Mesurer l’invisible : le vieux casse-tête de l’évaluation
Comment évaluer la créativité, l’esprit critique ou la capacité à collaborer sans tomber dans la subjectivité la plus totale ? La question agite le monde éducatif depuis des années. Les districts américains, comme de nombreux systèmes scolaires ailleurs dans le monde, ont adopté des portraits of a graduate — ces référentiels qui listent les compétences qu’un élève devrait maîtriser à la fin du lycée. Problème : ces compétences dites “durables” résistent encore aux traditionnels QCM et aux tests à bulles.
Dans ce contexte, l’intelligence artificielle apparaît comme un possible sésame. Non pas pour remplacer les enseignants, mais pour les aider à mieux capter ce qui se joue au-delà des notes classiques. Une initiative conjointe d’ETS, géant historique des tests standardisés, et de la Carnegie Foundation tente justement de changer la donne.
Leur programme, baptisé Skills for the Future, expérimente depuis plus d’un an de nouvelles manières de collecter et d’analyser des preuves de la progression des élèves. Des milliers de lycéens (de la 9e à la 12e année) participent déjà à des pilotes dans plusieurs États américains. L’objectif est clair : passer d’une logique d’examen ponctuel à une approche plus fine, continue et contextualisée des compétences.
Sortir du tout-examen pour entrer dans l’ère des preuves multiples
« On ne peut pas simplement poser un test à enjeu élevé devant des élèves et espérer mesurer leurs compétences durables », expliquent les responsables du programme. Dès le départ, l’équipe a pris le contrepied des évaluations traditionnelles. L’idée n’est pas de créer un super-test bardé d’algorithmes, mais de construire une infrastructure de compétences.
Concrètement, le système repose sur l’accumulation de preuves multiples dans le temps et dans différents contextes. Un élève peut démontrer ses talents de communicant en classe de littérature, puis rencontrer plus de difficultés lors d’une présentation scientifique. Cela ne signifie pas qu’il “n’est pas bon” en communication, mais qu’il progresse, tâtonne, adapte ses acquis. L’IA doit aider à capter ces nuances.
Plutôt que de figer l’élève dans une note, le projet cherche à documenter une trajectoire. On parle ici d’un système de “signalement” des compétences : des éléments qui, cumulés, dessinent progressivement le profil de l’apprenant.
L’authenticité comme point de départ
Premier pilier de l’expérimentation : le travail authentique. Les élèves peuvent télécharger quasiment n’importe quel type de production — un document, un lien, un projet réalisé en groupe, voire une activité menée en dehors de l’école. Le principe séduit, mais pose rapidement une question épineuse : comment interpréter ces travaux ?
Un simple cliché d’un poster réalisé à plusieurs ne suffit pas à comprendre le rôle exact de l’élève dans l’équipe. A-t-il coordonné le groupe ? Résolu un conflit ? Pris la parole lors de la restitution ? Sans contexte, la “preuve” reste partielle.
C’est ici que l’IA entre en scène sous forme de chat guidé. L’outil pose des questions ciblées : “Quel était ton rôle dans ce projet ?”, “Quelle difficulté as-tu rencontrée ?”, “Comment l’as-tu surmontée ?”. Loin d’un chatbot bavard, il s’agit d’un échafaudage numérique, ajustable selon le degré d’autonomie de l’élève. Certains auront besoin d’être davantage guidés, d’autres se lanceront plus librement.
Regarder au-delà de la salle de classe
Autre ambition du programme : reconnaître que les compétences se développent partout. Dans un club de sport, un emploi à temps partiel, un stage ou même au sein de la famille, les adolescents apprennent à gérer des responsabilités, à collaborer, à communiquer.
Le dispositif inclut ainsi des entretiens structurés pour permettre aux élèves de raconter ces expériences. Là encore, l’IA sert de facilitateur. Elle aide à organiser le récit, à faire émerger des exemples précis, à transformer une expérience vécue en donnée exploitable.
On est loin du bulletin trimestriel traditionnel. L’idée est plutôt de constituer, au fil des années, un portefeuille de compétences riche et documenté. Une sorte de carnet de bord numérique, potentiellement valorisable dans l’enseignement supérieur ou sur le marché du travail.
L’IA comme copilote des enseignants
L’un des points les plus sensibles reste la correction. Les concepteurs du projet insistent : l’IA ne doit pas se substituer à l’enseignant. Elle intervient d’abord pour effectuer un travail préparatoire, analyser les productions selon des grilles établies, proposer un score provisoire et formuler un retour qualitatif.
L’enseignant garde la main. Il peut ajuster, affiner, reformuler, ou valider tel quel le feedback généré. L’objectif est de réduire la charge initiale de correction et d’offrir un langage commun pour parler du développement des compétences.
