Comment apprendre aux étudiants à vérifier les productions de l'IA ?

Traduction automatique de la page anglaise, non encore relue par une personne de langue maternelle.

Vous les avez avertis. L'agent conversationnel n'est pas un moteur de recherche, vérifiez les sources, utilisez-le de façon responsable, et les mêmes citations fabriquées et réponses fausses mais assurées continuent d'arriver dans les travaux. Les avertissements échouent parce qu'ils demandent une disposition. Les étudiants prudents l'ont, les pressés ne l'ont pas, et il n'y a rien dans cette phrase sur quoi un étudiant puisse agir à 11 h du soir avec une production à l'écran qui se lit parfaitement bien.

Les recherches rassemblées ici montrent que ce cadrage est trop grossier pour être enseigné ou évalué. Vérifier est un ensemble d'actions analytiquement distinctes, et l'étiquette large « usage responsable » masque la différence entre un étudiant qui a tenté une vérification et un étudiant qui a tranché si la production était correcte. L'essentiel : la vérification devient enseignable dès l'instant où vous cessez de la traiter comme un trait et commencez à la traiter comme une séquence, soit une norme fixée avant la vérification, une vérification qui produit une trace, et une décision que l'étudiant doit défendre sur des motifs disciplinaires. C'est un problème de conception que vous pouvez résoudre cette semaine, et un problème d'évaluation que vous pouvez résoudre avec des artefacts que le travail demandé génère déjà.

Cette page porte sur la mécanique de la vérification elle-même. Pour ce que les étudiants devraient comprendre du fonctionnement de ces systèmes, et pour la manière dont cette compréhension est définie, séquencée et évaluée, voir Comment intégrer la littératie en IA dans mon cours ? et Que disent les données probantes sur les interventions de littératie en IA dans l'enseignement supérieur ?. Un étudiant peut en savoir beaucoup sur les grands modèles de langue et ne rien vérifier.

Ce que la vérification exige réellement d'un étudiant

Wei et Shang (2026) distinguent sept cibles que « l'usage critique de l'IA » réduit habituellement à une seule : l'évaluation épistémique, le déclenchement de la vérification, la qualité du processus, le succès de la vérification, les décisions de recours, la performance immédiate à la tâche et l'apprentissage autonome. La grille de votre plan de cours dit « sources vérifiées », ce qui se situe à la deuxième étape et ne dit rien sur le fait que la vérification a été compétente (qualité du processus) ou qu'elle a changé quelque chose (succès, puis décision de recours). Le déclenchement n'est pas le succès : un processus solide peut se terminer sans conclusion, un processus faible peut tomber sur la bonne réponse, et un étudiant qui a lancé une recherche et est resté confus obtient le même score qu'un étudiant qui a résolu la question.

La seconde distinction est entre la confiance et le recours. La même revue définit la calibration du recours comme un jugement sur le caractère approprié d'une décision de recours compte tenu de la qualité réelle de la production de l'IA : une classification conditionnée par la production, et non une étape sur une ligne du temps ni un score sur une échelle de confiance. Une étude auditée a trouvé que de fausses informations de ChatGPT déplaçaient la confiance déclarée des participants, mais n'a jamais enregistré s'ils avaient ensuite accepté ou rejeté une recommandation précise. Une autre a consigné les décisions d'acceptation et de rejet de la rétroaction de ChatGPT pour 78 étudiants en traduction, mais sans évaluation indépendante par des experts, une acceptation ne peut pas être qualifiée d'appropriée, ni un rejet de justifié. Sans vérité de terrain sur la qualité de la production, le recours ne peut pas être classé du tout, ce qui vous dit ce dont chaque tâche de vérification a besoin : un corrigé défendable.

C'est pourquoi Jaidka et Cai (2026) traitent la mauvaise calibration comme un problème de conception plutôt que comme un déficit de l'étudiant. Leur typologie croise la capacité de vérifier et la motivation à vérifier, et les profils exigent des remèdes différents : l'utilisateur très capable et peu motivé est enclin à une confiance excessive et complaisante, tandis que l'utilisateur peu capable et peu motivé est le plus exposé, de sorte que deux étudiants qui échouent à la même vérification peuvent avoir besoin de remèdes opposés.

