La généralisation de l’intelligence artificielle générative oblige les établissements à réexaminer ce que leurs évaluations mesurent réellement. Un texte soigné ne prouve plus, à lui seul, que la personne étudiante maîtrise les compétences attendues.
Le modèle AICAI de Martine Peters et Dimitar Angelov propose une démarche systémique pour associer intégrité, créativité et apprentissage. Ses pistes invitent à revoir les consignes, les critères et la place accordée aux outils numériques.
À retenir :
- Des tâches authentiques reliées aux pratiques professionnelles
- Des règles explicites sur l’usage de l’intelligence artificielle
- Une rétroaction régulière, au-delà de la note finale
- Des critères portant sur la démarche et le résultat
Repenser l’évaluation à l’ère de l’IA avec le modèle AICAI
Cette remise en question prend appui sur deux changements qui ont transformé l’enseignement supérieur : l’apprentissage à distance, puis l’arrivée des outils génératifs. Selon Peters et Angelov, la réponse ne peut pas se limiter à repérer ou sanctionner les usages non autorisés.
Du plagiat numérique à l’intégrité académique
La pandémie a accéléré la numérisation des cours et élargi l’accès aux ressources en ligne. Les outils génératifs ajoutent une difficulté : ils produisent rapidement des textes qui peuvent sembler cohérents sans témoigner des connaissances de leur utilisateur.
Peters et Angelov proposent d’inclure dans la réflexion sur le plagiat les contenus générés par une intelligence artificielle lorsqu’ils sont présentés sans référence, dans un travail évalué. Cette approche rend nécessaire une règle compréhensible : les étudiantes et étudiants doivent savoir quoi déclarer, citer ou réaliser eux-mêmes.
Un cadre de conception souple et contextualisé
Le modèle AICAI ne prescrit pas une séquence unique. Une enseignante peut commencer par les objectifs d’apprentissage, tandis qu’un autre membre du corps professoral partira d’un projet authentique ou des contraintes de sa discipline.
Selon Peters et Angelov, la planification doit aussi tenir compte du niveau d’études, des prérequis, de l’expérience pédagogique et de la connaissance des outils disponibles. En droit, l’IA pourrait aider à améliorer la forme d’un texte, alors qu’un cours de langue peut interdire la correction grammaticale si cette compétence est précisément évaluée.
Les choix de conception gagnent à être examinés ensemble plutôt qu’isolément :
- Objectifs d’apprentissage et compétences réellement visées
- Usages autorisés, limités ou interdits de l’IA
- Étapes de travail et preuves de la démarche
- Critères transparents adaptés à la discipline
| Dimension | Question de planification | Exemple |
|---|---|---|
| Objectifs | Quel apprentissage doit être démontré ? | Analyser un dossier juridique |
| Contexte | Quel niveau et quels prérequis ? | Travail ajusté à l’année d’études |
| IA générative | Quel usage est autorisé ? | Révision de la forme, si pertinente |
| Évaluation | Quelles preuves rendent la démarche visible ? | Sources, brouillons et explication orale |
Concevoir des tâches authentiques et créatives
Une fois les objectifs clarifiés, la nature de la tâche devient déterminante. Peters et Angelov recommandent de dépasser les exercices standardisés lorsque ceux-ci évaluent surtout la mémorisation ou la restitution de réponses facilement produites par un outil.
Développer la créativité sans exiger l’originalité absolue
La créativité étudiante ne suppose pas d’inventer une idée entièrement nouvelle. Elle peut consister à sélectionner des informations pertinentes, à les organiser et à les adapter à un problème réel, en mobilisant l’esprit critique.
Un projet de gestion pourrait demander de comparer plusieurs stratégies pour une organisation locale, puis de justifier une recommandation. L’IA peut contribuer à explorer des pistes, mais l’étudiant doit vérifier les sources, expliquer ses choix et relier sa proposition au contexte étudié.
Équilibrer évaluations diagnostiques, formatives et sommatives
Selon Peters et Angelov, les évaluations formatives et diagnostiques méritent une place plus visible aux côtés des travaux qui déterminent une note finale. Une courte analyse initiale permet de repérer les acquis, tandis que des étapes intermédiaires offrent une rétroaction avant la remise définitive.
