Ce devoir est-il le fruit d'un "travail" ou d'un "apprentissage" ? — L'évaluation scolaire à l'ère de l'IA en question

Un texte bien structuré. Une composition cohérente. Des documents attrayants.

Lorsqu'un enfant remet un tel rapport, les adultes pourraient penser qu'il a "bien étudié". Cependant, à l'ère de l'IA générative capable de créer des textes et des structures, ce niveau de perfection n'est pas nécessairement le reflet de la profondeur de compréhension de l'élève.

Ce problème ne peut être résolu uniquement par des technologies de détection de fraude. Ce qui est remis en question, c'est le critère que les écoles reconnaissent comme résultat d'apprentissage et ce que les familles considèrent comme preuve d'effort.

Dans un article du journal irlandais "The Irish Times" daté du 14 octobre 2026, Conor Murphy a exprimé ses vives inquiétudes concernant le système éducatif à travers son compte-rendu de la conférence éducative "ResearchEd".

L'article ne traite pas uniquement de l'IA. Il aborde également la mémoire, la révision, l'attention et la possibilité de se tromper en classe. Le point commun est la question suivante :ne confondons-nous pas "avoir l'air d'avoir appris" avec "apprendre réellement"?

À qui revient le mérite des travaux impeccables ?

Bradley Busch, qui a présenté des connaissances en psychologie lors de la conférence, a évoqué la difficulté de distinguer de manière fiable si un texte d'élève a été rédigé à l'aide de l'IA.

Murphy relie cela non seulement aux devoirs, mais aussi aux évaluations élargies des examens de qualification "Leaving Certificate" en Irlande.

Cet examen est également lié à l'entrée à l'université. Les "Additional Assessment Components (AACs)" introduits par la réforme incluent des rapports basés sur des enquêtes et des projets.

Selon une explication publiée par le syndicat des enseignants ASTI en mars 2026, pour neuf matières nouvellement créées ou révisées qui seront concernées par l'examen de 2027, les AAC représenteront au moins 40 % de la note finale. Dans le même temps, les enseignants ont souligné la difficulté de vérifier si les travaux soumis sont bien ceux des élèves eux-mêmes.

Il est significatif d'évaluer des compétences difficiles à saisir par des examens écrits. Cependant, plus l'impact sur les notes est important, plus il devient crucial de mettre en place un système permettant de vérifier jusqu'à quel point l'élève a réfléchi, recherché et jugé par lui-même.

Il est important de distinguer l'utilisation de l'IA comme aide à la recherche de celle qui consiste à produire un travail sans compréhension personnelle. Si les deux sont confondus, il devient difficile d'utiliser l'IA de manière appropriée et d'évaluer équitablement.

Les limites de l'attente selon laquelle "un enseignant peut le détecter"

Une recherche de l'Université de Reading au Royaume-Uni fournit des éléments de réflexion sur cette préoccupation.

Dans une étude publiée en 2024, des réponses générées par l'IA ont été mélangées à des examens de psychologie de premier cycle pour voir comment elles seraient traitées lors du processus de notation réel. Il en est ressorti que 94 % des réponses de l'IA n'ont pas été détectées, et en moyenne, elles ont reçu une meilleure évaluation que celles des étudiants réels.

Cependant, cela concerne les résultats d'une université, d'une matière et de conditions d'examen spécifiques. Cela ne signifie pas que le même pourcentage s'appliquerait à toutes les écoles au Japon, ni que cela reflète la performance de toutes les technologies de détection de l'IA.

Néanmoins, cela montre le danger de soutenir un système uniquement sur l'attente que "les enseignants expérimentés peuvent le détecter en lisant le texte".

En tant que système d'évaluation, il est souhaitable de combiner le produit fini avec de courtes explications orales, des travaux en classe et des enregistrements des étapes intermédiaires. Il est nécessaire de vérifier la compréhension de l'élève à travers plusieurs situations, plutôt que de considérer une seule comme preuve universelle.

Pourquoi se sent-on "avoir étudié" en surlignant avec un marqueur ?

Ce qui est frappant dans l'article original, c'est le lien entre le discours sur l'IA et les méthodes d'étude traditionnelles.

Surligner dans un manuel. Prendre des notes soignées. Lire de nombreuses pages.

Ces actions sont visibles, ce qui permet de transmettre facilement l'effort à soi-même et aux autres. Cependant, le fait que les pages soient colorées ne signifie pas que l'on peut se souvenir du contenu.

