Évaluation par les pairs

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.

Évaluation par les pairs — la pratique par laquelle des étudiants évaluent, notent ou donnent un La rétroaction sur le travail de leurs pairs, au moyen d'une revue écrite entre pairs, d'une notation par les pairs, d'une revue de code entre pairs, ou d'une évaluation de groupe ou d'équipe. Dans la pédagogie de l'écriture et la Pédagogies et stratégies d'enseignement, c'est une bonne pratique de longue date : les étudiants apprennent à la fois en recevant des retours fondés sur des critères et en les fournissant, et le dialogue entre pairs autour d'un travail partagé est corrélé à un apprentissage plus profond, à une conscience du public et au développement social. À l'ère de l'IA, elle est réexaminée comme un choix de conception d'évaluation plutôt que comme une activité unique — un complément humain aux retours générés par l'IA, un terrain d'entraînement pour la Littératie en rétroaction, et un lieu où l'Intégrité académique et l'agence des étudiants se renégocient.

Questions à examiner

Repensez à un moment où votre travail a été évalué par un pair — ou où vous avez évalué le sien. De quoi avez-vous le plus appris : donner un retour ou en recevoir un, et pourquoi ?
Pourquoi le retour d'un étudiant pourrait-il être plus sensible au contexte et plus soutenant sur le plan émotionnel que le retour de l'IA, alors même que le retour de l'IA est plus cohérent et davantage guidé par une grille ? Comment les deux pourraient-ils se compléter ?
Les pairs ont tendance à sous-noter les travaux solides et l'IA a tendance à gonfler les travaux faibles. Si ni l'un ni l'autre n'est fiable sur l'ensemble de l'échelle de qualité, à quoi une note issue de l'une ou l'autre source devrait-elle servir ?
L'évaluation par les pairs dépend fortement du L'étayage et de critères clairs, et le biais d'amitié et l'anxiété sociale peuvent rendre une revue entre pairs non entraînée pire que pas de revue du tout. À quoi ressemble concrètement un entraînement adéquat dans votre contexte ?
Si l'IA peut rédiger des commentaires sur l'organisation et la structure, cela rend-il l'évaluation par les pairs redondante — ou cela libère-t-il les pairs pour qu'ils donnent le retour spécifique et sensible au public que seuls ils peuvent donner ?
Le retour entre pairs assisté par l'IA générative a surpassé le retour entre pairs simple dans une étude, mais uniquement avec l'ajout d'un soutien par consignes. Qu'est-ce qui est soutenu là — l'IA, l'étudiant, ou l'évaluation ?
Évaluer de manière critique les retours générés par l'IA est décrit comme un moyen de développer la littératie IA et l'agence d'auteur. Que signifie avoir de l'agence sur son propre travail alors que des machines le commentent de plus en plus ?

Introduction

L'évaluation par les pairs est un choix de conception d'évaluation dans lequel les étudiants assument une partie du travail évaluatif habituellement réservé aux enseignants. Ses formes diffèrent selon ce que les étudiants produisent et ce qui est en jeu : le retour entre pairs (des commentaires sur un brouillon, généralement formatif et à faible enjeu), la notation entre pairs (une note contribuant à une évaluation), la revue de code entre pairs, et l'évaluation de groupe ou d'équipe (où les pairs évaluent le produit collectif ou les contributions mutuelles). La forme détermine ce que les étudiants exercent — donner un commentaire fondé sur des critères développe l'jugement évaluatif différemment de l'attribution d'un nombre, et défendre oralement son propre code développe encore autre chose. L'auto-évaluation, la pratique sœur, tourne ce même examen fondé sur les critères vers le travail de l'apprenant lui-même, tandis que l'évaluation par les pairs le dirige vers la soumission d'un pair et vers la conscience du public qui l'accompagne.

