octobre 5, 2026

|

5

min read

Cinq enseignements de l'IAEA 2026 sur la confiance, la transparence et la technologie

La 51e conférence annuelle de l'IAEA à Toronto a exploré les thèmes de la confiance, de la transparence et de la technologie dans l'évaluation pédagogique. Voici cinq points clés sur l'IA et la validité des preuves, la transparence des décisions, le suivi proportionné et la conception de résultats d'évaluation capables de résister à l'examen.

Examen humain
Surveillance d'examens en ligne
Triche par IA
Brandon Smith
PDG
Partager
integrity-advocate-staging.webflow.io/resources/five-takeaways-from-iaea-2026-on-trust-transparency-and-technology
Copier le lien
Femme travaillant sur un ordinateur portable à un bureau à domicile, avec des plantes et de la lumière naturelle en arrière-plan.

La 51e conférence annuelle de l'IAEA a réuni la communauté internationale de l'évaluation à Toronto du 27 septembre au 2 octobre 2026, sous le thème « Confiance, transparence et technologie dans l'évaluation pédagogique ». Tout au long des conférences et des sessions, une question est revenue sans cesse : alors que l'IA transforme la manière dont les évaluations sont rédigées, passées et notées, qu'est-ce qui rend un résultat digne de confiance ?

J'ai eu le privilège d'animer trois sessions au cours de cette semaine, portant sur la transparence des décisions, les limites du suivi et la conception de résultats capables de résister à l'examen. Voici les cinq points clés que j'ai rapportés de Toronto.

1. L'IA remodèle les fondements de l'évaluation, pas seulement les outils

Le programme des conférences a abordé l'IA comme une question fondamentale de mesure plutôt que comme une fonctionnalité à ajouter aux systèmes existants. Le Dr Eunice Eunhee Jang, de l'OISE à l'Université de Toronto, a ouvert la conférence avec « Réimaginer l'évaluation à l'ère de l'IA : du triangle d'évaluation à l'écologie de l'évaluation ». Jeudi, le Dr Kadriye Ercikan, d'ETS, est revenu sur le même sujet avec « La mesure à la croisée des chemins : l'IA, les fondements de l'évaluation et l'avenir de la confiance ».

Ces deux interventions ont donné le ton de la semaine. Lorsque l'IA peut rédiger une réponse, assister un candidat et noter le résultat, la question de ce qui constitue une preuve valide doit être posée à nouveau. Pour les programmes qui délivrent des résultats sur lesquels les gens s'appuient, cette question est aussi pratique qu'académique, car elle détermine la manière dont chaque résultat sera jugé lorsqu'on demandera comment il a été obtenu.

2. La transparence doit atteindre la décision, pas s'arrêter à la grille de correction

La plupart des programmes sont déjà transparents sur leur conception. Ils publient des critères, des grilles de correction et des guides de notation afin que les candidats sachent ce qui est attendu. Beaucoup moins sont transparents sur les décisions : pourquoi une session a été signalée, qui l'a examinée, quelles preuves ont été pesées et comment le résultat a été expliqué à la personne concernée.

Dans « Rendre visibles les décisions d'évaluation », j'ai passé en revue le cycle de vie de l'évaluation étape par étape, en montrant où chaque phase crée ou perd une trace. J'ai ensuite établi trois tests auxquels toute décision d'évaluation devrait pouvoir survivre :

  1. Preuve : existe-t-il un enregistrement clair de ce qui a été observé et de ce que cela a démontré ?
  2. Explication : le programme peut-il décrire comment cette preuve a conduit au résultat ?
  3. Cohérence : la même preuve conduirait-elle au même résultat pour n'importe quel autre candidat ?

Le principe sous-jacent à ces trois points est un sujet sur lequel je reviens souvent. Plus un processus utilise l'automatisation, plus son raisonnement doit être visible, car les étapes automatisées sont celles qui sont les plus difficiles à expliquer a posteriori.

Five takeaways from IAEA 2026 on trust, transparency, and technology

3. Plus de surveillance ne signifie pas plus d'intégrité

Face à Fraude assistée par IA, de nombreux programmes ont réagi en capturant davantage de données. Cela s'est traduit par des enregistrements plus longs, plus de signaux et une détection plus automatisée. Je comprends l'instinct, mais d'après mon expérience, cela peut créer discrètement de nouveaux risques.

Dans « Le faux sentiment de sécurité », j'ai examiné quatre modes de défaillance documentés de cette approche : l'échelle, le biais, l'incohérence et la défendabilité. Plus de données peuvent produire plus de faux positifs, et plus de faux positifs signifient plus de décisions difficiles à expliquer aux candidats concernés. Un programme peut finir par accumuler une archive plus volumineuse d'enregistrements tout en se retrouvant dans une position plus fragile lorsqu'un résultat est contesté.

