
L'évaluation formative à l'ère de l'IA générative
IA générative et évaluation : découvrez comment repenser l’évaluation formative pour suivre la progression, personnaliser le feedback et mieux évaluer les compétences.
L’IA générative transforme les pratiques d’évaluation
L’arrivée de l’intelligence artificielle générative dans l’éducation et la formation bouleverse progressivement les pratiques d’évaluation. Depuis la démocratisation d’outils comme ChatGPT, Claude ou Gemini, une question revient avec insistance : comment évaluer les compétences d’un apprenant lorsque celui-ci peut utiliser une IA pour produire une réponse ?
L’évaluation formative apparaît comme une piste particulièrement intéressante. Plutôt que de se limiter à mesurer un résultat final, elle permet de suivre la progression de l’apprenant, d’identifier ses difficultés et de lui fournir un feedback au moment où celui-ci peut encore agir sur ses apprentissages.
L’IA générative remet en question l’évaluation à distance traditionnelle
L’essor de l’IA générative modifie la relation entre l’apprenant, la connaissance et l’évaluation. Un apprenant peut désormais obtenir en quelques secondes une réponse complète à une question, générer un texte, résoudre un problème ou formuler une argumentation.
L’enjeu n’est donc plus nécessairement de savoir si une personne est capable de produire une réponse, mais davantage de déterminer si elle est capable de comprendre cette réponse, de l’analyser, de la vérifier, de la corriger et de l’utiliser de manière pertinente.
L’UNESCO soulignait déjà en 2023 que l’essor de l’IA générative pourrait conduire les établissements à revoir leurs méthodes d’évaluation lorsque les travaux écrits ne permettent plus, à eux seuls, d’attester la maîtrise réelle de certaines compétences.
L’OCDE consacre une partie de son Digital Education Outlook 2026 aux conséquences de l’IA générative sur le développement et l’évaluation des compétences. Le rapport souligne notamment la nécessité de trouver un équilibre entre les performances permises par l’IA et le développement des compétences humaines.
Cette évolution invite donc à déplacer le centre de gravité de l’évaluation : moins évaluer uniquement le résultat, et davantage observer le raisonnement, la progression et la capacité à mobiliser les connaissances.
Pourquoi l’évaluation formative prend une nouvelle importance
L’évaluation formative ne consiste pas simplement à multiplier les quiz. Elle repose sur un principe différent de celui de l’évaluation sommative.
L’évaluation sommative intervient généralement à la fin d’une séquence d’apprentissage pour mesurer le niveau atteint. L’évaluation formative, elle, intervient pendant le processus d’apprentissage. Elle permet de déterminer où se situe l’apprenant, quelles difficultés il rencontre et quelles actions peuvent l’aider à progresser.
L’OCDE définit ainsi l’évaluation formative comme un processus continu qui consiste notamment à fixer des objectifs d’apprentissage, diagnostiquer les apprentissages, fournir un feedback et adapter l’enseignement à la compréhension des apprenants.
L’évaluation devient alors un outil d’apprentissage, et non plus seulement un outil de contrôle.
Du contrôle des connaissances au développement des compétences
Cette évolution conduit également à s’intéresser davantage aux compétences dites « de haut niveau ».
Une IA peut produire rapidement un texte ou proposer une solution. Mais l’apprenant doit toujours être capable de déterminer si cette proposition est correcte, pertinente et adaptée au contexte.
Cela implique notamment de développer l’esprit critique, la capacité d’analyse, la résolution de problèmes, la prise de décision et la métacognition.
Une revue publiée en 2025 dans Trends in Higher Education analyse le potentiel des grands modèles de langage (LLM) pour rendre l’évaluation formative plus personnalisée et accessible à grande échelle. Les auteurs mettent notamment en avant leur utilisation pour générer des feedbacks adaptés, accompagner l’autoévaluation et produire des questions, tout en soulignant la nécessité d’un encadrement pédagogique et humain.
Cette distinction est essentielle : l’objectif n’est pas de remplacer l’évaluation par l’IA, mais de faire évoluer l’évaluation à cause de l’IA.
Une évaluation plus personnalisée et plus continue
L’un des apports potentiels de l’intelligence artificielle est justement sa capacité à traiter rapidement une grande quantité d’informations sur les apprentissages.
Dans une évaluation traditionnelle, chaque apprenant répond généralement aux mêmes questions, dans le même ordre et avec le même niveau de difficulté. Cette standardisation présente des avantages, notamment en matière de comparaison, mais elle offre peu de possibilités d’adaptation en temps réel.