La base de recherche s'accorde sur le fait que l'évaluation par les pairs produit de l'apprentissage et diverge sur la mesure où cela dépend de la conception. Elle donne aux étudiants un public authentique, développe le jugement évaluatif par la réponse fondée sur les critères, et construit le contexte social qui soutient l'engagement et la La motivation. Sa qualité dépend fortement du L'étayage — de la qualité de sa structuration, et de ce que les étudiants reçoivent des critères clairs et un entraînement. Cette dépendance est le point d'entrée de l'IA, comme complément cohérent et guidé par les critères au retour spécifique et sensible au contexte que donnent les pairs, et de plus en plus comme soutien intégré au processus même d'évaluation par les pairs.

Ce que les étudiants apprennent en évaluant leurs pairs

L'argument le plus fort en faveur de l'évaluation par les pairs est que l'évaluateur apprend. Fowles et al. (2026) ont soumis chaque soumission CS1 à un entretien oral de revue de code de 15 minutes avec un assistant d'enseignement entraîné, pondéré à 70 % de la note du devoir. La proportion de caractères collés rapportée au total est passée de 61,0 % à 68,1 % (p < 0,0001), alors que les notes d'examen n'ont pas baissé et que le temps consacré à la tâche est resté stable ; 90 % des étudiants ont déclaré que les revues les motivaient à mieux comprendre leur code et 65 % qu'elles les aidaient à éviter une dépendance excessive à l'IA. Exiger des étudiants qu'ils expliquent leur travail à un pair entraîné a converti un délestage potentiel en une occasion de pratique autorisée.

Le mécanisme revient dans toute la littérature. Dans une revue systématique PRISMA 2020 de 22 articles issus de 203 examinés, Martínez-Peláez et al. (2025) ont constaté que les LLM soutiennent la collaboration en partie en aidant le retour entre pairs et en simulant des évaluations fondées sur des critères, et que les étudiants qui vérifient et corrigent la sortie du modèle développent la pensée critique. L'apprentissage par l'enseignement apparaît même parmi les machines : le discours de type apprentissage par les pairs entre plus de 2,4 millions d'agents IA était majoritairement de l'affirmation plutôt que de la question (ratio énoncé/question de 11,4:1, réflexion métacognitive ne représentant que 7 % d'une taxonomie codée sur 28 683 messages), ce que Chen et al. (2026) traitent comme une mise en garde : un discours de surface n'établit pas que quoi que ce soit soit appris.

Entraînement, calibration et littératie du retour

L'évaluation par les pairs échoue de manière prévisible lorsque les étudiants ne sont pas entraînés. Gu, Chen et Yan (2026) ont mené une quasi-expérience mixte auprès de 118 étudiants de première année de premier cycle en Chine, comparant ChatGPT-4o sous grilles pré-entraînées à des fiches structurées de revue entre pairs accompagnées d'un exemplaire de haute qualité. La littératie du retour a légèrement plus augmenté dans le groupe IA générative (ANCOVA p = 0,049, η²p = 0,03), mais les résultats qualitatifs importent davantage : les étudiants des groupes de pairs choisissaient leurs sources de retour par commodité sociale — pairs proches, pairs de la même filière, colocataires — se fixaient rarement des objectifs de retour spécifiques, et faisaient face à une anxiété sociale liée à la recherche de retours. L'évaluation par les pairs était plus souvent déformée par le biais d'amitié et la compétence perçue des pairs, et la réflexion entre pairs était souvent différée jusqu'aux examens ultérieurs. Les auteurs recommandent des conceptions en plusieurs étapes avec un retour entre pairs anonyme, puisque la revue entre pairs développe encore de manière unique la conscience du public et le jugement évaluatif par le fait même de donner un retour.

Les cadres de conception ciblent ces goulets d'étranglement. Irwin et Muller (2026) proposent deux rôles pour l'IA générative dans le retour entre pairs en EFL/ESL sur la production orale, un cas qu'ils jugent plus difficile que l'écrit en raison de la pression temporelle, du caractère éphémère de la performance orale et de l'affect exacerbé : un Trainer soutenant les donneurs de retour par une calibration fondée sur des exemples et un retour sur le retour, et un Synthesizer agrégeant les commentaires des pairs en un rapport d'appropriation relié aux critères, qui normalise les formats, préserve les points de vue minoritaires et signale les contradictions. Leurs principes sont un minutage et un séquencement soigneux, de courtes unités répétées du Trainer, la préservation de la voix des donneurs de retour, et des Les garde-fous qui gardent l'enseignant dans la boucle, sans notation automatisée. L'article est conceptuel et ne présente aucune nouvelle donnée empirique.