Comment l'enseigner

La synthèse de Wei et Shang s'appuie sur 493 notices dédoublonnées issues des recherches du Web of Science Core et a cartographié 14 études empiriques prioritaires dans des colonnes vérification, recours et résultats. Sa production constructive est la séquence autour de laquelle construire des tâches. Tranchez d'abord sur la qualité de la production, consignez si la vérification a été déclenchée, codez la qualité du processus, notez si elle a réussi, enregistrez la décision accepter-réviser-rejeter, et évaluez cette décision par rapport à la qualité tranchée. Un avertissement a aussi sa place ici : les interventions qui réduisent l'acceptation inappropriée doivent aussi être examinées pour le rejet involontaire d'une aide correcte, alors laissez à l'étudiant la possibilité d'accepter une bonne production pour une raison énoncée.

Prédire avant la production, puis comparer. Gousopoulos (2026) construit un programme de mesure pour les tâches de construction autour de prédire avant d'exécuter : l'apprenant énonce ce qui devrait se produire, puis le comportement de l'artefact est jugé par rapport à cette prédiction sur des motifs disciplinaires, plutôt que selon qu'il fonctionne ou non. Son audit de 24 études a trouvé le même outil produisant des résultats opposés selon la structure de la tâche : un dispositif ChatGPT conventionnel terminait nettement plus bas en réussite, en sentiment d'efficacité personnelle et en flow, tandis qu'une condition ajoutant des exigences de vérification et des modules de réflexion sur les erreurs montrait une pensée d'ordre supérieur plus forte. Comme la prédiction précède la production, le raisonnement est consigné, et c'est la trace que vous évaluez.

Exiger des vérifications de sources contre la notice, avec une cible nommée. Denny et ses collègues (2026) ont retracé 113,588 références de 5,225 articles en enseignement de l'informatique publiés depuis 2021 et ont vérifié manuellement 828 notices suspectes, trouvant 30 notices contenant des informations bibliographiques fabriquées de façon vérifiable dans 14 articles, tous de 2025 et 2026. Treize étaient entièrement fabriquées ; les 17 autres combinaient un titre réel avec une paternité, une revue ou une année fabriquées ou incorrectes. Au SIGCSE Technical Symposium, le nombre est passé de 3 dans les actes de 2025 à 17 en 2026, soit 2.3% des articles des actes de 2026. Les champs d'auteurs échouent plus souvent que toute autre partie d'une référence générée, donc « ouvrir la source et lire la liste des auteurs » cible le champ le plus susceptible d'être faux. Ne demandez pas aux étudiants de « s'assurer que les sources sont réelles » ; demandez-leur de confirmer les auteurs, la revue et l'année contre la notice elle-même. L'article demande que tout travail cité soit vérifié et que tout vérificateur reste humain dans la boucle, la pratique qu'un exercice de vérification des citations fait répéter.

Enseigner la discrimination, pas seulement la prudence. Gousopoulos formalise la vérification comme un problème de détection de signal à deux paramètres indépendants : la sensibilité, la capacité de distinguer une production correcte d'une production défectueuse, et le critère, le seuil de rejet que l'apprenant fixe. La dépendance excessive se scinde en conséquence : les avertissements, les listes de contrôle et les invites sur l'hallucination déplacent le critère, changeant le moment où un étudiant rejette, tandis que l'enseignement disciplinaire, les comparaisons travaillées et la pratique avec erreurs semées augmentent la sensibilité, parce que l'apprenant peut alors faire la distinction. Le prérequis s'ensuit : l'enseignement de la vérification n'est éducatif que là où la sensibilité peut dépasser zéro, ce qui exige assez de connaissances disciplinaires pour distinguer une production correcte d'une production incorrecte. Dans le même audit, les novices à qui l'on demandait d'expliquer du code généré par un Large Language Models (LLMs) réussissaient environ un tiers des tâches, c'est pourquoi juger une rétroaction ou du code d'IA contre son propre raisonnement n'est une vraie vérification que là où ce raisonnement a de la substance. Si vos étudiants ne peuvent pas encore faire la réflexion disciplinaire seuls, plus d'avertissements ne vous apportent rien ; enseignez d'abord le contenu et attachez-y la vérification.

