« Bien. » « À améliorer. » Quand on demande à des étudiants d’évaluer le travail d’un camarade, ce sont souvent les premiers commentaires qui arrivent. Ils ne sont pas faux. Ils ne disent simplement rien à celui qui les reçoit : ni ce qui tient, ni ce qui manque, ni par où reprendre son brouillon.

On aurait tort d’en sourire trop vite. En fin de pile de copies, nos propres annotations ressemblent parfois à ça. Et la question de fond reste la même : à quoi sert une évaluation si celui qui la reçoit ne sait pas quoi en faire ?

C’est la question que creuse le livre blanc « L’évaluation dans l’enseignement supérieur », disponible depuis le 3 novembre. Nous en avons retenu trois idées qui changent concrètement la façon de concevoir une évaluation, que vous enseigniez à un groupe de TD ou que vous pilotiez un programme entier.

1. Une évaluation, c’est surtout la décision qui suit

Le livre blanc part d’une distinction empruntée à la docimologie. Une évaluation se fait en deux temps. D’abord on collecte : une copie, un oral, un quiz. Ensuite on analyse l’écart entre ce qu’on observe et ce qu’on attendait, pour prendre une décision. C’est ce second temps qui constitue la vraie évaluation.

Et la décision qui compte le plus revient souvent à l’étudiant. Grâce aux retours reçus, il connaît ses forces et ses faiblesses, et décide de réviser, de demander de l’aide ou de passer à la suite. Si le retour ne lui permet pas de choisir, l’évaluation s’est arrêtée à mi-chemin.

Concrètement, cela donne un test simple pour relire vos commentaires. Le modèle de Hattie et Timperley, repris dans le texte, pose trois questions : où aller, quel chemin a été accompli, comment avancer ensuite. Un commentaire qui ne répond à aucune des trois est souvent un feedback centré sur la personne, du type « bon travail ! ». Les auteurs le décrivent comme le niveau le moins efficace, parce qu’il contient peu d’informations liées à la tâche. Ils notent aussi qu’une simple note peut avoir un impact négatif sur le sentiment de contrôlabilité, c’est-à-dire la conviction de l’étudiant qu’il peut agir sur son résultat.

Pour un responsable pédagogique, la conséquence est d’abord organisationnelle. Un retour qui arrive après la fin du module ne laisse plus aucune décision possible. Le livre blanc suggère par exemple de montrer la grille d’évaluation aux étudiants et d’autoriser la remise jusqu’à validation, pour créer un aller-retour entre feedback et nouvelle version. Nous avions abordé ce problème de calendrier dans Le feedback de fin de semestre arrive trop tard.

2. Les pairs peuvent évaluer de façon fiable, à des conditions précises

Côté enseignants, la peur la plus courante tient en une phrase : « mes étudiants ne sont pas objectifs ». Le livre blanc la range parmi les mythes, et il s’appuie sur la recherche. Selon les méta-analyses qu’il cite, les notes des pairs convergent bien avec celles des enseignants : corrélation moyenne de 0,69 chez Falchikov et Goldfinch (2000), de 0,63 chez Li et al. (2016). À partir de quatre correcteurs pairs, et dans les STEM, l’évaluation par les pairs est même souvent plus fiable qu’une correction traditionnelle.

Le mot qui compte ici est « conditions ». Les retours de terrain rassemblés par les auteurs convergent sur quelques points :

• une formation préalable des étudiants à l’évaluation, qui pèse directement sur la qualité des feedbacks ;
• une grille claire et partagée, qui sert de socle à la cohérence des notes ;
• plusieurs évaluateurs par production et l’anonymat, qui renforcent la perception d’équité ;
• un exercice de calibration au départ, pour harmoniser les attentes.

Un exemple tiré du livre blanc : dans un cours de master en sciences de gestion, chaque étudiant évaluait anonymement les analyses de cas de trois pairs avec une grille critériée. Les écarts entre les notes des pairs et celles de l’enseignant sont restés inférieurs à 10 % dans plus de 80 % des cas.

