Intervenant 

Colin De La Higuera - Professeur à l’Université de Nantes, titulaire de la Chaire UNESCO RELIA (Ressources Éducatives Libres et Intelligence Artificielle).

Résumé

Dès l'arrivée de ChatGPT, la question de la gestion des évaluations s'est posée. Aujourd'hui, cette question reste au centre des préoccupations des équipes pédagogiques. L'incapacité de prendre correctement en compte les questions de tricherie empêche d'avancer sereinement. Nous essaierons de faire un point sur ces questions

Transcription 

Merci, je suis tout à fait très très content d'être là, de parler d'un parmi les plusieurs sujets qui m'intéressent ou qui nous intéressent à la chaire. Je remercie donc effectivement l'UBS de nous avoir invités. Alors dans l'invitation, il y avait inclus le« si vous pouvez utiliser le cadre qui est là», le type de slide. Juste sur le premier, j'ai essayé de tout faire rentrer, je me suis rendu compte que si dès le titre, je n'arrivais pas à tout faire rentrer dedans, que j'allais abandonner ça. Donc vous enlevez un avec votre support et puis le reste, j'ai pris le nôtre. Et je me rends compte que j'ai donc fait une petite erreur, c'est« stakouni, c'est pas stakouni». Alors, je suis désolé. Bien, donc effectivement on est venu à 3. Alors pourquoi est-ce qu'on est venu à 3? Parce que sur l'exposé j'arrive à peu près à me débrouiller tout seul, donc c'est ce qu'on va faire sur une heure. Mais c'est vrai qu'ensuite on va garder un maximum d'entre vous sur un atelier, sur un atelier sur ce qu'on a appelé les dilemmes. Ensuite s'il y a des philosophes, il va y avoir un débat pour savoir si on a le droit techniquement d'utiliser le mot dilemme ou pas. Les dilemmes de l'IA. En fait, des dilemmes, c'est des situations un petit peu remarquables, embêtantes, sur lesquelles deux personnes de très bonne foi... Peuvent se retrouver à penser exactement le contraire l'un de l'autre, et en fait aucune des deux solutions n'est vraiment bonne, surtout pour l'autre. Donc pourquoi est-ce qu'on se retrouve dans ce genre de situation? Ça nous intéresse à double titre, je pense que c'est un vrai sujet sur les dilemmes, sur les dilemmes de l'IA en éducation. On n'a pas, j'ai, je te prie, l'histoire des tramways, des choses comme ça. On a inventé de nouveaux dilemmes spécialement pour la journée d'aujourd'hui, ou presque spécialement, parce qu'au fur et à mesure, l'appétit vient en mangeant. Mais en fait, on s'est dit, on va pouvoir réutiliser cette idée. Et puis là, on a l'UNESCO elle-même qui s'est dit, si vous venez nous raconter ça en septembre, lors de la semaine de l'éducation digitale. Donc là, vous nous avez basculé du rôle de client au rôle de hamster. C'est-à-dire que c'est avec vous qu'on va tester, on va se rendre compte si les dilemmes sont bons ou pas bons, lesquels marchent, lesquels ne marchent pas. Donc, s'il vous plaît, restez. Bien, alors le titre de l'exposé ici, c'est IA générative et évaluation. C'est un... Donc, il y a un génératif. On voit ce que c'est, puisque ça fait référence à ce qui nous tombe dessus. Je crois que la vice-présidente l'a dit il y a deux secondes. C'est-à-dire qu'on sent bien qu'il y a des choses qu'on n'a pas voulues. Moi, je parle souvent de l'invité inattendu, d'un expected guest. D'accord? Cet invité qui est à table, vous êtes là, vous lui avez fait un peu de place à la table. En fait, il se met à parler très fort. Il se met à occuper toute la table. Et il faut finalement adapter le dîner que vous aviez entre amis à cet invité un petit peu incomprenant qui est là, mais que vous n'avez aucune façon d'enlever de la table, aucune façon de dire, bon, maintenant tu te tais. Donc, il faut effectivement réussir à quand même continuer à travailler dans ce contexte-là. Et donc l'évaluation, c'est un sujet curieux, c'est un sujet qui... Ma réception, on parle depuis très longtemps. Ça fait des années que l'on est à l'bolche. Quand on m'interroge pour me dire« est-ce que tu fais bien ton métier? », je dis« oui, sauf sur ça». D'ailleurs, ça fait juste des années que sur l'évaluation, j'ai juste l'impression que je n'ai rien appris. Au bout de 40 années de métier, je continue à faire ça plutôt mal et de m'épuiser à la tâche, de passer des week-ends du mois de mai à corriger des copies ou à corriger des projets. Et à l'arrivée, le tout pour me dire, en fait, en réalité, à part le fait de me retrouver en train de me dire, mais ils n'ont rien compris à tout ce que je leur ai raconté, donc beaucoup de frustration, mais en fait, ça marche. Donc, est-ce qu'on peut reprendre ce débat aujourd'hui? Pourquoi? Parce que c'est votre demande. Ça ne m'étonne pas que ça fasse partie des sujets qui remontent. C'est un peu tout le monde est là-dessus. Et c'est plutôt une bonne chose, parce qu'en fait, c'est un bon sujet. Pas en tant que tel, si le seul but c'est de résoudre le problème de l'évaluation, en fait ce n'est pas très intéressant. Mais si derrière le problème de l'évaluation se posent plein d'autres questions, et bien là oui, ça devient plus intéressant. Donc c'est un petit peu ce qu'on va essayer de faire. Bien, je vous présente quand même rapidement la chaire UNESCO-Ronia. Et puis le truc qui va avec, le réseau EOI. Donc j'ai deux, trois slides là-dessus. Donc l'UNESCO, on connaît, c'est le siège d'Aparis, s'occupe d'éducation, de science et de culture, c'est ça les grands mots. C'est un organisme qui est un petit peu la petite sœur des Nations Unies. Donc l'UNESCO, on connaît, s'occupe de ça, et effectivement, il y a... est en fait un peu à l'intersection de l'éducation, de la science et de la culture. C'est-à-dire qu'en tout cas, sur l'éducation et la science, sur l'éducation, c'est le bouleversement que vous connaissez, mais ce n'est pas que ici à Lorient, c'est absolument partout dans le monde que l'IA est un bouleversement, pour des raisons que je vais t'expliquer dans un instant. Et puis en science, aussi, parce que malgré tout, il ne faut pas perdre de vue que c'est une science, c'est quelque chose qui a été voulu sur la base de travaux d'informaticiens et de mathématiciens depuis très longtemps. Donc quelque part, ça rentre aussi dans cette catégorie-là. Donc c'est pour ça que l'UNESCO s'y intéresse. Nous, on a une chaire UNESCO à Nantes là-dessus, et puis le sujet est suffisamment intéressant pour qu'il y ait un réseau. International qui s'appelle UNOE, mais qui est sur Open Education, donc l'éducation verte, et je ne vais pas faire mon exposé là-dessus, vient en fait renforcer une façon de pouvoir gérer l'IA, c'est d'arriver à se dire, mais en fait on a besoin de beaucoup plus de transparence, de discussion, un petit peu ce qu'on est en train de faire là, pour pouvoir traiter ce phénomène d'IA, que ce qui ne marche pas, c'est chacun de son