Intelligence évaluative et évaluation artificielle : réflexions sur la relation IA / évaluation

Introduction à la conférence sur l'éducation

Présentation de Martine Genère-Hemondi

• Martine Genère-Hemondi, professeure en sciences d'éducation à l'Université Sorbonne-Paris-Nord, ouvre la conférence et souligne l'importance des recherches en éducation dans la formation universitaire.

• Elle mentionne que le thème de cette douzième édition est l'intelligence artificielle et ses enjeux pour la formation des enseignants.

Rôle de modératrice

• Martine informe les participants qu'ils peuvent poser des questions via une rubrique dédiée pendant la conférence, et qu'elle fera une synthèse des questions posées après celle-ci.

Présentation d'Alban Robles

Parcours académique

• Alban Robles, ancien étudiant de Martine, est présenté comme un spécialiste reconnu en évaluation.

• Il a travaillé sur des questions d'évaluation durant son parcours académique, notamment dans sa thèse intitulée « Vivre l'expérience de l'évaluation ».

Engagement professionnel

• Alban a soutenu sa thèse à l'Université Sorbonne-Paris-Nord en juin 2022 et a obtenu un poste à l'Institut Français de l'Éducation.

• Il est également engagé dans le groupe pour l'évaluation des pratiques professionnelles (GVAP) et est secrétaire trésorier de l'association ADMETS Europe.

Contributions récentes d'Alban Robles

Publications notables

• En 2026, il publie un chapitre sur les crises en évaluation dans un ouvrage collectif dirigé par Nathalie Younes.

• En 2025, il écrit sur le concept d'évancipation lié à l'évaluation dans une publication dirigée par Jean-François Marseille.

Thèmes abordés par Alban Robles

Intelligence Artificielle et Évaluation

• Alban commence sa présentation en remerciant les organisateurs et se concentre sur les relations entre intelligence artificielle (IA) et évaluation.

Hypothèses principales

• Il propose deux hypothèses :

• L'intelligence évaluative face à une évaluation humaine.

• Une évaluation technique réalisée par IA qui implique différents objets d’évaluations.

Problématiques soulevées

• La question centrale concerne la qualité des résultats fournis par IA : quels critères ou normes doivent être appliqués ?

Réflexions pédagogiques

• Alban souligne qu'il aborde ces thèmes principalement du point de vue pédagogique et chercheur, s'appuyant sur les travaux d'autres experts pour enrichir ses réflexions.

État actuel de la recherche en évaluation

Associations francophones importantes

• Il mentionne deux grandes entités francophones travaillant sur ces sujets : ADMETS Europe et GVAP.

Évaluation : Une Activité Intégrée dans un Champ Professionnel

L'évaluation comme activité intégrée

• L'évaluation est perçue comme une activité qui s'inscrit dans un cadre professionnel plus large, souvent au-delà de la simple évaluation.

• En tant qu'enseignants, nous évaluons les productions des apprenants, mais cela sert également à soutenir les apprentissages et le développement professionnel.

Processus d'évaluation

• L'évaluation est un processus menant à un produit, influencé par des attentes explicites ou implicites, souvent désignées comme référents d'évaluation.

• Les outils et méthodes d’évaluation (grilles critériées, référentiels de compétences) sont souvent les éléments les plus visibles et mémorables.

Dispositifs d'évaluation

• L’évaluation peut être formalisée sous forme de dispositifs ou protocoles qui sont parfois institutionnalisés et considérés comme la seule méthode valable.

• Cette approche peut servir une logique de contrôle plutôt que d'autres finalités éducatives.

Technologie Évaluative et Intelligence Artificielle

Évaluation en tant que technologie

• L’évaluation est aussi vue comme une technologie sociale qui produit des connaissances praxéologiques sur nos pratiques.

• La notion de "technologie du social" inclut à la fois l’aspect technique et la connaissance pratique visant à améliorer l’évaluation.

Critique historique de l'évaluation

• Daniel Hamline souligne que l'évolution moderne a transformé l’évaluation en une technique généralisée justifiant sa propre logique.

• Cette transformation a conduit à ce que l’évaluation devienne une fin en soi dans le contexte industriel moderne.

