Les universités anglaises sont invitées à repenser la manière dont elles évaluent leurs étudiants, l’IA générative rendant de plus en plus difficile de déterminer si les travaux remis reflètent les connaissances et les compétences de l’étudiant lui-même. L’Office for Students, le régulateur de l’enseignement supérieur en Angleterre, a averti que les établissements qui ne maintiendraient pas des évaluations valides et fiables pourraient subir des conséquences réglementaires.
Cette intervention accentue l’importance d’un problème auquel les universités sont confrontées depuis que les outils d’IA générative largement accessibles ont commencé à modifier la façon dont sont produits les essais, les mémoires et les examens à domicile. Le régulateur a déclaré que la crédibilité des diplômes anglais était en jeu si les établissements ne pouvaient pas démontrer que leurs évaluations mesuraient réellement l’apprentissage des étudiants.
Un avertissement réglementaire sur l’évaluation
Selon l’Office for Students, des étudiants ont signalé que certains de leurs camarades utilisaient l’IA sans être détectés par le personnel universitaire. La préoccupation du régulateur ne tient pas simplement au fait que l’IA puisse être utilisée dans les travaux, mais au risque que les systèmes d’évaluation ne soient plus capables de distinguer le travail personnel d’un étudiant d’un travail largement généré ou modifié par un outil.
Josh Fleming, directeur de la stratégie et de la mise en œuvre du régulateur, a décrit l’usage de l’IA dans l’enseignement supérieur comme un risque générationnel pour le système actuel. Cet avertissement montre que la conception des évaluations devient une question centrale de conformité, plutôt qu’un sujet laissé aux seuls enseignants ou départements.
L’Office for Students a déclaré que les établissements devaient concevoir des mesures valides et fiables pour tester les connaissances et les compétences. Il a averti que ne pas le faire en réponse à l’IA pourrait constituer une violation des conditions d’enregistrement et exposer un établissement à des sanctions.
Pourquoi les travaux conventionnels sont sous pression
Les travaux écrits de longue durée occupent depuis longtemps une place majeure dans l’évaluation universitaire, car ils peuvent tester la recherche, l’argumentation, l’analyse et la communication. L’IA générative complique ce modèle en facilitant la production rapide de textes fluides, y compris de contenus pouvant sembler adaptés à un devoir précis.
La difficulté ne se limite pas aux essais. L’enquête du régulateur a également désigné les mémoires et les examens à livre ouvert comme des domaines dans lesquels les établissements doivent examiner l’incidence de l’IA sur les éléments dont ils disposent pour juger les capacités d’un étudiant. Dans ce contexte, un document final soigné, à lui seul, peut être moins convaincant qu’auparavant comme preuve d’un apprentissage autonome.
Cela ne signifie pas que tous les travaux écrits disparaîtront. L’orientation politique exposée par le régulateur suggère plutôt que les universités devront déterminer délibérément quelles tâches peuvent encore fournir des preuves fiables, quelles garanties sont appropriées et quand l’évaluation doit se dérouler dans des contextes où l’usage des outils peut être limité ou observé.
Le retour à des preuves plus directes
Une réponse mise en avant par le régulateur consiste à recourir davantage à des évaluations sans IA. Il peut s’agir d’examens écrits en présentiel et d’examens oraux, souvent appelés vivas. Ces formats peuvent fournir à l’évaluateur des éléments plus directs sur la manière dont un étudiant explique un concept, répond à des questions ou résout un problème.
Pour les étudiants, cela pourrait entraîner une évolution plus visible de l’équilibre entre les travaux réalisés sur plusieurs semaines et les évaluations effectuées dans des conditions surveillées. Pour le personnel, cela pourrait signifier repenser les modules, préparer d’autres formes d’évaluation et mettre au point des méthodes de notation capables d’évaluer à la fois les réponses finales et le raisonnement de l’étudiant.
L’évaluation en présentiel n’est pas la seule option. L’Office for Students a cité des exemples dans lesquels les étudiants doivent critiquer ou modifier des productions générées par l’IA. Cette approche fait de l’IA un élément du sujet évalué : l’étudiant doit repérer les limites, apporter des modifications éclairées et faire preuve de discernement, plutôt que de simplement remettre un texte généré.
Un autre modèle est l’évaluation fondée sur le processus. Les étudiants peuvent être invités à documenter la manière dont ils ont effectué leurs recherches et produit leur travail, donnant aux enseignants une vision plus claire du développement qui sous-tend la remise finale. La valeur exacte de ces éléments dépendra du cours et de la tâche, mais l’objectif reste le même : les évaluations doivent révéler l’apprentissage, et non simplement recueillir un produit fini.
La pression monte sur les universités
Le Department for Education a déclaré attendre des universités qu’elles prennent le sujet au sérieux et de l’Office for Students qu’il fasse appliquer efficacement les normes existantes. Il a également demandé que le cadre réglementaire autour de l’IA soit explicite, solide et durable.
Le régulateur a reconnu que de nombreux établissements avaient déjà commencé à repenser leurs évaluations. C’est important, car les universités ne partent pas d’une base commune unique. Les formations diffèrent largement par ce qu’elles enseignent et par la manière dont les étudiants doivent démontrer leur compétence. Une discipline de laboratoire, un programme artistique et une formation professionnelle peuvent chacun nécessiter une combinaison différente de travaux surveillés, oraux, pratiques et écrits.
Le défi dépasse donc la détection des textes générés par l’IA. Les outils de détection peuvent être incertains, tandis que la politique d’évaluation doit rester équitable pour les étudiants et applicable par le personnel enseignant. L’accent mis par le régulateur sur des mesures valides et fiables attire l’attention sur la conception d’évaluations capables de se suffire à elles-mêmes, plutôt que de reposer sur des soupçons formulés après coup à propos d’un devoir.
Les changements à venir
La position de l’Office for Students devrait accélérer l’expérimentation de nouveaux formats d’évaluation dans l’enseignement supérieur anglais. Davantage de présentations orales, d’écriture surveillée, de vivas et de projets documentés pourraient devenir des éléments familiers des formations où l’auteur indépendant est essentiel.
Dans le même temps, les exemples cités par le régulateur suggèrent que les universités ne sont pas invitées à ignorer totalement l’IA. Demander aux étudiants d’évaluer ou d’améliorer une production générée par l’IA pourrait permettre aux établissements d’évaluer la pensée critique et les connaissances disciplinaires, tout en reconnaissant que cette technologie fait désormais partie de l’environnement d’apprentissage au sens large.
Le test immédiat pour les universités sera de savoir si elles peuvent effectuer ces changements sans réduire l’évaluation à un ensemble plus restreint de tâches faciles à surveiller. Le message du régulateur est clair : les établissements doivent pouvoir démontrer qu’un diplôme représente les connaissances et les compétences de l’étudiant. À l’ère de l’IA, cela pourrait nécessiter une présentation plus variée et plus directe de la manière dont l’apprentissage est évalué.
Cet article s’appuie sur un reportage du The Guardian. Lire l’article original.
Originally published on theguardian.com


