L’essor des outils d’IA générative interroge en profondeur les modalités d’évaluation sommative dans l’enseignement supérieur. Comment concevoir des évaluations qui restent pertinentes, exigeantes et formatrices lorsque les étudiant·es ont accès à ces outils ?
Cette formation propose aux participant·es des méthodes, outils et exemples concrets pour analyser, adapter ou repenser leurs dispositifs d’évaluation sommative dans un contexte où l’usage de l’IA est une réalité. L’accent est mis sur l’alignement pédagogique, le développement des compétences, la réflexivité des étudiant·es et la cohérence des choix évaluatifs.
L’atelier s’adresse à des enseignant·es déjà familiers avec les IA génératives, afin de se concentrer sur les enjeux pédagogiques et évaluatifs plutôt que sur la prise en main technique des outils.
Objectifs
À l’issue de la formation, les participant·es seront en mesure de :
- Identifier les principaux enjeux et tensions liés à l’évaluation sommative à l’ère de l’IA.
- Analyser dans quelle mesure des outils d’IA peuvent répondre aux exigences de leurs évaluations actuelles.
- Disposer de stratégies concrètes pour concevoir ou adapter des évaluations favorisant un apprentissage en profondeur, la réflexivité et l’engagement des étudiant·es.
- Clarifier leur positionnement pédagogique face à l’usage de l’IA par les étudiant·es, en tenant compte des dimensions éthiques, pédagogiques et institutionnelles.
En lien avec le référentiel de compétences de l’enseignant·e HES-SO, la formation contribue notamment au développement des compétences en élaboration de dispositifs pédagogiques, en analyse critique de sa pratique et en prise en compte des dilemmes éthiques liés à l’évaluation.
Déroulement
- Mise en situation : l’IA peut-elle réussir vos évaluations ?
- Test et analyse d’outils d’IA à partir d’exemples d’évaluations existantes.
- Discussion collective : limites, risques et angles morts des évaluations actuelles.
- Cadres et outils pour définir un niveau d’acceptation explicite de l’usage de l’IA par les étudiant·es.
- Présentation de stratégies d’évaluation adaptées au contexte de l’IA.
- Travail individuel : adaptation d’une évaluation (objectifs, consignes, activités).
- Mise en commun et partage de bonnes pratiques.