Intelligence Artificielle : Outils et Méthodes

Manifestations technologiques de l'IA

• L'intelligence artificielle se manifeste à travers divers appareils technologiques (smartphones, ordinateurs), guidés par des algorithmes informatiques.

• Elle est décrite comme une technologie de domination liée aux concepts du vivant-machine.

Objectifs et méthodologies d'évaluation

• Comme pour l’IA, l’évaluation vise à résoudre des problèmes ou répondre à des questions spécifiques via des enquêtes structurées.

• Les questions évaluatives (qu'est-ce que je veux évaluer ? Pourquoi ?) guident le processus d'évaluation pour clarifier ses objectifs.

Évaluation et Intelligence Artificielle : Un Regard Critique

Les enjeux de l'évaluation

• L'évaluation peut nécessiter des règles ou des éthiques pour encadrer les pratiques, comme le souligne Charles Adjie, qui met en avant son potentiel pernicieux.

• Fabridio Butera et Consor (2011) identifient les dangers liés à l'évaluation, soulignant son lien historique avec une gestion éducative ou militaire visant le contrôle stratégique.

• La notion d'objectivité est souvent associée à l'évaluation, mais cela peut être trompeur car elle implique des décisions froides sans tenir compte de l'humain derrière ces processus.

• Les discussions autour de l'évaluation et de l'intelligence artificielle génèrent souvent des divergences d'opinion, illustrant la complexité du sujet dans les interactions humaines.

• Le débat sur l’évaluation en intelligence artificielle révèle fréquemment des opinions opposées, même au sein de discussions familiales.

Intelligence Artificielle Évaluative

• Selon Cardan, l'intelligence artificielle ne repose pas uniquement sur la logique mais fonctionne comme une machine statistique capable de faire des prédictions basées sur d'énormes jeux de données.

• L'IA utilise des sources massives mais limitées pour générer des résultats que notre cerveau humain ne pourrait pas traiter efficacement face à un trop grand volume d'informations.

• Les intelligences artificielles ne sont pas politiquement neutres ; leurs réponses peuvent être biaisées selon les sources utilisées pour leur apprentissage.

• Des exemples tels qu'Aladin par BlackRock montrent comment l'IA peut évaluer les risques financiers plus efficacement que les humains grâce à une analyse massive et rapide d'informations financières.

• En pédagogie, les outils anti-plagiat utilisent également cette approche pour évaluer la qualité et l'originalité des productions écrites en comparant avec d'autres références.

Perspectives sur l'utilisation de l'IA dans l'évaluation

• L'intelligence artificielle évaluative offre un accès rapide aux données et vise une posture objective plutôt qu'une objectivité stricte dans le jugement des productions humaines.

• Ce concept s'inscrit dans un paradigme connexionniste où tout est interconnecté ; ainsi, ce qui n'est pas lié au réseau neuronal ne sera pas pris en compte.

L'Intelligence Artificielle Évaluative : Avantages et Limites

Les bénéfices de l'intelligence artificielle évaluative

• L'intelligence artificielle évaluative peut considérablement gagner du temps et faciliter l'accès à des informations numériques, comme les références bibliographiques scientifiques.

• Elle permet aux intelligences artificielles génératives de se connecter à des données existantes, aidant ainsi à vérifier la justesse terminologique et à éviter le plagiat.

Objectifs sociétaux et crédibilité

• L'IA évaluative vise des objectifs sociétaux, justifiant son existence par son utilité pratique et ses résultats techniques.

• La machine confère une aura de crédibilité, rendant les résultats moins discutables car ils ne sont pas perçus comme des opinions humaines.

Transparence et dépendance humaine

• L'IAE rend opaque certaines informations non numérisées, limitant l'accès au raisonnement derrière ses propositions.

• Malgré sa capacité d'évaluation, l'IAE reste dépendante de l'humain pour initier le processus d'évaluation.

Justifications pour une évaluation humaine

• Une évaluation humaine est nécessaire car les données alimentant l'IA peuvent contenir des préjugés menant à des iniquités ou discriminations.