Validité, équité et précision de la notation : pairs contre IA contre enseignant

Là où l'évaluation par les pairs produit une note, la question est de savoir si cette note est défendable. Usher et Faraon (2026) ont constaté que l'alignement entre pairs et enseignant était le plus fort pour les travaux de qualité inférieure (r = 0,51 dans la tranche de faible qualité) et s'affaiblissait pour les projets de haute qualité, que les pairs avaient tendance à sous-noter — reflétant vraisemblablement une réticence à critiquer un travail solide. ChatGPT montrait le schéma inverse : un meilleur alignement sur les travaux de haute qualité, mais des notes gonflées pour les soumissions faibles. Les étudiants percevaient les notes des pairs comme plus cohérentes avec les commentaires écrits de ces mêmes pairs, et valorisaient le jugement sensible à la relation des pairs autant que la neutralité cohérente de ChatGPT. La précision des pairs dépend de la qualité et est sensible à la relation, et aucune source unique n'est fiable sur l'ensemble de l'échelle.

Cela limite ce à quoi une note entre pairs devrait servir. Une note calibrée au milieu de la distribution n'a pas besoin d'être calibrée en haut ou en bas ; les notes entre pairs sont donc plus défendables comme apport à une décision modérée ou comme preuve du jugement de l'évaluateur que comme note finale sur un travail solide. Suen et Hung (2026) soulignent pourquoi les institutions continuent de chercher des alternatives évolutives : le retour entre pairs et l'accompagnement par des experts prennent du temps, coûtent cher et sont difficiles à mettre à l'échelle de manière cohérente. Leur système en boucle fermée a noté 204 apprenants adultes sur leurs compétences de présentation avec un socle XGBoost approchant la fiabilité des évaluateurs experts (ρ = 0,69–0,78) et des gains pré–post du d de Cohen de 0,39–0,90 — une étude de terrain pré–post, et non une comparaison avec l'évaluation par les pairs, substituant le jugement de la machine au jugement des pairs plutôt qu'il ne l'augmente.

Évaluation par les pairs augmentée par l'IA : PAIRR et la répartition Trainer/Synthesizer

Le modèle de conception dominant garde le pair au centre et ajoute l'IA autour de lui. Le modèle Peer and AI Review + Reflection en est l'instance la mieux documentée. Sperber et al. (2025) ont mis en œuvre PAIRR dans 10 cours d'écriture et trois cours de STEM à forte composante d'écriture, auprès de 654 étudiants (37 % de première génération, 13 % internationaux, 68 % multilingues). Les étudiants rédigeaient, échangeaient une revue entre pairs, sollicitaient ChatGPT pour un retour fondé sur la grille sur le même brouillon, évaluaient de manière critique les deux, planifiaient les révisions et réfléchissaient. 58 % préféraient le retour combiné, 36 % le retour entre pairs seul, et seulement 6 % le retour de l'IA seul. Les deux sources étaient souvent similaires (75 % ont rapporté des similitudes, décrites comme se confirmant et se renforçant mutuellement) et, lorsqu'elles différaient, complémentaires : le retour de l'IA était souvent jugé trop général (31 %) mais fournissait des stratégies de révision actionnables sur l'organisation et la structure, tandis que le retour entre pairs était plus spécifique et détaillé (28 %) et puisait dans une connaissance contextuelle du devoir. Le fait d'évaluer de manière critique la sortie de l'IA développait l'évaluation critique de l'IA et, partant, l'littératie en IA, et seulement 5,3 % des étudiants montraient une confiance excessive en elle.

