Mon fils a passé l’examen écrit de l’État de l’Arizona. Le navigateur s’est verrouillé. Onglets fermés. Le téléphone a disparu. Pas de notes, pas de recherche. Juste un enfant et un écran.
Puis il est entré dans le monde réel.
Le travail là-bas ne commence pas par une page blanche. Un mémo commence par une recherche, peut-être une invite de l’IA, puis des modifications, des vérifications des faits et un examen humain. Une réunion devient une transcription, un résumé, une liste d’actions.
Ce qui compte comme travail évolue.
Les systèmes d’évaluation n’ont pas rattrapé leur retard. Ils supposent qu’un test doit être sécurisé pour être valide. C’est faux. Un test peut être parfaitement verrouillé et pourtant inutile. Le problème n’est pas de tricher. C’est que les tests se comportent comme si l’IA n’existait pas.
Le débat se concentre sur les fautes. Un chatbot peut-il rédiger un essai ? Les écoles devraient-elles interdire l’IA ?
Ce ne sont pas les bonnes questions.
Le vrai problème est la construction. Les spécialistes de l’évaluation utilisent ce mot pour décrire ce que nous mesurons réellement. La communication n’est pas statique. Les constructions sont des cartes de capacités. Si le terrain change, vous redessinez la carte.
Comment l’IA change ce que signifie être compétent
L’IA n’est pas seulement un correcteur orthographique sophistiqué.
Cela change la paternité. Cela change la façon dont nous prouvons nos compétences. Les tâches sans outils montrent ce qu’un élève peut faire seul. S’y arrêter confond isolement et authenticité. Vous pouvez préserver la pureté et perdre de la pertinence.
Xiaoming (Madeline) Xi, spécialiste de l’évaluation, l’a dit clairement.
“Ce que nous mesurons doit s’adapter aux réalités augmentées par l’IA des apprenants.”
L’objectif est la capacité médiée par la technologie. Savoir quand travailler seul. Quand demander. Quand co-créer, vérifier ou refuser.
L’écriture est l’une des utilisations les plus courantes de l’IA, basée sur des millions de conversations de Claude.
Les tests traditionnels examinent le paragraphe terminé. L’affirmation est-elle claire ? La grammaire est-elle correcte ?
Cela ne vous dit plus rien.
Une prose soignée cache le processus. Les preuves significatives se trouvent en amont.
L’élève a-t-il défini le public ? Comparer les alternatives ? Vérifier les réclamations ? Détecter les hallucinations ? Rejeter les mauvais résultats ?
L’écrivain est aujourd’hui éditeur. Un vérificateur de faits.
La voix est ce qui reste. C’est la chose que vous préservez contre la poussée de la machine vers une uniformité douce et agréable.
Le changement dans l’écoute et la parole
L’écoute aussi a changé.
La parole est enregistrée, transcrite, recherchée, convertie en tâches.
Les bons auditeurs doivent entendre le ton. Hésitation. Ironie. Ce qui n’a pas été dit.
Ils doivent repérer quand une transcription passe à côté de l’essentiel. Quand un résumé aplanit les désaccords. Quand un suivi transforme l’ambiguïté en fausse confiance.
Parlant?
Cela reste humain.
La livraison en direct dépend du timing. Crédibilité. Lecture de la pièce.
Mais le travail de préparation ? Recherche, répétition, traduction, sous-titres ? Tout a été médiatisé.
La livraison des tests manque à elle seule la préparation. Il manque l’adaptation. Il manque de responsabilité.
L’IA n’a pas effacé les compétences humaines. Il l’a déplacé.
L’évaluation doit détecter ce que cache la maîtrise. Des arguments faibles. Sources fabriquées. Des résumés déformés. Une absurdité plausible.
Les écoles ont besoin de trois types de preuves :
1. Ce que les élèves peuvent faire seuls.
2. Ce qu’ils peuvent faire avec l’IA.
3. S’ils peuvent l’utiliser de manière responsable.
Le dernier est le plus difficile à simuler.
