Méthodes d'évaluation
Découvrez comment concevoir des activités d’évaluation qui vous permettent d’obtenir des traces d'apprentissage alignées aux cibles du cours et de soutenir une évaluation valide, fiable et inclusive.
5 étapes pour concevoir des activités d’évaluation
Étape 1 - Identifier la ou les cibles d’apprentissage spécifiques à évaluer
Parmi toutes les cibles d’apprentissage du cours, identifiez celles qui sont spécifiquement visées par cette évaluation. Certaines cibles sont évaluées avec une seule méthode, une seule fois, alors que d’autres le sont par plus d’une méthode, à plusieurs reprises.
Ces cibles peuvent être de nature variée. Elles peuvent viser, par exemple, des aptitudes à communiquer ou à collaborer, des habiletés numériques, ou encore des apprentissages disciplinaires associés aux différents niveaux du domaine cognitif de Bloom.
Pour situer l’importance des cibles d’apprentissage lors d’une évaluation, consultez La cohérence pédagogique au coeur du processus d’évaluation (PDF), qui propose des questions pour chacune des étapes de planification, de conception, d'évaluation et d'amélioration d'une évaluation.
Rappel
Pour définir vos cibles d’apprentissages ou pour consulter une liste plus exhaustive des verbes d’action, visitez Les objectifs d’apprentissage.
Systèmes d’intelligence artificielle (SIA)
L'intégration croissante des SIA vous invite à repenser vos approches évaluatives pour préserver la validité et l'intégrité des activités d'évaluation. Cette réflexion s'inscrit dans la continuité de l'analyse des cibles amorcée plus haut : avant de concevoir ou d'adapter une évaluation, il est essentiel d'analyser les capacités des SIA au regard de la nature et de la complexité des cibles visées.
Cette analyse vous permettra notamment de maintenir un équilibre entre le soutien que peuvent offrir les SIA et le développement des compétences humaines distinctives que vous souhaitez évaluer. Une intégration judicieuse des SIA passe donc par des choix pédagogiques explicites, ancrés dans les cibles d'apprentissage.
Pour vous guider dans cette réflexion, consultez La cohérence pédagogique au cœur de l'intégration des SIA dans les évaluations (PDF), qui propose des questions pour chacune des étapes de planification, de conception, d'évaluation et d'amélioration d'une évaluation.
En somme, il est essentiel d'identifier les cibles à évaluer, ainsi que leur nature et leur complexité, dès le départ : ce sont elles qui doivent guider le choix des traces à obtenir et l’intégration des SIA, et non l'inverse.
Étape 2- Obtenir des traces des apprentissages
Les cibles d’apprentissage décrivent des comportements observables et mesurables chez les étudiantes et étudiants. Pour assurer la validité de l’évaluation, assurez-vous que les traces d’apprentissage et la performance que vous souhaitez observer correspondent bien au verbe d’action de la ou des cibles d'apprentissage visées par cette évaluation.
Par ailleurs, il est possible d’observer divers types de traces: le produit, le processus et/ou le propos.
L’évaluation pourra s’effectuer à partir d’un seul type de traces ou en les combinant pour une évaluation globale des cibles.
Pour en savoir plus, consultez la capsule vidéo sur Les traces d’apprentissage
Systèmes d’intelligence artificielle (SIA)
Combiner plusieurs traces contribue également à préserver la validité de l'évaluation et la fiabilité des traces obtenues, notamment face aux SIA. Par exemple, combiner le propos (à l'oral ou à l'écrit) au produit ou au processus permet de rendre plus accessible le raisonnement de la personne étudiante, notamment par une justification des choix effectués ou un regard critique et métacognitif, ce qui aide à s'assurer que l'évaluation mesure ses apprentissages plutôt que les capacités d'un SIA.
En somme, l'identification des comportements observables à partir des cibles orientera à son tour le choix de la méthode, votre prochaine étape.
Étape 3- Choisir une méthode d’évaluation
Choisissez une méthode dont les tâches s'alignent avec la cible, sa nature et sa complexité, pour obtenir des traces qui mesurent réellement les apprentissages réalisés et compétences développées par les étudiantes et étudiants.