Le schéma se généralise à l'écriture professionnelle. MacArthur et al. (2025) ont appliqué PAIRR à un cours d'écriture commerciale de troisième cycle où chacun des cinq devoirs majeurs exigeait un brouillon, une analyse du public, une revue par 2–3 pairs, et une révision (34 des 46 étudiants inscrits ont participé ; 69 % multilingues). Les étudiants valorisaient le retour de l'IA mais le trouvaient parfois trop général, et valorisaient la connaissance contextuelle des pairs — « mes pairs l'ont regardé du point de vue de l'employeur… ChatGPT ne l'a pas fait autant. » Un quart des réflexions codées dans la plus grande étude PAIRR exprimait un scepticisme à l'égard du retour de l'IA ou signalait des inexactitudes, ce que les auteurs interprètent comme le développement de la littératie IA. L'étude est descriptive et propre au cours.

L'IA générative comme soutien au sein du retour entre pairs et de l'évaluation de groupe

Le test le plus rigoureux de l'importance de la conception est une expérience randomisée en grappes multisites. Ateş (2026) a randomisé 48 sections réparties sur 4 universités — 1 176 étudiants de première année de biologie, chimie et physique — selon quatre conditions pour l'argumentation scientifique : retour entre pairs seul, retour direct de l'IA générative, retour réflexif de l'IA générative (auto-évaluation puis critique par l'IA), et un hybride d'auto-évaluation → retour entre pairs → critique par l'IA générative. L'IA générative directe a battu le retour entre pairs sur la qualité immédiate de l'argumentation mais a montré un transfert plus faible ; les conceptions réflexives et hybrides ont produit une appropriation plus forte du retour et un apprentissage autorégulé ; la conception hybride a montré l'avantage le plus net sur l'apprentissage conceptuel ; les deux ont surpassé l'IA générative directe sur le transfert différé sans IA. La valeur de l'IA générative, concluent les auteurs, dépend moins de l'accès que de la question de savoir si l'environnement préserve l'agence et l'appropriation par l'étudiant durant la révision.

Séquencer le retour de l'IA avant la discussion entre pairs, plutôt qu'après, a également élevé les résultats : par rapport au retour entre pairs seul, 122 étudiants chinois d'EFL ayant reçu un retour intégré IA-plus-pairs ont rapporté un engagement affectif, comportemental et cognitif plus élevé (η² partiel = 0,29, 0,28, 0,32) et ont surpassé les autres sur les quatre dimensions d'écriture de l'IELTS, le plus largement pour la réalisation de la tâche (d = 1,41) (Liu (2026)).

Ce schéma — un avantage précoce qui ne tient pas — revient lorsque la comparaison porte sur le retour de l'enseignant face au retour entre pairs assisté par l'IA, plutôt que sur l'IA générative seule. Tang, Li et Luo (2026) ont mené une quasi-expérience de huit semaines auprès de 61 rédacteurs chinois en L2 (244 textes notés) travaillant à partir d'une même liste de contrôle à cinq dimensions, une classe recevant le retour écrit de l'enseignant et l'autre un retour entre pairs assisté par l'IA. Le retour de l'enseignant a produit bien plus de commentaires — 316 items contre 185 à la première tâche, concentrés sur le lexique et les détails techniques — et le gain immédiat légèrement plus important, mais son amélioration a chuté nettement dès la deuxième tâche tandis que la classe à retour entre pairs assisté par l'IA est restée stable et a fini avec le meilleur score de révision. Les commentaires entre pairs assistés par l'IA étaient moins nombreux mais sont restés ancrés dans le contenu et la structure, et leur avantage lexical initial ne s'est pas maintenu ; aucun des deux modes n'a fait évoluer la complexité syntaxique. Les auteurs lisent les deux comme des soutiens complémentaires et proposent un hybride IA–Pairs–Enseignant, dans lequel l'IA marque les erreurs de surface durant la rédaction, les pairs négocient le contenu lors de la révision, et l'enseignant cible ce que ni l'un ni les autres n'ont atteint.

