Introduction
Évaluation à l’ère de l’IA générative, production étudiante, raisonnement clinique, traces d’apprentissage, hybridation pédagogique : les enjeux sont déjà là. Dans les instituts de formation, la question ne porte plus seulement sur la détection, mais sur l’adaptation des pratiques d’évaluation.
L’IA générative transforme déjà le rapport au savoir
L’IA générative change le rapport au savoir, et pas seulement parce qu’elle produit du texte. Elle modifie aussi la manière dont les étudiants cherchent, organisent, reformulent et mémorisent les connaissances.
Pendant longtemps, plusieurs outils servent déjà à déléguer une partie du travail intellectuel : calculatrice, agenda en ligne, moteurs de recherche. Avec l’IA générative, le changement devient plus profond, car l’outil produit quasiment à la place de l’utilisateur.
Cette évolution pose une question centrale pour l’évaluation en formation : qu’est-ce qui se trouve réellement évalué ?
- le produit fini ?
- le raisonnement ?
- la méthodologie ?
- les apprentissages en cours ?
- les traces du cheminement intellectuel ?
Cette question devient décisive dès qu’une production étudiante peut naître avec l’aide d’une IA.
Détecter l’IA : une réponse limitée
Même si la détection reste difficile, certains indices peuvent mettre la puce à l’oreille :
- des références bibliographiques très générales ou mal ancrées dans le sujet ;
- peu de liens explicites avec une situation vécue ;
- peu de formulation à la première personne ;
- un style très homogène ;
- beaucoup de petites sous-parties ;
- de nombreux retours à la ligne ;
- des phrases courtes, resserrées, très synthétiques.
À l’inverse, une production vraiment personnelle peut montrer :
- des références plus directement reliées au sujet ;
- des phrases longues, parfois lourdes ;
- une volonté d’argumenter ;
- un langage plus naturel ;
- des formulations comme « nous reviendrons sur les concepts… ».
Ces éléments n’offrent pas une preuve absolue. Ils donnent seulement des indices.
La vraie crainte : la perte de raisonnement clinique
La principale inquiétude ne concerne pas seulement la triche. Elle touche surtout la perte de raisonnement clinique.
Le risque majeur tient à une délégation implicite du raisonnement. Au départ, l’étudiant peut utiliser l’IA pour corriger l’orthographe, simplifier un texte ou résumer un contenu. Puis, peu à peu, l’IA prend en charge une part plus large du travail. À la fin, elle produit presque tout.
Cette dérive crée plusieurs effets :
- dépendance à l’outil ;
- baisse de l’appropriation du savoir ;
- diminution de la reformulation ;
- moindre mémorisation ;
- apprentissages plus superficiels ;
- fiabilité discutable du résultat final si le raisonnement n’apparaît plus étape par étape.
Dans les formations en santé, cet enjeu compte fortement, car les futurs professionnels exercent des métiers à responsabilité qui demandent réflexion, analyse et capacité de décision.
Faut-il interdire l’IA ?
L’idée dominante ne consiste pas à interdire. Les usages existent déjà, et ils se développent vite. La comparaison avec les smartphones revient souvent : interdire ne résout pas le problème de fond.
L’enjeu consiste plutôt à utiliser l’IA intelligemment et à faire évoluer les pratiques pédagogiques.
Cette évolution passe par trois axes :
- sensibiliser ;
- accompagner ;
- réinterroger l’évaluation.
Ce qu’il faut réellement évaluer
Les traces d’apprentissage deviennent essentielles
Pour mieux évaluer le cheminement, il devient possible de demander davantage que le produit final.
Par exemple :
- les prompts utilisés ;
- un journal de bord ;
- les modifications apportées au fur et à mesure ;
- les corrections effectuées ;
- les éléments ajoutés ;
- les réflexions qui accompagnent la production.
Ces éléments constituent des traces d’apprentissage. Elles permettent de mieux comprendre comment l’étudiant construit sa production.
L’oral reprend une place importante
L’oral offre un autre levier fort dans l’évaluation à l’ère de l’IA.
Pourquoi ? Parce qu’à l’oral, l’étudiant ne dispose pas du même soutien qu’à l’écrit à domicile. Il ne peut pas anticiper toutes les questions et il doit mobiliser réellement ses connaissances.
L’oral devient particulièrement utile pour :
- vérifier la maîtrise d’un sujet ;
- tester le raisonnement ;
- évaluer la compréhension ;
- repérer les limites d’une production trop assistée par l’IA.
