En juin, autour d’une table de jury de licence, les dossiers se ressemblent d’une façon qui n’existait pas encore il y a trois ans. Le rapport est propre, les références tiennent, l’oral ne s’écroule pas. L’étudiant a suivi, il a une moyenne, il a rendu à l’heure. Vous auriez signé sans trop hésiter. Aujourd’hui le même fichier peut sortir d’un prompt bien écrit, en vingt minutes, sans que l’étudiant ait conceptualisé le modèle ni même relu vraiment ce qu’il dépose. Vous n’êtes plus en train de lire une preuve de compétence. Vous lisez un objet dont vous ne savez plus s’il mesure encore ce que la maquette promet.
Le mot qui nomme ce doute, celui qu’on entend dans les jurys de diplôme et dans les titres de formation de cette rentrée, c’est la robustesse. Pas un adjectif de brochure. Un critère de conception, emprunté à la psychométrie et au design pédagogique : une évaluation est robuste si elle continue de mesurer ce qu’elle prétend mesurer quand l’étudiant peut faire écrire le fichier par une IA. Si elle ne le peut plus, le dispositif n’est plus aligné avec la condition réelle du travail. Le fichier s’écrit ailleurs, et vous continuez de le noter comme s’il ne le pouvait pas.
Ce que « robuste » veut dire une fois le fichier écrit
En psychométrie, on parle de robustesse quand un test tient malgré un changement de conditions. Ici, ce qui a bougé n’a rien à voir avec le niveau des étudiants : c’est la facilité à produire un livrable lisse sans avoir fait le travail cognitif que vous croyiez observer. Un dossier de stage fluide et creux, un code qui tourne sans que l’auteur sache le défendre, une synthèse de projet écrite la veille : ces objets restent des preuves. Ils ne suffisent plus à eux seuls, parce qu’ils sont devenus trop faciles à fabriquer sans avoir argumenté un choix.
La conversation publique, elle, part souvent ailleurs. On parle de détecteurs, de filigranes, de salles verrouillées, de consignes d’interdiction générale. Ces outils ont leur place, parfois, quand vous voulez voir un geste à main nue. Ils ne rendent pas une évaluation plus robuste. Ils tentent de ramener la condition ancienne, celle où le fichier ne pouvait pas être écrit autrement. Ce n’est pas le détecteur, c’est le design.
Barras et Sarrasin le disent sans détour : un rendu réussi ne prouve plus une compétence. La suite, concrète, c’est de concevoir un dispositif qui tient encore quand le fichier, lui, ne suffit plus.
Jacques Tardif travaille ce déplacement depuis longtemps, et la formation qu’il anime à Paris les 1er et 2 octobre, « Concevoir des formations et évaluations robustes à l’ère de l’IA », porte exactement ce titre. Le mot n’est pas un slogan de rentrée. C’est un critère, et il se joue avant l’outil.
Ce qui tient encore dans un cours que vous donnez déjà
Vous n’avez pas besoin d’une nouvelle maquette pour commencer. Prenez le rapport que vous demandez déjà en licence, celui que vous relisez trop tard, trop vite, avec le sentiment que trop de copies ont le même vernis. Ce qui le fragilise n’est pas l’IA en soi, mais le fait que vous n’observez qu’un objet final, isolé, qu’on peut générer. Ce qui le tient, c’est d’exiger quelques preuves que l’IA ne fabrique pas à votre place. Un plan, ou une première version déposée assez tôt pour qu’un regard puisse encore arriver. La raison d’un changement entre deux versions, écrite par l’étudiant, pas générée la veille du dépôt. Puis une courte défense, à l’oral ou à l’écrit, où il dit pourquoi ce choix a été tenu et ce qui a été laissé de côté. Le fichier reste. Il n’est plus le centre.
C’est le même déplacement, dans d’autres métiers. Après une simulation clinique, en formation infirmière, deux étudiants peuvent poser le même diagnostic. L’un a priorisé la détresse respiratoire dès les premières minutes. L’autre est passé par la douleur, puis a corrigé. Une IA peut servir de miroir : elle relance pour faire expliciter (« Au moment où tu as priorisé X, quelles données avais-tu ? Qu’est-ce qui t’a fait écarter Y ? »), elle ne donne jamais les réponses, elle ne valide ni le diagnostic ni la priorisation. Le formateur regarde le processus, pas le diagnostic. En gestion ou en marketing, sur un diagnostic stratégique de trois ou quatre semaines, ChatGPT ou Perplexity n’est pas interdit : il est attendu. On n’évalue pas le rapport final. On évalue le journal d’arbitrages. Après chaque usage : « Parmi ce que l’IA a fourni, qu’as-tu retenu, sur quel critère ? Qu’as-tu écarté, pourquoi ? Que ferais-tu sans elle ? »
Sur un projet de groupe, la faille est encore plus nette, et plus ancienne que ChatGPT. Le livrable collectif peut être impeccable et le travail, ailleurs. Quatre étudiants, quatorze semaines, un prototype pour une PME : ce qui compte n’est pas seulement le livrable, c’est tout ce qui s’est décidé, parfois raté, entre la semaine 1 et la semaine 14. À chaque jalon, un journal de décisions, posé à chaque membre séparément. L’intra-groupe n’est plus une formalité de dix minutes. Il est nourri de ces traces, et l’écart entre le récit collectif et ce que chacun dit individuellement devient visible à l’enseignant, pas au groupe. L’évaluation par les pairs et l’intra-groupe ne servent pas à chasser un fraudeur. Ils servent à rendre visibles des contributions et des raisonnements que le dossier unique écrase. Ces regards-là sont des jugements humains. Un camarade lit une argumentation et dit ce qui tient. Un coéquipier positionne une contribution, avec une grille, à un moment où le groupe peut encore se réorganiser. Personne, dans ce geste, n’a besoin qu’une IA pré-corrige le fichier, détecte un décrochage ou score un raisonnement. Si vous déplacez ce jugement vers une machine, vous perdez précisément ce que le dispositif prétend observer : une lecture située, entre pairs, d’un travail réel.
