L’IA générative oblige l’école à redéfinir ce qu’elle évalue

L’arrivée des IA génératives dans les pratiques scolaires ne se réduit ni à une nouvelle modalité de fraude ni à l’annonce d’une disparition prochaine des devoirs. Elle met en crise une convention ancienne : lorsqu’un élève remet un texte, une dissertation, une traduction ou un programme, l’institution tend à y voir la trace suffisamment fiable d’un travail intellectuel personnel. Cette inférence était déjà imparfaite. Une copie pouvait être aidée par l’entourage, reprise à partir de ressources disponibles ou corrigée de manière intensive. Les outils génératifs changent néanmoins l’échelle et la nature du problème, parce qu’ils rendent immédiatement accessible une production linguistique convaincante, adaptable à une consigne et difficile à distinguer d’un texte scolaire ordinaire.

La question n’est donc pas seulement de savoir si un rendu a été produit avec une IA. Elle porte sur ce que l’évaluation cherche à établir : la maîtrise d’un savoir, la capacité à mobiliser une méthode, l’appropriation d’un problème, l’autonomie dans une démarche ou la qualité d’un objet final. Ces dimensions ne se confondent pas. L’école doit désormais rendre visible cette distinction, au lieu de faire du document déposé la preuve globale d’un apprentissage.

Le devoir hors classe perd sa valeur de preuve

Le devoir maison a longtemps rempli plusieurs fonctions à la fois. Il prolongeait le temps de classe, entraînait à l’écriture longue et fournissait un support commode pour l'évaluation. Or ces fonctions reposaient sur une hypothèse tacite : l’élève était l’auteur principal du texte remis. Avec une IA conversationnelle, cette hypothèse devient beaucoup plus fragile, y compris lorsque l’usage de l’outil reste partiel. Une formulation de consigne, un plan, une reformulation ou une synthèse peuvent être obtenus rapidement ; le texte final peut ensuite être retouché pour paraître plus personnel.

Le problème dépasse les productions particulièrement réussies. Une copie médiocre peut elle aussi provenir d’un usage d’IA, mal piloté ou insuffisamment vérifié. Inversement, un élève capable d’écrire avec précision peut être suspecté parce que son texte paraît trop lisse. La qualité apparente du résultat cesse alors d’être un indice stable sur les conditions de sa production. C’est ce lien entre rendu et activité qui s’affaiblit, non la valeur de tout travail écrit hors de la classe.

Il serait excessif d’en déduire que les devoirs doivent être abandonnés. Ils peuvent rester des espaces de recherche, de lecture, de préparation ou de réécriture. Mais ils ne peuvent plus, à eux seuls, porter la même fonction certificative. Lorsqu’une note prétend attester une compétence individuelle, elle doit reposer sur des éléments qui permettent d’observer plus directement l’activité de l’élève.

Les détecteurs ajoutent du soupçon plutôt que de la certitude

La réponse technique la plus spontanée consiste à rechercher des détecteurs de textes générés. Ces outils promettent d’identifier des régularités stylistiques ou statistiques associées aux productions automatisées. Leur limite est structurelle : ils n’observent pas l’acte de production, mais tentent d’inférer une origine à partir d’un texte final. Or un texte humain peut présenter les traits attendus d’une production artificielle, notamment lorsqu’il est très normé, tandis qu’un texte généré puis fortement révisé peut échapper à la détection.

Leur usage scolaire soulève ainsi un problème de preuve. Un signal fourni par un logiciel ne dit pas qui a formulé la demande, qui a sélectionné les informations, qui a vérifié les sources ni qui a réécrit le résultat. Il peut seulement alimenter une présomption. Faire de cette présomption le fondement d’une sanction reviendrait à substituer l’opacité d’un outil à l’examen pédagogique d’une situation.

La panique autour des détecteurs traduit une tentation compréhensible : conserver les formes antérieures de l’évaluation en renforçant le contrôle. Mais la surveillance ne rétablit pas la valeur probatoire du devoir maison. Elle risque plutôt d’installer un climat où les élèves doivent démontrer qu’ils n’ont pas triché, y compris lorsqu’ils ont réellement travaillé. Le déplacement utile consiste moins à authentifier après coup chaque phrase qu’à diversifier les moments où le savoir peut être observé.

Les traces de fabrication prennent une valeur scolaire

Évaluer un processus ne signifie pas demander aux élèves de documenter artificiellement chaque geste. Il s’agit de distinguer, dans une tâche complexe, les opérations qui constituent effectivement un apprentissage. Pour une dissertation, cela peut concerner la formulation d’une question, le choix des références, l’organisation d’un raisonnement, la prise en compte d’une objection ou la révision d’un paragraphe. Pour une recherche documentaire, l’enjeu porte sur la sélection des sources, leur hiérarchisation et la confrontation de leurs affirmations. Dans un travail de programmation, la lecture et la modification du code importent autant que son exécution finale.