côté, chacun dans son coin. Donc, la chaire Aurélien, elle travaille de différentes façons. En particulier, on a toute une série de projets. Je veux dire deux, trois mots sur ces projets pour qu'on voit pourquoi le genre de projet qu'ils ont. Alors, ils sont internationaux au sens de quatre d'entre eux sont financés par l'Europe. Donc le premier, c'est un projet où on arrive à la confusion quand on travaille en IA qu'en fait, il y a un espèce de transfert de compétences. Là où avant, en informatique, c'était l'algorithme. rythme qui était la clé, qui était la clé de voûte, le truc vraiment, vraiment important, avec l'arrivée de l'IA, c'est les datas qui prennent ce rôle essentiel. Et que, quelque part, finalement, on a un peu tous fait la passe sur les datas. Les datas, pour la plupart du temps, on en parlait tout à l'heure, c'est un fichier Excel. D'accord? Et quelque part, ce n'est pas ça. D'accord? Enfin, les datas vont bien au-delà de ça. Et donc, la question qui est posée, c'est, sachant les problèmes que pose aujourd'hui la non-gouvernance ou la mauvaise gouvernance des datas, est-ce qu'apprendre ce que sont les datas, ça ne va pas faire partie du curriculum, du cursus, des choses que doivent comprendre les enseignants en général, mais aussi les... À des élèves. Donc ça, c'est avec le ministère de l'éducation nationale en France et six autres pays européens, on travaille là-dessus. On a un deuxième projet qui s'appelle Integrity AI. Alors celui-là, je vais en dire un mot parce que j'en parlais déjà tout à l'heure. C'est un projet dans lequel il s'agit de se demander qu'est-ce que pourrait être une gouvernance éthique IA des universités. C'est-à-dire que, quelque part, au-delà du fait que chacun a à résoudre des problèmes IA, les chercheurs ont à résoudre le problème de comment est-ce qu'on fait pour gérer les thèses qui utilisent l'IA, les enseignants ont à gérer le problème de l'utilisation des IA de côté, les DSI ont des problèmes de sécurité nouveaux qui se posent. En fait, tout le monde a des problèmes de tous les côtés, et résoudre un peu de manière hybride, ce n'est peut-être pas la solution. Donc, est-ce qu'on peut imaginer une autre façon de piloter l'IA? au niveau d'un établissement. Alors bien entendu, si on faisait ça ici en France, ça ne marcherait pas. C'est-à-dire qu'on arriverait à devoir résoudre le problème avec les acteurs qui seraient tout le temps en train de nous dire« mais vous ne pouvez pas faire ça». Donc on a trouvé une solution, c'est qu'on va le faire au Guatemala. Donc si on fait ça au Guatemala, on a des chances d'y arriver et puis ensuite de pouvoir revenir et dire« regardez, ça marche au Guatemala». Je rigole à peine, c'est à peu près ça le but du projet. Il n'y a pas que le Guatemala, il y a des universités au Guatemala, en Colombie, au Mexique et au Brésil. Donc c'est un projet européen dans lequel nous à Nantes, on se retrouve à essayer d'imaginer un... Modèle de gouvernance IA. Parce que derrière les gouvernances IA, il y a la gouvernance tout court. C'est-à-dire que c'est des choses que ceux qui ont un peu de dash rappelleront que quand le numérique est arrivé et qu'il s'agissait de rajouter du numérique dans les universités, il y a des gens qui ont pris peur en train de se dire« Mais oui, mais attendez, on ne va pas donner les clés de la maison au VP numérique. » Et donc, il y a eu toutes sortes de façons de gérer l'arrivée du numérique pour éviter que le numérique ne prenne entre guillemets le pouvoir, parce que finalement, le numérique le revendiquait, en train de dire tout est numérique, à masse. Si tout est numérique, c'est que vous voulez les clés de l'université. Donc avec l'IA, est-ce qu'on peut éviter ça? Bon, je répondrai éventuellement à des questions là-dessus, c'est un joli projet. GNF Schools, c'est encore le secondaire, encore le ministère français de l'éducation nationale et d'autres ministères. Et c'est une question clé, c'est la question de comment fait-on? rentrer l'IA générative dans l'école. Sachant que pour l'instant, les textes autorisent de faire rentrer l'IA générative autour de l'école, ou plutôt l'enseignant est supposé pouvoir l'utiliser, l'enseignant est supposé pouvoir montrer des choses avec, mais on n'en est pas du tout, du moins officiellement, à dire que les élèves peuvent l'utiliser en TP ou peuvent l'utiliser pour faire des choses. Là, je parle de l'école, du collège, du lycée. C'est un peu une nueste. C'est-à-dire qu'on est là à dire qu'on n'a pas fait... L'autre jour, on m'a demandé d'intervenir sur les inspecteurs de primaire parce que pour eux, 50% des élèves de CM2 utilisent ChangeGPT. Où est-ce qu'ils sont? Ok, voilà, donc il y a un espèce de décalage dans lequel on est un peu frileux, on est en train de se demander comment on fait pour faire rentrer ça officiellement dans l'école, alors qu'en fait, en réalité, elle est déjà là. Bien. Assaï, alors lui, il nous était à ce jour-là, c'est les idées qui sont là, sont un peu liées à des travaux qui se font dans ce cadre-là. Donc ça, c'est un projet typiquement universitaire avec cinq ou six universités européennes. Et pour faire simple, c'est est-ce qu'on peut imaginer une université sans examen? En réalité, ce n'est pas ça. C'est plutôt est-ce qu'on peut imaginer une université où toute cette fonction d'évaluation est prise en charge par l'IA, mais pas nécessairement de la manière la plus idiote qui soit, mais peut-être de manière entre guillemets intelligente. Est-ce qu'il existe une façon intelligente? d'utiliser l'IA pour gérer finalement un problème qui est un problème qui nous enquiquine tous, qui est le problème de l'évaluation, mais pas en le délégant de manière idiote comme certains voudraient le faire aujourd'hui, en train de dire, tu mets la machine, tu t'examines et puis c'est réglé, ou je te fais corriger mes copies, ou je mets des caméras qui sont pilotées par l'IA de tous les côtés pour faire les choses. D'ailleurs, est-ce qu'il y a d'autres alternatives? Et la réalité, c'est qu'il y a beaucoup d'universités dans le monde et il y a des universités qui essayent déjà des choses un petit peu originales parce qu'en gros, il y a... Aujourd'hui, il y a un problème pour notre système d'évaluation, mais il pourrait aussi devenir une solution. Pas la solution, il pourrait devenir une solution. Pour un projet européen, l'Europe a dit« faites-le, c'est urgent, allez-y, travaillez là-dessus». Pour l'instant, on l'a démarré au mois de mars, donc on ne va pas dire« voici les conclusions». On est juste à dire que c'est un joli sujet. Et puis enfin, le dernier, c'est qu'on travaille beaucoup avec les étudiants parce que tout ça, c'est des sujets qui finalement sont réfléchis à des choses comme l'université du futur, qu'est-ce qu'elle va