Côté étudiants, la peur existe aussi, et le texte la nomme. Certains expriment une anxiété initiale face au jugement de leurs pairs. Quelques-uns vivent difficilement des feedbacks négatifs. Les auteurs ne l’écartent pas : l’enseignant doit rester garant de la sécurité psychologique du dispositif et prévoir des mécanismes de recours ou de modération.

Ce que cela change pour vous : la question à se poser devient « ai-je mis en place ce qui rend le jugement de mes étudiants fiable ? ». C’est une question de conception, donc une question à laquelle vous pouvez répondre avant le premier rendu. Le bénéfice ne se limite d’ailleurs pas à la note : en examinant le travail d’un autre et en y cherchant les erreurs, l’étudiant apprend lui-même. Le livre blanc parle d’apprentissage par l’évaluation. Pour le déroulé pas à pas, notre guide de l’évaluation par les pairs reste un bon point de départ.

3. Le temps ne disparaît pas, il se déplace

C’est peut-être l’idée la plus honnête du texte. Dès le premier chapitre, les auteurs rappellent que les qualités d’une bonne évaluation sont en tension : une évaluation valide et bien soignée sera a priori difficilement « économique ».

Les retours de terrain le confirment à grande échelle. Sur des cohortes allant jusqu’à 800 étudiants, l’évaluation par les pairs a tenu sur le plan logistique. Mais, écrivent les auteurs, « les économies réalisées sur la correction sont partiellement compensées par le temps consacré à l’organisation et à la modération ». Les corrections individuelles diminuent. La préparation (élaboration de la grille, formation des étudiants, tests de la plateforme) et la régulation (modération, gestion des réclamations) restent conséquentes.

Plutôt que de promettre aux équipes qu’elles gagneront du temps, mieux vaut leur dire où ce temps va aller. D’abord dans la conception : écrire la grille, former les étudiants à évaluer. Ensuite dans la régulation, pendant et après le dispositif. Un projet qui prévoit ces heures dès le départ a de bonnes chances de durer. Celui qui les découvre en cours de semestre risque de s’essouffler.

La même lucidité vaut pour l’intelligence artificielle, à laquelle le livre blanc consacre un chapitre. Dans une expérimentation en sciences de l’ingénieur, l’IA a aidé à reformuler des commentaires trop génériques, à synthétiser les retours reçus et à signaler des évaluateurs systématiquement plus sévères ou plus indulgents. L’enseignant a vu sa charge de modération baisser, tout en insistant sur la nécessité d’une supervision humaine. Le principe retenu par les auteurs tient en une ligne : « l’IA reformule et structure, l’humain juge ». Nous développons ce point dans L’IA n’évalue pas. Elle aide à formuler.

Ce que vous trouverez dans le livre blanc

Ces trois idées viennent d’un texte écrit à trois regards : Laurent Brocker, ingénieur en e-pédagogie à la DRH de l’AP-HP, qui enseigne également en Master 2 à l’Université Sorbonne Paris Nord ; Mario Calabrese, Educational Developer à l’Université de Strasbourg pour l’alliance universitaire européenne EPICUR, où il est responsable de la Task dédiée à la qualité des enseignements et des évaluations ; Ludovic Charbonnel, praticien de l’évaluation par les pairs et de l’approche par compétences dans le supérieur, cofondateur de ChallengeMe.

Vous y trouverez les quatre critères d’une évaluation de qualité (validité, fiabilité, objectivité, économie) appliqués au devoir, au quiz et à l’évaluation par les pairs, un tableau de synthèse comparative, les différentes formes d’évaluation par les pairs, trois retours de terrain détaillés, huit recommandations pour structurer une activité d’évaluation collaborative, et un chapitre entier sur les limites et les points de vigilance, IA comprise.

Il se lit bien à plusieurs. Un chapitre par réunion d’équipe pédagogique suffit à ouvrir une vraie discussion sur vos pratiques.

Le livre blanc complet est disponible sur sa page dédiée : télécharger « L’évaluation dans l’enseignement supérieur ». Il vous suffit d’y laisser votre adresse e-mail.