisée. Il est généralement demandé aux personnes étudiantes de signer une déclaration attestant l’originalité de leur travail et le fait qu’elles en sont les autrices, et précisant la place occupée par l’IA dans sa réalisation. Certains ont critiqué cette approche, affirmant qu’elle repose trop fortement sur l’honnêteté et l’intégrité des étudiant·es (par exemple, Corbin et al., 2025). Mais hélas, il en a toujours été ainsi, bien avant l’ère de l’IA. En ce sens, là encore, rien n’a changé.
Évaluer ou ne pas évaluer ?
Dans le monde de l’évaluation, on dit depuis longtemps qu’il faut révolutionner les pratiques. Les évaluations ont été critiquées à maintes reprises pour leur manque d’authenticité, leur caractère non réutilisable, leur déconnexion du monde réel, et pour n’être qu’un simple test de mémoire qui, une fois l’examen passé ou la dissertation rendue, disparaît complètement de la mémoire, laissant tout le monde se demander : « À quoi cela a-t-il servi ? ».
Dans sa conception idéale, l’évaluation ne devrait en réalité pas se réduire à une simple mesure des connaissances. Elle devrait consister en une tâche mobilisant des savoirs durables, des compétences susceptibles d’être réinvesties et des productions utilisables. Certains défendent aujourd’hui l’idée que l’utilisation de l’IA doit désormais faire partie intégrante de ce processus d’évaluation, précisément parce que les étudiant·es devront apprendre à utiliser l’IA de manière éthique, appropriée, experte et critique (Berg, 2023). La littératie de l’IA devra probablement être intégrée aux évaluations dans le monde entier, afin d’apprendre aux étudiant·es à utiliser l’IA de manière responsable et éthique (Hackl et al., 2026).
D’autres encore recentrent l’évaluation sur le processus plutôt que sur le produit (par exemple, Corbin et al., 2025). Ce qui importe désormais, c’est la manière dont les élèves parviennent au produit final de leur évaluation, et non pas seulement la qualité de ce produit final. Le processus d’évaluation pourrait s’avérer plus facile à évaluer pour les enseignant·es si celui-ci se déroule sous leurs yeux en classe, en collaboration avec l’IA. L’accent peut alors être mis sur le développement des capacités, sur le travail d’équipe, sur toutes les compétences non techniques qui seront utiles à l’élève dans le monde du travail. Cependant, il faut encore se demander s’il est vraiment juste d’évaluer un travail en cours de réalisation.
Il y a bien sûr aussi ceux qui adoptent une position plus radicale et qui, bien avant l’arrivée de l’IA, contestaient déjà la place de l’évaluation dans l’éducation. Nous devrions cesser d’insister sur la nécessité de tester, de mesurer, de classer et de réduire le long et complexe processus d’apprentissage à un simple pourcentage ou à une lettre. Nous pourrions soutenir que ces mesures n’ont jamais véritablement représenté l’être humain auquel elles sont associées, ni le travail qu’il a fourni, ni les processus cognitifs, sociaux et émotionnels qui ont jalonné son parcours pour parvenir à ce chiffre inscrit sur une page. Notre obsession pour l’évaluation a peut-être toujours été mal placée, et à l’ère de l’IA, le moment est peut-être venu de réexaminer ce postulat fondamental. Avons-nous réellement besoin d’évaluer ? Pouvons-nous vraiment évaluer ?
ASSAI
Toutes ces questions seront posées et débattues dans le cadre de notre projet de recherche européen, ASSAI, acronyme de « AI-Driven Assessment in Education : Shaping Policies for Responsible and Ethical Implementation » (Évaluation pilotée par l’IA dans l’éducation : définir un cadre politique pour une mise en œuvre responsable et éthique). En collaboration avec un réseau d’universités à travers l’Europe, nous examinerons ce qui se passe en matière d’évaluation au sein de nos établissements d’enseignement supérieur. Nous mènerons des entretiens avec des personnes enseignantes et des étudiantes afin de tenter de mettre au jour ce qui se passe réellement dans les processus d’évaluation à travers diverses disciplines et différents niveaux d’enseignement. Quelle place l’IA occupe-t-elle déjà dans le processus d’évaluation ? Comment les personnes actrices perçoivent-elles la place de l’IA dans ce processus ? Et comment pouvons-nous innover pour intégrer ou répondre à cette nouvelle ère d’apprentissage, d’enseignement et d’évaluation assistés par l’IA ? Il y a beaucoup à découvrir et nous avons hâte de mettre en lumière les solutions créatives de nos enseignant·es et de nos étudiant·es qui réagissent déjà à cette révolution de l’IA, souvent bien avant que l’établissement et ses dirigeant·es ne puissent mettre en place des mesures pour tenter de la réguler. Nous allons mettre en lumière la manière dont l’IA est vécue et expérimentée dans le cadre de l’évaluation, dans l’espoir de partager des expériences et d’élaborer des lignes directrices à l’intention des établissements de l’Union européenne et au-delà.
Références
Berg, N. (2023) Should We Let Students Use ChatGPT? [YouTube video]. TEDx Talks, 26 September. Available at: https://www.youtube.com/watch?v=ogcSQ-cFRVM (Accessed: 3 June 2026).
Corbin, T., Dawson, P. and Liu, D. (2025) ‘Talk is cheap: why structural assessment changes are needed for a time of GenAI’, Assessment & Evaluation in Higher Education, 50(7), pp. 1087–1097. doi: 10.1080/02602938.2025.2503964.
Fleckenstein, J., Meyer, J., Jansen, T., Keller, S.D., Köller, O. and Möller, J. (2024). Do teachers spot AI? Evaluating the detectability of AI-generated texts among student essays. Computers and Education: Artificial Intelligence, 6, p.100-209.
Grünebaum, H. (2025). AI and the Brain: Reflections on Writing Skills in the Light of AI. JoSch–Journal für Schreibwissenschaft, 16(1), pp.19-33. Hackl, V., Müller, A.E. and Sailer, M. (2026). The AI literacy heptagon: A structured approach to AI literacy in higher education. Computers and Education: Artificial Intelligence, p.100540.