être, l'éducation du futur. Et il est important, même s'il y a beaucoup de jeunes ici, d'avoir des gens encore plus jeunes que vous, d'accord, qui soient dans la discussion. Et on essaye de faire des programmes dans lesquels ces questions d'essayer d'imaginer des solutions par rapport à l'IA, des solutions par rapport à l'évaluation, se font avec eux. Donc là, par exemple, une étudiante, ce qui m'intéresse, c'est quoi l'opinion des étudiants? sur l'évaluation. Alors, est-ce qu'on pourrait savoir ce qu'eux en pensent? Parce que nous, ça nous agace, que nous on est ceci, que nous on en discute entre nous, en tant que professionnels de l'éducation. Mais finalement, ils sont un peu aussi professionnels de l'éducation, simplement de l'autre côté de la table. Donc, qu'est-ce qu'eux en pensent? Si on leur dit, qu'est-ce que c'est qu'une bonne évaluation pour toi? D'accord? Qu'est-ce que c'est qu'une mauvaise? Qu'est-ce qui peut marcher? Donc voilà, c'est le genre de choses qu'on essaye de mettre en place. Bien, alors, l'intelligence artificielle. L'intelligence artificielle, oui, je fais quand même un petit résumé, vraiment vite, deux, trois slides. Donc le premier, c'est juste pour rappeler que ce n'est pas né le 30 novembre 2022 avec l'arrivée de Changi Pindi, que c'est bien avant ça. Moi, j'aime bien donner le point de départ dans l'article d'Alan Turing de 1950, dont il y a un facsimilé là, et malheureusement, je n'ai pas pris la bonne version des slides, parce que très récemment, il y a un collègue qui en a fait une version française. Il y avait déjà des versions françaises, mais qui étaient traduites aujourd'hui. Donc le défi, c'était de traduire un article de 1950 en utilisant le vocabulaire français de 1950. Pas en utilisant des termes qu'on a parfaitement compris aujourd'hui, mais d'imaginer ce que pouvait être le genre de termes qu'on aurait dû utiliser à l'époque pour faire ça. C'est vraiment un article essentiel où Alan Turing se demande qu'est-ce que c'est qu'une machine intelligente. A l'époque, ce n'était pas juste le... On n'en était pas à l'intelligence artificielle, ça c'est un thème qui... apparaître en 1956, et ensuite on va apparaître tous les travaux qui conduisent à la situation d'aujourd'hui, et qui, même si derrière le mot intelligence, il y a beaucoup de choses, il y a la capacité de raisonner, la capacité de planifier, le langage, il y a tout ce qui me semble essentiel. En gros, dès 1950, Alan Turing va poser la question, en train de dire qu'il y a deux manières de construire une machine intelligente. La première, c'est de la construire comme un adulte, donc on l'a bourré avec tous les raisonnements, tout ce qui est dans le cerveau, on fait l'équivalent de nous, un espèce de clone de nous adultes. Et puis la deuxième, c'est de lui donner l'intelligence d'un enfant, c'est-à-dire la capacité d'apprentissage. Et en fait, il montre qu'il suffit de ça. Il faut aussi la capacité d'interaction pour pouvoir interagir, se corriger, s'adapter, etc. Mais que réellement, c'est la capacité d'apprentissage qui fait que, quelque part, une machine est intelligente. Et donc, tous les systèmes d'aujourd'hui, tout ce qu'on vous entendait parler, ChatGPT, etc., finalement, sont basés sur cette idée. C'est-à-dire, on va ramasser les éléments sur lesquels apprendre. Dans ce cas-ci, c'est des textes, ça peut être des images, ça peut être en fait, en gros, on rassemble, ils rassemblent tout ce qu'ils peuvent. Et en face, une fois qu'on a fait ça, on lance des algorithmes d'apprentissage, de machine learning, donc c'est la machine qui apprend. Et ces algorithmes vont effectivement apprendre un modèle, vont apprendre quelque chose qui remplace toute cette connaissance qui est acquise. Et ensuite, de là, on apprend à raisonner, de là, on apprend tout le reste. Mais ce sont des algorithmes. algorithme d'apprentissage qui vont faire ça. Alors un truc à retenir, parce que beaucoup de débats seraient finalement vus autrement, j'espère une fois qu'on aura vu le tableau qui est à droite, c'est que l'IA est aussi essentiellement, et pour beaucoup, un enjeu financier colossal. D'accord. Il y a eu d'autres aventures comme ça, de nouveautés. Vous prenez par exemple le World Wide Web qui a été inventé au début des années 70 au CERN de Genève. Mais Bernard Sly, qui l'a inventé, à ma connaissance, il n'a pas 834 milliards de dollars. D'accord, il est aux dernières nouvelles, il était professeur émérite d'une université en Angleterre, et puis il continuait à écrire des articles pour continuer à vanter une technologie dont le but était de partager la connaissance au niveau mondial. Donc là, on n'est plus sur des technologies dont le but est de partager la connaissance et de faire avancer l'humanité. On est dans des technologies dont le but est de construire des chants en une million d'heures. Alors pourquoi est-ce que je dis ça? C'est parce que quelque part, tous nos débats sur est-ce qu'il faut réguler, est-ce qu'il faut avancer, est-ce qu'il faut etc. Ne peuvent se comprendre que si on regarde le tableau qui est là, qui est le tableau des dix plus grandes fortunes de la planète. Je l'ai remis à jour hier ou avant-hier. À gros tiers, et c'est des chiffres vertigineux. Je rappelle que, on rappelle où je dis, le budget de l'éducation nationale en France, tout le cours, Le salaire des enseignants, etc., c'est 64 milliards. Donc ce sont des chiffres vertigineux. Alors ce qui est intéressant, c'est donc vous regardez les 10 qui sont là, et vous enlevez peut-être juste Bernard Arnault, Tous les autres, ils sont là parce qu'ils ont les mains dans l'IA. Alors je pense que Bernard Arnault doit être actionnaire de toute une série d'entreprises là-dedans. Mais quelque part, ce qui rend richissime aujourd'hui dans le monde, c'est l'IA. Ça, il faut donc le comprendre. Voilà, donc il y a beaucoup de débats, beaucoup de discussions sur ce fait. Beaucoup de raisons pour lesquelles on se dit, mais pourquoi ils font ça là maintenant? Parce qu'il y a la machine à gagner de l'argent, c'est ce qui se met en place. Et c'est aussi des chiffres tellement vertigineux qu'en réalité, nous, simplement, on ne peut pas y faire grand-chose. On doit faire d'autres choses, mais quelque part, qu'on comprenne bien que ces enjeux de pourquoi on ne régule pas, ils sont là. Mince. Alors un autre truc qui m'amuse en ce moment, c'est de regarder l'évolution des définitions. Donc j'ai pris Wikipédia. Et c'est intéressant de voir un peu comment évoluent les définitions de l'intelligence artificielle. Donc jusqu'en 2024, la définition était... Voilà, des théories, des techniques, blablabla, capables de simuler l'intelligence humaine. Simuler faisant référence justement au test de Turing. Vous vous rappelez, dans le test de Turing, il fallait juste simuler, faire semblant qu'on était intelligent. Un peu comme peut-être parmi vous, il y en a qui font semblant de m'écouter. Vous savez avec vos étudiants, d'accord, qu'il y a des étudiants qui sont très forts, Ils font semblant d'être capables de simuler. Ce n'est pas tout à fait la même chose que d'être capable de comprendre. Là, si dans votre cas, ça va, mais pour les étudiants, c'est moins clair. 