• Si les sources ne prennent pas en compte toutes les élites, cela peut entraîner une représentation biaisée dans les résultats de l'IA.

Coûts écologiques et pédagogiques

• Il est crucial d'évaluer les coûts écologiques liés à la matérialisation de l'IA dans des méga-banques de données souvent situées hors du monde occidental.

• L'évaluation doit être accompagnée par un travail réel pour que l'utilisation de l'IA soit pertinente et efficace.

Répercussions sur l'utilisation de l'IA

• Les résultats techniques dépendent du cadre d'utilisation spécifique de chaque IA, ce qui souligne la nécessité d'une approche critique face aux outils technologiques.

• Les valeurs intégrées dans différentes IA influencent leurs résultats; il est donc essentiel d'examiner ces valeurs lors de leur utilisation.

L'évaluation et l'intelligence artificielle : enjeux et réflexions

La nature de l'évaluation par intelligence artificielle

• L'existence de l'intelligence artificielle soulève des questions sur son utilisation dans l'évaluation, notamment sur la manière dont les résultats peuvent être altérés par leur usage.

• Les statistiques sont présentées comme des informations pouvant être manipulées pour influencer des décisions, ce qui souligne que toute évaluation par IA est intrinsèquement une évaluation "artificielle".

• Le terme "artificiel" implique une fabrication, opposée à la notion de naturel, ce qui pose des limites à la compréhension de ces évaluations.

Conformité et biais dans l'évaluation humaine

• L'évaluation humaine tend vers la conformité, influencée par des pratiques héritées ou sociales qui uniformisent les comportements.

• Des sociologues ont étudié comment les formes scolaires favorisent cette conformation, impactant ainsi les personnalités et pratiques au sein d'institutions éducatives.

Les implications éthiques de l'IA dans l'évaluation

• L'IA donne une illusion d'objectivité en raison de son caractère non humain, mais cela rappelle aussi que les humains portent un potentiel biais de jugement lors d’évaluations.

• Ce biais peut être vu comme une caractéristique humaine fondamentale, soulevant des questions éthiques sur le processus d’évaluation.

Erreurs et normes pédagogiques

• Les erreurs commises par les intelligences artificielles sont souvent médiatisées, rappelant que même les évaluations humaines peuvent être sujettes à erreur.

• L'utilisation de l'IA ne remet pas en question les normes pédagogiques existantes mais en crée de nouvelles nécessitant réflexion sur leurs cadres d’usage.

Objectivité et pratiques évaluatives quotidiennes

• Pour certains, l’IA démontre qu'une objectivité est atteignable ; cependant, cela reste une construction humaine qui interroge notre rapport à la vérité.

• Intégrer l’IA dans nos pratiques quotidiennes nécessite une redéfinition des situations évaluatives traditionnelles pour éviter que celles-ci ne deviennent obsolètes.

Évaluation de l'information à l'ère de l'intelligence artificielle

La viralité et la valeur de l'information

• L'évaluation de la viralité d'une information repose sur sa capacité à être clémicité et tendancieuse, tandis que les humains évaluent son importance intrinsèque.

• L'humain utilise les informations fournies par l'IA pour des explications ou raisonnements, soulignant un décalage entre le temps d'analyse humain et la rapidité de réponse de l'IA.

• Le temps consacré à évaluer une information est crucial ; alors que l'IA traite rapidement, les humains doivent réfléchir éthiquement à la qualité des résultats fournis.

Critères d'évaluation des données

• Les humains doivent comprendre d'où proviennent les données traitées par l'IA, en tenant compte des biais potentiels qui peuvent favoriser certaines opinions ou groupes sociaux.

• Cinq propositions sont présentées pour réguler notre interaction avec ces informations, cherchant à agir avec discernement face aux influences extérieures.

Sens et acceptabilité de l'information

• Le critère du sens est essentiel : c'est aux humains de donner un sens aux résultats obtenus. Cela inclut une dimension éthique dans le choix des informations jugées acceptables.

• Une information pertinente doit établir un lien personnel avec celui qui la reçoit, permettant ainsi une discussion significative autour d'elle.

Critères rhétoriques et scientificité

• Les critères rhétoriques aident à déterminer si les informations fournies par l'IA sont pertinentes pour le discours en cours.

