Les enseignants en informatique réécrivent discrètement leurs examens à cause de l’IA

Si vous vous demandez comment les établissements scolaires s’adaptent à des étudiants capables de confier un devoir à ChatGPT, voici un début de réponse à grande échelle. Un groupe d’experts créé par l’ACM, l’association internationale d’informatique, a interrogé 763 enseignants en informatique dans 49 pays. La plupart ont déjà modifié à la fois ce qu’ils enseignent et leur manière de l’évaluer.

Les chiffres sont sans ambiguïté. Soixante-neuf pour cent des personnes interrogées estiment que l’IA a changé les compétences dont les développeurs ont réellement besoin. Soixante-quatre pour cent ont déjà délaissé l’écriture de code à partir de zéro au profit de sa lecture, de son débogage et de son explication. Les modes d’évaluation évoluent encore plus vite : 68 % les ont modifiés. Les changements les plus fréquents sont davantage d’examens surveillés en présentiel, une moindre importance accordée aux devoirs, des oraux et des soutenances de code où l’étudiant doit expliquer à voix haute son propre travail, ainsi que des projets. Certains enseignants demandent désormais aux étudiants de déclarer leur recours à l’IA et de remettre l’historique de leurs conversations.

Voici ce qui explique cette évolution. Les assistants de programmation par IA peuvent désormais résoudre un exercice d’initiation classique à peu près au niveau d’un étudiant moyen, ce qui a discrètement rompu le contrat implicite du devoir à la maison. Si un exercice ne prouve plus qu’un étudiant sait faire ce qui est demandé, il cesse d’être une évaluation et devient une simple tâche à accomplir. Les enseignants déplacent donc la notation vers des situations où une personne est présente dans la salle. La principale inquiétude n’était pas la triche, même si 72 % l’ont citée, mais la dépendance : 87 % craignent que les étudiants s’appuient trop fortement et trop tôt sur ces outils.

Cette crainte repose sur des éléments concrets. Une étude d’Anthropic a constaté que des développeurs ayant appris à utiliser une nouvelle bibliothèque Python avec l’aide de l’IA obtenaient un score inférieur de 17 % à un test ultérieur de connaissances, comparés à un groupe qui s’en était passé. Une étude longitudinale portant sur plus de 26 000 étudiants chinois a montré que l’IA améliorait de 18 % les notes des devoirs, puis faisait baisser d’environ 20 % les résultats à un examen sans documents six mois plus tard. Une réserve légitime concernant l’enquête de l’ACM elle-même : les répondants venaient très majoritairement d’Amérique du Nord et d’Europe, 77 % enseignent à l’université et toutes les réponses sont autodéclarées. Le principal obstacle, cité par 48 %, était tout simplement l’absence d’exemples éprouvés montrant comment bien enseigner avec l’IA.

Ce que cela signifie pour vous : Si vous apprenez à coder ou acquérez une compétence technique avec l’aide de l’IA, la leçon utile n’est pas « évitez ces outils ». C’est que la rapidité et la compréhension sont deux choses différentes, et que les outils vous offrent la première gratuitement. Une habitude concrète : laissez l’IA produire la solution, puis fermez-la et reconstruisez vous-même la partie difficile, ou expliquez-la à voix haute comme si vous deviez la soutenir. Si vous recrutez ou formez des personnes, attendez-vous à ce que le portfolio d’un jeune diplômé en dise moins qu’une conversation de quinze minutes sur son propre code.

Sources

• ACM : rapport du groupe de travail sur l’IA générative et l’évaluation en programmation
• Groupe de travail de l’ACM : rapport complet (PDF)
• The Decoder : le paradoxe du tuteur de programmation par IA s’accentue