Un cours peut ainsi combiner une étude de cas, une présentation orale et une réflexion sur les décisions prises. Cette diversité soutient la personnalisation des apprentissages et rend plus lisible la contribution de chaque personne, sans prétendre éliminer tout risque de plagiat.
Plusieurs formats rapprochent le travail scolaire de situations concrètes :
- Étude de cas fondée sur un problème contextualisé
- Simulation avec décisions à justifier
- Présentation orale suivie de questions
- Analyse de données accompagnée d’une réflexion personnelle
Un oral interactif peut, par exemple, demander à l’étudiante d’expliquer pourquoi elle a écarté une source ou modifié son hypothèse. L’évaluation porte alors sur le raisonnement et les compétences disciplinaires, plutôt que sur le seul résultat écrit.
Encadrer l’usage de l’IA et rendre les critères transparents
Quand les tâches deviennent plus ouvertes, les règles doivent être suffisamment précises pour éviter les malentendus. Cette clarté protège l’équité entre les personnes étudiantes et donne une place définie à l’éthique numérique.
Préciser les usages permis et documenter la démarche
Une consigne utile indique si l’IA peut servir à chercher des idées, organiser un plan ou reformuler un passage. Elle précise également les usages interdits lorsque l’outil remplacerait la compétence évaluée, comme la correction grammaticale dans un exercice de langue.
Le travail peut être découpé en étapes : bibliographie annotée, première version, présentation et réflexion métacognitive. Cette organisation rend la démarche plus visible et aide l’enseignant à proposer une rétroaction avant que les erreurs ne se figent dans le produit final.
Évaluer le contenu, le processus et le produit
Les critères gagnent à distinguer la qualité disciplinaire, les décisions prises pendant le travail et le respect des consignes finales. Les étudiants peuvent aussi participer à leur formulation ou à la discussion de leur pondération, afin de mieux comprendre les attentes.
Un barème peut demander d’expliquer la provenance des sources, de signaler les passages assistés par l’IA et de réfléchir aux difficultés rencontrées. Selon Peters et Angelov, cette approche globale soutient l’intégrité sans garantir une protection absolue contre les usages inappropriés.
Un tableau de critères peut clarifier la manière dont ces éléments sont examinés :
| Objet évalué | Trace attendue | Apport pédagogique |
|---|---|---|
| Contenu | Analyse étayée par des sources | Vérification des connaissances disciplinaires |
| Processus | Étapes, choix et difficultés explicités | Compréhension de la démarche |
| Usage de l’IA | Contribution de l’outil déclarée | Responsabilisation et transparence |
| Produit final | Réponse conforme aux critères annoncés | Jugement équitable du travail remis |
Cette conception peut évoluer au fil du programme : les premières années consolident les compétences fondamentales, puis les années avancées abordent des usages encadrés de l’IA. L’innovation pédagogique tient alors moins à l’outil qu’à la qualité des apprentissages que l’évaluation permet d’observer.
Source : Martine Peters et Dimitar Angelov, « Redefining assessment tasks to promote students’ creativity and integrity in the age of generative artificial intelligence », International Journal for Educational Integrity, 2025 ; Martine Peters, « Note éditoriale : Intelligence artificielle et intégrité académique peuvent-elles faire bon ménage ? », Revue des sciences de l’éducation, 2023.
Choisir un dispositif numérique comme un projet pédagogique, pas un réflexe technique
Qu'il s'agisse d'introduire une plateforme en ligne, de construire un parcours hybride ou de former les équipes aux outils numériques, chaque étape mérite d'être anticipée. Comprendre les besoins réels des apprenants permet d'en tirer aussi des bénéfices concrets : engagement, accessibilité et qualité des apprentissages.
Pour aller plus loin
- Vérifier l'adéquation entre les objectifs pédagogiques et l'outil envisagé
- Comparer les plateformes et leurs fonctionnalités d'accompagnement
- Anticiper l'accès de tous les élèves au matériel et à la connexion nécessaires
- Impliquer les enseignants dès la phase de conception du dispositif