• Il est important de vérifier la crédibilité des propositions générées par l’IA afin qu'elles ne soient pas simplement perçues comme des opinions.

Éthique et réglementation

• Pour attester de la pertinence d'une information, il faut recontextualiser celle-ci selon ses propres expériences quotidiennes.

• La dialectique entre justice et justesse est cruciale : il s'agit non seulement de respecter les individus mais aussi d'assurer que les informations reflètent fidèlement leur contenu sans être biaisées.

L'impact de l'IA sur la conformité et la légitimité

Conformité de l'utilisation de l'IA

• La question centrale est de savoir si l'IA a été utilisée dans un cadre conforme, ce qui remet en question les pratiques établies jusqu'à présent.

• Il existe un manque de documentation pour tester si les éléments récupérés par l'IA respectent des normes éthiques, notamment en matière d'anonymat et de vie privée.

Évaluation humaine et légitimité

• Actuellement, il n'existe pas d'évaluation policière spécifique à l'IA pour garantir sa conformité, soulignant le besoin d'une évaluation humaine.

• L'utilisation croissante de l'IA appelle à une réflexion sur la légitimité des nouvelles professions émergentes liées à cette technologie.

Principes émergents concernant l'intelligence artificielle

Suggestions d'utilisation

• Le conférencier propose plusieurs principes émergents sur l'utilisation de l'intelligence artificielle, avec des ressources disponibles pour approfondir le sujet.

• Une invitation est faite à consulter des articles inspirants qui interrogent nos pratiques éducatives face aux technologies IA.

Compétences et distinctions

• Une question clé est celle de la capacité à déterminer les compétences à évaluer chez les élèves utilisant ces technologies.

• Il y a une difficulté actuelle à distinguer entre production humaine et machinique, ce qui complique les évaluations objectives.

Qualité des données et sécurité

Optimisation des données

• Pour assurer la fiabilité des résultats, il est crucial que les systèmes d’IA soient formés sur des données précises et représentatives.

Cyber-sécurité et interaction humaine

• Les mesures de cyber-sécurité doivent être renforcées pour protéger la confidentialité des informations partagées par ces systèmes.

• L’IA devrait soutenir plutôt que remplacer les interactions humaines dans le domaine pédagogique.

Conséquences sociales post-COVID

Difficultés relationnelles

• De nombreux jeunes éprouvent désormais des difficultés à interagir spontanément avec autrui en raison du recours accru aux réseaux sociaux après la COVID.

Accès universel à la technologie

• Il est essentiel d'assurer un accès universel aux technologies IA afin de prévenir une aggravation des inégalités sociales existantes.

Rôle assistif de l'intelligence artificielle

Distinction entre outils et collègues

• L’intelligence artificielle ne doit pas remplacer un collègue mais peut servir comme assistant, soulignant son rôle complémentaire dans le milieu professionnel.

Consultation et Intelligence Artificielle

Importance de la Consultation

• Il est suggéré de consulter les collègues sur des décisions, notamment en ce qui concerne l'utilisation de l'intelligence artificielle.

Rôle de l'Intelligence Artificielle

• L'intelligence artificielle doit être intégrée dans le cadre des activités scientifiques et pédagogiques, sans imposer ses normes.

Valeurs Directrices pour l'Usage de l'IA

• Trois valeurs essentielles sont mises en avant :

• Transparence : Vérification des sources d'information.

• Responsabilité : Considération du coût associé à l'utilisation de l'IA.

• Équité : Application équitable des technologies.

Problèmes et Solutions Humaines

Problématiques à Aborder

• Deux problèmes doivent rester sous contrôle humain tout en utilisant l'intelligence artificielle, avec un accent sur la compréhension humaine.

Utilisation Pédagogique de l'IA

Références et Inspirations

• L'intégration d'une variété de références dans les dispositifs pédagogiques est essentielle pour enrichir le processus d'apprentissage.

Citations et Originalité

• La citation correcte des sources, comme Copilot, est cruciale pour maintenir la transparence dans le travail collaboratif impliquant l'IA.

