Expérimentations / Évaluer / Fiche 03
Évaluer · Expérimentation encadrée

Pré-corriger avec l'IA ? Les garde-fous

Une pré-lecture par l'IA de travaux d'étudiants a été testée sur deux rendus, à titre d'expérimentation. Pas de note proposée par la machine : des constats, critère par critère, vérifiés par l'enseignant. Voici les précautions sans lesquelles l'essai n'aurait pas eu lieu.

la note reste une décision humaine
Niveau de délégation
IA générativeAgent sous contrôleIA agentique

Le niveau de délégation indique jusqu'où l'IA agit seule. Ici, l'IA générative produit des propositions, et chaque production est relue et validée avant usage.

En bref
Le besoin

Corriger des travaux longs prend du temps, et la tentation de confier la note à l'IA existe, avec des risques juridiques et pédagogiques.

Ce qui a été fait

Une pré-lecture par l'IA, testée sur deux rendus : des constats critère par critère, sans note, tous vérifiés dans le travail.

Ce que cela apporte

Un protocole de garde-fous réutilisable, qui garde la note humaine et prépare une décision de généralisation fondée sur des mesures.

01Approche

Le protocole testé

Le protocole tient en quatre temps : l'IA intervient au deuxième, l'enseignant à tous les autres.

1Une grille fermée

Critères observables, rédigés avant, communiqués aux étudiants.

2Des constats

Pour chaque critère : ce qui est présent, absent, où dans le document.

3La vérification

Chaque constat est contrôlé dans le travail lui-même.

4La note

Attribuée par l'enseignant, avec sa grille, sans score de la machine.

Les modèles de livrable à champs bornés (tableaux à compléter) rendent les constats plus fiables : l'IA cherche une information à un endroit précis, au lieu d'interpréter un texte libre.

plus la grille
est précise, moins
l'IA invente
02Évaluation critique

Les risques, un par un

Chaque risque identifié avant le test est associé à une parade concrète.

Risque
Ce qui peut arriver
La parade
Biais d'ancrage
Le correcteur est influencé par le constat avant d'avoir lu
lire d'abord, consulter ensuite
Constats faux
Une absence signalée alors que l'élément est là
chaque constat est vérifié à la source
Équité
Un style moins standard jugé plus sévèrement
critères observables, pas de jugement de style
Données personnelles
Des noms et des travaux confiés à un outil
pseudonymiser, outil validé, entraînement désactivé
le risque n°1
n'est pas l'IA.
c'est la paresse
03Contexte

Dans quel cadre généraliser

L'AI Act classe à haut risque les systèmes d'IA destinés à évaluer les acquis d'apprentissage (annexe III, point 3 b). Une pré-lecture qui ne note pas reste un usage d'assistance, mais la frontière est fine : dès que l'outil oriente la note, les exigences changent.

La généralisation se décide sur trois mesures :

indicateur 1

Temps de correction, avec et sans pré-lecture

indicateur 2

Constats faux sur un échantillon doublement corrigé

indicateur 3

Écarts de note entre deux lectures

expérimenter,
mesurer,
puis décider

« Une machine peut repérer ce qui manque. Elle ne sait pas ce que ça coûte à l'étudiant. »

à garder en tête en corrigeant
04Garde-fous

Ce que je refuse de déléguer

  1. La note. Jamais proposée par l'IA, jamais calculée par elle.
  2. L'appréciation. Le commentaire adressé à l'étudiant est écrit par moi.
  3. Le doute. Un cas litigieux se règle en relisant, pas en redemandant à l'IA.
évaluer, c'est
un acte
d'enseignante.
05Cadre

Le cadre

Expérimentation encadrée. Conditions à réunir avant tout essai : travaux pseudonymisés, outil configuré sans réutilisation des données pour l'entraînement, accord du délégué à la protection des données avant toute extension.

À retenir

Si vous testez, demandez des constats, jamais une note, et lisez le travail avant de lire la machine.

la transparence
vaut aussi
dans ce sens
06Transposer

Et dans vos formations ?

Avant de tester, vérifiez que vous pouvez cocher ces quatre cases.

1Une grille fermée

Critères observables, connus des étudiants.

2Un outil validé

Par votre établissement ou votre DPO.

3Des données réduites

Noms retirés, rien d'inutile transmis.

4Une double correction

Sur un échantillon, pour mesurer les écarts.

Si une seule case manque, ne testez pas sur de vrais travaux : faites l'essai sur des exemples fictifs.

Le kit contient la trame de grille à critères observables et la liste de contrôle avant test.

un test sur
des exemples fictifs,
c'est déjà un test
07Sources

Sources

  1. Règlement (UE) 2024/1689 sur l'intelligence artificielle, annexe III, point 3.
  2. CNIL, Comment déployer une IA générative ?, 18 juillet 2024 : ne pas fournir de données personnelles, ne pas confier de décision.

Dans la veille : Un oral conversationnel conduit par deux agents · Bruxelles (VUB) : un café IA, et pas de détecteurs pour évaluer