Devoirs résistants à l’IA : 5 formats qui rendent le raisonnement des étudiants visible

Lorsque les étudiants ont accès à l’IA générative, un travail soigné peut laisser planer des doutes sur leur compréhension. La conception de l’évaluation peut apporter des éléments supplémentaires grâce aux explications, aux travaux intermédiaires et aux échanges.

Une solution utile consiste à concevoir des devoirs qui facilitent l’examen du raisonnement des étudiants. Résistant à l’IA ne veut pas dire impossible à réaliser avec l’IA. Les cinq formats ci-dessous associent éléments probants, processus et échanges, afin que la réponse finale soignée ne soit pas le seul fondement de l’évaluation. Les exemples sont des activités pédagogiques illustratives, et non des comptes rendus de résultats mesurés en classe.

Qu’est-ce qui rend un devoir résistant à l’IA ?

Un devoir résistant à l’IA demande des preuves d’apprentissage qui vont au-delà d’une production terminée. Trois principes de conception peuvent être utiles :

• Contexte personnel. Demandez aux étudiants de relier leur réponse à des observations précises ou à des éléments qu’ils ont recueillis.
• Processus autant que résultat. Examinez les travaux intermédiaires et les raisons des révisions.
• Échanges en direct. Utilisez une discussion, une démonstration ou une question de suivi pour explorer la compréhension.

Ces principes peuvent rendre l’évaluation plus informative, mais les étudiants peuvent toujours utiliser l’IA. Expliquez les usages autorisés et évaluez leur capacité à rendre compte de leur travail.

Simulations décisionnelles et raisonnement fondé sur des études de cas

Le format résistant à l’IA le plus sous-estimé est celui où il n’existe pas une seule bonne réponse, mais des arguments plus ou moins convaincants.

Une simulation décisionnelle présente aux étudiants un scénario réaliste assorti de contraintes concurrentes. Par exemple, un étudiant en éthique des affaires pourrait recevoir une étude de cas portant sur une entreprise manufacturière dont une pièce défectueuse coûterait 400 000 $ à rappeler. Le PDG veut retarder le rappel. Le directeur d’usine subit des pressions du conseil d’administration. L’étudiant doit décider quoi faire et, surtout, expliquer les intérêts de quelle partie prenante il a privilégiés et pourquoi.

L’IA peut produire et réviser des arguments éthiques plausibles. Les questions de suivi sont utiles, car elles permettent d’explorer si l’étudiant peut expliquer les compromis et réagir à une modification des contraintes. Elles ne révèlent pas automatiquement qui a rédigé la réponse initiale.

Activité illustrative : Présentez aux étudiants des mises à jour successives sur une crise politique pendant deux semaines. Demandez-leur de réviser leur recommandation après chaque mise à jour et d’expliquer quels éléments ont fait évoluer leur point de vue.

Soutenances orales et présentations en direct

Demandez aux étudiants de défendre le travail remis lors d’un bref échange en direct. Cela offre une occasion supplémentaire d’examiner leur compréhension, en complément du travail écrit.

Posez des questions de suivi liées aux choix visibles dans le travail, par exemple pourquoi l’étudiant a retenu une méthode plutôt qu’une autre. Accordez du temps pour réfléchir et prévoyez les aménagements appropriés. L’aisance ou l’hésitation, à elles seules, ne prouvent pas qui a rédigé le travail.

Activité illustrative : Après un mémoire de fin d’études, organisez un échange de 15 minutes avec des questions précises sur l’argumentation de l’étudiant. Utilisez les mêmes critères pour tous et consignez la manière dont l’échange contribue à l’évaluation.

Conseil pour les grands groupes : Organisez des soutenances en petits groupes (3 à 4 étudiants se présentent mutuellement, tandis que l’enseignant circule) ou demandez des réponses vidéo asynchrones : les étudiants répondent à 3 questions personnalisées en vidéo dans un délai de remise de 24 heures.

Évaluations fondées sur le processus et journaux réflexifs

Si l’IA peut imiter le produit final, évaluez plutôt le parcours.

Les évaluations fondées sur le processus demandent aux étudiants de présenter leur travail à chaque étape, non pas pour les occuper, mais pour rendre compte d’une réflexion authentique. Cela peut prendre la forme d’un cahier de laboratoire, d’un journal réflexif hebdomadaire ou d’un carnet de conception où les impasses et les pistes abandonnées sont documentées et expliquées.

Utilisez des consignes précises : quelle source a modifié l’hypothèse de l’étudiant, quelle était son hypothèse initiale et pourquoi une approche écartée a-t-elle échoué ? Vérifiez ces explications en les comparant aux travaux intermédiaires. L’IA peut fabriquer des récits de processus plausibles : il faut donc associer la précision des explications à des éléments probants.

Activité illustrative : Remplacez une remise de code unique par un portfolio de développement comprenant :

• L’énoncé initial du problème
• Trois tentatives de solution
• Une explication des révisions
• Une brève présentation commentée de la conception finale

Utilisez ensemble le portfolio et la présentation commentée pour examiner la compréhension. Ne présumez pas que ce format élimine la triche.