2025, ça change un petit peu et le mot simuler disparaît. Ce n'est plus du tout l'objectif. L'objectif, c'est juste de simuler. Mais on en reste à dire que c'est des technologies basées sur des programmes ou des algorithmes. Donc le but, c'est de construire des programmes ou des algorithmes qui sont capables de faire des choses que notre intelligence humaine, et là, ils n'en sont qu'à l'intelligence humaine, est capable de faire. 2026, on commence à rechanger des choses. Le mot humain disparaît dans l'intelligence. C'est juste l'intelligence de toute nature, peut-être même extraterrestre, on ne sait pas très bien. C'est des intelligences animales qui sont en cause. Et c'est les systèmes informatiques plutôt que des algorithmes et des programmes. Donc ça aussi, c'est important. Ça veut dire que tant que c'est algorithme et programme, c'est globalement des choses qu'on disait, mais non humain, on les comprend. On sait ce que c'est qu'un algorithme, je sais lire un algorithme, je suis algorithmicien et donc je dois pouvoir relire un algorithme. Si c'est un programme, c'est un peu la même chose, ça reste un code avec des règles sur ce que c'est qu'un programme. Système informatique, c'est simplement flou, d'accord, pour que, quelque part, on accepte de perdre le contrôle dans cette définition de Wikipédia. Ce n'est pas tout à fait neutre. Alors, il y a toujours des questions sur les enjeux énergétiques. Je ne vais pas y répondre parce que c'est horriblement compliqué. Mais comme j'ai enfin trouvé une belle référence, je la donne. systématiquement. Donc bonpote.com qui me cite de fait peur en train de se dire mais c'est sérieux ce truc là? Oui en fait c'est très sérieux. Je fais une belle analyse sur les choses et une analyse non triviale, c'est à dire le côté c'est tant de bouteilles d'eau ou tant de minutes de Netflix ou tant de etc. Est quand même mis en perspective avec le fait que c'est en réalité très très difficile de le dire puisque B, en fait, il y a aussi une opacité énorme de ces entreprises pour nous dire, finalement, combien coûtent réellement les choses. On a des idées, donc sur la base de ces idées, les gens ont fait des raisonnements, on peut les retrouver là-dedans. Alors si on veut savoir exactement où on en est, je recommande juste de jeter un coup d'œil, de respirer et puis ensuite de s'en aller. Le rapport de Stanford qui chaque année sort le Global AI Index en anglais, c'est un pavé de 400 pages à peu près où une équipe à Stanford va vraiment faire une brusque analyse de qu'est-ce qu'il y a eu de nouveau en 12 mois sur l'IA. Donc, c'est beaucoup de choses de recherche, c'est-à-dire tous les résultats les plus spectaculaires obtenus en médecine, et il y en a un nombre impressionnant. Il y a le grand congrès de cancérologie en ce moment à Chicago, et les résultats qui sont en train de tomber sont impressionnants. Et c'est clair que l'IA a joué un rôle dans beaucoup de ces résultats. Voilà, donc là, c'est des choses qui sont très, très positives, sur lesquelles l'IA, avec des nouvelles formes de travailler, avec des nouvelles formes d'avancer, en train de permettre la recherche scientifique, par exemple, d'avoir ces... Et puis là-dedans, il y a toujours cette pépite, ce tableau-là, ce document-là, qui est celui qu'il faut regarder pour deux choses. Donc la ligne intéressante, est-ce qu'on voit mon curseur? Non, on ne le voit pas. La ligne horizontale en poitier, c'est le human baseline. D'ailleurs, en gros, c'est là où les humains sont. Donc en gros, tant qu'on est en dessous de la ligne, c'est que sur tel ou tel type de tâche, on fait ça moins bien que les humains. Dès qu'on est au-dessus de la ligne, c'est que l'IA fait ça mieux que les humains. Donc il y a deux choses, même sans rentrer totalement dans les détails, deux choses qu'on remarque. Un, c'est que le nombre de tâches où l'IA est déjà meilleure que les humains est considérable. Alors, peut-être tâche. Qu'est-ce que veut dire tâche? Tâche, c'est important comme mot. Tâche, pour une IA, ça veut dire qu'on construit un benchmark. Un benchmark, c'est en fait un truc un peu comme un test de QI avec les carrosses questions et on décide que c'est avec ça qu'on a normé tel type d'intelligence. Et puis, on le fait passer à des humains pour mesurer ce que les humains sont capables de faire. Et puis ensuite, on fait passer le même test à des IA, des IA génératiques, des IA spécialisées, non spécialisées, pour faire les choses. Donc c'est toujours réducteur, c'est-à-dire on ramène toujours une activité à résoudre une tâche. Une activité, c'est quand même plus que résoudre une tâche. Exemple le plus typique, monsieur le mathématicien, c'est que je vais trouver des pointillés qui sont là, qui démarrent en... c'est se battre entre eux, entre machines, pour voir qui obtient la meilleure réussite. Mais on voit à quel point, B, on passe de trucs où, voilà, 20%, c'est-à-dire que quelque part, une IA qui était à peine capable de battre un élève de CE2, A, B, très vite, mais là, au-dessus de la barre, on est maintenant au-dessus, on est 10% au-dessus des meilleurs mathématiciens là-dessus. Mais c'est des benches. Ça ne veut pas dire que l'IA est capable de faire des maths. Ça veut dire que l'IA est capable de résoudre un problème de type les problèmes qu'on donne aux Olympiades des mathématiques. Quand j'interviens en école doctorale, il y a un message derrière ça. Ça veut dire que si un doctorant pense que son rôle, c'est de résoudre des problèmes, D'accord? Bon, il est battu. D'accord? Et c'est pas la peine, c'est pas ça. Mais il fut un temps où c'était ça, faire la recherche. C'était, on attendait que quelqu'un pose un problème, on résolvait le problème, et puis à ce moment-là, ben... Tout est fait. Si par contre, le problème, pardon, si notre travail de chercheur, c'est de poser des problèmes, de comprendre les problèmes, de faire les liens entre les problèmes, en fait d'aller plus loin, et que c'est ça qu'on demande à un chercheur, là pour l'instant, je ne dis pas que l'IA ne sait pas faire. C'est peut-être que les chercheurs, pardon, les gens qui font de l'IA ne savent pas benchmarker. Ça peut être que ça. D'accord? Et une fois qu'ils ont retrouvé un benchmark, ils démonteront qu'ils savent le faire. Ou plutôt, une fois qu'ils ont le benchmark, comme je vous rappelle tout à l'heure que le