L'ajout d'IA générative peut aussi élever la qualité du retour entre pairs lui-même, mais apparemment uniquement avec un soutien par consignes. Chang et al. (2026) ont comparé trois conditions parmi 45 étudiants enseignants répartis en 12 groupes sur quatre tours d'argumentation collaborative : retour entre pairs simple, retour entre pairs avec IA générative, et retour entre pairs avec IA générative sous soutien par consignes. Les groupes soutenus par l'IA générative ont surpassé le retour entre pairs simple sur la performance d'argumentation, et le groupe à soutien par consignes a le mieux performé sur les éléments avancés tels que les « données et justificatifs de réfutation » et le « traitement du point de vue adverse ». Les groupes soutenus par l'IA générative ont produit plus d'explications, de suggestions et de retours neutres ou négatifs, et le groupe à soutien par consignes a associé des émotions négatives à un contenu de retour d'ordre supérieur — une évaluation critique plutôt qu'une acceptation passive. C'est une petite expérience unique, mais elle isole le soutien par consignes comme ingrédient actif.

L'évaluation de groupe change le problème, car les étudiants doivent négocier quel usage de l'IA est acceptable. Chen et Zou (2026) ont interrogé 15 groupes de discussion réunissant 52 enseignants en formation initiale dans un cours où une présentation de groupe valant 30 % de la note finale exigeait intégration et cohérence. Trois schémas ont émergé : une agence orientée coopération dans cinq groupes, qui ont intensifié l'usage de l'IA générative pour tenir le travail ensemble et protéger une note partagée ; une agence normative dans sept groupes, qui en ont restreint l'usage pour protéger l'authenticité et l'équité — un étudiant a raisonné que générer une partie par l'IA serait « injuste envers les autres membres du groupe » ; et une agence non enactée dans trois groupes dont la pratique n'a jamais changé par rapport au travail individuel. Les auteurs soutiennent que la capacité individuelle ne devient pas d'elle-même une agence collective et que la négociation d'un usage acceptable de l'IA devrait elle-même devenir un résultat évaluable, les tâches de revue entre pairs alimentant le produit final.

Architecture du retour, divulgation et conditions sociales de l'évaluation par les pairs

L'évaluation par les pairs dépend aussi de ce que les étudiants peuvent voir les uns des autres et de ce qu'ils admettent. Hao et Cukurova (2026) ont testé une conception pédagogique de résumé généré par l'IA sur trois itérations auprès de 128 étudiants pendant huit semaines. Les étudiants des itérations soutenues par l'IA ont montré une centralité de degré sortant standardisée significativement plus élevée que la ligne de base (β = 0,547 et β = 0,438, tous deux p < 0,001) : ils ont consulté ou interagi avec davantage de pairs. Les entretiens ont décrit les résumés comme une carte de navigation qui réduisait l'effort de recherche de contributions enfouies dans des fils mal nommés, et les étudiants se sont attachés aux contributeurs actifs choisis pour des opinions contrastées plutôt qu'à leurs amis. La conception n'a pas empêché le déclin de l'activité de consultation sous une charge croissante, si bien que les affordances technologiques seules ne soutiennent pas l'engagement.

Les normes entre pairs façonnent également l'honnêteté, ce qui importe partout où les pairs évaluent un travail influencé par l'IA. Qu et Wang (2026) ont interrogé 409 étudiants de premier cycle singapouriens sur les raisons pour lesquelles les étudiants dissimulent leur usage de l'IA générative malgré les obligations de divulgation, et ont constaté que les variables relationnelles dominaient : la divulgation perçue des pairs et l'aisance avec les enseignants étaient les prédicteurs les plus forts de la divulgation, tandis que le désengagement moral était plus faible. La non-divulgation était une adaptation stratégique aux normes perçues des pairs et à une faible confiance interprétative, et non une négligence morale. Les normes entre pairs peuvent donc soutenir l'honnêteté, comme lorsque des étudiants en évaluation de groupe restreignaient l'usage de l'IA par obligation envers leurs coéquipiers, ou la supprimer, comme lorsque l'adoption collective abaissait le risque perçu du détournement. La transparence, soutiennent les auteurs, dépend moins de la conformité que de la confiance et de climats normatifs positifs — une condition relationnelle que les conceptions d'évaluation par les pairs créent ou détruisent.