Prévenir juste avant la tâche. Vu, Cummings et Park (2026) ont présenté un message d'inoculation générique (prévention) juste avant deux tâches à 100 étudiants établis aux États-Unis, 40 nationaux et 60 internationaux apprenant l'anglais. Les étudiants inoculés étaient significativement plus susceptibles de vérifier la tâche de résumé de source académique (M = 0.34 contre 0.18), tandis que les intentions de vérification auto-déclarées ne bougeaient pas. Deux leçons : un court avertissement au moment de l'usage modifie le comportement effectif, et l'effet dépendait de la tâche, apparaissant pour la tâche de résumé de source mais pas uniformément pour un quiz de mathématiques sur l'exponentiation et la multiplication de grands nombres.

Faire coûter quelque chose à la correction. Dans un paradigme de correction d'erreurs que la revue a audité, l'effort pendant la correction importait pour l'apprentissage ; la simple substitution de réponse n'apportera probablement pas le même bénéfice. Demander à un étudiant de reproduire une étape, de réécrire un passage ou d'énoncer la raison disciplinaire pour laquelle une production est fausse convertit une vérification en travail. Venetsanos (2026) fixe la barre de ce qui peut être vérifié mécaniquement : des critères documentés, une comparaison avec des connaissances établies sans jugement interprétatif, et une seule réponse correcte ou des alternatives acceptables prédéfinies. Tout ce qui est interprétatif échoue à cette barre, donc séparez la couche mécanique (dates, formules, citations, calculs) de la couche du jugement, où la lecture propre de l'étudiant est l'instrument de la vérification.

Comment l'évaluer sans surveiller les étudiants

Gousopoulos en tire directement la conséquence : si l'IA peut produire l'artefact, l'artefact ne peut pas être l'évaluation, donc l'évaluation se déplace vers la spécification, le raisonnement de validation et l'interprétation. Son construit de paternité de modèle comporte quatre facettes (spécification, modèle conceptuel, vérification, interprétation) à quatre niveaux ordonnés, du délégué à l'assumé, où le niveau assumé exige une spécification vérifiable précédant la première invite, le rejet de la production sur des motifs disciplinaires avec une raison énoncée, et une interprétation qui dépasse le rapport que l'artefact fait de lui-même. Comme la grille est notée à partir de matériaux qu'une tâche de construction génère déjà, le même instrument sert d'évaluation formative et de mesure de recherche. C'est la réponse à l'inquiétude du travail inutile : vous n'ajoutez pas un travail, vous notez un sous-produit.

Trois décisions empêchent que cela devienne de la surveillance. Premièrement, notez la vérification par rapport à la qualité tranchée, non par rapport à l'effort, sinon vous créez un incitatif à jouer la comédie de la vérification. Deuxièmement, énoncez la provenance, comme le demande Venetsanos : les étudiants doivent comprendre la provenance, la nature et les limites de la rétroaction qu'ils reçoivent, quelles parties ont été vérifiées par machine et lesquelles jugées par évaluation, et que le jugement humain a la primauté, car les étudiants ne peuvent pas peser une rétroaction qu'ils ne peuvent pas situer. Troisièmement, gardez l'application hors des outils de détection. Bassett et ses collègues (2026) soutiennent que la détection de l'IA ne devrait pas du tout être utilisée en éducation : ses estimations sont probabilistes et ne peuvent pas être vérifiées indépendamment parce que l'origine réelle des textes du monde réel est inconnue ; ses scores ne satisfont pas la norme de la balance des probabilités qu'exigent les enquêtes sur l'intégrité ; et la dichotomie humain contre IA n'a pas de sens pour un travail créé avec l'IA plutôt que par elle. Leur conclusion est que la détection « ne protège pas l'intégrité académique ; elle la mine », les régimes de surveillance nourrissant la suspicion et érodant la confiance des étudiants. Gardez distincts les deux sens de la détection : la détection de texte généré par IA n'a ici aucun rôle probant défendable, tandis qu'apprendre aux étudiants à détecter les erreurs dans les productions de l'IA est le but de l'exercice.