moteur de l'IA, c'est l'apprentissage, c'est dès que vous avez réussi à résoudre, pardon, à définir votre problème comme étant un problème d'optimisation, c'est-à-dire où il fallait apprendre à résoudre quelque chose, une fois que vous avez bien contraint votre problème, tout va bien. Ok. Donc, voilà, on ne peut pas en mettre là. Mais enfin, malgré tout, c'est quand même des vraies réflexions sur quelles sont les tâches, le genre de choses que nous, humains, on est encore capables de faire pour être en dessous de la barre. Bon, alors on rentre là-dedans, on en a d'autres. Le bleu foncé, c'est PhD Level Science Questions. Donc ça, c'était un test où on pose des questions qu'on demanderait à un docteur ou un doctorant en fin de thèse. Encore une fois, ce sont des questions, des problèmes. Ce n'est pas« fais-moi ta thèse». Mais là aussi, sur celui-là qui est le truc qui est le plus sombre en noir ou qui ne démarre que vers 2022-2023 et qui maintenant est au-dessus de la barre. C'est clair, ça nous interpelle quand même, mais il faut réussir à le réanalyser avec des passettes pour voir ce qui se passe. Voilà, donc ça, vous pouvez trouver ce rapport sur le web. Oh. Je ne dis pas... Il y a d'autres choses à lire dedans, bien sûr. Le truc qu'on regarde en premier, c'est celui-là, parce que c'est un peu le combat de Human vs. Machine. C'est là-dessus qu'on arrive à voir à quel niveau en 12 mois. D'accord? Est-ce que ça a avancé? L'autre truc qu'on peut retenir là-dessus, c'est qu'on pourrait se dire que la grande révolution a eu lieu en 2022, quand Chagipiti est arrivé, et que, bon, ensuite, depuis, on bricole. En fait, on voit que non, depuis, on ne bricole pas. D'accord? Que depuis, en fait, ça continue à monter et dans certains cas, ça s'accélère cette montée-là. On voit des nouvelles tâches qui démarrent tout en bas en 2024 et qui remontent tout en haut. Donc ça. Alors on en voit, Cécile, peut-être un autre commentaire, c'est celui qu'on voit qui commence le plus à gauche là-bas. Et qui est la classification d'images. Donc la classification d'images, c'est en gros, si je vous donne une image, je vous dis est-ce qu'il y a un lapin dans cette image? Donc c'est une tâche que pour une IA est devenue triviale aujourd'hui, et d'ailleurs l'IA est capable de faire beaucoup mieux, elle est capable de dire est-ce que dans cette radio il y a effectivement une tumeur. Et elle le fait plutôt mieux que le radiateur log et le faire ça. Mais ça, ça a été un défi considérable pour nous les humains. Quand j'étais en 2005, 2010 peut-être, j'étais encore en train d'obtenir de l'argent de l'ANR pour résoudre ça. C'est-à-dire qu'on n'était pas capable de trouver le lapin dans une image. Mais absolument pas. Il suffisait que le lapin change de couleur ou que le lapin ne soit pas le lapin du modèle. Et en fait, on n'y arrivait pas du tout. Donc, réussir à trouver un lapin, ou que le lapin soit caché par une feuille, ou des choses comme ça, on n'y arrive pas. Donc, c'est important parce que c'est le moment, en fait, le moment vers 2015-2016, où quelque part ça bascule et où l'IA est capable de faire de la classification de l'image. En réalité, c'est le moment où l'IA est capable de voir. Et voir, ça change tout. Ça veut dire que quelque part, vous pouvez aller chercher, soudainement, vous pouvez faire des voitures autonomes. Si elle n'est pas capable de voir, si elle n'est pas capable de distinguer un lapin blanc par rapport à un lapin rouge, ce n'est pas la peine de se dire qu'elle est capable de conduire une voiture de façon autonome. Donc il y a comme ça des fonctions qui sont associées à des choses qui aujourd'hui nous semblent triales, qui ont très très longtemps résisté. Et c'est à partir de ce moment-là, c'était d'ailleurs déjà des réseaux de neurones profonds qui vont être la technologie à ce moment-là, c'est à partir de ce moment-là où effectivement il y a cette augmentation de vitesse. Donc IA et la recherche, j'ai rajouté ça parce que je me suis dit, tiens, je sais que je vais parler pédagogie, mais au moins un mot sur la recherche. C'est à la fois des résultats spectaculaires, comme j'en ai parlé tout à l'heure, mais aussi, et c'est des choses qui posent vraiment problème, c'est une augmentation très très forte du nombre de publications. Pas nécessairement des bonnes publications, parce qu'on va trouver aussi une augmentation très très forte, du nombre de retractions d'articles retirés. C'est-à-dire qu'à un moment donné, l'article est accepté, parce que tout le processus d'acceptation des articles va jusqu'au bout, y compris dans des grandes collections, dans des grandes revues, et bien quelqu'un dit, mais c'est n'importe où ça. Moi, je suis cité sur un site web, je crois que c'est sur, tiens, je le dis, je suis content parce que j'ai filmé, je crois que c'est, non, je ne sais plus laquelle, une des très prestigieuses écoles de commerce françaises, d'accord, me cite comme auteur d'un article sur... Sur quoi? Sur le Bitcoin, sur le cours du Bitcoin. Et donc j'apparais comme auteur de ce truc-là dans une de leurs publications en ligne, c'est-à-dire qu'il n'y a pas du tout eu les filtres et que c'est juste une invention où l'IA est allée trouver mon nom sur un site, l'a mis avec un article avec une autre personne, a inventé ça et eux-mêmes n'ont pas mis les filtres nécessaires pour laisser ça. Bon, alors on passe à un autre sujet, à un autre vrai sujet. Il y a l'éducation en 2026. Je vais aller vite. Ça, c'est 2025. Les deux trucs à retenir sur l'année 2025, c'était que, pour moi, c'était le fait que l'éducation est devenue un marché. Alors on peut se dire que ça a toujours été un marché, et ce qu'on vient de voir la semaine dernière, puisqu'il y a eu une décision du tribunal de Bobigny qui a dit que le marché des manuels scolaires... était un marché dans lequel l'État n'avait pas le droit ou la puissance publique n'avait pas le droit d'aller en proposant des manuels gratuits à la place. Voilà, donc en fait, l'éducation était déjà un marché par le jeu de l'édition. Mais c'est vraiment devenu un marché parce que les grands acteurs de l'IA ont envie d'aller sur ce marché, parce que les edtechs ont envie d'être présentes sur le marché. Et donc, ça se dit de plus en plus publiquement de dire le marché de l'éducation. Chose qui, pour nous, ne va pas de soi, je veux espérer, nous qui sommes autour de la table. Donc c'est important parce que les lois du marché ne sont pas les lois du service public, ne sont pas les lois de l'université, ce sont des lois différentes. Ensuite, il y a eu des rapports, dont un rapport sur l'IA et l'éducation supérieure qui a été remis en 2025. Peut-être sur ça, dire un truc intéressant, le point qui dit la France classée dernière sur Tannis par le CDE, donc ça ne