Les technologies numériques permettent au contraire d’envisager des évaluations capables de prendre en compte les réponses précédentes de l’apprenant.
Un apprenant qui maîtrise déjà une notion peut être orienté vers une question plus complexe. Un autre qui rencontre des difficultés peut recevoir une question intermédiaire, une explication ou une nouvelle situation permettant de vérifier si la notion est réellement comprise.
Dans une étude publiée en 2026 dans Scientific Reports, les chercheurs ont développé un cadre d’évaluation personnalisée intégrant collecte de données, analyse, génération d’évaluations et optimisation du feedback. Leur expérimentation rapporte notamment des gains d’apprentissage significatifs, avec un effet particulièrement marqué chez les apprenants initialement les moins performants.
Ces résultats restent à interpréter avec prudence : l’IA ne garantit pas automatiquement une meilleure évaluation. La qualité des données, des questions, des feedbacks et des scénarios pédagogiques demeure déterminante.
Le feedback devient plus important que le score
Cette transformation remet également en cause la place accordée au score.
Un résultat de 65 % indique un niveau de réussite, mais il explique rarement pourquoi l’apprenant a obtenu ce résultat ou ce qu’il doit faire pour progresser. Le feedback permet justement de transformer une mesure en information exploitable.
L’OCDE souligne que le feedback est réellement utile lorsqu’il fournit des informations précises sur la performance par rapport à un objectif d’apprentissage et permet ensuite à l’apprenant d’agir pour réduire l’écart entre son niveau actuel et le niveau attendu.
L’IA générative peut contribuer à rendre ce feedback plus immédiat et plus individualisé. Elle peut, par exemple, expliquer une erreur, demander une justification complémentaire ou proposer une nouvelle situation permettant de vérifier si l’apprenant a corrigé sa compréhension. Mais là encore, l’intervention humaine reste essentielle.
L’enjeu n’est donc pas de confier aveuglément le feedback à une IA, mais de l’intégrer dans une démarche pédagogique cohérente.
Et si l’évaluation devenait une conversation ?
C’est dans cette logique que se développe une nouvelle forme d’évaluation : l’évaluation conversationnelle.
Plutôt que de présenter une série fixe de questions auxquelles l’apprenant répond successivement, l’évaluation conversationnelle permet d'établir un dialogue avec lui. Une réponse peut conduire à une question complémentaire, à une demande de justification ou à une nouvelle situation.
Cette approche présente un intérêt particulier dans un contexte où l’IA générative est largement accessible.
L’objectif n’est plus uniquement de vérifier si l’apprenant connaît la « bonne réponse », mais de pouvoir explorer sa compréhension. Pourquoi a-t-il choisi cette réponse ? Comment réagirait-il si les paramètres changeaient ? Est-il capable d’expliquer son raisonnement ? Peut-il identifier une erreur dans une proposition ?
Experquiz est la première solution à proposer une fonctionnalité d’évaluation conversationnelle fondée sur cette logique. L’apprenant échange avec un assistant qui lui pose des questions de manière dynamique. L’évaluation peut ainsi s’adapter à ses réponses et explorer plus précisément ses connaissances et son raisonnement. Le dispositif peut également intégrer un mode audio et produire une restitution des résultats.
Cette approche ouvre une perspective intéressante : l'IA ne sert plus seulement à générer du contenu ou à corriger une réponse. Elle devient une interface permettant de conduire un dialogue d’évaluation.
Vers une nouvelle culture de l’évaluation
L’IA générative ne rend donc pas l’évaluation inutile. Elle rend certaines formes d’évaluation moins pertinentes et en valorise d’autres.
Dans ce nouveau contexte, l’évaluation tend à devenir plus continue, personnalisée, interactive et centrée sur les compétences. Le score final conserve son intérêt, mais il devient une composante parmi d’autres d’un dispositif destiné à comprendre la progression de l’apprenant.
La capacité à raisonner, argumenter, vérifier une information, prendre une décision, expliquer un choix ou corriger une erreur devient alors particulièrement précieuse.
L’IA générative pourrait ainsi paradoxalement conduire à renforcer la dimension humaine de l’évaluation : moins vérifier la capacité à restituer une information, et davantage comprendre comment l’apprenant pense, apprend et progresse.
















.avif)


.avif)




.avif)

















.avif)









.avif)





.avif)








.avif)

.avif)

.avif)

.avif)









.avif)
.avif)
.avif)
.avif)
.avif)
.avif)
.avif)
.avif)
.png)
.avif)
.avif)
.avif)
.avif)
.avif)
.avif)


.avif)
.avif)