Éthique et Accessibilité

Éléments Contextuels

• L’IA ne doit pas être considérée comme sacrée ou diabolique mais comme un fait social nécessitant une évaluation critique.

Critique de l'Information

Sens Critique dans le Traitement de l’Information

• L'éducation devrait inclure le développement du sens critique face à la provenance et au contexte des informations reçues.

Évaluation Robuste en Pédagogie

Approche Évaluative

• Une évaluation robuste privilégie les processus d'apprentissage plutôt que les résultats superficiels basés sur des outils technologiques temporaires.

Pratiques Pédagogiques Innovantes

Suggestions Pratiques

• Propositions pour expérimenter divers outils d'évaluation afin d'établir des principes directeurs clairs basés sur les observations collectives.

Adaptabilité et Autorégulation

Initiatives Collectives

• Encourager la création de groupes d'analyse pratique pour partager idées et expériences autour de l'utilisation pédagogique de l'intelligence artificielle.

Réflexions sur l'usage de l'intelligence artificielle en éducation

Égalité d'accès et nécessité de l'IA

• La discussion aborde les inégalités d'accès à la technologie, soulignant que tout le monde n'a pas le même désir ou besoin d'utiliser des outils numériques dans un cadre éducatif.

• Une question est soulevée concernant la résistance à l'idée que la pédagogie nécessite impérativement des outils numériques pour exister.

Perspectives sur l'évaluation et l'émancipation

• L'intervenant propose de discuter des perspectives concrètes pour une évaluation qui favorise l'émancipation plutôt qu'un simple contrôle, en lien avec la réflexion critique et éthique.

• Il est suggéré que l'intelligence artificielle pourrait être perçue comme une mode incontournable, mais il est crucial de garder le contrôle sur son utilisation.

Interrogations sur les pratiques pédagogiques

• La présence croissante de l'IA interroge les fondements mêmes des pratiques pédagogiques et ce que cela signifie pour nos valeurs éducatives.

• L'orateur insiste sur le fait que nous apprenons non seulement pour mémoriser, mais aussi pour donner du sens à nos apprentissages.

Le sens de nos apprentissages

• L'apprentissage doit être lié à notre capacité à vivre pleinement, rappelant les idées de Jacques Rancière sur le projet d'émancipation.

• La distinction entre mémorisation et compréhension est mise en avant; ce qui compte c'est pourquoi nous apprenons.

Utilisation pratique de l'IA par les enseignants

• L'intervenant évoque comment les outils IA peuvent générer un sentiment d'inquiétude chez les enseignants quant à leur rôle dans l'évaluation.

• Une interrogation se pose sur la formation des enseignants face à ces nouvelles technologies et leurs implications dans le processus éducatif.

Évaluation et Intelligence Artificielle

Réflexion sur l'évaluation

• L'évaluation des compétences a toujours été remise en question, même avant l'ère de l'IA. La discussion devrait se concentrer sur la progression des élèves plutôt que sur les résultats finaux.

• Il est important de reconnaître que chaque élève évolue à son propre rythme. Par exemple, Mamadou et Jean Guillaume montrent des niveaux de compréhension différents, ce qui souligne la nécessité d'une évaluation formative.

• L'évaluation doit inclure un retour constructif pour aider les élèves à progresser dans leur apprentissage, en mettant l'accent sur le processus plutôt que sur le résultat final.

Utilisation de l'IA dans l'éducation

• Une question soulevée concerne la pertinence d'autres formes d'IA pour l'évaluation, au-delà des outils génératifs accessibles au grand public.

• L'intervenant admet ses limites en matière d'expertise en IA et explique qu'il utilise principalement des outils comme copilote pour améliorer ses raisonnements.

• Bien qu'il utilise ces outils comme assistants, il reste conscient que c'est lui qui doit prendre les décisions finales concernant le contenu produit par l'IA.

Finalité de l’enseignement

• L'utilisation pédagogique de l'IA soulève des questions fondamentales sur la finalité de l'enseignement et la relation éducative entre enseignants et élèves.

• Cette réflexion s'inscrit dans une philosophie éducative plus large où il n'y a pas toujours de réponses claires aux défis posés par les nouvelles technologies.