Dans une revue de recherche sur les méthodes d'apprentissage menée par Dunlosky et al., les tests pratiques et l'apprentissage espacé ont été bien évalués, tandis que le surlignage et la relecture ont été jugés moins utiles dans des conditions variées.

Cela ne signifie pas qu'il ne faut pas utiliser de surligneurs. Il est nécessaire d'avoir l'occasion de retirer par soi-même ce qui était important après avoir surligné.

Par exemple, fermer le manuel et énumérer trois points clés. Résoudre un problème sans regarder la réponse. Expliquer brièvement ce qui a été appris la veille. Vérifier les parties non maîtrisées et les retravailler.

Même en lisant une explication claire générée par l'IA, il est important de se poser la même question. Est-ce que je me suis contenté de comprendre en lisant, ou puis-je expliquer même après avoir fermé l'écran ?

Ce que l'on peut faire aujourd'hui ne sera pas forcément possible la semaine prochaine

Lors de la conférence, l'importance de distinguer la performance immédiate en classe de l'apprentissage à long terme a également été discutée.

On peut répondre juste après avoir entendu une explication. On peut résoudre un problème similaire juste en dessous d'un exemple. Cependant, quelques jours plus tard, sans aucun indice, on peut rester bloqué. Ces expériences ne sont pas rares.

L'article original a présenté une méthode consistant à disperser l'apprentissage et à combiner des contenus connexes tout en les vérifiant de manière répétée. Bien que des périodes d'apprentissage courtes d'environ 30 minutes aient été citées en exemple, il ne s'agit pas de dire que "30 minutes est optimal pour tout le monde".

À la maison, on pourrait revenir un peu sur le contenu appris aujourd'hui le lendemain, puis le vérifier à nouveau le week-end. Pour les mathématiques, plutôt que de continuer avec des problèmes de même type, on pourrait mélanger différents types de problèmes déjà étudiés.

Ce qui est important, c'est de ne pas considérer uniquement la sensation de progression fluide comme critère de succès. Cependant, il ne suffit pas non plus de rendre les choses difficiles pour créer des problèmes. Il faut des exercices réalisables et des explications permettant de corriger les erreurs.

Sur les réseaux sociaux, "l'inquiétude face à la substitution" croise "le doute sur l'évaluation unique"

Les discussions en ligne sur ce problème ne se divisent pas simplement en pour ou contre l'IA.

Ce qui suit n'est pas une réaction directe à l'article du The Irish Times, mais des opinions confirmées dans des discussions connexes sur Reddit concernant la réforme éducative en Irlande et l'IA. Il s'agit de publications anonymes et non d'une enquête reflétant l'opinion publique dans son ensemble.

Dans un fil de discussion de décembre 2024 sur l'utilisation de l'IA dans les projets de recherche, une inquiétude a été exprimée :étant donné les notes élevées attribuées, même si l'utilisation de l'IA est interdite par les règles, certains élèves pourraient faire réaliser leurs devoirs par l'IA.

Dans le même post, il est également expliqué que cela ne signifie pas que toutes les évaluations autres que les examens écrits, comme les examens oraux ou les performances musicales, sont rejetées. Ce qui est problématique, c'est la conception de la manière de vérifier les compétences de l'élève pour chaque type de tâche.

Dans un autre fil de discussion connexe, des inquiétudes ont été exprimées concernant les différences de soutien en fonction de l'environnement familial et la charge de travail due à l'accumulation de devoirs. En revanche, des doutes ont été soulevés quant à la concentration des notes sur un seul grand examen, et l'idée que diviser l'évaluation en petites parties pourrait réduire la pression sur les élèves a été avancée.

Ce qui ressort de cette discussion, c'est qu'il ne s'agit pas d'un problème qui peut être résolu par le simple choix entre "examen ou devoir".

L'évaluation des tâches a une valeur en reconnaissant l'exploration approfondie. Cependant, si l'aide reçue à la maison varie et que la compréhension personnelle est difficile à vérifier, cela risque de créer une autre forme d'injustice. Chaque méthode a ses avantages à préserver et ses faiblesses à compenser.

Dans les écoles japonaises aussi, il est important de d'abord décider "ce qui doit être évalué"

Cette question se pose également pour les rédactions de critiques littéraires, les recherches, les activités d'exploration et les rapports universitaires au Japon.

