IA et matières à réponses ouvertes : ce qui fonctionne, ce qui ne fonctionne pas encore
Les questions à choix multiples se prêtent naturellement bien à l'évaluation automatisée. Les réponses ouvertes et argumentatives sont un défi beaucoup plus complexe, et il vaut la peine de comprendre pourquoi avant de généraliser un usage de l'IA à tous les types d'évaluation.
Ce qui fonctionne relativement bien
L'IA peut évaluer efficacement la présence de concepts clés dans une réponse, la structure générale d'une argumentation, et certains éléments de forme comme la clarté ou la cohérence logique de base. Sur ces dimensions, l'aide à la première évaluation peut être assez fiable, surtout quand les critères sont bien définis à l'avance.
Ce qui reste plus difficile
Évaluer la qualité réelle d'un argument original, apprécier une perspective créative qui sort du cadre attendu, ou juger la profondeur d'une réflexion personnelle sont des tâches où le jugement automatisé demeure beaucoup moins fiable. Un texte peut être bien structuré et grammaticalement correct tout en manquant complètement de substance, ou l'inverse — une réponse maladroite sur la forme peut contenir une idée particulièrement pertinente.
Pourquoi cette distinction compte
Comprendre cette limite aide à décider où l'IA peut être utile en première passe, et où une lecture humaine complète reste indispensable dès le départ. Utiliser l'IA sur des tâches où elle est peu fiable crée plus de travail de correction que de gain de temps, ce qui va à l'encontre de l'objectif initial.
Une évolution technologique à suivre
Les capacités des systèmes d'IA continuent d'évoluer, et il est plausible que le traitement des réponses ouvertes s'améliore avec le temps. Cela dit, il serait prudent de baser ses décisions actuelles sur les capacités réelles d'aujourd'hui, pas sur des promesses de progrès futurs non garantis par les fournisseurs de ces technologies.
Une combinaison réaliste
La meilleure approche actuelle combine généralement une évaluation assistée par IA pour les critères objectifs, avec une lecture humaine complète pour l'appréciation de la substance argumentative. C'est une répartition du travail, pas un remplacement, et c'est cette répartition qui donne les meilleurs résultats en pratique.
Un exemple qui illustre la limite
Deux étudiants peuvent défendre la même thèse dans une dissertation, l'un avec une argumentation conventionnelle bien structurée, l'autre avec un angle original mais moins conforme au plan attendu. Un système automatisé favorisera souvent le premier par défaut, alors qu'une lecture humaine peut reconnaître la valeur du second.
Une dernière nuance
Cette limite varie aussi selon la matière. Les réponses ouvertes en mathématiques ou en sciences, où il existe souvent une seule bonne démarche, sont généralement plus faciles à évaluer par un système que les réponses ouvertes en littérature ou en philosophie, où la diversité des approches valides est beaucoup plus grande.
Comprendre où se situe cette limite aujourd'hui permet de prendre des décisions éclairées maintenant, sans attendre une solution parfaite qui pourrait ne jamais arriver dans les délais souhaités par un établissement pressé d'agir.
Reconnaître honnêtement cette limite, plutôt que de l'ignorer, permet à un établissement de faire des choix technologiques mieux alignés avec la réalité de ses matières enseignées, plutôt qu'avec les promesses générales d'un fournisseur.