concerne pas le SUP, même si je pense qu'au SUP c'est à peu près la même chose. Donc c'est un classement qui en gros disait aux enseignants, est-ce que vous utilisez, est-ce que vous êtes pour, est-ce que vous avez adopté l'IA? Et puis à cette réponse-là ou à des réponses similaires, la France se disait, ben non. Donc, bien sûr, dans certains milieux, c'est la panique. En train de dire, non, il faut absolument qu'on reste les premiers, qu'on soit les premiers. Mais dans d'autres, le fait qu'on prenne notre temps, c'est peut-être pas si mal que ça. Bon, maintenant, le problème de prendre notre temps, c'est qu'on prend notre temps par rapport à un calendrier qu'on subit aussi, parce que... Les étudiants ne sont pas, eux, nécessairement en train de prendre leur temps. Sauf pour ça, d'accord, mais c'était intéressant de voir que sur ce classement et puis d'autres classements un peu du même style, la France n'est absolument pas en pole position de l'adoption de l'IA dans l'éducation. Maintenant, l'autre débat, c'est ça. Est-ce que c'est utile ou pas? Alors, tout le monde travaille quand même sur ces questions. En ce moment, sur le SUP, oui, un peu. Enfin, j'entends des discussions. Mais sur le SCO, donc sur le secondaire, les grands organismes de l'État, le CESN, le Conseil scientifique, a travaillé là-dessus, en train de se dire, mais à la fois, alors s'il y a plusieurs questions. Il y a la question de comment est-ce qu'on introduit l'IA dans le système éducatif, et puis il y a la question de comment est-ce qu'on introduit l'IA matière par matière, parce que chaque matière est impactée par l'IA, donc comment est-ce qu'on fait? Donc le CESN travaille dessus. Le CSP, le Conseil supérieur des programmes, dont je fais partie depuis le mois de janvier, travaille aussi là-dessus. Donc on n'est pas encore mandaté, on ne nous a pas dit qu'il faut rajouter l'IA dans les programmes de l'éducation nationale, mais à quel point la question va être posée. Donc on anticipe, on réfléchit à ce qu'on fait par rapport au phénomène IA dans le système, toujours avec ce décalage. C'est-à-dire que pour l'instant, il n'y a rien, parce que tout ça, ça met du temps à bouger, mais que pendant ce temps-là, au niveau des élèves, bien sûr, la réalité est différente. Et sur l'Assemblée nationale aussi, il y a une mission d'information sur ça. qui est en train d'interroger depuis quelques mois, quelques semaines, des experts pour savoir ce qu'ils pensent de cette notion IA et est-ce qu'il faut transformer les enfants, les jeunes, comment, à quoi, sur l'IA. Donc tout le monde travaille sur ces questions. Néanmoins, le vrai titre d'aujourd'hui, et le temps passe, le vrai titre d'aujourd'hui, c'est l'IA et l'évaluation. Donc on va aller un petit peu vite là-dessus, on verra. Alors, pourquoi la question? Donc la question, elle s'est posée dès l'arrivée de Chagipiti. D'accord, Chagipiti est arrivé en novembre, en janvier, il y avait déjà Sciences Po qui écrivait tout un article pour dire, il faut interdire. Alors la notion d'interdiction, elle continue. Je veux dire, il y a quelques mois, le ministère de l'Éducation nationale a sorti une note sur les usages de l'IA et a voulu, pour éviter les levées de boucliers, en sortant la note, discuter avec tous les acteurs, a demandé aux enseignants, aux représentants des enseignants, aux syndicats des enseignants, Est-ce que vous êtes d'accord avec ce qu'on écrit? Et puis les syndicats d'assurance, en gros, on dit non, nous on est contre. Voilà, c'est donc là où il fallait interdire l'IA. Interdire l'IA serait la solution qui permettrait effectivement à tout le monde de travailler d'un seul coup. Donc on a eu ça comme premier point de départ. Pour bien comprendre un petit peu le débat, je vais faire ce petit rappel qui, pour tous les gens qui sont... ingénieurs pédagogiques ou divers savent très bien de quoi je parle, mais bon, il y a, quand on parle d'évaluation, deux grandes familles, les évaluations sommatives et les évaluations formatives. Pour faire simple, l'évaluation formative, c'est quand le résultat de l'évaluation ne va pas, en tout cas pas directement, influencer la note au sens d'une note définitive qui vous fait passer dans la liste supérieure, etc. Elle est principalement faite pour être formée. L'évaluation somative, bien entendu, c'est une évaluation dont le but est d'emmener l'élève à avoir à la fin de l'année, avec différents systèmes, différents mécanismes, d'être reçu, d'avoir un diplôme ou d'avoir juste son semestre, son année pour pouvoir passer, pour pouvoir continuer. Et bien entendu, ce n'est pas tout à fait la même chose de tricher un examen, de tricher un concours, ou de tricher, vous avez des devoirs à faire pour la semaine prochaine, vous les faites si vous voulez. D'accord? Ce n'est pas tout à fait la même chose. Alors commençons par aller chercher, j'ai fait un raccourci ici, on parlait d'évaluation, je suis déjà arrivé à tricher. Parce que c'est ce qui vous intéresse. Ou bien ce qui nous intéresse, ou le sujet qui est arrivé sur la table quand ChatGPT est arrivé, c'est oui, mais tout le monde va tricher. Voilà, très bien, regardons un peu ce sujet de la tricherie. Si je regarde la définition de tricher, il faut prendre celle de Villarrouse, c'est l'éleveur. Et pas si mal que ça. C'est donc enfreindre certaines règles, certaines conventions explicites ou d'usage en affectant de les respecter. Alors d'emblée, ça nous pose des problèmes, parce que des conventions explicites veut dire qu'on est dans des situations dans lesquelles les choses ont été écrites. Or, dans la plupart des cas, les choses ne sont pas écrites. La plupart des universités n'ont pas réussi encore à ce stade à écrire des règles pour dire exactement ce qui est autorisé ou ce qui ne l'est pas. Ou plutôt, quand elles écrivent des règles, ce sont des règles qui vont s'interpréter d'une façon ou d'une autre. Et des règles d'usage? Des règles d'usage non plus, il n'y en a pas. Entre autres parce que la liberté pédagogique fait que chaque enseignant donne des règles d'usage différentes. Certains collègues vont dire, surtout, je ne veux absolument pas voir d'IA dans ma matière. D'autres vont encourager à utiliser l'IA. D'autres vont dire, vous pouvez l'utiliser, mais quand vous l'utilisez, vous devez faire une déclaration en début de votre copie, etc. Donc avec tout ça, ça ne fait que des règles d'usage. D'accord? On n'en a pas. Et puis de toute façon, ce n'est pas au bout de trois ans que vous avez des règles d'usage. Des règles d'usage, c'est des usages. Ça met du temps. Donc on est dans une situation dans laquelle il y a eu des enquêtes, pas en France, la scène que je donne c'était au Royaume-Uni, où ils sont allés demander aux étudiants est-ce que tu triches et la réponse