Devoirs personnalisés et contextualisés

Reliez le devoir à des éléments que les étudiants recueillent et peuvent expliquer.

Les devoirs personnalisés associent la tâche à l’expérience vécue, au lieu ou à l’identité de l’étudiant. Au lieu de « Rédigez un essai sur les effets de l’industrialisation », demandez : « Rédigez un essai reliant l’industrialisation aux changements survenus dans votre ville entre 1900 et 1950. » Au lieu de « Comparez deux arguments philosophiques en faveur du libre arbitre », demandez : « Comparez la manière dont le libre arbitre est abordé dans une œuvre d’art ou de littérature issue de votre tradition culturelle. »

Les étudiants peuvent fournir à l’IA les éléments locaux recueillis, et l’IA peut déjà connaître le lieu. Évaluez la qualité des sources rassemblées et la capacité de l’étudiant à justifier son analyse, au lieu de supposer que le contexte personnel rend impossible le recours à l’IA.

Activité illustrative : Demandez aux étudiants en sciences de l’environnement de prélever des échantillons d’eau conformément aux procédures de laboratoire et de sécurité du cours, d’analyser les résultats et d’expliquer en quoi les mesures étayent leurs conclusions.

Travaux pratiques sur les données en classe et activités concrètes

Lorsque vous avez besoin d’un environnement contrôlé, organisez l’évaluation en classe, en personne ou en ligne en direct.

Les travaux pratiques sur les données demandent aux étudiants d’appliquer une méthode à un jeu de données pendant une séance supervisée. Indiquez les ressources autorisées et prévoyez un temps suffisant ainsi que les aménagements appropriés. Le caractère inédit des données ne suffit pas à empêcher l’aide de l’IA.

Ce format convient à de nombreuses disciplines : un étudiant en statistiques interprète un résultat de régression qu’il n’a pas généré ; un étudiant en littérature annote un poème qu’il n’a jamais lu ; un étudiant en chimie réalise un titrage sous observation. L’évaluation porte sur l’action elle-même, et non sur la production qui en résulte.

Activité illustrative : Organisez un atelier sur les données à partir d’un jeu de données inconnu, assorti de questions d’analyse guidées. Si l’IA est autorisée, demandez aux étudiants de documenter son utilisation, de vérifier ses résultats et d’expliquer leurs conclusions.

Mise en pratique : commencez par un seul devoir

Commencez par un seul devoir. Ajoutez une soutenance orale, une réflexion fondée sur des éléments probants ou une activité supervisée, puis examinez dans quelle mesure le nouveau format révèle les apprentissages visés.

Pour une activité fondée sur la prise de décision, LiveCase permet de combiner des contenus multimédias, des questions et des conversations avec des personnages dotés d’IA dans une étude de cas. Définissez le raisonnement que vous souhaitez observer, puis utilisez les réponses comme point de départ pour la discussion.

Foire aux questions

Qu’est-ce qu’un devoir résistant à l’IA ?

Un devoir résistant à l’IA évite de s’appuyer uniquement sur une réponse achevée comme preuve d’apprentissage. Il peut associer travaux intermédiaires, éléments issus des sources et échanges. Il ne garantit pas que l’IA ne puisse pas apporter son aide.

Comment évaluer équitablement les soutenances orales ?

Utilisez une grille structurée comportant des critères clairs sur la compréhension, la justification des choix et la capacité à répondre aux questions de suivi. Enregistrez les soutenances afin de pouvoir les réexaminer. Pour assurer la cohérence, préparez une banque de questions de suivi, tout en les adaptant au travail remis par chaque étudiant.

Les évaluations fondées sur le processus conviennent-elles aux grands groupes ?

Oui. Utilisez des journaux réflexifs standardisés avec des consignes précises et une grille d’évaluation simple. L’évaluation par les pairs des journaux de travail peut réduire la charge de correction tout en rendant le raisonnement visible. Une approche par « vérifications ponctuelles », qui consiste à évaluer en profondeur seulement 2 ou 3 entrées du journal par étudiant et par semestre, fonctionne également.

Quelle est la différence entre les approches résistantes à l’IA et la détection de l’IA ?

La détection cherche à déduire comment un texte a été produit. La conception de l’évaluation se concentre sur les éléments nécessaires pour juger des apprentissages. Ni le résultat d’un détecteur ni un format d’évaluation ne doivent être considérés comme une preuve à eux seuls.

Combien de devoirs résistants à l’IA dois-je repenser ?

Commencez par un devoir et évaluez les résultats. Le nombre de modifications nécessaires dépend de votre cours, de vos objectifs pédagogiques et de votre politique d’évaluation.

Les devoirs résistants à l’IA sont-ils adaptés aux cours de sciences, de technologie, d’ingénierie et de mathématiques ?

Oui. Les démonstrations en laboratoire, l’analyse de données et les portfolios peuvent montrer comment les étudiants appliquent les méthodes. Concevez les tâches en fonction de la compétence visée, en précisant les règles concernant les ressources et en prévoyant les aménagements appropriés.