Ce qu'un examen de mi-semestre à 96 % et un examen final à 48,6 % révèlent sur les évaluations non surveillées

Une classe d'économie du bien-être à l'université Brown a passé un examen partiel à domicile ce printemps. La moyenne a été de 96 %, bien au-dessus de la fourchette habituelle du cours, située entre 65 et 80 %. Lorsque le professeur a déplacé l'examen final en présentiel, la moyenne est tombée à 48,6 %, un résultat qu'il a qualifié de plus bas historique pour ce cours. Dix-neuf étudiants ont finalement échoué.

Cet écart est au cœur du problème. Il ne s'agit pas vraiment d'un professeur, d'une classe ou d'une université en particulier. Il s'agit de ce qui se passe lorsqu'une évaluation ne comporte aucun niveau de contrôle entre le moment où un étudiant soumet une réponse et celui où une note est attribuée.

Ce qui s'est passé dans le cas de l'université Brown

Selon Inside Higher Ed, le professeur d'économie Roberto Serrano a proposé un examen partiel à domicile pour la première fois en près de vingt ans d'enseignement, principalement pour accommoder les étudiants qui ne souhaitaient pas passer d'examen en salle après une fusillade survenue sur le campus en décembre. Les effectifs du cours étaient également passés à 86 étudiants, contre 30 habituellement, ce qu'il a attribué à la promesse d'un format à domicile.

Lorsque les résultats de l'examen partiel se sont révélés anormalement élevés, lui et ses correcteurs ont soumis les copies à ChatGPT. Un reportage distinct de Fox News Digital précise l'ampleur du phénomène : 40 étudiants ont obtenu la note parfaite à l'examen partiel. L'IA a produit des réponses qui ressemblaient étroitement à celles soumises par les étudiants, utilisant une méthode de démonstration techniquement correcte mais qui semblait peu naturelle pour le niveau du cours. Il a informé les étudiants qu'il soupçonnait une utilisation généralisée de l'IA et a modifié l'examen final pour un format en présentiel à livre fermé. Dix-huit étudiants ont abandonné le cours, et neuf autres, bien qu'inscrits, ont séché l'examen final, ce qui signifie qu'au total, 27 étudiants ne s'y sont pas présentés. Parmi ces 27, 22 avaient obtenu un 100 parfait à l'examen partiel. L'examen final, passé par les 59 étudiants restants, a donné une moyenne de 48,6 %, contre un plus bas historique de 65 % pour ce cours. L'examen partiel a été annulé.

La réponse de l'université a fait l'objet de controverses. Au moment des premiers rapports le 8 juillet, Serrano décrivait le processus comme lent, affirmant que le comité permanent du code académique de Brown n'avait pas accusé réception des preuves qu'il avait transmises dès la fin du mois de mai. Serrano a écrit plus tard dans une tribune pour The Free Press qu'il ne pense pas que l'université aurait agi si son récit n'avait pas été publié au préalable par El Pais fin juin, puis repris par Inside Higher Ed. Brown conteste cette version. Dans une déclaration rapportée par Fox News Digital le 13 juillet, l'université a affirmé que ses responsables académiques étaient en contact avec Serrano dès le mois de mai, qu'il avait fourni la documentation nécessaire au comité permanent le 8 juillet, et que le comité traite désormais le dossier selon ses procédures habituelles.

Quelle que soit la version la plus complète de la chronologie, le schéma sous-jacent demeure : la résolution de cette affaire a nécessité qu'un professeur enquête indépendamment sur 86 copies d'examen, s'exprime publiquement dans trois médias différents et insiste pendant près de deux mois avant qu'un processus d'examen formel ne commence réellement.

Pourquoi il s'agit d'un problème de détection et non de discipline

Il convient ici de distinguer deux types de défaillances, car elles appellent des solutions différentes.

La première défaillance est en amont. Aucun mécanisme de surveillance n'était en place pendant l'examen lui-même. Un format à réaliser chez soi, sans limite de temps et sans contrôle, offre à l'étudiant toutes les opportunités d'utiliser un outil d'IA et ne laisse à l'établissement aucune trace de la manière dont la réponse a été réellement produite. Les soupçons du professeur, aussi fondés soient-ils, ne sont apparus qu'après coup, sur la base de modèles de notation et d'une analyse stylistique qu'il a effectuée lui-même.

La seconde défaillance concerne ce qui se passe ensuite. Le récent rapport du comité de Brown sur l'IA générative dans l'enseignement et l'apprentissage a révélé que les trois quarts des professeurs interrogés s'inquiètent de la triche assistée par l'IA, un chiffre qui concorde avec une enquête nationale de 2025 auprès du corps professoral menée par l'AAC&U et l'université Elon, qui a révélé que la grande majorité des professeurs à l'échelle nationale s'inquiètent de l'impact de l'IA sur l'intégrité académique et l'apprentissage des étudiants. Le rapport de Brown recommande à l'université d'éviter de trop dépendre d'outils de détection dont les taux de faux positifs et de faux négatifs sont connus, et d'orienter les codes institutionnels vers la prise en compte des mécanismes spécifiques de l'utilisation abusive de l'IA générative plutôt que de s'appuyer sur un langage générique concernant la malhonnêteté académique.