Cadres pour évaluer les connaissances en IA
C’est ce que comprend le cadre AI LiterACY 2026 de la Commission européenne et de l’OCDE.
Il considère la maîtrise de l’IA comme une simple pression sur un bouton. C’est la capacité d’engager, de créer, de gérer et de façonner l’IA. Il met en balance les risques et les avantages.
Cela va au-delà de la consommation vers l’action.
L’évaluation nécessite une échelle de préparation.
Les apprenants fondamentaux ont besoin d’un espace protégé. Ils construisent du vocabulaire et du raisonnement sans externaliser la lutte.
Les apprenants intermédiaires utilisent l’IA pour une critique limitée. Demandes reconventionnelles. Révisions.
Les évaluations avancées mesurent l’exploitation de l’IA pour résoudre des problèmes complexes. Vérification. Adaptation du public. Raffinement rhétorique.
L’architecture devrait être à double voie.
Première piste : tâches restreintes à l’IA. Mesurez les performances indépendantes.
Deuxième piste : tâches incluant l’IA. Mesurer le jugement dans des conditions réalistes.
Imaginez un étudiant qui rédige seul. Puis demander un modèle pour un contre-argument. Vérifier ses preuves. Expliquant quelles révisions elle a acceptées.
Ou comparer une conférence à sa transcription automatisée. Identifier ce que le dossier a perdu.
Dans ces tâches, le processus est la performance.
Regardez les objectifs. Les invites. Les brouillons. Les décisions d’accepter ou de rejeter.
College Board le fait avec AP Seminar et AP Research. Ils font apparaître des décisions. Ils retracent le travail. L’objectif? Accès à la pensée que dissimule le produit final.
Risques d’une mauvaise conception d’évaluation de l’IA
Il existe trois risques majeurs.
Premièrement : l’abandon cognitif. Steven Shaw et Gideon Nave le qualifient de distinct du déchargement cognitif. Cela se produit lorsque les élèves adoptent la réponse de la machine sans se forger leur propre opinion.
Le résultat est une dette de compréhension. Plus de langage produit que compris.
Deuxièmement : la maîtrise des outils varie. Les élèves ont différents « dialectes » d’incitation.
Troisièmement : l’homogénéisation. Si vous récompensez le vernis stérile, vous entraînez les étudiants à ressembler à des robots.
Ces dangers plaident en faveur d’une conception et non d’un déni.
Les salles de classe sont des laboratoires. Les tests à faibles enjeux peuvent expérimenter.
Les systèmes à enjeux élevés contrôlant les crédits ou l’admission devraient attendre. Ils ne doivent bouger que lorsqu’il est prouvé qu’ils mesurent les compétences et non les privilèges.
Qu’est-ce qui reste humain ?
Qu’est-ce qu’une machine ne peut pas faire ?
Il peut rédiger la phrase. Résumez la réunion. Générez des diapositives.
Il ne peut en assumer la responsabilité.
Il ne peut pas soutenir une réclamation. Réponse pour une omission. Faites preuve d’empathie avec un public. Réparer une relation brisée.
Le jugement ne peut pas être externalisé.
C’est le reste humain responsable.
Propriété du but. Précision. Voix. Conséquence.
Retournez voir mon fils dans le navigateur verrouillé.
L’ancien examen demande : pouvez-vous le faire seul ?
Parfois, nous avons besoin de cette réponse.
Mais le monde en demande davantage.
Peut-on utiliser un outil sans être utilisé ? Pouvez-vous préserver la précision et la voix lorsque la maîtrise est instantanée ? Peut-on rester responsable de mots en partie façonnés par un code ?
L’avenir n’est pas une interdiction nostalgique. Il ne s’agit pas d’un abandon technologique.
L’IA peut élargir le concept de communication. Ou cela peut le creuser.
Le design décide.
Une école qui refuse les nouvelles questions protège une illusion.
Il mesure le passé.
