Jugement évaluatif

Sur cette page

Cette page est traduite en français. Les pages d'articles sont encore rédigées en anglais. Lire cette page en anglais

Cette page est une traduction automatique de la page anglaise, non relue par un locuteur natif.

Jugement évaluatif — la capacité de porter des jugements solides sur la qualité de son propre travail et de celui des autres, au regard de critères que l'on peut raisonner plutôt que réciter. À l'ère de l'IA générative, il est passé d'un attribut de diplômé souhaitable à une capacité structurante : lorsqu'un outil peut produire un travail fini plausible, la capacité qui distingue un apprenant compétent est celle d'apprécier cette production — de juger ce qui est bon, ce qui est faux, ce qu'il faut accepter, ce qu'il faut rejeter, et pourquoi. Cela fait du jugement évaluatif un objet légitime d'évaluation à part entière, et le pivot pratique pour faire passer les institutions de l'détection à une conception de l'évaluation centrée sur la validité et authentique.

Questions à examiner

Songez à quelque chose que vous savez bien juger. Comment avez-vous appris ce jugement — par un enseignement explicite ou de manière absorbée, en produisant et en comparant — et qu'est-ce que cela implique quant à la manière dont il devrait être évalué ?
Une grille d'évaluation peut être appliquée mécaniquement ou comprise. Si un étudiant applique correctement les critères mais ne peut pas expliquer pourquoi un travail l'emporte sur un autre, quelle capacité l'évaluation a-t-elle réellement mesurée ?
Lorsqu'un modèle de langue rédige une solution plausible, le travail restant de l'apprenant est largement du jugement : que conserver, que corriger, que jeter. Est-ce une tâche diminuée, ou une tâche plus exigeante que de produire le brouillon ?
Un étudiant peut accepter une suggestion d'IA parce qu'elle se lit bien, ou parce qu'elle survit à son propre examen critique. De l'extérieur, le travail soumis peut sembler identique — qu'est-ce qui permettrait à un évaluateur de voir la différence ?
Une expérience multisite a montré que la rétroaction directe par IA produisait les plus grands gains de révision, mais risquait un transfert passif du jugement. Qu'est-ce que ce compromis suggère quant à la manière dont vous concevriez la rétroaction pour construire le jugement plutôt que le contourner ?
La révision par les pairs et par l'IA peut entraîner la calibration, mais l'une et l'autre peuvent devenir performatives. Comment concevriez-vous l'évaluation pour que l'exercice du jugement soit exigé plutôt que joué ?

Introduction

Les évaluations qui demandent aux étudiants de produire un travail présupposent qu'ils savent distinguer un bon travail d'un mauvais, d'abord chez les autres et finalement dans le leur. Cette présupposition n'est plus fiable : lorsque l'IA générative peut produire à la demande des analyses, du code et des textes compétents, la capacité de produire un produit est un faible signal d'apprentissage, tandis que la capacité de juger un produit en est un signal fort. Le jugement évaluatif nomme cette capacité, et les travaux d'évaluation de la base de connaissances n'ont de cesse d'y aboutir lorsqu'ils demandent ce qui reste évaluable et digne de l'être. Il se situe à la rencontre de la rétroaction, de l'évaluation formative et de l'apprentissage autorégulé, parce que le jugement se développe en comparant un travail à des références et en agissant sur l'écart constaté, et parce que c'est lui qui rend réellement possible un engagement critique avec les productions de l'IA, plutôt que de le laisser à l'état d'aspiration.

Ce qu'est le construit

Le jugement évaluatif est la capacité d'apprécier la qualité — de son propre travail, de celui des pairs et, de plus en plus, de celui d'un système d'IA — à l'aide de critères que l'on peut raisonner plutôt que réciter. Trois traits le distinguent des idées voisines.

Il porte sur la qualité, non sur l'exactitude. Répondre correctement exige des connaissances ; juger si une réponse est bonne exige des références qu'aucun générateur ne peut fournir à la place de l'apprenant.
Il se développe, il ne se transmet pas. Le jugement grandit par des actes répétés de comparaison — contre des exemples types, des critères explicites et les approches divergentes des pairs — c'est pourquoi les exemples types, les exercices de calibration et l'évaluation par les pairs en sont les pédagogies naturelles.
Il est situé dans un domaine. Il s'exerce à l'intérieur des normes de preuve et d'argumentation propres à une discipline, de sorte qu'il ne peut pas être évalué de manière générique, pas plus qu'on ne peut présumer le transfert.

