Évaluations et IA – élargir les possibles

Depuis l’arrivée des IA génératives, la question de l’évaluation reste le nœud gordien qui souligne toutes les fragilités des institutions d’enseignement. L’IA peut, et de mieux en mieux, donner des productions convaincantes, qui répondent aux exigences, et l’IA peut également corriger de mieux en mieux les copies. Alors, va-t-on vers un système où les IA des étudiants produiront des copies évaluées par les IA des enseignants, dans un déni total, qui peut avoir raison de l’intégrité académique ? Pas forcément, petit tour d’horizon.

Reposer la question des formes d’évaluation d’un point de vue pédagogiques

Hervé Barras porte cette exigence de quête de cohérence dans un contexte où l’IA est présente, et au travers de recherche action vise à conserver le développement du travail intellectuel des étudiants. Mais surtout Jeff van der Poël propose une démarche structurée au travers d’un outil de positionnement réflexif, prax-IA, qui permet à chaque enseignant de se positionner face à l’IA et d’envisager une évaluation qui correspond à son besoin. Basé sur une revue de littérature complète, Prax-IA est pragmatique, en proposant des pistes concrètes et des outils pour aller plus loin, que ce soit pour l’évaluation formative, ou l’examen (évaluation certificative).

L’IAg, une aide pour évaluer

En parallèle, les praticiens de l’IA et les chercheurs, cherchent des pistes pour s’aider de l’IAg pour évaluer les étudiants.

Fait nouveau, qui démontre l’évolution rapide de nos sociétés face à l’IAg, il semble que collectivement les enseignants, voire les institutions sont prêtes à faire le pas. Il faudra s’assurer que l’équité et la transparence seront assurées.

Sur cette réinvention pour l’instant discrète, je vous renvoie au billet de Philippa Hardmann, qui propose une quatrième piste de suivi continu des apprentissages en situation de travail (qui me semble délicat dans un contexte de travail tendu).

En guise de conclusion

Plusieurs points d’attention sont à considérer :

• Dans tous les cas, l’évaluation doit basculer vers plus d’authenticité, et déplacer le focus du produit réalisé vers le processus ou le comportement qui a permis cette réalisation ;
• D’autre part que les utilisations de ces outils soient rendues plus transparentes tant du coté étudiant que du coté enseignant, pour sortir d’un déni ;
• Finalement, de réfléchir ensemble sur les compétences que nos étudiants doivent développer pour trouver leur place. Le futur étant incertain, la seule certitude est que nous sommes dans un système de poly-crise. Il faudra donc apprendre à apprendre tout au long de sa vie sans, avec ou malgré l’IA, et donc prendre du recul.