Par exemple, même pour un devoir identique consistant à "résumer les problèmes de la région", l'objectif n'est pas unique. Est-ce pour développer la capacité de collecte d'informations ? La capacité à comparer les documents ? La capacité à rédiger ? Selon cela, les tâches pouvant être confiées à l'IA varient.

Si l'on génère l'intégralité du texte pour un devoir d'expression écrite, le cœur de l'exercice est perdu. En revanche, pour un devoir de comparaison d'informations, il est envisageable d'examiner les divergences entre les explications de l'IA et les documents officiels.

La deuxième version des lignes directrices révisées par le ministère de l'Éducation en décembre 2024 repose également sur l'idée d'une utilisation centrée sur l'humain et du développement des compétences en matière d'utilisation de l'information en tenant compte de l'existence de l'IA. Pour l'utilisation par les élèves, il s'agit de prendre en compte le stade de développement, l'état de développement des compétences et les mesures contre les risques.

Pour intégrer cette orientation dans les cours, il ne suffit pas de dire simplement "l'utilisation de l'IA est autorisée". Il est nécessaire de préciser pour chaque tâche quel type d'utilisation est autorisé, qu'il s'agisse d'une aide à la réflexion, d'une correction d'expression ou de la génération de texte.

Vers une évaluation qui montre les "traces de réflexion" en plus du produit fini

Alors, quel type de devoir permet de mieux vérifier l'apprentissage de l'élève ? Voici des propositions basées sur l'article original et des documents connexes.

L'une des méthodes consiste à partager progressivement le processus jusqu'à la soumission. La question initiale, les documents consultés, les réflexions modifiées en cours de route, la conclusion finale. Il n'est pas nécessaire de tout enregistrer en détail. Même les points de bifurcation importants peuvent capturer des jugements invisibles à partir du produit fini.

Une autre méthode est une courte explication après la soumission.

"Pourquoi avez-vous choisi ce document ?"
"Quels points ont changé par rapport à votre réflexion initiale ?"
"Arriveriez-vous à la même conclusion dans d'autres conditions ?"

Ces questions ne visent pas uniquement à contrôler l'utilisation de l'IA, mais aussi à offrir des opportunités d'approfondir la compréhension.

Cependant, il ne faut pas évaluer uniquement la rapidité de la réponse ou la capacité à parler en public. Il est nécessaire de prévoir du temps pour réfléchir, de permettre des explications sous forme de courts textes ou de schémas, en fonction des objectifs d'apprentissage.

De plus, si toutes les vérifications sont une charge supplémentaire pour les enseignants, cela ne durera pas. Réviser le nombre et la quantité de devoirs, et garantir du temps pour vérifier le processus en classe font également partie de la réforme de l'évaluation.

Dans une classe où l'on ne peut pas se tromper, le processus de réflexion devient invisible

Vers la fin de l'article original, l'importance de pouvoir échouer dans un environnement sûr est abordée.

Cela est étroitement lié à l'éducation à l'ère de l'IA. Si seules les réponses correctes et complètes sont valorisées et que les hésitations ou erreurs en cours de route sont source de honte, les élèves n'ont aucune raison de montrer leurs réflexions incomplètes.

En revanche, si l'on reconnaît ce qui a été corrigé à partir des erreurs, cela donne un sens à montrer le processus de réflexion.

"Jusqu'ici, j'ai compris"
"Je n'ai pas pu comprendre cette partie même après avoir lu l'explication de l'IA"
"Il y avait un problème avec le document que j'ai utilisé au début"

Dans une classe où de telles déclarations peuvent être traitées comme des points de départ pour l'apprentissage, il est plus facile pour les enseignants de saisir les points à soutenir.

Les pratiques des enseignants présentées dans l'article original visaient également à capter l'attention des élèves et à les conduire à un temps de réflexion approfondie. Malgré les différences de méthodes et de générations, la confiance dans le potentiel d'apprentissage des élèves était partagée.

Ce qu'il faut demander après "Combien de pages as-tu fait ?"

Il y a des choses qui peuvent être changées à la maison aussi.

En plus de demander "Combien de pages as-tu fait ?", essayez de demander "Qu'as-tu compris aujourd'hui ?". Au lieu de "As-tu tout fini ?", demandez "Y a-t-il encore des choses que tu ne comprends pas ?".

Il n'est pas nécessaire de faire un examen oral à chaque fois. Même si l'enfant hésite à expliquer, cela peut être une occasion de vérifier ensemble plutôt qu'un motif de reproche.

L'IA générative peut produire des résultats