Il s'agit dans les deux cas de lacunes structurelles. Aucune ne peut être résolue en demandant à un professeur de monter 86 dossiers individuels de mémoire et sur la base de soupçons après la fin du semestre.

À quoi aurait ressemblé un processus examiné par des humains

C'est là que la distinction entre une surveillance automatisée et une surveillance humaine prend tout son sens, et il vaut mieux être précis à ce sujet plutôt que de faire des déclarations générales.

Un outil de détection d'IA utilisé après coup, comme le professeur a décrit l'avoir fait de manière informelle avec ChatGPT, peut faire ressortir une tendance. Il ne peut pas rendre une décision défendable. Des recherches indépendantes sur la précision de la détection par IA confirment ce point : une analyse de 14 outils de détection a révélé des taux de faux positifs atteignant 50 % et des taux de faux négatifs allant jusqu'à 100 % selon l'outil, la précision diminuant encore lorsque le texte généré par l'IA était légèrement modifié ou paraphrasé. Un tel outil n'a aucun moyen de distinguer une réponse inhabituelle mais honnête d'une réponse assistée par l'IA, et il ne peut pas documenter son raisonnement de manière à résister à une contestation de l'étudiant, ce qui est précisément le litige en cours à Brown.

Un examen surveillé et examiné par des humains change complètement la donne. Au lieu qu'un professeur découvre une anomalie dans les données de notation globales des semaines plus tard, un examinateur formé examine la session signalée au moment où elle se produit, avec les conditions réelles de l'examen sous les yeux, et pas seulement le résultat. Cet examen devient un dossier documenté : ce qui a été signalé, qui l'a examiné et pourquoi une décision a été prise. Lorsqu'un résultat est contesté, que ce soit par un étudiant ou par des dizaines à la fois, l'établissement dispose d'éléments concrets sur lesquels s'appuyer au lieu de reconstruire une intention à partir d'une courbe de notation.

Cela ne signifie pas que chaque examen doit devenir un enjeu majeur et conflictuel. Le comité de Brown a raison de souligner qu'il est également important de moins mettre l'accent sur la punition et de construire des codes académiques conscients de l'IA. Mais le langage politique ne fonctionne que s'il existe un moyen de l'appliquer de manière cohérente et équitable au moment de l'évaluation, et pas seulement après qu'un problème a déjà atteint cette ampleur.

Le problème d'échelle que les administrateurs sous-estiment

Le directeur de l'intégrité académique cité dans l'article souligne un point important : les professeurs ne sont ni rémunérés ni incités à monter des dossiers de triche contre des dizaines d'étudiants à la fois, et la plupart des établissements ne disposent pas du personnel nécessaire pour cela. C'est un problème de ressources autant que de politique. Tricia Bertram Gallant, qui dirige le Bureau de l'intégrité académique et le Centre de test Triton à l'Université de Californie à San Diego, a soulevé ce point directement dans le reportage original.

C'est aussi précisément le moment où la triche assistée par l'IA change la donne. Un seul devoir suspect est gérable pour un professeur. Quatre-vingt-six réponses d'examen anormalement solides, soumises dans un format à réaliser chez soi sans surveillance, ne sont pas quelque chose qu'un instructeur peut raisonnablement juger seul, surtout sans soutien institutionnel. Les programmes qui reposent entièrement sur le jugement des professeurs après coup, sans couche de surveillance pendant l'évaluation elle-même, sont les plus exposés à mesure que les outils d'IA deviennent plus performants et plus difficiles à détecter par les seuls modèles de notation.

Ce qu'il faut retenir pour les programmes délivrant des résultats qui doivent être fiables

Chaque programme qui délivre une note, un certificat ou un diplôme affirme implicitement aux personnes qui se fient à ce résultat qu'il a une valeur réelle. Lorsqu'une évaluation ne fait l'objet d'aucune surveillance pendant l'examen ni d'aucun processus de révision documenté par la suite, cette affirmation devient difficile à défendre dès qu'elle est remise en question, ce qui est précisément ce qui se passe actuellement à Brown.

La solution ne consiste pas à ajouter encore plus d'automatisation. Il s'agit d'intégrer un examinateur humain dans la boucle avant que le résultat ne soit finalisé, afin de produire un dossier réellement défendable. C'est une décision de conception différente du choix d'un format à emporter par simple commodité, et c'est une décision que les établissements peuvent prendre avant que leur propre version de cette histoire ne fasse la une des journaux.

{{post-cta}}