L’évaluation des apprentissages à la croisée des chemins: l’approche des deux voies
Découvrez l’approche des deux voies qui propose d'articuler des évaluations contrôlées et des évaluations ouvertes pour favoriser l'intégrité intellectuelle avec la présence des systèmes d'IAg. Une méthode qui vise un équilibre entre la validation des acquis et la collaboration humain-IAg.
Avec les systèmes d'intelligence artificielle générative (IAg), les personnes étudiantes peuvent maintenant obtenir facilement des réponses à des questionnaires ou faire générer des textes, des images ou des diagrammes par de simples requêtes. De plus, l’IAg progresse à un rythme effréné et s’intègre de plus en plus à divers outils et applications numériques. Dans ce contexte, deux réalités se dégagent.
- Il est nécessaire de s’assurer que les instruments et méthodes d’évaluation actuels permettent toujours d’évaluer efficacement les compétences acquises par les personnes étudiantes.
- Les systèmes d’IAg auront un impact sur la majorité des métiers et professions. Il devient donc nécessaire de les intégrer dans vos pratiques d'enseignement et d'apprentissage.
Considérant ces deux réalités dans le contexte de l’évaluation des apprentissages en milieu universitaire, la Division of Teaching and Learning de University of Sydney (2025) propose l’approche des deux voies (Two-Lane Approach) – une croisée des chemins, en quelque sorte, qui «met l’accent sur l’équilibre entre l’assurance de l’apprentissage et la collaboration humain-IAg» (traduction libre de Liu et Bridgeman, 2023).
Les prochaines sections présentent les différents contextes qui correspondent aux deux voies.
Voie 1: Évaluations sécurisées et supervisées
L’objectif principal des évaluations sécurisées et supervisées est de confirmer l’atteinte des cibles d’apprentissage, soit l’évaluation de l’apprentissage, par des conditions de passation robustes en termes d’intégrité intellectuelle. La confiance pouvant être accordée au processus de certification et de diplomation d’un cours ou d’un programme est étroitement liée à la présence d’évaluations sécurisées et supervisées à certains moments clés du cheminement des personnes étudiantes.
Selon Liu et Bridgeman (2023), il est pratiquement impossible de contrôler équitablement l’environnement physique et numérique d’une personne à distance. C’est pourquoi ces évaluations sont généralement en présence.
Voici les conditions suivantes doivent être respectées pour que des évaluations soient considérées comme étant sécurisées et supervisées:
- Un contrôle sur l’environnement de passation de l’évaluation (une salle de classe, un laboratoire, une situation clinique, un atelier, une salle de spectacle, etc.).
- Une validation de l’identité de la personne étudiante.
- Une surveillance ou supervision des personnes étudiantes.
- Un temps accordé et un accès aux ressources autorisées qui sont équitables pour toutes les personnes étudiantes (feuille de notes, calculatrice, logiciel, système d’IA spécifique, équipement spécialisé, instruments, manuel scolaire, etc.).
- Des tâches inconnues (questions, défis spécifiques) jusqu’au moment de l’évaluation ou des tâches authentiques dans le cas des stages.
On associe généralement les évaluations supervisées et sécurisées aux méthodes suivantes:
- examen clinique
- examen oral
- examen pratique
- examen sur papier
- observation en milieu de travail ou de stage
- performance en direct
- présentation de thèse ou de mémoire
- séance de questions et réponses
- simulation ou mise en situation supervisée
Voie 2: Évaluations ouvertes (non sécurisées)
Les évaluations ouvertes favorisent un environnement plus flexible propice à l’évaluation au service de l’apprentissage et à l’évaluation en tant qu’apprentissage, tout en privilégiant des tâches pertinentes ou authentiques. Elles permettent aux personnes étudiantes, avec l'aide d'outils appropriés dont l'IAg, d'expérimenter des idées, de discuter, de mettre en pratique des approches et d'ajuster progressivement leur travail pour démontrer une maitrise des compétences disciplinaires attendues. Une évaluation ouverte peut être formative ou sommative. En ce qui concerne plus spécifiquement l’utilisation de systèmes d’IAg, ces évaluations permettent aux personnes étudiantes de tester concrètement quand ces systèmes sont utiles ou qu’ils atteignent leurs limites. Elles sont donc une occasion de développer leur littératie de l'IA.