L’écrit surveillé en classe garde aussi toute sa place. Mais il ne faut pas le confondre avec une solution unique.
Notion clé : l’hybridation pédagogique
À l’ère de l’IA, l’hybridation pédagogique devient indispensable.
Une organisation hybride permet :
- de varier les modalités ;
- de mieux couvrir les méthodes de travail ;
- de s’adapter aux profils d’étudiants ;
- de maintenir la motivation ;
- d’articuler écrit, oral, travail à domicile et travail en présence.
Dans les instituts de formation en santé, plusieurs évaluations fonctionnent déjà en plusieurs temps : écrit, oral, travail sur table, travail à domicile. Cette logique hybride s’inscrit donc déjà dans les pratiques.
Les outils à connaître pour accompagner les usages
Perplexity
Perplexity ressort comme un outil particulièrement intéressant pour :
- la recherche documentaire ;
- la revue de littérature ;
- l’état de l’art ;
- la mise en forme de résultats.
Il fournit aussi ses sources, ce qui aide à revenir à la source originelle.
Claude
Claude se montre très puissant pour :
- l’analyse approfondie ;
- la rédaction de texte ;
- la synthèse.
Une vigilance s’impose : une conversation trop longue augmente le risque d’hallucinations. Mieux vaut repartir sur une nouvelle conversation quand le fil s’allonge trop.
Claude permet aussi, pour des formateurs, de créer des outils pédagogiques sans compétence en code, à condition de bien savoir prompter.
ChatGPT et Copilot
ChatGPT et Copilot restent des outils généralistes utiles pour :
- la synthèse ;
- le brainstorming.
Ils apparaissent cependant dépassés par Claude sur plusieurs usages récents.
Mistral
Mistral entre aussi dans cette cartographie. Son positionnement suscite des nuances, notamment sur la question de la souveraineté.
NotebookLM
NotebookLM connaît une forte diffusion chez les étudiants. L’outil fonctionne à partir de documents fournis par l’utilisateur : PDF, articles, supports de cours, PowerPoint.
Il peut produire :
- des podcasts ;
- des vidéos pédagogiques ;
- des quiz ;
- des flashcards ;
- des fiches de révision ;
- des rapports.
Son intérêt principal tient au fait qu’il s’appuie sur les documents transmis et limite ainsi les sorties non maîtrisées.
Une fracture numérique à prendre en compte
L’IA ne crée pas seulement de nouveaux usages. Elle accentue aussi une fracture numérique déjà présente.
Tout le monde ne maîtrise pas les outils numériques au même niveau. Tout le monde ne dispose pas non plus des mêmes moyens pour accéder aux versions payantes.
Des différences apparaissent aussi selon les filières et les populations :
- étudiants infirmiers ;
- étudiants en médecine ;
- élèves aides-soignants ;
- élèves ambulanciers.
Les usages de l’IA ne se diffusent pas partout avec la même intensité. Cette réalité renforce la responsabilité des instituts de formation.
Former les formateurs, accompagner les étudiants
La structuration autour de l’IA passe par plusieurs niveaux :
- une sensibilisation au niveau de la gouvernance ;
- une réflexion sur les aspects budgétaires, éthiques et RGPD ;
- une appropriation par les formateurs ;
- un accompagnement des étudiants.
Les formateurs occupent une place centrale. Ils peuvent aider les étudiants à :
- utiliser l’IA de façon critique ;
- savoir quand s’en servir ;
- savoir quand ne pas s’en servir ;
- relire et critiquer la production obtenue ;
- repérer les hallucinations, les approximations et les déformations du propos.
L’idée n’est pas de laisser l’IA décider à la place de l’étudiant. L’idée consiste à l’intégrer dans un cadre pédagogique explicite.
Conclusion : poser la bonne question avant d’évaluer
L’évaluation à l’ère de l’IA ne se résume pas à une question de surveillance. Elle demande un recentrage pédagogique.
La bonne question devient :
Qu’est-ce que l’évaluation cherche réellement à mesurer ?
- une forme ?
- une connaissance ?
- une méthode ?
- une capacité de raisonnement ?
- une démarche d’appropriation ?
Une fois cette question posée, l’équipe pédagogique peut construire des modalités plus justes, plus adaptées et plus cohérentes avec les objectifs de formation.
L’IA générative ne disparaît pas. Les pratiques évoluent. Les évaluations aussi.