Il est étroitement lié à l'authenticité en évaluation, mais plus étroit qu'elle : l'évaluation authentique demande si une tâche ressemble à un travail réel qui vaut la peine ; le jugement évaluatif demande si l'apprenant sait distinguer un bon travail d'un mauvais. L'autoévaluation apprécie le propre travail de l'apprenant, sa compétence ou ses progrès au regard de critères, tandis que le jugement évaluatif étend cette appréciation au travail des pairs et aux productions d'un système d'IA.

Pourquoi l'IA générative l'a rendu central

Quatre arguments convergent.

Le produit cesse d'être une preuve. L'achèvement d'une tâche ne démontre plus la capacité que cette tâche était censée certifier, parce qu'un outil peut en accomplir une grande partie. Ce qui reste, c'est le raisonnement qui produit, vérifie et rend compte du produit — le jugement, en un mot.
C'est la capacité qui régit l'usage de l'IA. Décider si une suggestion d'IA mérite d'être acceptée, adaptée ou rejetée, c'est du jugement évaluatif appliqué à une production machine. Les cours qui ne peuvent le rendre visible ne peuvent distinguer un usage responsable d'une substitution, ce qui fait que les spécialistes de l'intégrité traitent de plus en plus l'usage critique de l'IA comme un résultat évaluable plutôt que comme une règle à surveiller.
C'est le pivot de l'application coercitive à la conception. Là où l'usage interdit ne peut être détecté, Teichmann (2026) désigne la culture du jugement évaluatif comme l'un des trois volets de conception qui font passer les institutions de l'application coercitive par la détection à une évaluation centrée sur la validité — car, là où l'institution ne peut détecter, la capacité qui résiste à l'examen est de savoir si l'étudiant peut rendre compte du travail et de sa qualité.
Il convertit la déclaration, de l'aveu en preuve. Lorsqu'une tâche demande aux étudiants d'expliquer à quoi ils ont employé l'IA, quelles suggestions ils ont acceptées ou rejetées, et comment le travail final rend compte de leur propre jugement, la déclaration devient une démonstration de jugement plutôt qu'un aveu à interpréter de manière punitive — ce qui est précisément ce qui abaisse le coût de l'honnêteté qui, autrement, pousse la déclaration à la clandestinité.

Une couche supplémentaire concerne la source d'un jugement, et pas seulement son contenu. AlGhamdi (2026) donne à cette couche un vocabulaire plus précis : ses 13 étudiants saoudiens en informatique ont rendu deux jugements indépendants au sein d'un même événement d'évaluation — si la rétroaction était utile, et si sa source avait l'autorité pour noter. Tous ont accepté la rétroaction fondée sur la grille de ChatGPT comme claire et précise, tout en réservant dans leur immense majorité la note à l'enseignant (« Je suis d'accord avec elle, mais à une condition : que le docteur vérifie la rétroaction »), ce qui suggère que le jugement évaluatif, dans l'évaluation médiée par l'IA, doit désormais inclure le raisonnement sur l'autorité évaluative elle-même, et pas seulement sur la qualité de la rétroaction reçue.

Sharma (2026) donne au construit sa place la plus forte dans la littérature sur l'intégrité. Étendant le cadrage post-plagiat d'Eaton (2023) d'une orientation éthique à la conception de l'évaluation, il soutient que les modèles d'intégrité fondés sur la détection et la vérification sont mal ajustés à des travaux où le jugement humain et la production machine s'entremêlent, et reconçoit l'intégrité comme une pratique pédagogique mise en œuvre par le jugement évaluatif — la capacité de l'apprenant à peser les options, à justifier des choix académiques et à assumer ses responsabilités face à l'incertitude épistémique. Ses quatre pratiques (pistes de décision annotées, vérification et reddition de comptes, soutenance orale et responsabilité dialogique, différences entre brouillons avec historique des versions) rendent ce jugement visible comme preuve, plutôt que de l'inférer de l'artefact, et il distingue le jugement des construits auxquels on le réduit souvent : la pratique réflexive considère sa propre pensée rétrospectivement, la La métacognition est la conscience et la régulation des processus cognitifs, tandis que le jugement évalue des options au regard de références et en assume les conséquences dans l'incertitude. Il nomme aussi le mode d'échec que cette page suit — exiger un raisonnement documenté risque « le remplacement d'un régime de conformité par un autre », puisque le jugement comme preuve « demeure relationnel et situé plutôt que mécaniquement vérifiable ».