Cette méthode propose une situation de départ (question, graphique, schéma, vidéo, cas, problème, etc. ) adaptée à la réalité du cours, notamment son contenu disciplinaire, la diversité étudiante, la formule d'enseignement et les outils numériques disponibles, afin d'en faire une activité pertinente et engageante.
Vous pourriez, entre autres, proposer plus qu’une méthode d’évaluation pour évaluer la ou les mêmes cibles d’apprentissage, voire même offrir aux personnes étudiantes de choisir parmi quelques possibilités ou formats.
Systèmes d’intelligence artificielle (SIA)
Le choix de la méthode et la formulation des consignes sont aussi l'occasion de préciser les directives liées aux SIA. Utilisés judicieusement, le rôle qui leur est attribué peut apporter une plus-value à la démonstration des apprentissages, par exemple pour soutenir la recherche d'information ou la mise en forme. Gardez toutefois en tête qu’une tâche doit demeurer sous la responsabilité de la personne étudiante, avec l'effort cognitif que cela implique.
Les directives et les autorisations liées à l’utilisation des SIA sont communiquées dans Brio et dans les consignes, en cohérence explicite avec les cibles d’apprentissage visées.
En somme, le choix de la méthode et la formulation des consignes déterminent conjointement la manière d’obtenir des traces fiables. Il reste maintenant à en établir l'ampleur et la pondération au sein de l'évaluation globale, votre prochaine étape.
Pour explorer davantage de possibilités
Consultez le tableau ci-dessous sur l’enchainement cibles > traces > méthodes.
| Nature de la cible > | Exemples de traces observables > | Exemples de méthodes appropriées |
|---|---|---|
| Connaissance / Compréhension (Bloom) | Restitution de faits, définitions, identification d’une procédure, explication dans ses propres mots | Examen écrit, quiz, examen oral |
| Application / Analyse (Bloom) | Application d'une procédure, décomposition d'un problème, choix justifié parmi des options | Étude de cas, laboratoire, résolution de problèmes, exercices pratiques, atelier |
| Évaluation / Création (Bloom) | Élaboration d'une solution originale, jugement critique argumenté, mise en relation de plusieurs sources | Projet, portfolio, bibliographie commentée, étude de cas complexe, prestation de stage |
| Communiquer | Clarté du discours, structure de l'argumentation, adaptation au public | Présentation orale, capsule vidéo, balado, rapport, prestation, forum, débat, séminaire. |
| Collaborer | Répartition des tâches, contribution individuelle au sein du groupe, gestion des désaccords | Activité de collaboration, projet d'équipe, étude de cas en groupe, situation en contexte authentique |
| Habiletés numériques | Maîtrise d'un outil ou d'une plateforme, production adaptée au format numérique | Capsule vidéo, portfolio numérique, projet numérique, atelier |
Évaluez-vous réellement les apprentissages visés?
Si une cible vise la collaboration, la communication ou les habiletés numériques, la méthode choisie doit permettre d'observer et d'évaluer explicitement ces habiletés, et non seulement le résultat d'un travail réalisé en équipe ou présenté oralement.
À l'inverse, si vos cibles ne portent pas sur la collaboration ou la communication, vous pouvez tout de même choisir une méthode qui les sollicite, par exemple un travail d'équipe ou une présentation orale, mais évaluez alors uniquement les apprentissages réellement visés par l’évaluation, sans que les critères de correction ne portent sur la qualité de la collaboration, de la communication ou des habiletés numériques.
Avez-vous formulé des consignes explicites?
Une fois la méthode choisie, des consignes claires permettent de rendre explicites pour les personnes étudiantes les cibles poursuivies, les tâches à réaliser, le rôle attendu, le matériel autorisé et le contexte de réalisation. Ce sont ces consignes qui précisent concrètement comment obtenir les traces recherchées: la méthode demeure le moyen, les consignes en précisent l'application.
Étape 4- Déterminer la pondération de la méthode d’évaluation
L'ampleur d'une cible, soit son importance dans le cours, sa complexité et le développement qu'elle demande, se traduit par la pondération qui lui sera attribuée lors d’une évaluation qui la mesure: plus une cible occupe une place importante, notamment par le temps qui lui est consacré, plus la pondération devrait être élevée.
Une évaluation qui couvre plusieurs cibles pourrait ainsi nécessiter une pondération plus importante qu'une évaluation qui n'en couvre qu'une seule, selon l'ampleur de ces cibles et selon qu'elles soient déjà évaluées à d'autres moments du cours.