La séparation est architecturale, et cela vaut la peine de le dire aux étudiants : Li, Zhang et Botelho (2026) vérifient la production avec un second modèle plutôt que d'intégrer la vérification dans le générateur, et un étudiant qui voit pourquoi peut voir pourquoi « l'outil a dit que c'était juste » n'est pas un argument de vérification.

Pourquoi les étudiants sautent la vérification

Calibration. La typologie de Jaidka et Cai place l'étudiant très capable et peu motivé en risque de confiance excessive et complaisante, tandis que l'étudiant peu capable et peu motivé est le plus exposé. La littérature auditée montre la même scission en miniature : une conception fournissait des conseils corrects environ une fois sur deux, et le poids que les étudiants leur accordaient variait avec les connaissances préalables. Les échecs de calibration ne se corrigent pas par l'exhortation : c'est le propre signal de confiance de l'étudiant qui est mal calibré.

Fluidité. Une production qui se lit bien est traitée comme juste. Les novices à qui l'on demandait d'expliquer du code généré par un Large Language Models (LLMs) réussissaient environ un tiers des tâches, et une étude de terrain sur des conversations de quiz entre étudiants et ChatGPT a trouvé que suivre des conseils corrects produisait quand même une réponse fausse. Quand la sensibilité est proche de zéro, sauter la vérification ne coûte à l'étudiant rien qu'il puisse percevoir : l'échec est invisible jusqu'à la notation.

Preuve sociale et intention. Les étudiants déclarent qu'ils ont l'intention de vérifier, et la déclaration ne vaut rien : dans l'étude de Vu, Cummings et Park, les intentions de vérification auto-déclarées ne bougeaient pas alors que le comportement effectif changeait (M = 0.34 contre 0.18). Ne notez pas l'intention. Les appels fondés sur les normes ne sont pas non plus une solution de rechange fiable : les incitations normatives par message n'ont montré aucun effet significatif dans un tournoi direct que rapportent Jaidka et Cai. La pression du temps est une raison documentée pour laquelle les étudiants sautent les vérifications, et un plan de cours qui ne prévoit pas de temps pour la vérification dit qu'elle est facultative.

Trois objections

« Ils peuvent simplement le faire pour la note. » En partie vrai, alors notez des matériaux que l'IA ne peut pas produire à la place de l'étudiant. Une spécification écrite avant la première invite, une prédiction consignée avant l'exécution de l'artefact, une liste de sources vérifiée contre la notice, une raison disciplinaire énoncée pour un rejet : chacun de ces éléments exige que l'étudiant tienne une position que le générateur ne peut pas fournir. Au niveau assumé, Gousopoulos exige le rejet de la production sur des motifs disciplinaires avec une raison énoncée, une raison fabriquée étant aussi visible qu'une citation fabriquée. Le risque résiduel est borné par le seuil de sensibilité : là où un étudiant n'a aucune connaissance disciplinaire sur laquelle fonder sa vérification, la vérification est du théâtre, et aucune grille ne la sauve. C'est un argument pour enseigner d'abord la discipline, non pour abandonner la vérification.

« Il n'y a pas de temps dans le plan de cours. » La prévention est un message juste avant la tâche ; la tâche à erreurs semées compte vingt items, dont huit avec une erreur disciplinaire, et elle vous dit si les étudiants peuvent faire la distinction du tout ; et la grille repose sur des matériaux que la tâche génère déjà, elle coûte donc du temps de correction sur des preuves qui vous manqueraient autrement, plutôt qu'un nouveau travail. Ce qui coûte du temps, c'est l'alternative : des travaux non vérifiés, des références fabriquées et les conversations sur l'intégrité qui s'ensuivent. La contrainte reste réelle : la pression du temps est une raison documentée pour laquelle les étudiants sautent les vérifications, donc une vérification qui n'est pas prévue dans la tâche n'aura pas lieu.