Données probantes : comment le jugement se développe, et ce que l'IA lui fait

Les travaux de la base de connaissances sur l'apprentissage collaboratif et sur l'évaluation fournissent des données convergentes montrant que le jugement évaluatif est apprenable, déplaçable et concevable — et que l'IA agit dans les deux sens.

L'entraînement par la comparaison le développe de manière mesurable. Dans une étude de 14 semaines menée auprès de 28 enseignants en formation initiale, des exemples types forts, moyens et faibles générés par l'IA ont servi d'ancrage à une comparaison itérative des brouillons des étudiants avec des points de référence ; le focus d'évaluation s'est étendu des traits superficiels du langage au contenu, à l'organisation et à la cohérence — mais le raisonnement est resté mince, la justification fondée sur les exemples ayant doublé tandis que le raisonnement comparatif le plus sophistiqué demeurait rare. Le jugement peut être étayé jusqu'à exister ; il n'apparaît pas sur commande, et la qualité des points de référence compte.
La conception de la rétroaction décide si l'autonomie survit. Une expérience de terrain multisite, randomisée par grappes, menée auprès de 1 176 étudiants de première année répartis sur 48 sections, a comparé quatre conditions de rétroaction pour l'argumentation scientifique : pairs seuls, IA générative directe, IA générative réflexive (s'autoévaluer puis critiquer), et hybride (s'autoévaluer + pairs + IA générative). La condition hybride a produit le plus grand gain en qualité d'argumentation ; la rétroaction directe par IA générative risquait une appropriation passive — les étudiants externalisant leur jugement évaluatif vers le système — tandis que les conceptions réflexives et hybrides préservaient l'autonomie épistémique en forçant l'étudiant à évaluer d'abord son propre travail. La conclusion centrale des auteurs est que la valeur éducative de l'IA générative dépend moins de l'accès à l'IA que de la capacité de l'environnement de rétroaction à préserver l'autonomie, le jugement et la propriété du travail pendant la révision.
La source de la rétroaction façonne la dimension du jugement qui se développe. Dans une étude de cas en statistique au niveau doctoral, ChatGPT-4o a fourni des indications procédurales mais n'a pas pu signaler un fichier de données erroné ni un test mal appliqué, tandis que le dialogue avec les pairs a repéré l'erreur de données en temps réel et forcé la justification du choix de méthode (Xie et coll. (2025)).
La révision structurée par les pairs et l'IA met la calibration à l'échelle. Le modèle PAIRR (Sperber et coll., 2025) associe la révision par les pairs, la révision par l'IA et la réflexion structurée, et a été testé dans la plus grande étude à ce jour sur l'usage de la rétroaction par l'IA par des étudiants (654 étudiants, dix cours d'écriture). Il traite la comparaison entre son propre jugement, celui des pairs et celui de l'IA comme le terrain d'entraînement, faisant du jugement évaluatif un résultat d'apprentissage explicite plutôt qu'un sous-produit implicite.
La rétroaction par l'IA n'aide que si la littératie existe déjà. Un cadre conceptuel proposé par des figures de proue de la littératie de la rétroaction (Boud, Dawson et Yan) analyse la rétroaction selon les phases de sollicitation, de traitement et de mise en œuvre, à l'aide de deux cas contrastés d'IELTS avec ChatGPT : un étudiant peu lettré en matière de rétroaction a employé une invite vague, reçu une production générique, et s'y est fié ou l'a trop copiée, tandis qu'un étudiant lettré a utilisé l'IA de manière critique et a appris. L'IA générative abaisse les barrières cognitives et émotionnelles à la recherche de rétroaction, mais peut elle-même être hallucinée, biaisée ou générique — c'est pourquoi les enseignants sont invités à modéliser la planification évaluative et à entraîner le jugement, et pas seulement l'ingénierie des invites.
Le jugement durable, non la rétroaction momentanée, est le manque. Une revue de cadrage de l'évaluation authentique (Zhan, Boud et Du) a montré que la rétroaction formative par IA était abondante, mais que la rétroaction durable — transférable à des contextes futurs — n'était présente que dans 4 des 23 études formatives. Une rétroaction qui clôt la tâche du moment en laissant l'apprenant incapable de juger un travail futur est le mode d'échec du jugement évaluatif sous sa forme la plus claire.