Cette approche s’inscrit dans un débat plus large qui traverse actuellement le secteur éducatif : comment éviter “d’externaliser la magie”, pour reprendre l’expression entendue récemment dans plusieurs conférences EdTech ? L’IA, ici, se veut outil d’appui, pas arbitre suprême.
Des simulations pour apprendre en jouant (ou presque)
En parallèle des travaux authentiques, le programme teste différentes activités plus structurées. Certaines relèvent du questionnaire validé classiquement. D’autres prennent la forme de scénarios interactifs, proches des jeux de rôle.
Un élève peut, par exemple, être plongé dans une simulation professionnelle : prise de décision, résolution de problème, échange avec un “collègue” virtuel. Les formats varient. Parfois, il s’agit d’un parcours à choix multiples façon “livre dont vous êtes le héros”. Parfois, l’IA anime des avatars avec lesquels l’élève construit une histoire collaborative ou résout une énigme avant d’expliquer sa démarche à un pair fictif.
Les retours sont contrastés. Certains adolescents adorent. D’autres décrochent, déroutés par la complexité technique. Trop d’effets numériques peuvent paradoxalement nuire à l’expérience. Les concepteurs ont ainsi réduit certains dispositifs trop immersifs pour privilégier des interactions plus simples, notamment audio. Les élèves n’ont pas toujours envie d’être filmés ou d’analyser le réalisme d’un avatar ; ils préfèrent parfois une discussion vocale fluide et ciblée.
S’intégrer dans la réalité des établissements
Un enseignement essentiel des premiers pilotes : rien ne fonctionne si l’outil ne s’insère pas dans les pratiques existantes. Personne n’a l’intention d’abandonner les mathématiques ou la lecture pour faire uniquement de l’évaluation de compétences transversales. Le défi est donc organisationnel autant que technologique.
Dans des États comme la Caroline du Nord, différents types d’enseignants expérimentent le dispositif : en cours généraux, en programmes professionnels (CTE), lors de séances d’accompagnement. Les retours varient selon les contextes. Les programmes d’orientation et les parcours professionnels semblent particulièrement réceptifs.
Un autre obstacle tient à la formation. Beaucoup d’enseignants observent déjà les compétences sociales de leurs élèves, mais n’ont pas toujours le vocabulaire ou les repères pour décrire des progressions fines. Fournir des grilles claires et un soutien structurant devient alors indispensable.
Mettre des chiffres sur des qualités humaines : mission délicate
À terme, un système de scoring est envisagé. Oui, il y aura des niveaux, peut-être des seuils alignés sur les attentes des États. Mais les responsables avancent avec prudence. Classer trop vite un élève comme “peu créatif” ou “faible communicant” pourrait produire l’effet inverse de celui recherché.
Pour l’instant, l’accent est mis sur des retours qualitatifs, centrés sur les forces et les pistes d’amélioration. L’idée n’est pas d’étiqueter, mais d’accompagner. À plus long terme, l’accumulation de preuves pourrait alimenter un relevé de compétences alternatif, complémentaire du relevé de notes traditionnel.
Aux États-Unis, certaines universités explorent déjà ces formats de “transcripts” alternatifs. On peut imaginer qu’un élève présente un dossier illustrant concrètement sa capacité à collaborer, résoudre des problèmes ou innover. Reste à savoir si les systèmes d’admission et les autorités éducatives intégreront pleinement ces nouveaux repères d’évaluation.
Vers un écosystème collaboratif
Le projet ne prétend pas avancer en solitaire. Les progressions de compétences développées par Skills for the Future doivent être rendues publiques, afin de servir de base commune. Les concepteurs souhaitent aussi collaborer avec des éditeurs de curriculum pour intégrer plus finement la mesure des compétences dans les supports existants, notamment ceux reconnus pour leur qualité pédagogique.
L’enjeu dépasse le simple outil technologique. Il s’agit, au fond, de redéfinir ce que signifie “réussir” à l’école. Dans un monde où les connaissances évoluent à grande vitesse — et où l’IA elle-même transforme les métiers — savoir travailler en équipe, apprendre de ses erreurs ou communiquer avec clarté devient aussi stratégique que maîtriser une équation.
Reste que le chantier est immense. Les systèmes d’accountability étatiques n’ont pas encore intégré massivement ces dimensions. Les pilotes actuels misent donc sur une approche formative. On expérimente, on ajuste, on recueille des retours. Petit à petit, la mécanique se met en place.
À l’heure où l’IA envahit les débats éducatifs, entre enthousiasme et inquiétude, cette initiative rappelle une chose essentielle : la technologie n’a de sens que si elle éclaire, sans l’écraser, la complexité humaine. Évaluer l’invisible est un pari audacieux. Encore faut-il le faire avec mesure.