« L'outil a généralement raison. » Alors la vérification est peu coûteuse et les exceptions sont le point important. Le bilan sur les références n'est pas rassurant : 30 éléments fabriqués de façon vérifiable dans 14 articles, tous de 2025 et 2026, dont 17 associant un titre réel à une paternité, une revue ou une année fabriquées ou incorrectes, 13 entièrement fabriqués, et un bond de 3 dans les actes SIGCSE de 2025 à 17 en 2026, soit 2.3% des articles des actes de 2026. L'exactitude sur les parties que vous remarquez ne dit rien des parties que vous ne remarquez pas : les champs d'auteurs échouent plus souvent que toute autre partie d'une référence générée. Et une réponse acceptée peut être fausse même quand l'orientation était juste : l'étude de terrain sur les conversations de quiz entre étudiants et ChatGPT a consigné exactement cela. La raison d'enseigner la vérification n'est pas que l'outil a généralement tort, mais que l'étudiant ne peut pas dire dans quel cas il se trouve, précisément la compétence que votre cours existe pour construire.

Ce qui reste inconnu

• Si une intervention améliore le succès de la vérification et la décision de recours qui suit, jugés par rapport à la qualité de production tranchée : aucune étude parmi les 14 cas prioritaires de Wei et Shang ne mesurait les deux, et peu faisaient suivre la performance immédiate d'une rétention différée ou d'un transfert.
• Si les composantes s'articulent dans l'ordre que la carte implique. Les sept cibles sont un ordonnancement analytique, non un modèle causal validé.
• Si les propositions de conception fonctionnent. Les huit propositions de Jaidka et Cai sont des prédictions non testées, et les incitations normatives par message n'ont montré aucun effet significatif dans un tournoi direct qu'ils rapportent.
• Si la vérification intégrée à la rétroaction développe des habitudes d'auto-vérification ou une dépendance à la validation externe, question que Venetsanos soulève et laisse ouverte.
• Si l'enseignement de la vérification fonctionne sous un seuil de connaissances disciplinaires. Gousopoulos prédit que non, et note que certains domaines fournissent un critère externe (physique, chimie, écologie, épidémiologie), tandis que l'histoire, la littérature et l'éthique largement non.

Ce qu'il faut faire cette semaine

• Fixez la norme avant la vérification. Décidez ce que signifie l'exactitude tranchée pour la tâche, afin qu'une vérification ait quelque chose contre quoi trancher.
• Demandez d'abord la prédiction. Faites consigner par écrit aux étudiants ce qui devrait se produire, puis comparez la production sur des motifs disciplinaires, non sur la fluidité.
• Exigez la vérification des citations avec une cible nommée. Les listes d'auteurs sont la partie la moins fiable d'une référence générée ; faites ouvrir la notice aux étudiants et confirmer les auteurs, la revue et l'année.
• Diagnostiquez séparément la sensibilité et le critère. Un étudiant qui accepte une production défectueuse parce qu'il ne peut pas la distinguer a besoin de pratique disciplinaire ; un étudiant qui peut la distinguer et l'accepte quand même a besoin que le seuil soit déplacé.
• Notez la vérification, pas seulement l'artefact. Notez les spécifications, les traces de prédiction, les journaux de validation, les vérifications de sources et les raisons énoncées de rejet.
• Énoncez la provenance. Dites aux étudiants quelle rétroaction a été vérifiée par machine et laquelle a été jugée par une personne.
• Gardez l'application hors des détecteurs, et prévoyez du temps pour la vérification. La pression du temps est une raison documentée pour laquelle les étudiants sautent les vérifications.
• Faites faire la tâche à erreurs semées. Vingt items, dont huit avec une erreur disciplinaire, vous disent si les étudiants peuvent faire la distinction du tout.
• Dites l'avertissement au moment de l'usage. Prévenez par type de tâche, pas une fois par plan de cours.

Pour le travail qui l'entoure, voir comment intégrer la littératie en IA dans un cours et ce que montrent les données sur la littératie en IA, les deux pages qui construisent la compréhension que celle-ci met au travail.