Grands témoins de la journée PédagoN'UM 2025 "IA et Evaluation", avec Jacques Tardif, Professeur émérite de l’Université de Sherbrooke et membre distingué de l’Ordre de l’excellence en éducation du Québec, conférencier internationalement reconnu et expert de l'approche par compétences ,
nous avons discuté autour des différents échanges de la journée et des perspectives soulevées pour les évaluations à l’ère de l’IA.
Nos échanges tournent autour de l’usage de l’intelligence artificielle et des outils numériques en pédagogie, avec un accent particulier sur l’évaluation, la personnalisation des apprentissages et le rôle des enseignants dans ce contexte.
IA et pédagogie
L’IA est perçue comme une aide précieuse pour les enseignants : planification de cours, rétroaction, correction de travaux, ou encore création de parcours individualisés (ex. Magic School).
Les limites sont soulignées : confidentialité, fluctuation dans la fiabilité des résultats, reproductibilité incertaine, besoin de datasets de qualité.
Les deux intervenants considèrent que les outils évoluent rapidement, mais que l’essentiel reste la démarche pédagogique et la définition claire des compétences à développer.
Données et mutualisation
Importance de préparer et mutualiser des jeux de données (datasets) de qualité, en particulier pour l’apprentissage par cas et l’entraînement des modèles d’IA.
Intérêt à explorer l’open data et les bases mutualisées (UNT, projets collaboratifs).
Démarche exploratoire et communauté
Valorisation de l’expérimentation en milieu universitaire : tester, se tromper, coconstruire avec les étudiants.
Proposition de s’appuyer sur les communautés de pratique, d’évaluer l’impact des outils et de réfléchir collectivement sur les retombées.
Multilinguisme et accessibilité
Développement attendu des outils de traduction en temps réel (Google Meet, Teams, lunettes Meta) ouvrant de nouvelles possibilités pour l’enseignement et l’accès aux ressources.
L’évaluation et ses critères
Tardif insiste sur trois valeurs incontournables : validité (évaluer ce que l’on prétend), fidélité (constance intra- et intercorrecteur) et équité (permettre à chacun de démontrer son apprentissage).
QCM et portfolios sont comparés :
Le QCM est facile à corriger mais sa construction reste très subjective.
Le portfolio documente la progression mais exige un investissement élevé de l’enseignant et soulève des défis de fiabilité.
Exemple : usage d’un wiki comme portfolio en pharmacie (Université de Grenoble), combinant évaluation et constitution d’une base de cas cliniques.
Évolution de l’écrit et du doctorat
Discussion sur l’érosion de la place de l’écrit (rédaction de thèse, processus de construction du savoir) avec l’IA.
Risque de perte de compétences rédactionnelles : certaines écoles doctorales réfléchissent à une implication plus précoce des rapporteurs pour encadrer la rédaction.
IA et portfolio
L’IA peut aider à constituer un portfolio, mais pas à documenter de manière crédible la valeur des preuves ni à expliciter la progression.
Importance de compléter le portfolio par un entretien oral.
Possibilité d’intégrer des preuves multimédia (vidéos, audios) pour évaluer notamment les compétences relationnelles et transversales.
Compétences et transversalité
Consensus sur l’importance de contextualiser les compétences dites transversales, trop souvent abordées de manière abstraite.
Crainte que leur généralisation hors contexte devienne un discours creux.
Conclusion commune
Les outils numériques et l’IA ne sont que des moyens ; ils doivent rester au service d’un projet pédagogique articulé sur les compétences et l’évaluation.
La force est encore du côté des enseignants : ce sont eux qui fixent le cap, définissent les objectifs et orchestrent la démarche.
Les rencontres comme celle-ci créent une énergie et une volonté de mutualiser au sein des réseaux universitaires pour prolonger la réflexion.