Enjeux liés à l'accès à l’IA

• La discussion aborde également le fait que tout le monde n'a pas accès à l'intelligence artificielle, ce qui complique son intégration uniforme dans les pratiques pédagogiques.

• Une préoccupation majeure est celle du contrôle pédagogique : laisser une IA préparer les évaluations pourrait entraîner une perte de contrôle sur le processus d'apprentissage.

Évaluation et Intelligence Artificielle : Réflexions Éthiques

La responsabilité de l'évaluation

• L'évaluation peut être difficile pour les individus, quel que soit leur âge. Il est essentiel de reconnaître la responsabilité éthique qui accompagne l'utilisation des outils d'évaluation, même ceux pilotés par des machines.

• Travailler avec l'intelligence artificielle (IA) diffère de l'utilisation d'outils traditionnels comme une encyclopédie. L'utilisateur doit toujours assumer la responsabilité de l'évaluation choisie.

• La distinction entre utiliser un outil d'évaluation et en déléguer la création à une machine soulève des questions sur la valeur intrinsèque des évaluations générées par IA.

Les enjeux de l'hybridation dans l'évaluation

• Les actes éducatifs sont souvent incertains, ce qui nécessite une réflexion constante sur les raisons derrière chaque choix d’évaluation.

• La construction d'un modèle hybride entre humain et IA pose question : comment équilibrer ces deux approches pour optimiser le processus d’évaluation ?

Utilisation pratique de l'IA dans les évaluations

• L'IA peut être utile pour générer des aspects techniques spécifiques dans le cadre éducatif, mais il est crucial que l'utilisateur reste conscient du contexte pédagogique.

• Identifier clairement les compétences à évaluer permet à l’enseignant de mieux intégrer les outils technologiques tout en gardant un contrôle sur le processus.

Approche pragmatique face aux défis

• Les enseignants peuvent choisir entre bricoler leurs évaluations ou s'appuyer sur des pratiques partagées par leurs collègues. L’IA pourrait servir de pont entre ces deux méthodes.

• Pour que l'IA soit efficace, elle doit s'inspirer du savoir-faire existant de l’enseignant afin d’éviter des propositions inadaptées au niveau d'apprentissage souhaité.

Vers une évaluation centrée sur les apprentissages

• Une évaluation devrait avant tout servir les apprentissages et faciliter le travail pédagogique. Déléguer certains éléments à l'IA peut aider à affiner cette approche.

• Il est important de ne pas considérer toutes les suggestions générées par IA comme parfaites ; elles doivent être examinées et adaptées selon le contexte éducatif spécifique.

• Enfin, il est nécessaire que toute évaluation reste ancrée dans la dimension humaine, car c'est cet aspect qui donne vie au processus éducatif.

Réflexions sur l'évaluation somative et normative

Évaluation des QCM

• L'intervenant souligne la complexité de la création de QCM, malgré leur utilisation fréquente dans les évaluations. Il exprime un respect pour ceux qui s'y consacrent.

Traitement des résultats

• Une fois les QCM élaborés, le traitement des résultats est crucial. L'intervenant évoque l'importance de vérifier aléatoirement certaines réponses pour assurer la fiabilité des scores.

Objectifs de l'évaluation

• La discussion se concentre sur les raisons d'utiliser des évaluations sommatives et normatives. L'accent est mis sur le fait que ces outils ne doivent pas être utilisés pour contrôler mais pour atteindre des objectifs éducatifs.

Rôle du score

• Le score, qu'il soit numérique ou descriptif, doit servir à illustrer comment atteindre des ambitions pédagogiques plutôt qu'à sanctionner les apprenants.

Feedback et relation pédagogique

• L'intervenant aborde la difficulté d'attribuer un feedback négatif par IA, soulignant l'importance de la relation humaine dans le processus d'apprentissage et de retour d'information.

Conclusion et annonces

Remerciements et informations futures

• Un remerciement est adressé à Albonne Robles pour sa conférence ainsi qu'aux participants.

• Annonce d'une prochaine conférence sur les défis liés aux informations climatiques et à l'éducation à la durabilité, animée par Florent Michelot.