IA et éducation : les examens repensés par les enseignants

IA et éducation : les examens repensés par les enseignants

Une enquête menée auprès de plus de 700 enseignants en informatique dans 49 pays, réalisée par un groupe de travail de l'ACM, a révélé que 69 % estiment que l'IA a modifié les compétences nécessaires au développement logiciel.

Soixante-quatre pour cent ont déjà réorienté leur enseignement, passant de l'écriture de code à la compréhension du code, au débogage et à la résolution de problèmes.

Les méthodes d'évaluation évoluent encore plus rapidement : 68 % des répondants ont ajusté leurs méthodes de test, avec davantage d'examens en personne surveillés, d'examens oraux, de sessions de défense de code et de travaux basés sur des projets.

Une enquête mondiale montre que la plupart des enseignants ont déjà modifié leurs méthodes d'enseignement et d'évaluation en raison de l'IA. Les examens oraux, la compréhension du code et les travaux basés sur des projets gagnent en popularité. Cependant, près de la moitié des répondants affirment manquer d'exemples concrets pour intégrer l'IA dans leurs cours.

Les outils de codage IA comme ChatGPT et GitHub Copilot peuvent résoudre des devoirs de programmation typiques dans les cours d'introduction, atteignant souvent le niveau d'un étudiant moyen. Une nouvelle étude offre un aperçu général de la manière dont les enseignants en informatique du monde entier réagissent. Elle a été réalisée par le "Groupe de travail ACM sur l'IA générative et l'évaluation de la programmation", un groupe d'experts mis en place par le comité de l'éducation de la société internationale d'informatique ACM.

Le groupe de travail a interrogé 763 enseignants de 49 pays entre mai et octobre 2025. Environ 500 questionnaires presque complets ont été analysés. Les résultats montrent que 69 % estiment que l'IA a modifié les compétences nécessaires au développement logiciel. La principale préoccupation des enseignants est la dépendance croissante des étudiants à la technologie (87 %), suivie de la tricherie et du plagiat (72 %).

Les changements dans l'enseignement

Soixante-quatre pour cent des répondants ont déjà modifié leur manière d'enseigner. Une analyse thématique des réponses ouvertes indique une direction claire : s'éloigner de l'écriture de code à partir de zéro, vers la compréhension du code, le débogage et la résolution de problèmes. Trente-neuf réponses ont également mentionné l'enseignement de l'utilisation de l'IA et de l'ingénierie des invites comme sujets explicites. D'autres démontrent des outils IA en classe pour montrer à la fois leurs capacités et leurs limites.

"Nous savons que les étudiants utiliseront probablement des outils IA lorsqu'ils entreront sur le marché du travail", a déclaré Steven Gordon, professeur à l'Université d'État de l'Ohio et auteur principal du rapport. "L'essentiel est de produire des diplômés compétents en programmation qui comprennent à la fois les capacités et les limites de l'IA."

Les évaluations orales et basées sur des projets

Les changements dans l'évaluation sont encore plus frappants. Soixante-huit pour cent des répondants ont ajusté leurs méthodes de test. Les changements les plus courants incluent davantage d'examens en personne surveillés (56 mentions), une réduction du poids des devoirs (38), des examens oraux et des sessions de défense de code (36), et des tests sur papier (35). Les évaluations basées sur des projets (34) sont également en hausse. Certains enseignants exigent désormais que les étudiants divulguent leur utilisation de l'IA et soumettent des journaux de leurs interactions avec les outils IA.

Les politiques institutionnelles restent un patchwork. Quarante-cinq pour cent des répondants ont déclaré que leur institution avait des directives sur l'utilisation de l'IA, tandis que 39 % ont indiqué le contraire. Les politiques varient entre des interdictions totales et des permissions explicites ou encouragements, tant que l'utilisation est documentée.

Le manque d'exemples de meilleures pratiques pour l'intégration de l'IA

Le principal obstacle, cité par 48 % des répondants, est le manque de meilleures pratiques éprouvées. Vingt-huit pour cent affirment ne pas avoir suffisamment d'expertise en IA, tandis que 20 % ne voient pas la nécessité de l'intégrer dans leur enseignement. En matière de développement professionnel, 74 % souhaitent une formation sur des méthodes d'enseignement efficaces et 66 % veulent de l'aide pour redessiner les évaluations.

Les résultats doivent être interprétés avec prudence. Les participants ont été recrutés principalement par le biais des listes de diffusion de l'ACM et de SIGCSE et des annuaires nationaux d'enseignants. Les répondants sont majoritairement issus de l'Amérique du Nord (227) et de l'Europe (106), tandis que l'Asie (57), l'Amérique du Sud (10), l'Océanie (9) et l'Afrique (3) sont beaucoup moins représentées. Parmi ceux qui ont indiqué leur type d'institution, 77 % travaillent dans des universités, avec peu de représentation des écoles K-12 et des programmes de formation professionnelle. Les résultats sont également basés sur des données auto-déclarées.

L'étude de l'ACM est disponible gratuitement en ligne. Le groupe de travail a également mis en place un site web collectant des exemples pratiques et des ressources pour les enseignants.

Les études montrent que l'utilisation de l'IA améliore les notes mais nuit à l'apprentissage réel

Plusieurs études récentes soutiennent les préoccupations soulevées par les répondants. Une étude d'Anthropic a révélé que les développeurs de logiciels ayant appris une nouvelle bibliothèque Python avec l'aide de l'IA ont obtenu 17 % de moins à un test de connaissances de suivi par rapport à un groupe témoin sans accès à l'IA. Un petit sous-ensemble ayant entièrement délégué le codage à l'IA a terminé les tâches le plus rapidement, mais a obtenu en moyenne seulement 39 % au test de connaissances.

Des schémas similaires apparaissent au-delà de l'informatique. Une étude longitudinale chinoise suivant plus de 26 000 étudiants a montré que l'utilisation de l'IA augmentait les notes de devoirs de 18 % et réduisait le temps de réalisation de 30 %. Cependant, lors d'examens fermés après six mois, les scores ont chuté de 20 %. Lors des examens d'entrée ultérieurs, la baisse était de 18 % et 24 %, selon le test.

Une analyse de l'UC Berkeley portant sur plus de 500 000 notes a révélé une forte augmentation des meilleures notes après la sortie de ChatGPT, en particulier dans les cours axés sur l'écriture et les devoirs de programmation. Ce pic était le plus prononcé dans les cours où les devoirs non surveillés comptaient lourdement dans la note finale. C'est exactement le type d'évaluation que de nombreux enseignants pèsent désormais moins, selon le rapport de l'ACM.