Le jury, de son côté, retrouve une fonction qu’il n’aurait jamais dû perdre. Non pas « racontez votre rapport », ce que n’importe quel texte lisse permet de faire avec un peu d’assurance. Mais : défendez le choix que les traces montrent. Montrez où vous avez changé d’avis. Dites ce que l’IA a fait dans ce travail, ce que vous en avez gardé ou écarté, et comment vous l’avez vérifié. Une soutenance isolée, sans ces traces, redevient un exercice de présence. Une soutenance adossée à des versions et à des justifications redevient une épreuve de compétence, celle que le diplôme affirme certifier. Sur une alternance de trois ans, le piège habituel est le bilan de fin d’année, quarante pages écrites trop tard. Une IA peut signaler les compétences peu documentées au fil des mois, pas un score de compétence, une visibilité de trace manquante. Le jury, en fin de parcours, parcourt trois ans plutôt que de reconstituer un récit rétrospectif.
Garder le jugement, alléger la charge
Passé une soixantaine d’étudiants, l’intention ne suffit plus. Ce qui lâche, c’est le suivi. La version arrive, ou pas. Le regard porte sur le vernis plus souvent que sur le raisonnement. Le retour, quand il existe, arrive trop tard pour servir, une fois les notes là et les vacances déjà ouvertes. On se retrouve alors avec des tableurs et une mémoire d’enseignant qui reconstitue, après coup, ce que le semestre n’a pas su garder.
ChallengeMe intervient à cet endroit. Il ne conçoit pas l’évaluation à votre place, et il ne détecte pas l’IA. Vous y tenez un parcours avec une date et une grille à chaque étape, assez pour que la timeline soit lisible pour vous et pour eux, pas assez pour transformer le semestre en archive. Les pairs relisent le raisonnement. L’intra-groupe rend visible, dès la troisième semaine, l’écart de contribution que le dossier final dissimule. Dans les deux cas, le jugement reste humain.
Là où une IA entre dans ChallengeMe, elle n’évalue pas à la place. Sur un test de situations à choix multiples, le SCM, l’étudiant est placé devant une situation incertaine, avec plusieurs actions défendables. Il choisit une conduite, puis il justifie. Une IA lit le choix et surtout la justification, puis renvoie des points forts et des axes. Elle ne note pas, et il n’y a pas de panéliste. Le SCM n’est pas un TCS livré. Nous discutons avec Bernard Charlin pour aller plus loin, et le test répond déjà à une partie du problème : rendre le raisonnement visible puis commenté, à l’échelle d’une cohorte, sans abandonner l’évaluation dès que le groupe dépasse quatre-vingts.
Le même principe vaut pour un retour en cours de route. Un assistant calibré par vous, sur les erreurs que vous voyez revenir dans ce cours-là, peut challenger une première analyse tant que l’étudiant peut encore s’en servir. Il ne donne pas la réponse. Il ne décide pas de la note. Vous tranchez. La robustesse, ici, vient de ce que le retour arrive assez tôt pour changer le travail, pas de ce qu’une machine aurait « détecté ».
Vous partez de ce que vous avez
Si vous voulez un test simple, prenez une évaluation que vous donnez déjà et demandez-vous si elle mesure encore ce qu’elle prétend mesurer le jour où le fichier est écrit ailleurs. Si la réponse est non, n’ajoutez pas un détecteur en premier. Ajoutez d’abord une trace que vous pouvez encore commenter. Un regard humain, ensuite, ou un moment où l’étudiant défend un choix, selon ce que le cours permet déjà. Puis seulement, s’il le faut, un outil qui tient la logistique.
ChallengeMe est fait pour ça : tenir le dispositif une fois que vous avez décidé ce qui doit rester visible. Pas pour écrire le fichier à la place de l’étudiant, ni pour le soupçonner à sa place.
Envie d’essayer ChallengeMe ?
Demander une démo