A l'ère de la généralisation de l'intelligence artificielle générative, les pratiques d'évaluation sont profondément interrogées.
 "Le recours aux IA génératives par nos étudiants risque de rendre certaines formes d’évaluation totalement inutiles"  
Caroline OLLIVER-YANIV, cheffe de la mission IA de la DGESIP, lors du webinaire du 3 décembre 2025
Face à ce constat, l'enjeu n'est plus tant d'évaluer un résultat final que de repenser les modalités d'évaluation elles-mêmes. Il s'agit de valoriser davantage le raisonnement, la démarche intellectuelle, les processus d'apprentissage et la progression des étudiants, afin de garantir des évaluations à la fois pertinentes, équitables et formatrices dans un contexte marqué par l'essor de l'IA.

Positionnez vos évaluations

L'outil PRAX-IA, développé par Jean-François Van de Poël, vous guide dans un parcours de réflexion interactif pour analyser, adapter et renforcer vos pratiques d'évaluation face aux défis de l'intelligence artificielle.

vulnérabilité des évaluations à l'IA
vulnérabilité des évaluations à l'IA

Certaines modalités sont aujourd'hui plus vulnérables aux usages non déclarés de l'IA générative. Cette grille de lecture permet d'identifier celles qui nécessitent une vigilance particulière et celles qui offrent davantage de garanties.

Que puis-je mettre en place pour limiter la vulnérabilité de mes évaluations ? 

D’après le modèle Prax-IA de Jean-François Van de Pöel - Université de Lausanne

Evaluations en classe sans accès à Internet 

  •  Organisez des examens sur table en classe, sans accès aux appareils électroniques 
  •  Fournissez le matériel nécessaire (documents de référence, calculatrices basiques) 
  •  Surveillez attentivement pour prévenir l’utilisation de dispositifs cachés (montres connectées...) 

 Questions personnalisées et contextualisées 

  •  Créez des questions uniques liées au contexte spécifique du cours 
  •  Intégrez des éléments des discussions en cours ou des expériences partagées 
  •  Demandez aux étudiant·e·s de faire référence à des exemples précis du cours 

Evaluations basées sur la réflexion critique 

  •  Posez des questions qui nécessitent une analyse approfondie et une argumentation 
  •  Demandez aux étudiant·e·s de comparer et contraster des concepts 
  •  Encouragez la remise en question des idées préconçues 

Projets pratiques et démonstrations en direct 

  •  Concevez des projets nécessitant une application pratique des connaissances 
  •  Organisez des présentations orales ou des démonstrations en classe 
  •  Incluez des phases de questions-réponses pour évaluer la compréhension 

 Portfolios et journaux de bord 

  •  Demandez aux étudiant·e·s de constituer un portfolio de leurs travaux 
  •  Faites-leur tenir un journal de bord réflexif sur leur apprentissage 
  •  Evaluez le processus de développement des idées au fil du temps 

Travaux collaboratifs et évaluation par les pairs

  • Organisez des projets de groupes avec des rôles clairement définis 
  • Intégrez une composante d’évaluation par les pair·e·s 
  • Demandez des réflexions individuelles sur la dynamique de groupe

Examens oraux et entretiens 

  • Conduisez des examens oraux individuels ou en petits groupes 
  • Posez des questions de suivi pour approfondir la compréhension 
  • Evaluez la capacité à expliquer et à défendre des idées en temps réel 

Evaluations progressives et formatives 

  • Fractionnez les grands projets en étapes avec des points de contrôle 
  • Fournissez des feedbacks réguliers et des opportunités de révision 
  • Evaluez l’évolution et l’amélioration tout au long du processus 

Utilisation encadrée de l’IA 

  • Intégrez l’utilisation de l’IA comme outil dans certaines évaluations 
  • Demandez aux étudiant·e·s d’expliquer et de justifier leurs interactions avec l’IA 
  • Evaluez la capacité à utiliser l’IA de manière critique et éthique 

Déclaration d’intégrité académique 

  • Faites signer aux étudiant·e·s une déclaration d’intégrité pour chaque évaluation 
  • Expliquez clairement les conséquences de l’utilisation non autorisée de l’IA 
  • Encouragez une culture d’honnêteté et de responsabilité académique 

Modification des grilles de correction 

  • Adaptez les critères d’évaluation pour valoriser la réflexion personnelle 
  • Incluez des points spécifiques pour l’originalité et la créativité des réponses 
  • Pondérez davantage la capacité à appliquer les connaissances plutôt que leur simple restitution 

Evaluez la qualité de l’argumentation et la pertinence des exemples utilisés 

  • Ajustement de la pondération des évaluations 
  • Augmentez le poids des évaluations réalisées en classe ou sous surveillance 
  • Réduisez la part des travaux à domicile dans la note finale 
  • Valorisez les évaluations continues et les projets à long terme 
  • Intégrez une composante de participation active en classe dans la note globale 

Intégration de questions vidéo 

  • Ajoutez une composante vidéo aux évaluations (ex : analyse d’un clip, réponse à une question filmée) 
  • Demandez aux étudiant·e·s de produire une courte vidéo explicative sur un concept du cours 
  • Utilisez des questions basées sur des vidéos montrées en classe pour évaluer la compréhension 
  • Evaluez la capacité à communiquer oralement et visuellement les connaissances acquises 

Evaluation des compétences métacognitives 

  • Intégrez des questions sur le processus de réflexion des étudiant·e·s 
  • Demandez aux étudiant·e·s d’expliquer leur démarche de résolution de problèmes 
  • Evaluez la capacité à identifier ses propres forces et faiblesses dans la matière 
  • Incluez une auto-évaluation réflexive dans le processus d’évaluation 

Création de scénarios d’application réels 

  • Concevez des évaluations basées sur des cas pratiques ou des simulations 
  • Demandez aux étudiant·e·s de résoudre des problèmes complexes inspirés de situations professionnelles 
  • Evaluez la capacité à transférer les connaissances théoriques à des contextes concrets 
  • Incluez des contraintes réalistes pour tester l’adaptabilité et la créativité

Pour aller plus loin