était oui. Et quand on discute avec les étudiants, on se rendrait compte que ce qu'ils appelaient tricher n'était pas. pas du tout triché, qu'en réalité la perception du mot triché n'était pas une perception oui, non, zéro, un, d'accord, c'était quelque chose de plus complexe. C'est quelque chose qu'on retrouve dans d'autres situations avec l'IA. Quand je discute avec des doctorants, ils disent« je ne peux pas en parler avec mon directeur de thèse parce qu'en réalité, je ne sais pas si ce que je suis en train de faire, j'ai le droit de le faire ou pas». Donc cette notion de« je ne sais pas si j'ai le droit de le faire ou pas», elle empêche le débat. D'accord? Si vous savez que vous n'avez pas le droit de faire quelque chose et que vous avez quand même le droit de le faire, vous avez le droit d'aller poser la question« Pourquoi est-ce que je n'ai pas le droit de le faire? » Mais si en réalité vous ne savez pas si vous n'avez pas le droit de le faire, c'est beaucoup plus compliqué d'aller faire débat. Voilà, donc là il y avait des... Il y a juste sur le mot« tricher» et sur la perception de la triche, c'est compliqué. Deuxième chose qui m'intéresse, c'est pourquoi est-ce que tricher est un problème? Alors j'ai failli dire, une des raisons pour lesquelles tricher est un problème, c'est juste parce qu'on est tellement, je ne sais pas, on est habitué, on a pris l'habitude que, et donc que c'est mal. Donc ça, c'est en fait la notion de la question morale. C'est-à-dire que moralement, ce n'est pas bien de tricher. Moralement, ce n'est pas bien de tricher parce que ça irait à l'encontre de la notion du mérite. Alors j'étais assez étonnant, j'interviewais ou je discutais avec un inspecteur général la semaine dernière et qui disait qu'en fait tricher, ah oui ce que je lui demandais c'était un lien entre les valeurs de l'école et les valeurs de la République, liberté. Égalité, fraternité. Je voyais bien comment liberté et égalité, on les intégrait, mais comment on intègre fraternité. Et son avis était curieux, c'est-à-dire en fait fraternité on a du mal, mais il y a un cas où ça s'intègre bien, c'est quand les étudiants trichent. D'accord. Là, ils arrivent à faire jouer la fraternité et puis ils disaient que lui avait dans une épreuve, ou un jour, proposé plus d'eux aux étudiants qui trichaient. D'accord, mais c'est juste pour dire que quelque part, une fois qu'on a fait sauter l'objet moral, on se retrouve avec quelque chose qui n'est pas si gênant que ça. Moi, ça fait des années que je demande à mes étudiants de venir aux examens avec une antisèche. D'accord, je donne la limite, c'est une feuille recto verso, c'est une antisèche, et le nombre d'étudiants qui, en écrivant l'antisèche, quelque part ont appris, d'accord, parce qu'il fallait dessiner ce qu'on mettait sur l'antisèche ou pas, et je l'appelle antisèche, mais ça ne me choque pas moralement de l'appeler antisèche. De ce que je veux dire, c'est que là, la question morale, il faut qu'on fasse un petit peu attention à la suite. Donc on va dire que ce n'est peut-être pas ça. Alors, la question personnelle. L'enseignant se sent effectivement trompé quand les étudiants ont triché. D'accord? Je t'ai confié, d'accord? Moi, j'ai travaillé honnêtement, j'ai beaucoup travaillé, j'ai fait tout mon boulot, et toi, en face, tu me trahis, d'accord? Parce que tu triches. C'est réel, mais on n'y peut rien. Peut-être si l'autre ne sent pas qu'il est en train de tromper l'enseignant, c'est un petit peu dommage. C'est-à-dire? Ouais. Thomas, vous avez changé de mot. Tromper au lieu de tricher. C'est tromper, tromper. Ouais. Ah ben c'est bien, dans ce cas-là, c'est qu'on est dans ce cas-là. Dans ce cas-là, on est dans ce cas-là. Mais peut-être qu'on pourrait affronter ça d'une autre façon, mais c'est pas la tricherie. Ouais, je suis d'accord. Je sais. Alors il y a un article vieux un peu d'un certain Mathieu Bouvine qui raconte des choses dont je suis en train de m'inspirer, donc je vais juste donner son nom en passant. Donc ensuite, il y a une question de coût. Et là, le coût de la triche, nous, dans les systèmes français, on n'est pas très bon pour finalement faire travailler nos économistes pour dire combien ça coûte. Les Anglais l'ont fait. Ils savent combien coûte la tricherie. Ils le savent parce qu'ils ont des mécanismes pour gérer la tricherie et que la mise en place du mécanisme coûte de l'argent. Et donc typiquement, avec l'IA aujourd'hui, quand la tricherie se met en place, Ah, le tricherie. Quand un étudiant rend un devoir et que vous vous dites, cet étudiant, on sent vraiment qu'il est allé trop loin dans l'utilisation de ChatGPT. J'avais dit qu'il pouvait juste l'utiliser pour corriger, mais ils sont à leur style, mais ils sont allés trop loin. En fait, les Anglais, ce qu'ils font en ce moment-là, c'est qu'ils appuient sur un bouton administratif pour dire, bon, très bien, je veux convoquer cet étudiant à un oral. Donc l'étudiant est convoqué à un oral que l'enseignant doit aussi récupérer un autre collègue pour faire passer l'oral à deux. D'ailleurs, il ne peut pas le faire lui tout seul. Donc il y a un mécanisme, il y a le coût du collègue, il y a le coût de l'opération, etc. Donc ils font la somme et puis ils... arrive dans un article qui doit être ici, pour faire des calculs très anglais, pour arriver à 12,4 millions de livres sterling par an, que coûte la tricherie. Alors anecdotiquement, j'ai essayé de mettre en place ça à Nantes Université, et de dire, est-ce qu'une fois que j'ai ça, je peux convoquer un étudiant à un oral? On va dire, ah non, ce ne serait pas équitable. Il faudrait convoquer tous les étudiants à un oral. Donc voilà, on a quelques soucis là-dessus. Alors juste pour continuer, est-ce que c'est une question de confiance? Alors là, la réponse est oui. Il y a beaucoup une question de confiance. Quand la tricherie s'instaure, les étudiants n'ont plus confiance dans le diplôme qu'ils ont. Donc ils ont du mal à trouver du boulot derrière ou ils ont du mal à aller plus loin. Au bout d'un moment, les entreprises ou les autres universités peuvent le savoir et dire« un étudiant de l'université Bretagne-Chine, tu sais, ah, ah, ah». Donc c'est des choses qui se sont passées dans d'autres pays où des universités un peu modernistes ont essayé de dire« non, non, nous ce qui compte c'est que les étudiants travaillent». Et donc si on ne fait pas très attention à quelque chose, on laisse s'instaurer l'idée que finalement ça triche tellement dans cette université que ça ne vaut pas grand-chose. Et puis, pourquoi est-ce que... Oui, non, c'était ça. Oui, donc la question de confiance. Mais je voulais arriver au vrai truc important. Et le vrai truc important, il est là. Le vrai truc important, après analyse un petit peu des