La critique des brouillons générés a développé le jugement des éducateurs. Paula et coll. (2026) ont constaté que la littératie d'évaluation de huit coordinateurs de cours s'est développée à mesure qu'ils critiquaient les grilles et les calendriers générés par un outil GPT-4.1 au regard des normes disciplinaires, tandis que les huit refusaient une automatisation de bout en bout — l'outil a renforcé le jugement académique plutôt qu'il ne l'a remplacé.
L'évaluation peut être conçue pour récompenser le jugement plutôt que la production. Le modèle des zones de réponse formalise pourquoi : la refonte diminue le gain tiré de l'externalisation cachée et augmente la valeur du raisonnement visible, de l'explication et de la critique. Demander aux étudiants d'expliquer quelles suggestions d'IA ils ont acceptées et rejetées transforme la décision elle-même en preuve évaluable.
Le jugement de l'institution elle-même manque des critères qu'elle exige des étudiants. Munoz et coll. (2026) ont évalué la valeur probante de 1 855 éléments de preuve répartis sur 1 162 allégations de manquement lié à l'IA générative, et ont constaté que la qualité des preuves n'entretenait aucune relation fiable avec l'issue des affaires, parce qu'aucune étape de la procédure ne fixait de seuil probatoire minimal ni n'exigeait des enquêteurs qu'ils pèsent la valeur probante avant de faire progresser une allégation — les commissions pesaient les preuves au travers d'un jugement professionnel non structuré. Les sorties des détecteurs constituaient la catégorie la plus faible de ce corpus (les sorties de détecteurs employées seules étant globalement peu crédibles), et Hadra et coll. (2026) montrent que l'instrument ne peut établir le fait qu'une conclusion affirme — précision macro de 0.69 et 0.61 sur 192 textes, échec quasi total sur l'écriture hybride humain-IA, et une préoccupation de biais limite pour les scripteurs en EFL — ce qui explique que la recommandation des auteurs eux-mêmes soit le jugement humain, une politique plus claire et des tâches mieux spécifiées, plutôt que la surveillance. « Mieux spécifiées » compte double : Wright (2026) soutient que des règles écrites en fonction de l'identité de la plateforme plutôt que de la fonction sont sur-inclusives par accident définitionnel, sanctionnant un étudiant qui n'a pas fait ce que la règle visait à empêcher ; le jugement de l'évaluateur doit donc porter sur ce qu'un outil a fait plutôt que sur la plateforme employée. Un jugement exercé sans critères partagés ne peut être enseigné, calibré ni audité — le problème de cohérence que cette page relève chez les étudiants, atteignant ici le niveau de l'institution. Le jugement des évaluateurs porte aussi une direction mesurable qui lui est propre : cinq responsables des admissions, départageant 50 dissertations de candidature humaines de 50 dissertations générées par IA, ont atteint une AUC de 0.70 (IC à 95 % [0.65, 0.75]), et leurs évaluations de la qualité baissaient à mesure que la probabilité perçue de recours à l'IA augmentait, une association qui a résisté à l'ajustement sur la qualité évaluée par la machine, la provenance réelle et les caractéristiques des candidats (−0.109, p < .05). Comme personne n'avait filtré au préalable les travaux soumis, ce jugement sans assistance constituait l'intégralité du mécanisme d'application, et chaque dissertation signalée portait 1,5 point de pourcentage de probabilité d'admission en moins, 2,6 une fois la qualité de la dissertation maintenue constante (Isley, Gaebler et Goel 2026).
Des indicateurs du jugement au niveau de la classe sont proposés. Austin (2026) ajoute deux signaux comportementaux à une séquence de travaux repensée : le taux de discernement UnBlooms™, la part des productions de l'IA qu'un apprenant interroge, conteste ou révise plutôt qu'il n'accepte, et le taux d'acceptation au premier passage. Ni l'un ni l'autre n'est validé — tous deux sont proposés comme des diagnostics peu coûteux par travail — mais ils rendent le construit observable à l'intérieur de la notation ordinaire, où un taux de discernement proche de zéro sur plusieurs travaux se lit comme un signal de conception de la tâche plutôt que comme un déficit individuel.