Implications de conception et questions ouvertes

Plusieurs choix de conception en découlent. Donner aux évaluateurs un entraînement, des exemples et des critères avant qu'ils n'évaluent, car une évaluation par les pairs non entraînée est vulnérable au biais d'amitié, à la sélection des sources par commodité et à l'anxiété sociale. Séquencer le travail de sorte que l'auto-évaluation précède le retour entre pairs et la critique par l'IA, puisque la condition hybride a produit l'apprentissage conceptuel le plus fort et le meilleur transfert différé. Là où l'IA générative intervient, soutenir la manière dont les étudiants formulent leurs consignes. Garder l'enseignant dans la boucle pour tout ce qui devient une note, traiter les notes entre pairs comme une preuve dépendante de la qualité plutôt que comme des notes uniformes, et faire de l'usage de l'IA lui-même quelque chose que les groupes négocient et documentent.

La revue médiatisée par l'IA générative hérite aussi des normes linguistiques de l'outil : des contributeurs à un dialogue sur les World Englishes soutiennent que les évaluateurs utilisant l'IA générative sont exposés au même biais en faveur des variétés dominantes de l'anglais que les modèles, et recommandent d'éditer ou de réécrire le texte généré pour refléter l'identité linguistique propre de l'auteur (Ugwuanyi et al. (2026)).

Les questions ouvertes portent sur la solidité des données probantes, et pas seulement sur la conception. Une grande partie des données sur les pairs et l'IA est réduite et liée au contexte : 45 étudiants enseignants dans un cours, 34 étudiants dans un cours d'écriture commerciale, 52 enseignants en formation initiale dans 15 groupes de discussion. L'enquête PAIRR est le plus grand jeu de données présenté ici et mesure les perceptions des étudiants, non la qualité des sorties de l'IA qu'ils jugeaient. Seuls les 1 176 étudiants de premier cycle de l'expérience multisites approchent une échelle causale-comparative, et elle teste la conception du retour pour l'argumentation scientifique plutôt que l'évaluation par les pairs en tant que telle. Pendant ce temps, O'Neill (2026) a audité 14 méta-analyses évaluées par les pairs affirmant que l'IA améliore l'éducation et a constaté qu'aucune ne fournissait de base valable à ses affirmations — toutes sauf deux définissaient le traitement comme un outil plutôt que comme une intervention pédagogique, l'hétérogénéité était élevée dans chaque méta-analyse rapportant l'I² (de 77,2 % à 94,4 %), et un audit de 59 études primaires a révélé que 61 % présentaient des problèmes de validité, le plus souvent un décalage entre le résultat mesuré et l'affirmation faite. Les affirmations sur ce que fait l'IA dans l'évaluation par les pairs devraient être traitées comme des affirmations portant sur une activité conçue, testées dans les termes de cette activité.

Concepts liés

Patrons pédagogiques — PAIRR et le retour combiné pairs-plus-IA : les séquences et leurs données comparatives
L'écriture
L'évaluation formative
Auto-évaluation
Qualité de la rétroaction par IA
Littératie en IA
L'apprentissage autorégulé
La métacognition
L'expérience étudiante
Apprentissage collaboratif
Intégrité académique
Littératie en rétroaction
La rétroaction
Travail en groupe
Évaluation
L'étayage

FAQ liées

Métadonnées

Discipline	Writing Education
Public visé	Learners, Instructors
Apprentissage et enseignement	Apprentissage collaboratif, La métacognition, L'apprentissage autorégulé
Évaluation et mesure	Qualité de la rétroaction par IA, L'évaluation formative, Travail en groupe

Source History Edit Chat