Les brouillons, les annotations, les carnets de recherche, les versions successives et les échanges en classe deviennent alors des matériaux d’évaluation. Ils ne sont pas précieux parce qu’ils prouveraient mécaniquement une authenticité, mais parce qu’ils rendent intelligibles les choix effectués. Une production finale excellente n’a pas la même signification selon qu’elle prolonge un cheminement identifiable ou qu’elle reste sans rapport avec les interventions antérieures de son auteur présumé.

Cette approche modifie aussi la place de l’IA. Au lieu de la traiter uniquement comme une source interdite ou clandestine, certaines tâches peuvent faire de son usage un objet d’analyse. Comparer une réponse générée avec des documents étudiés, repérer une référence inventée, corriger un raisonnement simplificateur ou justifier le rejet d’une proposition permettent d’évaluer des compétences de jugement. L’outil ne remplace pas le savoir disciplinaire : il en rend parfois l’absence plus visible, puisqu’il faut disposer de repères pour contrôler ce qu’il avance.

L’oral retrouve une fonction d’explicitation

Le déplacement vers l’oral est souvent présenté comme la réponse immédiate aux IA génératives. Il convient de préciser ce qu’il apporte. Un échange bref sur une production permet de vérifier la compréhension des arguments, d’interroger un choix méthodologique ou de demander la reformulation d’une idée. Il donne accès à l’appropriation réelle d’un travail, là où la copie seule ne livre qu’un résultat stabilisé. L’oral peut également restituer une dimension dialogique de l’apprentissage : expliquer, répondre à une objection, nuancer une affirmation.

Il ne doit pourtant pas devenir l’unique étalon de l’authenticité. Les dispositions à prendre la parole sont inégalement réparties et ne recouvrent pas toutes les formes de maîtrise. Un élève peut comprendre finement un texte sans disposer immédiatement des ressources langagières nécessaires pour le défendre dans un entretien. L’oral est donc plus pertinent lorsqu’il complète d’autres traces, plutôt que lorsqu’il prétend remplacer l’écrit.

La classe elle-même prend une importance renouvelée. Les phases de lecture, de planification, de résolution et de rédaction réalisées sous le regard de l’enseignant ne sont pas seulement des exercices préparatoires. Elles deviennent des situations d’observation. Cela ne signifie pas que tout apprentissage doit être enfermé dans le temps scolaire, mais que les évaluations les plus engageantes doivent intégrer des moments où l’élève peut montrer ce qu’il comprend et ce qu’il fait.

Les disciplines ne sont pas affectées de la même manière

La transformation est réelle, mais elle n’efface pas les différences entre disciplines. En littérature, une IA peut produire un commentaire structuré sans avoir lu l’œuvre ; l’évaluation doit alors mieux distinguer la restitution de procédés et l’interprétation appuyée sur des passages précis. En histoire, la fluidité d’un récit peut masquer des erreurs de chronologie, des causalités artificielles ou des références fictives. En sciences, l’outil peut formuler une explication plausible sans maîtriser les conditions d’une démonstration ou d’une expérience. Dans les langues, il peut fournir une correction idiomatique qui dissimule le niveau réel de production autonome.

Cette diversité interdit une réponse uniforme. Les tâches les plus exposées sont celles où le produit attendu correspond à ce que les modèles savent générer avec aisance : texte généraliste, synthèse standardisée, explication sans ancrage précis. À l’inverse, les situations qui demandent de manipuler un corpus déterminé, de rendre compte d’une expérience, de justifier des choix ou de répondre à des relances conservent une forte portée évaluative. L’enjeu n’est pas de rendre les consignes impossibles à traiter par une machine, mais de concevoir des épreuves où le résultat ne peut suffire à lui seul.

Sortir de la police des copies sans banaliser la délégation

La discussion sur l’IA générative oppose parfois deux positions symétriques : l’interdiction totale, pensée comme protection de l’effort scolaire, et l’acceptation indistincte, au nom de l’inévitabilité technique. Aucune ne répond entièrement au problème. Une interdiction peut fixer des limites nécessaires pour certains travaux, notamment lorsque l’évaluation porte sur une maîtrise individuelle. Mais elle ne dispense pas de réfléchir aux formes d’évaluation, car l’usage clandestin reste toujours possible. L’autorisation, quant à elle, ne peut être réduite à une simple tolérance : elle suppose de définir ce qui est délégué, ce qui doit être vérifié et ce qui reste attribuable à l’élève.

Le changement le plus profond concerne le contrat d’évaluation. L’école ne peut plus laisser implicite la différence entre assistance, collaboration, automatisation et substitution. Elle doit aussi reconnaître que l’écriture scolaire n’est pas seulement un produit à noter : elle est une pratique par laquelle se construisent des connaissances, une pensée et un rapport aux sources. L’IA générative ne supprime pas cette pratique. Elle oblige à la rendre observable, discutable et située dans des conditions concrètes de travail.

À propos de la signature

Rémi Chardenoux

signature numérique, médias et culture

Voir le profil et les publications