Comment le mésusage déplace le jugement

Le risque le plus clair est le déplacement, et il est attesté dans la littérature sur la rétroaction plutôt que seulement théorisé. Lorsque l'outil fournit la grille, la rétroaction et le suivi, la pratique métacognitive et évaluative de l'apprenant est déplacée plutôt que soutenue — l'évaluation devient une performance de jugement que l'étudiant n'a jamais exercé, le même mode d'échec que le délestage cognitif exprimé dans le registre de l'évaluation. La rétroaction directe par IA générative, dans l'expérience multisite, a poussé exactement vers cette externalisation passive. La pression de la notation l'aggrave : là où l'autoévaluation ou la réflexion sur l'usage de l'IA est elle-même notée, les étudiants peuvent produire la réflexion que la grille attend plutôt que le raisonnement ; un jugement authentique exige donc de rendre l'exercice contraignant — une décision qui se voit dans les travaux ultérieurs, une explication orale, ou une justification documentée qui est elle-même examinée.

Implications pour la pratique

Énoncez-le comme un résultat. Si apprécier la qualité d'un travail — y compris les productions de l'IA — est ce qui compte, inscrivez-le dans les résultats d'apprentissage et évaluez-le, plutôt que de le laisser comme un sous-produit de la tâche.
Évaluez la décision, pas seulement l'artefact. Demandez aux étudiants de justifier ce qu'ils ont gardé, modifié ou rejeté ; cela transforme la pensée en preuve et rend la substitution visible sans surveillance.
Nommez la routine de jugement. L'Agency Check d'O'Byrne — crédible, pertinent, acceptable, nuancé — demande si la production est exacte, ajustée, utilisable, et si elle porte une position et une voix ; dans une étude menée sur un semestre, les artefacts finaux des étudiants les plus et les moins enclins au jugement étaient trompeusement semblables (O'Byrne, 2026).
Employez délibérément exemples types et calibration. Le jugement comparatif contre des exemples types forts, moyens et faibles est le mécanisme que les données probantes soutiennent, et l'IA rend la génération de ces exemples peu coûteuse — l'un de ses usages pédagogiques les plus clairs.
Préférez la rétroaction hybride et réflexive à la production directe. L'autoévaluation avant la critique par l'IA, ou soi + pairs + IA, préserve l'autonomie que la rétroaction directe par l'IA érode ; concevez l'environnement de rétroaction, et n'ajoutez pas seulement un outil.
Visez le jugement durable, non des correctifs momentanés. Une rétroaction qui ne peut se transférer à la tâche suivante n'entraîne rien de durable.
Associez-le au processus et aux oraux. Les artefacts de processus et les courtes explications orales montrent le jugement en action là où un produit final ne le peut pas, ce qui est une raison essentielle pour laquelle la refonte de l'évaluation à l'ère de l'IA s'appuie sur eux.
Rendez le jugement conservé visible par des sondages de la dette de compréhension. Mahmoud (2026) définit quatre obligations transversales — expliquer, vérifier, modifier et rendre compte — qui rendent visible la compétence conservée à chaque niveau d'intégration de l'IA, et propose des demandes de modification différées, des revues de code, des tests conçus indépendamment, la localisation de défauts et le débogage en direct comme autant de sondages comparant ce qui a été produit à ce qui peut être démontré ultérieurement. Sous la capacité agentique, la cible de l'évaluation se déplace vers la supervision — contrats de tâche, frontières d'autorisation, bacs à sable, harnais d'évaluation, revue des diffs, retour en arrière et responsabilité humaine — déplaçant l'évaluation de l'auteur visible vers le jugement visible.

Concepts liés

Patrons pédagogiques — The appraisal step students perform on AI output inside these sequences
L'IA en éducation — AI in education (umbrella)
Validité de l'évaluation
La rétroaction
Littératie en rétroaction
L'évaluation formative
Auto-évaluation
Évaluation authentique
Intégrité académique
L'apprentissage autorégulé
La métacognition
La pensée critique
Évaluation
Détection de l'IA
L'agence de l'apprenant
Enseignement supérieur

Métadonnées

Niveau	Higher Ed
Public visé	Instructors, Learners, Assessment Designers
Apprentissage et enseignement	La métacognition, L'apprentissage autorégulé
Évaluation et mesure	Validité de l'évaluation, La rétroaction, L'évaluation formative
Fondements de l'IA dans l'éducation	Intégrité académique, La pensée critique

Source History Edit Chat