Évaluer à l'ère de l'IA : ce que les écoles de commerce changent, et ce qu'elles doivent garder

Toutes les écoles de commerce ont désormais vécu la même réunion inconfortable. Un devoir maison revient soigné, structuré, fluide. Il peut être le travail de l'étudiant, un travail assisté par l'IA, ou un travail d'IA légèrement retouché — et aucun détecteur ne peut trancher avec la confiance qu'exige une sanction académique. Le guide de l'UNESCO sur l'IA générative dans l'éducation l'a signalé tôt : les outils de détection ne sont pas fiables, les fausses accusations causent de vrais dégâts, et une politique ne peut pas reposer sur l'espoir d'attraper les gens.

Les écoles qui répondent bien ont cessé de demander "comment détecter l'usage de l'IA" pour poser une meilleure question : que doit mesurer chaque évaluation, et le mesure-t-elle encore quand une IA compétente est librement disponible ?

L'audit que cette question impose

Passez cette question sur un cursus type et les évaluations se rangent en trois groupes.

Certaines fonctionnent toujours. Discussions de cas en direct, oraux, négociations, présentations avec questions, résolution de problèmes surveillée — tout ce où l'étudiant produit le raisonnement en temps réel mesure ce que cela a toujours mesuré.

D'autres sont cassées comme indicateurs. La dissertation non surveillée, l'analyse à rendre, le résumé de lecture : elles notaient l'objet produit comme indicateur du raisonnement, et l'IA a coupé le lien entre l'objet et le raisonnement. Les noter comme avant revient à noter, en proportions inconnues, la qualité du prompt, l'honnêteté et le goût d'édition.

Et certaines deviennent plus précieuses que jamais — celles qui mesurent exactement le jugement que l'IA rend rare. Critiquer une analyse défectueuse. Trancher entre des recommandations contradictoires avec des données incomplètes. Défendre une position sous la contradiction. Elles sont à la fois plus difficiles à déléguer à un modèle et plus proches de ce pour quoi les diplômés sont embauchés.

Les schémas de refonte qui fonctionnent

Chez les écoles qui expérimentent publiquement, quelques schémas reviennent.

Séparer explicitement les modes sans-IA et avec-IA. Certaines compétences — raisonnement fondamental, aisance quantitative — justifient des conditions surveillées, sans IA. D'autres s'évaluent mieux IA autorisée, avec une barre relevée en conséquence : si un modèle produit une analyse passable en une minute, le niveau attendu d'un devoir avec IA doit intégrer ce plancher.

Noter le processus, pas seulement l'objet. Exiger l'historique des prompts, les brouillons, une courte note sur ce que l'IA a raté et ce que l'étudiant a changé. L'usage de l'IA cesse d'être un secret pour devenir une compétence documentée et évaluable — et la vérification s'enseigne en silence, puisque "qu'as-tu vérifié" devient une question notée.

Ajouter la défense. Dix minutes d'oral sur un projet rendu distinguent de façon fiable l'étudiant qui a pensé de celui qui a sous-traité, sans aucune technologie de détection. Cela passe mal à l'échelle, mais l'échantillonnage — défendre un sous-ensemble tiré au sort — conserve l'essentiel de l'effet dissuasif pour une fraction du coût.

Et évaluer directement le jugement sur l'IA. Donner aux étudiants une analyse générée par IA contenant des erreurs plantées et noter la critique. C'est l'évaluation la plus alignée sur ce que les employeurs disent attendre, et presque impossible à bien réussir en la redéléguant sans esprit critique à un modèle.

Ce qu'il faut garder

Au milieu de la refonte, deux vieux principes méritent d'être défendus. D'abord, le socle de connaissances compte toujours — un étudiant ne peut pas évaluer l'analyse de marché d'une IA sans savoir ce qu'une analyse solide contient. Il faut résister à la tentation de laisser "l'IA peut chercher ça" vider le contenu fondamental : la compétence d'évaluation se construit sur la connaissance, pas à sa place.

Ensuite, la politique d'intégrité doit être honnête sur l'incertitude. Des règles claires de déclaration — quand l'IA est permise, et l'obligation de le dire — sont applicables et justes. Des accusations assurées fondées sur des scores de détecteurs ne sont ni l'un ni l'autre. Les institutions qui préservent la confiance sont celles dont les règles sont suivables et dont l'application ne dépend pas d'outils qui se trompent.

L'évaluation est l'endroit où un cursus déclare ce qu'il valorise vraiment. Bien repensée, elle peut faire de la littératie IA — usage, vérification, jugement — quelque chose qu'une école de commerce certifie plutôt que quelque chose qu'elle surveille.