L'alternative que j'ai proposée est la proportionnalité. La surveillance doit être adaptée aux enjeux de l'examen, les examinateurs doivent évaluer les preuves plutôt que les signaux bruts, et le jugement humain doit rester au cœur du système dès lors qu'un résultat entraîne des conséquences réelles. Moins d'intrusion tend également à réduire l'anxiété des candidats, ce qui renforce leur confiance envers le programme.

4. Un signalement n'est pas une preuve

Les signaux automatisés sont utiles pour attirer l'attention sur des moments nécessitant un examen plus approfondi, mais ils ne peuvent pas, à eux seuls, déterminer si une infraction a eu lieu. Un signalement peut refléter un problème technique, une habitude nerveuse ou une réelle préoccupation en matière d'intégrité, et seule une personne disposant du contexte peut faire la différence.

La confiance naît de ce qui se passe après le signalement. Cela implique qu'un examinateur formé analyse les preuves, que des critères cohérents soient appliqués à chaque cas et que ce soit le programme, et non le logiciel, qui prenne la décision finale. Cela est d'autant plus important que la fraude assistée par l'IA devient plus difficile à détecter, car certaines formes ne produisent aucun signal comportemental visible qu'un algorithme pourrait capter.

Cette idée a traversé mes trois sessions. Les organisations qui brouillent la frontière entre un signalement et une preuve mettent en péril à la fois leurs résultats et leurs candidats. Un résultat erroné basé sur un signalement non vérifié est difficile à défendre et peut nuire à la confiance accordée à tous les autres résultats émis par le programme.

5. La défendabilité se conçoit avant, pendant et après l'examen

J'ai ouvert « Concevoir pour la défendabilité » en demandant à l'auditoire s'il était capable de repérer les trucages générés par l'IA. Avec la vidéo synthétique et l'usurpation d'identité désormais à la portée de tous, la sécurité ne peut plus reposer uniquement sur ce qu'un surveillant remarque sur le moment.

Les résultats défendables découlent d'une chaîne connectée plutôt que d'un contrôle isolé :

  • Avant l'examen : l'identité du candidat est vérifiée, afin que le programme sache qui passe l'évaluation.
  • Pendant l'examen : les preuves sont collectées proportionnellement aux enjeux, afin que la surveillance soit juste et ciblée.
  • Après l'examen : l'examen est documenté et cohérent, afin que chaque résultat puisse être justifié en cas de contestation.

Cette réflexion connectée est la base de notre Trifecta de sécurité des titres de compétencesun cadre qui relie le système de gestion de l'apprentissage, la surveillance des examens, la vérification d'identité et la délivrance de titres de compétences. Grâce à l'intégration entre Integrity Advocate et Accredible, les programmes peuvent maintenir cette chaîne depuis l'évaluation elle-même jusqu'au titre délivré, avec un enregistrement unique et vérifiable reliant les deux.

Construire des systèmes d'évaluation dignes de confiance

Le thème de la conférence mettait en avant trois piliers, et j'ai quitté Toronto plus convaincu que jamais qu'ils ne fonctionnent qu'en combinaison. La technologie peut étendre ce qu'un programme est capable de percevoir, mais la confiance dépend de la transparence, de la cohérence et du bien-fondé des décisions derrière chaque résultat, appuyées par des preuves examinées par une personne.

Si vous repensez l'approche de votre programme après Toronto, un point de départ utile consiste à retracer un résultat unique, de l'inscription à l'issue finale, et à identifier où le dossier est solide et où il pourrait présenter des failles. Cet exercice permet généralement de voir rapidement si un système est conçu pour être défendable ou simplement pour accumuler des données.

Merci à tous ceux qui ont assisté à mes sessions et à l'équipe de l'IAEA pour cette semaine enrichissante. Si vous souhaitez discuter de la manière dont ces idées s'appliquent à votre propre programme, mon équipe et moi-même serions ravis de vous aider.

{{post-cta}}

Découvrez comment l'examen humain rend chaque résultat défendable
Integrity Advocate associe vérification d'identité, surveillance des examens et examen humain qualifié pour que chaque résultat émis par votre programme soit équitable, fiable et défendable.

Réservez une démo dès aujourd'hui !

Laissez-nous vous montrer en 30 minutes comment IA facilite la surveillance d'examens à grande échelle.

Foire aux questions

Trouvez les réponses aux questions les plus fréquemment posées par nos clients.

La 51e conférence annuelle de l'IAEA, qui s'est tenue à Toronto du 27 septembre au 2 octobre 2026, était axée sur la confiance, la transparence et la technologie dans l'évaluation pédagogique.

La collecte de données excédentaires peut accroître les faux positifs et mener à des décisions difficiles à justifier. Une surveillance proportionnée, un examen fondé sur des preuves et le jugement humain rendent les résultats plus défendables.

Un signalement est une alerte automatisée qui attire l'attention sur un moment méritant d'être examiné. Une conclusion est le résultat obtenu après qu'une personne qualifiée a analysé les éléments probants selon des critères cohérents.

Une chaîne ininterrompue d'identités vérifiées avant l'examen, des preuves proportionnées pendant celui-ci, et un examen documenté et cohérent après l'épreuve.