Un étudiant remet une réponse correcte à un problème de statistique. Il choisit une méthode, présente un calcul et conclut avec assurance. Peut-on en déduire qu’il sait pourquoi cette méthode convient, à quelles conditions elle s’applique et ce qui changerait si les données étaient différentes ?
À l’université, l’IA générative rend cette question plus pressante. Pour évaluer le raisonnement personnel, l’équipe doit concevoir des observations qui portent sur les choix de l’étudiant : ses hypothèses, ses justifications et sa manière de réviser une conclusion.
Cela ne rend pas tous les examens caducs. Cela invite à préciser ce que chaque épreuve permet d’affirmer, avec quelles aides et quelles limites.
Commencer par le jugement que la note doit soutenir
« Évaluer le raisonnement » peut désigner des capacités très différentes selon les disciplines. Choisir une méthode, interpréter une source, construire une démonstration ou discuter une objection ne demandent pas la même tâche.
Avant de changer le format de l’examen, l’équipe peut formuler une phrase précise : à l’issue de cette épreuve, nous voulons pouvoir affirmer que l’étudiant sait accomplir telle opération, dans telles conditions.
Cette phrase doit ensuite être rapprochée des informations effectivement recueillies. Une réponse finale peut montrer qu’une conclusion est correcte. Elle peut laisser moins visibles les raisons qui ont conduit à la choisir.
L’épreuve doit être cohérente avec ce qui a été enseigné. Demander soudainement de défendre une méthode qui n’a jamais été discutée pendant le cours ajoute une difficulté qui mérite d’être examinée.
Notre dossier sur les méthodes d’apprentissage éclairées par les sciences cognitives rappelle l’intérêt de distinguer familiarité, réussite immédiate et capacité à réutiliser des connaissances. Le choix d’une évaluation doit rendre cette distinction praticable dans la discipline.
Une étude éclaire une vulnérabilité, sans invalider tous les examens
Dans une étude publiée le 26 juin 2024 dans PLOS ONE, Peter Scarfe et ses collègues ont introduit des réponses produites par GPT-4 dans le système d’examens de modules de licence en psychologie à l’Université de Reading. Les correcteurs n’étaient pas informés de cette insertion.
Des rendus générés ont été notés sans être repérés comme problématiques. L’étude porte sur ce dispositif britannique, testé à l’été 2023. Elle ne mesure pas la proportion réelle d’étudiants utilisant l’IA et ne démontre pas que toute épreuve universitaire échoue à apprécier une compétence.
Le résultat justifie de regarder ce qu’un rendu permet d’attribuer à son auteur. Il ne suffit pas à choisir une nouvelle modalité d’examen.
Les ressources pédagogiques de Philippe Dessus à l’Université Grenoble Alpes, révisées en août 2026, et du service universitaire de pédagogie de l’Université Bretagne Sud offrent des pistes de conception. Ce sont des ressources d’appui, pas des expériences démontrant l’efficacité universelle d’un format.
Concevoir une demande de justification examinable
Une consigne comme « expliquez votre raisonnement » reste parfois trop vague. L’étudiant peut raconter une succession d’étapes sans montrer pourquoi elles sont pertinentes.
L’équipe peut demander une justification située : nommer une hypothèse, expliquer pourquoi une méthode convient au problème, préciser une limite ou discuter une conclusion concurrente.
Il faut sélectionner ces demandes selon l’objectif. Multiplier les questions ne garantit pas une meilleure évaluation et peut rendre la tâche difficile à terminer ou à corriger.
La justification attendue doit aussi avoir une place réelle dans les critères. Si la note valorise presque exclusivement le résultat final, les étudiants peuvent difficilement comprendre pourquoi on leur demande de développer leurs choix.
La proposition Learning Coach consiste à rapprocher trois éléments : l’opération intellectuelle visée, la question qui permet de l’observer et le critère utilisé pour en juger la qualité. C’est une méthode de préparation à discuter, sans prétention de validation psychométrique.
Un exemple fictif en licence : que permet de conclure une association ?
Imaginons une épreuve française de licence fondée sur un petit dossier de statistique entièrement fictif. Il décrit une association entre une activité de révision et des résultats à un exercice.
Une première question demande une description correcte du résultat. Une deuxième présente une conclusion trop forte, selon laquelle l’activité aurait nécessairement causé la différence observée.
L’étudiant doit alors préciser ce que le dossier permet de dire, identifier une explication alternative et indiquer quelle information supplémentaire aiderait à départager les interprétations.
Le corrigé peut distinguer plusieurs dimensions : lecture du résultat, prudence de l’inférence et pertinence de l’information proposée. Une formulation élégante ne doit pas masquer une confusion sur la causalité.
Cet exemple est fictif. Il ne décrit ni une épreuve client Learning Coach ni une recherche produisant de tels résultats. Il illustre un travail de conception à adapter au contenu effectivement enseigné.
Ajouter une variante qui éprouve le choix initial
Après la première réponse, l’épreuve pourrait modifier un élément du dossier : une information manque, une condition d’application change ou un résultat contredit l’interprétation retenue.
La question devient : faut-il maintenir la méthode ou la conclusion, et pourquoi ? Cette variation peut apporter des informations sur la compréhension de l’étudiant, au-delà de la restitution d’une procédure.
Elle doit rester cohérente avec l’objectif et le niveau attendu. Une énigme très éloignée du cours risque d’évaluer d’autres capacités que celles annoncées.