Systèmes d’intelligence artificielle (SIA)
Pour certaines évaluations ouvertes, où l'usage des SIA serait difficile à contrôler ou à documenter, il est parfois pertinent d'en réduire la pondération pour limiter l'impact d'une éventuelle perte de fiabilité sur le résultat global de l'étudiante ou de l'étudiant.
Une fois la pondération établie, il reste à prévoir un encadrement adéquat auprès des étudiantes et étudiants, votre prochaine étape.
Étape 5 - Prévoir un encadrement adéquat auprès des étudiantes et étudiants
Offrez aux étudiantes et étudiants un encadrement pédagogique pour toutes les activités d’évaluation du cours. Cet encadrement aura un impact sur leurs apprentissages, leur motivation, la qualité des travaux et l’intégrité intellectuelle. L’encadrement favorise des conditions gagnantes pour toutes et tous (étudiantes et étudiants, enseignantes et enseignants).
Il est possible notamment de:
- rappeler les cibles d’apprentissage
- remettre les critères d’évaluation et/ou la grille de correction avec les consignes, pour assurer une évaluation transparente et rendre plus explicites les attentes
- offrir un suivi des principales étapes d’une évaluation à l’aide d’un forum, d’un sondage ou d’un questionnaire sur sa progression
- vérifier auprès des étudiantes et étudiants la compréhension des consignes liées aux tâches à réaliser ou des outils numériques à utiliser
- vérifier ou clarifier les compétences informationnelles, en référencement documentaire et rédactionnelles
- planifier une rencontre de mi-parcours pour les travaux d’équipe
- prévoir une ou des évaluations formatives avant la remise d’une évaluation sommative grâce à:
- un questionnaire, une carte conceptuelle ou une liste de vérification
- une évaluation du travail par étapes
- une autoévaluation ou une évaluation par les pairs avec une grille critériée simplifiée.
Côté, F. (2017). L’évaluation des apprentissages au collégial. Un réseau de concepts pour guider les pratiques évaluatives (PDF). Pédagogie collégiale. Vol. 30, no 4.
Université de Montréal. Centre de pédagogie universitaire (2025). Guide d’usages de l’intelligence artificielle générative (IAg) pour des tâches pédagogiques en enseignement supérieur. https:/
Leroux, J.L. (2015). Évaluer les compétences au collégial et à l'université: un guide pratique. Montréal, QC: Association québécoise de pédagogie collégiale (AQPC). Lien Sofia
Leroux, J. L. (2023). Étape 3: Concevoir. Concevoir des tâches et des instruments d’évaluation. Dans Guide pour évaluer les apprentissages avec le numérique (GÉAN). Fédération des cégeps (dir.), Éductive. https:/
Loye, N., & Fontaine, S. (2018). S’instrumenter pour évaluer. Pédagogie Médicale, 19(2), 95–107.
Nizet, I. (2026). Changer notre rapport aux preuves d’apprentissage : questions posées par les IA génératives en évaluation. In C. Gremion & N. Younès (Eds.), Évaluation en éducation et formation Ancrages et perspectives (Chapter 22). Les Presses de l’ADMEE. https:/
Learning Innovation Pratice (2026). The AI Assessment Scale (AIAS) v2.1. https:/
Aller plus loin
Guide d’usages de l’intelligence artificielle générative (IAg) pour des tâches pédagogiques en enseignement supérieur (PDF)
Ce guide fournit des exemples d’usages concrets et responsables d’intégration de l’IAg dans les tâches pédagogiques en enseignement supérieur. Université de Montréal.
Considérations pour une intégration pédagogique de l’IA (PDF)
Un aide-mémoire qui propose douze considérations à explorer au moment d’intégrer un outil d’intelligence artificielle (IA) à une planification pédagogique. Service de soutien à l’enseignement, Université Laval (2025). Adapté et traduit de AI Decision Tree, Oregon State University ECampus, (2024), Sous licence CC BY-NC 4.0.
Intégrité intellectuelle
Explorez les enjeux de l'intégrité intellectuel et d’usage éthique des outils d'IA pour guider votre réflexion au moment de concevoir ou adapter une évaluation. Enseigner à l'Université Laval.
Dernière mise à jour: 2026-08-14