L’Intelligence artificielle transforme en profondeur les pratiques du digital learning et de l’évaluation. Elle permet de créer rapidement des contenus variés, de corriger les productions des apprenants et de mener des évaluations conversationnelles adaptatives. Nos conseils pour en tirer parti.
1. Accélérer la création de contenus d’évaluation
L’un des apports majeurs de l’IA concerne la production des questions. Alors que la construction d’une base de questions représentait historiquement un investissement lourd et progressif, l’IA permet de générer des ensembles cohérents en quelques minutes. En parallèle, elle permet de conserver un niveau de formulation satisfaisant et de créer des distracteurs crédibles. « On peut ainsi produire une centaine de questions en 15 minutes. Par ailleurs, l’IA propose des mauvaises réponses, c’est-à-dire des distracteurs, convenables. C’est un exercice difficile pour un concepteur humain, mais essentiel dans un test à choix multiple », a expliqué Patrice Bertrand, co-fondateur d’Experquiz, lors d’un webinaire.
2. Fiabiliser les évaluations en multipliant les questions
Une évaluation fiable dépend de la diversité des questions qu’elle propose. L’IA permet précisément de sortir d’une logique de test minimaliste pour aller vers des ensembles de questions plus larges, c’est-à-dire capables de réduire la marge d’erreur et d’affiner la mesure des compétences. Il s’agit ainsi d’obtenir une lecture plus fidèle des savoirs réels. « Poser une vingtaine de questions sur un sujet, en général, n’est pas suffisant car cela donne un score qui a une marge d’erreur trop importante », indique Patrice Bertrand. L’enjeu est de multiplier les points d’observation, ce que l’IA permet de soutenir.
3. Passer d’un test statique à une évaluation adaptative
L’IA est capable d’adapter l’évaluation au niveau de l’apprenant en temps réel. On quitte ici le modèle classique du questionnaire identique pour tous pour entrer dans une logique personnalisée, où les questions peuvent varier et s’ajuster. « Cette approche transforme l’évaluation en outil de progression autant qu’en outil de mesure de compétences. Il s’agit de revenir sur des notions dont on a identifié qu’elles étaient mal maîtrisées. » L’évaluation devient un système vivant, capable d’itérer en fonction des fragilités de l’apprenant, et un dispositif de renforcement des apprentissages.
4. Transformer l’évaluation en dialogue pédagogique
L’IA permet également un passage d’un modèle interrogatif classique à un modèle conversationnel. L’évaluation n’est plus un formulaire auquel on répond, mais une interaction structurée où l’IA pose des questions, analyse les réponses et formule des feedbacks pertinents. En plus d’être évalué, l’apprenant est accompagné dans son raisonnement : « C’est l’IA qui pose les questions et l’apprenant qui répond. Chaque réponse est évaluée par l’IA, et l’apprenant reçoit une analyse en feedback », précise Patrice Bertrand. L’intérêt est de rendre visible le cheminement de la pensée, ce qui rapproche l’évaluation d’un exercice pédagogique à part entière.
5. Automatiser la correction
L’un des apports les plus pragmatiques de l’IA concerne la correction des réponses ouvertes, souvent considérée comme le point de blocage des évaluations à grande échelle. « L’IA permet de pré-structurer la correction en identifiant les éléments attendus, en repérant les erreurs et en proposant une notation argumentée », indique-t-il. L’humain ne disparaît pas, mais il est repositionné dans un rôle d’arbitrage et de validation. « Il s’agit de demander à l’IA d’identifier les points corrects et les erreurs, de proposer un texte de correction et une note. » Cette automatisation partielle change la donne : ce qui était autrefois lent et coûteux devient un processus fluide qui conserve une marge d’interprétation humaine.