Une variante n’est pas automatiquement une protection contre l’IA. Selon les conditions, un système peut aussi proposer une réponse. L’équipe doit examiner ensemble la tâche et le cadre dans lequel elle sera réalisée.
Ce que l’on cherche à rendre visible est une décision justifiée. La seule nouveauté du contexte ne constitue pas un critère de qualité.
Choisir la modalité selon les informations nécessaires
Un écrit, un oral, un travail pratique ou une combinaison peuvent rendre visibles des dimensions différentes. Le format doit être choisi au regard du jugement attendu et des conditions de passation.
Un échange oral peut permettre de poser une relance. Il peut aussi introduire des différences liées à l’aisance de prise de parole, au temps accordé ou à la manière dont l’examinateur intervient.
Un écrit laisse une trace comparable, mais doit demander des éléments suffisamment précis. Un dossier préparé dans la durée peut montrer un travail approfondi, tout en nécessitant une réflexion sur les aides et contributions possibles.
Aucune modalité n’apporte à elle seule toutes les informations. L’équipe peut rechercher une combinaison proportionnée, avec les aménagements nécessaires, plutôt que transformer chaque évaluation en soutenance supplémentaire.
Le raisonnement doit rester la cible annoncée. Une difficulté de présentation ou une contrainte accessoire ne doit pas prendre silencieusement sa place.
Expliciter les aides et préparer les étudiants
L’épreuve doit permettre aux étudiants de comprendre les ressources autorisées, les contributions attendues et ce qu’ils devront démontrer personnellement. Ces indications doivent respecter les règles de leur établissement.
La ressource de l’Université Bretagne Sud propose notamment de préciser le positionnement de l’IA selon les activités d’évaluation. Cette réflexion pédagogique ne crée pas une règle disciplinaire commune à toutes les universités.
Les étudiants doivent également pouvoir s’exercer au type de justification demandé. Un exemple commenté peut montrer la différence entre nommer une méthode et expliquer son adéquation au problème.
Notre guide sur l’IA et l’autonomie des élèves approfondit cette distinction dans le contexte scolaire. Son intérêt ici est de nourrir la question de la maîtrise personnelle ; il ne fournit pas une validation directe d’un examen universitaire.
La préparation doit rendre les attentes compréhensibles sans transformer l’épreuve en simple répétition du même exemple.
Mettre les critères à l’épreuve de copies différentes
Avant de généraliser une nouvelle consigne, les enseignants peuvent examiner plusieurs réponses préparées : résultat juste avec justification faible, résultat partiellement erroné avec méthode pertinente, conclusion prudente appuyée sur une analyse solide.
Ces exemples permettent de discuter ce que chaque critère doit reconnaître. Ils rendent aussi visibles les désaccords entre correcteurs.
Il faut préciser comment traiter les erreurs qui se propagent. Une erreur de calcul initiale et une interprétation cohérente avec ce calcul peuvent demander un jugement différent d’une conclusion dépourvue de justification.
Cette préparation ne supprime pas toute variation de correction. Elle peut aider l’équipe à expliquer ses décisions et à repérer les critères ambigus.
Le temps nécessaire compte également : préparation des variantes, correction et éventuelles relances doivent rester compatibles avec les moyens disponibles.
Replacer l’épreuve dans le parcours
Un examen isolé ne doit pas porter toutes les ambitions du diplôme. L’équipe peut regarder où les différentes capacités sont enseignées, exercées et appréciées dans le programme.
Certaines activités peuvent préparer au travail avec des outils. D’autres peuvent chercher à établir une maîtrise personnelle dans des conditions déterminées. Leur articulation doit être compréhensible pour les étudiants.
Le bilan d’une nouvelle épreuve peut distinguer faisabilité, compréhension des consignes et qualité des informations recueillies. Un retour favorable ne démontre pas automatiquement une amélioration des apprentissages.
Il reste utile de demander ce que les enseignants savent désormais mieux juger et ce qui leur échappe encore. Cette question évite de confondre changement de format et progrès de l’évaluation.
Ouvrir une discussion universitaire sur la preuve de maîtrise
Une conférence peut donner un langage commun pour distinguer résultat, justification et conditions de réalisation. Un atelier complémentaire pourrait travailler une consigne fictive et son corrigé, puis en discuter les limites.
Ce format proposé ne constitue pas une prestation passée. Il peut préparer un travail collectif, sans décider à la place des équipes et instances compétentes.
Vous préparez cette réflexion dans une université, une faculté ou un réseau d’enseignement supérieur ? Découvrez les conférences Learning Coach et demandez une proposition adaptée à votre événement.
La question à conserver au moment de valider une épreuve est exigeante : quelle observation nous permettra d’affirmer que cet étudiant sait pourquoi sa réponse tient ?
Ressources
Scarfe, Watcham, Clarke et Roesch, A real-world test of artificial intelligence infiltration of a university examinations system, PLOS ONE, 26 juin 2024. Étude aveugle en psychologie à Reading, conduite à l’été 2023 ; généralisation limitée au-delà du dispositif.
Philippe Dessus, Université Grenoble Alpes, Repenser l’évaluation à l’époque de l’IA générative, mars 2026, modification du 15 août 2026. Ressource pédagogique.
Université Bretagne Sud, Repenser ses évaluations à l’heure des IA génératives, ressource consultée le 28 octobre 2026. Conseils de conception, sans garantie de validité pour toute épreuve. Sources consultées le 28 octobre 2026.