phénomènes, c'est que tricher est mauvais parce que finalement, ils apprennent moins. D'accord? C'est-à-dire que si on ne fait pas attention, mais tricher, il va se passer deux phénomènes. D'abord, effectivement, l'étudiant va prendre des raccourcis au moment où il doit faire son travail. Et donc, finalement, il ne va pas apprendre parce qu'il a trouvé une autre façon pour finalement arriver au résultat. Surtout typiquement en utilisant les IA génératives. Mais ce qui est plus embêtant, c'est nous et nos adaptations. Là, en ce moment, les profs de lycée ne donnent plus des devoirs de philo en terminale à faire à la maison. Donc, parce qu'on comprenait, etc. Oui, d'accord, mais en fait, quelque part, ce travail de philo fait à la maison était un moment fondamental de l'apprentissage. Moi, je suis informaticien. En informatique, ça fait des années que les contrôles continus et compagnie, ce n'était pas la partie importante de la note. La partie importante, c'était les projets. C'était là qu'ils apprenaient, c'était là qu'ils travaillaient. Or là, maintenant, les projets sont faits très vite et puis donc nous, on se lasse. Et soit on trouve effectivement des moyens, des mécanismes d'évaluer malgré tout, où on s'épuise là-dessus, soit en fait, ce qui va se passer, c'est que les endroits où se faisait l'apprentissage, ces endroits-là n'ont plus lieu. Donc là, on a un problème qui est absolument essentiel, qui est celui de réussir à ne pas céder un petit peu à la panique, c'est-à-dire de se dire, je change mes méthodes d'évaluation pour pouvoir, en quelque sorte, faire face aux besoins qui n'est pas explicité, c'est-à-dire ce besoin de se dire que ce qui est important, c'est la note, mais j'enlève des ponts réels d'apprentissage pour pouvoir juste gérer les questions d'évaluation. La mauvaise nouvelle, c'est que je n'ai pas une bonne solution pour y arriver. Mais la bonne nouvelle, c'est ça, c'est de se concentrer sur ce dire, attention, il faut que les apprentissages aient lieu, si je suis persuadé. Certains sont persuadés qu'il n'y a plus besoin d'apprendre parce que l'IA, etc. Mais là, je pense qu'ils se trompent complètement. Donc, en sachant que ce qu'on veut, c'est que les gens continuent à apprendre, il faut trouver quand même les façons de garder ces choses qui marchent bien, c'est-à-dire ces façons de travailler ou en les fait travailler, malgré les IA pour arriver. Bon, allez, je vais faire celui-là et puis je vais m'arrêter là-dessus. Le dernier slide que je vais faire, c'est celui-là, parce que je crois que c'est ça, non, Mélanie? Ouais. Donc le dernier slide que je vais faire, c'est celui-là. C'est parmi les différentes théories qu'on va trouver à maîtriser en ce moment pour comprendre ce qui est en train de se jouer, il y a quelque chose qui s'appelle l'alignement pédagogique qui nous vient de loin, de Biggs, 1996. On se dit des choses assez banales, qui est de dire qu'il faut réussir à aligner trois choses, les objectifs d'apprentissage, les connaissances et les compétences qu'on enseigne vraiment, et les évaluations. Et théoriquement, c'est le job justement des inspecteurs au collège, au lycée, c'est de surveiller ça. C'est de se dire, il y a un programme, est-ce que tu as fait le programme? Et puis, lorsque les examens sont faits pour le brevet ou pour le bac, est-ce que ça correspond vraiment au programme et donc à ce qui a été enseigné? Donc, si on n'arrive pas à maintenir ce triangle pédagogique, ça coince. C'est-à-dire que si les étudiants savent que votre évaluation ne va porter que sur certains chapitres, c'est clair que ce que vous enseignez qui est hors programme ne marche pas et ainsi de suite. Or ça, avec l'IA, c'est le grand coup de pied que l'IA est en train de nous donner, c'est à ce triangle-là. D'accord? Alors, sur les connaissances et les compétences, si on ne change pas très bien, si on ne change pas nos cours, finalement, on garde les mêmes connaissances et les mêmes compétences. Par contre, les objectifs... Même chose, si on attend la prochaine réforme des maquettes, effectivement on reste avec cela, mais on sent bien que les objectifs des différentes matières doivent quand même changer parce qu'il y a l'IA qui nous interpelle là-dessus. Et ce qu'on est déjà en train de changer à la va-vite, mais qui bien sûr si on ne change que ça alors qu'on ne change pas les deux autres, on a un problème, c'est les évaluations. Donc si on se met à changer les évaluations, parce qu'on a entendu quelque part qu'il faut remplacer les mémoires par plus de contrôles écrits, en faisant ça et qu'en ne changeant pas le reste des objectifs et des connaissances, vous avez un problème. Un endroit où on voit ça très bien, c'est sur le doctorat. D'accord, sur le doctorat, les objectifs du doctorat, ils sont clairs par des lois qui expliquent que le but, c'est d'avoir des gens, des docteurs qui s'affairent beaucoup de choses, pas juste résoudre un problème. D'accord, l'évaluation aujourd'hui du doctorat, c'est la soutenance de thèse. Ce n'est pas beaucoup plus. C'est la soutenance de thèse et deux rapporteurs qui écrivent un rapport, parfois sans avoir jamais rencontré le docteur. Les connaissances et les compétences que l'étudiant acquiert, ce sont théoriquement toutes ces compétences qui sont celles d'un jeune dans un laboratoire qui fait de la recherche, qui a étudié des choses. Mais là, si l'évaluation qui est le cas aujourd'hui se fait sur un manuscrit d'une thèse qui est en grande partie écrite par une IA générative, vous avez un problème. C'est-à-dire que l'évaluation, finalement, n'est pas en train de réellement évaluer les connaissances et les compétences et n'est pas du tout en accord avec les objectifs que les textes sur les doctorats peuvent donner. Donc dans ce cas-là, c'est à peu près clair, mais je pense que c'est quand même aussi le cas sur beaucoup des choses qu'on a là. Donc je l'ai pris beaucoup de temps comme prévu sur plein de choses, donc je ne vais pas pouvoir vous raconter un certain nombre d'autres choses sur l'évaluation, mais je vais peut-être pouvoir le prendre sous forme de questions. Peut-être donc en guise de conclusion, les travaux qui sont là, si peut-être juste, alors je le montre là, les travaux qui sont là ont été, enfin les travaux, les choses qu'on raconte là ont été publiées sur le blog de la chaîne Nesco Rolia au mois de février dans une série d'articles. Pour dire en fait la triche et Cynthia n'étaient pas le problème, donc entre fin janvier et mi-février. Donc si sur ces questions de tricherie vous avez envie de regarder un peu plus, vous allez là. Et puis sur le qu'est-ce qu'il faut faire vraiment, il faut attendre la fin du projet ASSAI pour qu'à ce moment-là on puisse revenir et dire ce qui marche, ce qui ne marche pas.