Votre rôle consiste ici à établir des balises claires pour chaque évaluation ouverte proposée, ce qui inclut le fait d’anticiper l’usage des systèmes d’IAg. Liu et Bridgeman (2023) soulignent qu’on ne peut pas exclure hors de tout doute qu’une personne a utilisé l’IAg si une évaluation ne correspond pas aux conditions de sécurité de la voie 1. Ils affirment qu’il faut plutôt présumer par défaut que l’IAg a été utilisée. Sachez qu’il n’existe pas de méthodes fiables pour détecter l’utilisation des systèmes d’IAg.
Voici une liste non exhaustive de méthodes:
- activité artistique ou créative
- analyse critique
- analyse de données
- contributions aux discussions (asynchrone ou en classe virtuelle)
- débat en ligne
- études de cas
- évaluation par les pairs
- forum de discussion
- journal de bord
- portfolio de réalisations ou d’apprentissage
- préparation à une présentation orale
- prestation par captation audio, vidéo, animation
- projet intégrateur
- protocole de recherche
En tant que personne enseignante, vous déterminez les exigences de déclaration d’utilisation de l’IAg, dans le respect des balises facultaires ou de programmes, s’il y a lieu. Lorsque l’IAg est autorisée pour une évaluation, nous recommandons d’établir les exigences suivantes:
- L’IAgraphie impose des règles similaires au processus de citation bibliographique.
- La déclaration d’utilisation de l’IAg nécessite des exigences additionnelles quant aux traces à fournir portant sur les requêtes faites et les résultats générés. Ces traces peuvent être très simples («indiquez les outils utilisés») ou détaillées («placez en annexe toutes les requêtes et réponses générées»). Un exemple de fiche de déclaration IA est disponible sur la page Ressources et outils sur l'IA.
Note: Les étudiantes et les étudiants aux cycles supérieurs doivent procéder à une déclaration de leur utilisation de l’IAg dans les mémoires et thèses. Voir Utilisation responsable de l'IA générative dans les mémoires et les thèses.
Saviez-vous que…
Les évaluations ouvertes, tout comme les évaluations sécurisées, doivent promouvoir l’intégrité intellectuelle et les valeurs universitaires. Le fait de communiquer explicitement les attentes en lien avec l’utilisation de systèmes d’IAg y contribue grandement. L’article 2.38j du Règlement des études stipule que chaque plan de cours doit inclure «une mention relative aux modalités d’utilisation des outils d’intelligence artificielle». Pour communiquer vos attentes concernant l’utilisation de l'intelligence artificielle (IA) dans une évaluation et les niveaux d’autorisation de l’IAg, utilisez la fonctionnalité Brio Modalités d'utilisation de l’IA dans les évaluations.
Pistes de réflexion liées à l’approche des deux voies
L’approche des deux voies peut vous être utile pour analyser la robustesse de la stratégie d’évaluation de l’un de vos cours. Elle implique notamment d’articuler le rôle complémentaire de ces deux voies et de tendre vers un équilibre entre la validation des acquis et la collaboration humain-IAg.
«Dans la réalité, pour un cours donné, il est probable que certaines évaluations se situent dans la voie 1 afin de garantir l’atteinte de tous les objectifs d’apprentissage, tandis que la plupart des autres évaluations relèveront de la voie 2. Fondamentalement, nous voulons former des étudiantes et étudiants polyvalents, capables de contribuer et d’exercer un leadership efficacement dans des environnements authentiques et contemporains (qui incluront l’IAg), tout en assurant la validation de leurs apprentissages lors de leur passage dans nos programmes.» (Traduction libre de Liu et Bridgeman, 2023)
Il est fort probable que votre cours comporte déjà des évaluations qui se situent dans les deux voies. Dans votre quête du point d’équilibre, si applicable, réfléchissez aux pistes suivantes:
- Considérez la stratégie d’évaluation de votre cours, mais également le cheminement des personnes étudiantes dans votre programme. Il est possible que certaines évaluations clés sécurisées soient déjà prévues, telles qu’une défense de thèse, un projet intégrateur, un stage ou une épreuve uniforme d’un ordre professionnel, par exemple.
- Vous pourriez mettre en place un double seuil, où, par exemple, une personne étudiante doit atteindre une note globale de 60% ET une note de 60% lors d’une évaluation sécurisée pour réussir le cours. Utilisez cette approche avec prudence pour vous assurer de couvrir les cibles principales d’apprentissage lors des évaluations sécurisées.
- Envisagez de mettre en place la stratégie des évaluations jumelles.
