Vous avez mis en place l’évaluation par les pairs dans votre cours. Deux semaines plus tard, le bilan est mitigé. La moitié des feedbacks tient en deux lignes. Pas d’argumentation, pas de critère mobilisé, juste « bien » ou « peut mieux faire ». Les étudiants qui en auraient le plus eu besoin n’ont pas eu de retour utilisable.

Tout le monde s’accorde sur la valeur du dispositif en principe. L’évaluation par les pairs oblige à mobiliser les critères, à justifier un jugement, à prendre position. C’est exactement ce qu’on cherche à développer dans l’enseignement supérieur.

Sauf que produire un feedback argumenté est une compétence. Et on demande souvent aux étudiants de l’exercer sans les accompagner vraiment.

L’évaluation par les pairs, freinée par la logistique

Dans des promotions nombreuses (les premières années de BUT, par exemple, avec 80 à 120 étudiants), organiser une évaluation par les pairs est déjà un défi en soi. Il faut distribuer les travaux, suivre qui a rendu quoi, s’assurer que chaque production a bien été évaluée, puis exploiter les retours pour en faire quelque chose de formateur.

Sans outil adapté, c’est ingérable. Beaucoup d’enseignants simplifient alors : moins de critères, moins de copies à évaluer par étudiant, moins d’ambition pour les retours. Ce qui revient à perdre une bonne partie de la valeur pédagogique du dispositif.

L’autre écueil, c’est la qualité elle-même. Même bien organisé, le dispositif produit des feedbacks très hétérogènes. Certains étudiants jouent le jeu et rédigent des retours utiles. D’autres s’en sortent avec le strict minimum. L’enseignant, face à des centaines de commentaires, n’a souvent pas les moyens de corriger ça individuellement.

Ce que l’IA change, concrètement

C’est précisément sur ce point qu’Antoine Chollet, enseignant en BUT Informatique, a expérimenté avec ChallengeMe. Il a présenté ses résultats à LUDOVIA 2026, l’Université d’été du numérique éducatif à Ax-les-Thermes.

L’expérimentation porte sur un usage précis : un agent IA comme soutien cognitif, pour aider les étudiants à structurer leurs retours.

Lorsqu’un étudiant rédige son feedback, il peut solliciter l’assistant pour clarifier son analyse, approfondir un point ou vérifier que son argumentaire tient. L’IA pose des questions, reformule, signale les imprécisions, sans jamais écrire à la place de l’étudiant.

Les feedbacks produits sont plus argumentés et plus cohérents avec les critères de l’exercice. Les écarts se réduisent aussi entre un étudiant très à l’aise dans l’exercice évaluatif et un autre qui peine à formuler ses observations.

Pour l’enseignant, les données issues des évaluations deviennent exploitables. Quels critères sont mal compris ? Quels groupes produisent des évaluations trop indulgentes ou trop sévères ? Ce niveau de lecture était impossible à atteindre manuellement sur une promotion de 100 étudiants.

La même logique pour l’auto-évaluation des compétences

Antoine Chollet a également expérimenté l’IA de ChallengeMe dans le cadre du portfolio de compétences de première année de BUT.

Les étudiants doivent se positionner par rapport à un référentiel de compétences. C’est souvent difficile, faute de comprendre précisément ce qu’on attend d’eux à chaque niveau.

L’agent IA aide à clarifier les attendus, à objectiver les acquis et à préparer les choix de spécialisation en deuxième année. Pour les équipes pédagogiques, les données agrégées offrent une vue utile sur la promotion : où sont les zones de flou dans le référentiel ? Quelles compétences réclament un accompagnement supplémentaire ?

Ce que ça change pour l’enseignant

On entend souvent que l’IA va remplacer le jugement de l’enseignant. Ce que montre l’expérimentation d’Antoine Chollet, c’est autre chose : quand les feedbacks étudiants sont plus structurés, l’enseignant passe moins de temps à trier le bruit et plus de temps à intervenir là où c’est vraiment utile.

L’IA ne note pas. Elle aide les étudiants à mieux évaluer, et les enseignants à mieux voir.

Pour aller plus loin

Cette expérimentation a été présentée à LUDOVIA 2026 dans le cadre d’un atelier ExplorCamp. Si vous souhaitez comprendre comment ChallengeMe intègre un agent IA dans ses modules d’évaluation, nous serions ravis d’en discuter avec vous.

Envie d’essayer ChallengeMe ?
Demander une démo