Une même IA peut être à la fois l'objet d'un apprentissage et un outil au service d'une autre discipline. Ces deux situations se ressemblent en apparence, mais elles n'appellent pas la même évaluation. Avant de modifier une grille, il faut donc préciser ce que l'on veut réellement faire apprendre.
Deux verbes, deux objets d'évaluation
Enseigner l'IA, c'est faire de l'IA un objet d'apprentissage. L'apprenant doit comprendre ce qu'elle fait et ne fait pas, évaluer une sortie, formuler une demande pertinente, repérer les biais ou les incertitudes, et agir de façon responsable. Ici, le résultat produit par l'outil est une matière à analyser.
Enseigner avec l'IA, c'est utiliser l'IA comme une médiation au service d'un objectif déjà défini : apprendre l'histoire, écrire, résoudre un problème de gestion, préparer un exposé ou pratiquer une langue. L'IA peut aider à générer des pistes, expliciter une notion, donner du retour ou proposer un premier brouillon. La compétence principale à évaluer reste alors disciplinaire.
Les deux objectifs peuvent coexister dans une même séquence. C'est précisément pourquoi ils doivent être séparés dans le brief, les consignes et la grille. Sinon, on risque de noter une belle production sans savoir si l'on évalue la maîtrise du sujet, la capacité à piloter l'outil, ou un mélange non explicité des deux.
Ce que les cadres existants permettent de dire
Les travaux sur la littératie en IA décrivent un ensemble de compétences qui dépasse la maîtrise d'une interface. Long et Magerko y incluent notamment l'évaluation critique des technologies d'IA, la capacité à interagir efficacement avec elles et la compréhension de leurs enjeux. Long et Magerko, 2020
Le cadre de compétences de l'UNESCO pour les élèves distingue un rapport humaniste à l'IA, l'éthique, les techniques et applications, ainsi que la conception de systèmes. Il organise ces dimensions selon des niveaux de compréhension, d'application et de création. UNESCO, 2024
Le guide de l'UNESCO sur l'IA générative appelle également à repenser les résultats d'apprentissage et leur évaluation. Il s'agit d'une orientation de politique et de conception pédagogique, non de la preuve qu'un format unique d'évaluation conviendrait à toutes les disciplines. UNESCO, 2023
Les preuves à demander ne sont pas les mêmes
- -Enseigner l'IA · Question centrale : L'apprenant comprend-il, évalue-t-il et utilise-t-il l'IA de façon critique ? · Preuves pertinentes : Analyse d'une réponse erronée ou biaisée, justification d'un prompt, vérification de sources, réflexion sur les données et les effets d'usage
- -Enseigner avec l'IA · Question centrale : L'apprenant maîtrise-t-il l'objectif disciplinaire malgré ou grâce à l'outil ? · Preuves pertinentes : Production finale, choix de sources, traces de révision, explication orale ou écrite du raisonnement, tâche de transfert adaptée à l'objectif
Un texte final de bonne qualité peut compter dans les deux cas, mais il ne suffit généralement pas seul. Dans le premier, il ne montre pas nécessairement que l'apprenant comprend les limites du système. Dans le second, il ne permet pas toujours de savoir ce qui relève de la maîtrise du sujet, de l'aide reçue et du jugement exercé sur cette aide.
Concevoir deux chaînes de preuves
Si l'on enseigne l'IA. L'évaluation peut demander de diagnostiquer une réponse : quels éléments sont fiables, douteux ou impossibles à vérifier ? Quelles informations manquent ? Quelle reformulation du prompt réduirait l'ambiguïté ? Quelle décision éthique faudrait-il prendre si le système utilisait des données sensibles ?
Le livrable peut inclure une interaction avec l'IA, mais la valeur se trouve dans l'analyse, la justification et la capacité à corriger. Le but n'est pas de récompenser le prompt le plus spectaculaire. C'est d'observer un jugement outillé et explicite.
Si l'on enseigne avec l'IA. L'IA peut être autorisée, limitée ou exclue selon l'objectif pédagogique. Si l'objectif est de maîtriser un raisonnement sans assistance, une courte tâche sans IA peut être pertinente. Si l'objectif est de préparer à une pratique professionnelle où l'IA est disponible, il peut être plus juste d'évaluer la qualité de son usage : cadrer la demande, contrôler les sources, réviser le résultat et défendre ses choix.
Dans les deux cas, une déclaration d'usage concise peut aider : outil utilisé, moment de son intervention, éléments retenus, éléments modifiés et vérifications effectuées. Une explication orale, une annotation du brouillon ou un exercice de transfert peuvent compléter cette déclaration. Aucune de ces traces ne prouve à elle seule une authenticité parfaite. Ensemble, elles donnent une base plus riche pour apprécier le processus.
Une grille peut autoriser l'IA sans devenir floue
Une solution simple consiste à séparer les critères. Une première partie de la grille évalue la qualité disciplinaire : exactitude, argumentation, méthode, créativité ou résolution du problème. Une seconde évalue, lorsque c'est un objectif, le rapport à l'IA : transparence d'usage, qualité des vérifications, capacité à repérer une limite et pertinence des révisions.
Cette séparation protège aussi l'équité. Les conditions d'accès à l'outil, la confidentialité des données, les besoins d'accessibilité et le niveau de familiarité avec l'IA doivent être décidés avant l'évaluation, puis communiqués clairement. Une règle implicite produit rarement une évaluation juste.
Interprétations et limites
La distinction entre « enseigner l'IA » et « enseigner avec l'IA » ne signifie pas qu'il faudrait multiplier les contrôles ou surveiller tous les gestes. Elle aide d'abord à rendre l'évaluation cohérente avec l'apprentissage visé. Un détecteur, un historique de conversation ou une soutenance ne répondent pas à eux seuls à la question pédagogique : qu'est-ce que cette personne doit savoir faire, et quelles preuves sont proportionnées pour l'observer ?
Il n'existe pas de dispositif universel. Un portfolio peut être inaccessible ou lourd à évaluer. Un oral peut désavantager certains profils. Une tâche sans IA peut être artificielle dans certains métiers. Les choix doivent donc être discutés, testés et ajustés à la discipline, au niveau des apprenants et aux conditions réelles d'usage.
Prendre contact
Avant de revoir votre prochaine évaluation, ajoutez quatre lignes à la consigne : l'objectif d'apprentissage, les usages d'IA autorisés, les preuves attendues du processus et les critères qui permettront d'évaluer le jugement de l'apprenant.
Envie d'aller plus loin ?
Échangeons sur vos enjeux IA, cognition et formation.