Renforcer l’intégrité intellectuelle avec les évaluations jumelles
L’approche des évaluations jumelles (Roe, Perkins & Giray, 2025) consiste à associer une évaluation ouverte (voie 2 - plus vulnérable) à une évaluation sécurisée (voie 1- plus robuste) qui vérifient toutes deux la maîtrise des mêmes cibles d'apprentissage. Des questionnaires en ligne hebdomadaires (ouverts) qui préparent à un examen en salle (sécurisé) en sont un exemple. Un examen oral (sécurisé) à propos d’un travail long (ouvert) en est un autre, tout comme une période de questions qui accompagne une présentation par affiche. Cette approche vous permet de maintenir une stratégie d’évaluation rigoureuse et d’améliorer la fiabilité du jugement évaluatif grâce à des observations complémentaires.
En somme, une personne étudiante qui s'engage sérieusement dans une évaluation ouverte sera mieux préparée pour réaliser l'évaluation sécurisée, ce qui renforcera son assurance en ses capacités et sa motivation à agir avec intégrité. À l’inverse, une personne étudiante qui délègue trop de travail à l'IA générative lors de la réalisation de l'évaluation ouverte se retrouvera plus démunie de ses compétences ou connaissances lors d’une évaluation sécurisée. (Bertram Gallant & Rettinger, 2025 ; Roe, Perkins & Giray, 2025)
Conseils en lien avec l’approche des deux voies
- Interdire l’IAg dans les évaluations non sécurisées (voie 2) n’est pas réaliste, car il est impossible d’empêcher son utilisation ou d’en vérifier les traces. Une telle interdiction pourrait être une mesure inéquitable pour les personnes qui respectent les règles. Privilégiez une utilisation balisée combinée avec une IAgraphie et un processus de déclaration d’utilisation.
- Dans le respect des Principes directeurs concernant l'IA dans l’enseignement et l’apprentissage, de la Politique de sécurité de l’information et des conseils sur l’IA du Bureau du droit d’auteur, testez vous-même vos évaluations non sécurisées (voie 2) dans les outils utilisés par les personnes étudiantes. (Bertram Gallant & Rettinger, 2025)
- Si les résultats obtenus sont non seulement satisfaisants, mais se rapprochent d’une note parfaite, adaptez votre évaluation: revoir la modalité, les tâches, les critères ou réduire sa pondération.
- Les systèmes d’IAg évoluent rapidement. Testez les évaluations régulièrement.
- Pour analyser la vulnérabilité des évaluations de votre cours aux systèmes d’IAg, utilisez la grille PANDORA de Bannister et al. (2025).
- Idéalement, votre grille d'évaluation devrait distinguer le seuil acceptable des contributions de l'IAg d’une note parfaite qui, elle, traduit ce qu'une personne étudiante rigoureuse peut atteindre en termes de performance. (Means & Wood, 2025).
- Consultez l’échelle de l’évaluation avec l’IA (Artificial Intelligence Assessment Scale) pour découvrir des approches innovantes et pragmatiques. Notez que seules les évaluations de niveau 1 (Sans IA) de cette échelle correspondent aux évaluations sécurisées de la voie 1. (Perkins et al, 2025)
Grille d'inventaire des évaluations
Utilisez la grille d’inventaire de vos évaluations actuelles pour vous aider à identifier et prioriser les ajustements à apporter à votre stratégie d’évaluation.
Bannister, P., Urbieta, A. S., & Alvira, N. B. (2025). Appraising higher education assessment validity: Development of the PANDORA GenAI Susceptibility Rubric. Journal of Applied Learning and Teaching, 8(1), 41–55. https:/
Bertram Gallant, Tricia., & Rettinger, D. A. . (2025). The opposite of cheating: teaching for integrity in the age of AI. University of Oklahoma Press.
Liu, D. & Bridgeman, A. (12 juillet 2023). What to do about assessments if we can’t out-design or out-run AI? Teaching@Sydney. Page consultée le 12 décembre 2025. https:/
Means, T. & Wood, D. (2025). AI in Case Teaching: Deepening Learning with AI as a Thought Partner [Webinaire]. Ivey Publishing. https:/
Perkins, M., Furze, L., Roe, J. & MacVaugh, J. (2024). The AI Assessment Scale. Page consultée le 18 décembre 2025. https:/
Roe, J., Perkins, M., & Giray, L. (2025). Assessment Twins: A Protocol for AI-Vulnerable Summative Assessment. 1–14. Pré-publication. https:/