Aller au contenu

IA générative et intégrité des évaluations

L'expansion des outils d'intelligence artificielle générative remet en cause la validité des protocoles d'évaluation sommative dans l'enseignement supérieur en facilitant la production automatisée de travaux académiques complexes. Cette situation exige une refonte structurelle des épreuves vers des tâches authentiques, contextualisées et centrées sur le suivi des processus réflexifs plutôt que sur le seul produit textuel fini. Une gouvernance institutionnelle intégrée et concertée permet de concilier la transparence des usages technologiques avec les exigences éthiques fondamentales de la certification universitaire.

Objectif

Analyser les incidences de l'IA générative sur l'intégrité des évaluations universitaires et identifier les modalités de conception pédagogique garantissant la validité des acquis.

Méthodologie

Synthèse documentaire qualitative et analyse comparative de cadres pédagogiques, rapports institutionnels et études récentes sur l'évaluation dans l'enseignement supérieur.

Nouveauté scientifique

Articule la sensibilité différentielle des formats d'examen avec les dimensions de gouvernance tripartite et la réflexivité éthique des apprenants.

Aperçu du document

Ceci est un aperçu succinct. La version complète comprend un texte étendu pour toutes les sections, une conclusion et une bibliographie formatée.

Masterproef / Mémoire

DegreeType
IA générative et intégrité des évaluations

Présenté par:

Group

Prénom Nom

Directeur/trice:

Prof. Prénom Nom

Ville, 2026

Sommaire

Introduction
1. Cadre conceptuel de l'évaluation à l'ère de l'intelligence artificielle générative
1.1. Typologie des technologies d'IA générative et modes de génération textuelle
1.2. Reconfiguration des notions d'auctorialité et d'intégrité académique
1.3. Vulnérabilité épistémique des épreuves sommatives traditionnelles
2. Approche méthodologique pour l'analyse des dispositifs d'évaluation
2.1. Corpus de cadres institutionnels et de recherches évaluatives
2.2. Critères d'analyse comparative de la résistance des formats d'épreuve
3.1. Perméabilité des tâches descriptives et standardisées
3.2. Robustesse des modalités authentiques, orales et contextualisées
3.3. Analyse des dynamiques de non-usage délibéré et de réflexivité étudiante
4. Perspectives de régulation pédagogique et gouvernance institutionnelle
4.1. Refonte pédagogique orientée vers les processus et l'évaluation continue
4.2. Politiques institutionnelles et transparence des usages de l'IA
Chapitre 4. Implications pratiques et recommandations
Conclusion
Bibliographie

Introduction

L'émergence et la diffusion fulgurante des modèles de langage de grande taille transforment profondément les fondements de l'enseignement supérieur contemporain. Ces outils d'intelligence artificielle générative modifient les modes de production, de formalisation et de transmission du savoir, tout en bouleversant les pratiques d'évaluation établies [3], [7]. Face à des systèmes automatisés capables de produire des réponses fluides et structurées, la capacité des institutions universitaires à garantir la valeur des certifications délivrées devient une préoccupation centrale pour le corps professoral et les instances de régulation [1].

Cette transformation numérique soulève une vulnérabilité critique au sein des épreuves écrites traditionnelles, notamment celles fondées sur la restitution de connaissances ou des exercices descriptifs décontextualisés [6], [8]. Les protocoles classiques de surveillance et les instruments conventionnels de détection du plagiat se révèlent souvent inefficaces face à la génération de contenus originaux et adaptatifs [8]. Dès lors, une tension majeure apparaît entre la nécessité de préserver une stricte probité académique et l'impératif d'intégrer ces technologies comme leviers d'apprentissage réflexif plutôt que de simples instruments de substitution cognitive [3].

L'objectif de cette étude est d'examiner comment l'intelligence artificielle générative redéfinit l'intégrité des évaluations universitaires et quelles stratégies pédagogiques permettent d'en restaurer la validité. En s'appuyant sur une analyse synthétique des cadres théoriques récents et des retours d'expériences documentés dans la littérature scientifique [2], [5], ce travail met en lumière les leviers d'authentification des compétences et la transition vers une pédagogie centrée sur les processus cognitifs des étudiants [3], [4].

4.1. Refonte pédagogique orientée vers les processus et l'évaluation continue

La confrontation des recherches actuelles met en lumière une fracture nette entre les approches purement punitives ou technocentrées et les modèles d'ingénierie pédagogique processuelle. Tandis que les dispositifs fondés uniquement sur la surveillance numérique et la détection algorithmique montrent rapidement leurs limites techniques face aux capacités génératives émergentes [8], la littérature converge vers la nécessité d'une reconfiguration des formats d'épreuve [3]. Les tâches fermées ou descriptives à distance présentent une vulnérabilité critique, alors que l'introduction d'évaluations orales, de résolutions de cas complexes situés et de soutenances interactives permet de rétablir une traçabilité directe du raisonnement individuel [4], [8]. Toutefois, une tension conceptuelle persiste au sein des institutions quant au degré d'intégration admissible de ces outils. Si certains modèles préconisent une gouvernance tripartite encadrant rigoureusement la transparence et la responsabilité partagée entre enseignants, apprenants et instances de régulation [1], les politiques universitaires réelles demeurent souvent fragmentées et hétérogènes [3]. La conciliation entre l'autonomie cognitive de l'étudiant et l'usage de l'assistance technologique constitue ainsi une limite majeure qui appelle une clarification normative et éthique globale [3], [4].

Bibliographie

  1. A Framework for Generative AI-Driven Assessment in Higher Education
    Galina Ilieva, Tania Yankova, Margarita Ruseva et al.
    Lien DOI
  2. A comprehensive review of applications of AI technologies in higher engineering education
    Chao Liu
    Lien DOI
  3. Generative AI in education: Process-aware pedagogy, assessment integrity, and institutional governance [version 1; peer review: 1 approved, 2 approved with reservations]
    Nora Pireci Sejdiu, Sejdi Sejdiu, Simone Grassini
    Lien DOI
  4. Choosing not to use generative AI in higher education: a mixed methods study of student reasoning, assessment design, and AI literacy
    Annica Lindkvist, Sophie Curbo, Catharina Hultgren
  5. Reflections on a Collective Creative Experiment with GenAI: Exploring the Boundaries of What is Possible
    Leigh Wolf, Tom Farrelly, Orna Farrell et al.
  6. Susceptibility of Assessment Types to AI-Generated Content in Digital Health and Health Information Management Education: Quasi-Experimental Pilot Study
    Tafheem Ahmad Wani, Michael Liem, Natasha Prasad et al.
  7. Generative AI and Higher Education: Trends, Challenges, and Future Directions from a Systematic Literature Review
    João Batista, Anabela Mesquita, Gonçalo Carnaz
  8. Safeguarding Academic Integrity from AI-Assisted Cheating in Online Medical Examinations- short communication
    Hamid Saboorifar, Afarin Rabbani

Bibliographie

Sources VérifiéesNormes de FormatageHaute UnicitéModèles Pro
Launch Offer -25%

Recherche

V&A (Flemish Law)

13 €17 €
  • 30+ pages
  • Haute originalité
  • Exporter vers Word
  • Formatage correct
  • Aperçu public
    Un aperçu d'un autre auteur ne peut pas être rendu privé. Votre travail sera privé et tout à fait unique.
  • Bibliographie (30+, V&A)
    +2 €
  • Ajouter des sources alternatives (Actualités, .gov, .edu)

Recherche

V&A (Flemish Law)