Trois ans après l'arrivée de ChatGPT dans les salles de classe, une question toute simple demeure sans réponse claire au Québec : qu'est-ce qui compte encore comme un apprentissage démontré quand la machine rédige, résume, code et traduit à la place de l'élève?
La réponse, aujourd'hui, dépend surtout de l'enseignant devant vous. D'un cours à l'autre, parfois dans le même programme, les règles varient : usage interdit, usage toléré s'il est déclaré, usage encouragé pour la recherche mais proscrit pour la rédaction. Cette mosaïque de consignes n'est pas un accident. Elle découle d'un choix — ou d'une absence de choix — au sommet du système éducatif québécois.
Le réflexe défensif : papier, présence, détection
La première vague de réactions a été largement répressive. Retour à l'examen manuscrit surveillé, oral obligatoire, réduction du poids des travaux longs faits à la maison, recours à des détecteurs de texte généré. Ce virage est documenté partout en Occident, et le Québec n'y échappe pas.
Le problème, c'est que la pièce maîtresse de cette stratégie tient mal. Les outils de détection de texte produit par une IA générative ont fait l'objet de plusieurs évaluations indépendantes, et le portrait est sévère : taux de faux positifs non négligeable, performance qui s'effondre dès que le texte est légèrement reformulé, et — c'est le plus grave sur le plan de l'équité — biais documenté contre les personnes dont le français ou l'anglais n'est pas la langue première. Des universités nord-américaines, dont plusieurs grandes institutions américaines, ont désactivé ces fonctions dans leur environnement numérique d'apprentissage précisément pour cette raison.
Autrement dit : on a bâti une politique disciplinaire sur un instrument de mesure peu fiable. Pour un système qui exige des preuves avant de sanctionner un étudiant, c'est un terrain juridique glissant. Plusieurs conseillers pédagogiques le disent depuis un moment : accuser sur la foi d'un pourcentage affiché par un logiciel, ce n'est pas de l'évaluation, c'est du pari.
Ce que dit la recherche internationale : changer la tâche, pas la surveillance
C'est ici que le discours savant diverge nettement du réflexe institutionnel. Un webinaire du cycle « Regards croisés » de l'Observatoire national des usages pédagogiques avec l'intelligence artificielle, diffusé sur le carnet Éducation, numérique et recherche, pose le problème en des termes qui tranchent : l'enjeu n'est pas de réduire systématiquement l'IA à une question de fraude, mais de repenser ce qu'on demande aux élèves de démontrer.
La proposition qui circule le plus dans la littérature anglo-saxonne porte un nom : le programmatic assessment, ou évaluation à l'échelle du programme plutôt que du cours isolé. L'idée, popularisée notamment par les travaux de Phillip Dawson et de ses collègues du Centre for Research in Assessment and Digital Learning de l'Université Deakin, en Australie, consiste à distinguer clairement deux familles de tâches. D'un côté, des points de contrôle sécurisés, peu nombreux mais rigoureux, où l'on valide sans ambiguïté qu'une personne maîtrise personnellement une compétence : oral, laboratoire, démonstration en direct, examen surveillé. De l'autre, une grande zone de travail où l'IA est non seulement permise, mais où l'on évalue justement la qualité de son usage — le jugement critique, la vérification des sources, la capacité à repérer une hallucination.
L'université britannique, par la voie du Quality Assurance Agency, a produit des orientations en ce sens, tout comme le Tertiary Education Quality and Standards Agency australien, qui a demandé dès 2024 à ses établissements de soumettre un plan d'action sur l'intégrité de l'évaluation. Ce n'est pas une consigne technique : c'est une obligation institutionnelle de repenser le dispositif.
Au Québec : trois paliers, trois vitesses
Au primaire et au secondaire, le ministère de l'Éducation a diffusé des balises sur l'utilisation de l'IA générative en contexte scolaire, mais le Régime pédagogique et les épreuves ministérielles n'ont pas été refondus pour l'occasion. La logique demeure celle de l'épreuve unique, en présence, sur papier — ce qui, ironiquement, protège l'intégrité de l'évaluation certificative tout en n'apportant strictement rien à la question pédagogique du quotidien.
Au collégial, la situation est plus éclatée. Chaque cégep dispose de sa Politique institutionnelle d'évaluation des apprentissages, la fameuse PIÉA, qui relève du conseil d'administration de l'établissement et est évaluée par la Commission d'évaluation de l'enseignement collégial. Résultat : 48 collèges publics, autant de politiques, et des mises à jour à géométrie variable. Certains ont ajouté des articles explicites sur l'IA, d'autres se contentent d'élargir la définition du plagiat. Des organismes comme le Pôle montréalais d'enseignement supérieur en intelligence artificielle et le Collectif pour l'intégrité intellectuelle en enseignement supérieur produisent des ressources, mais ce sont des accompagnements volontaires, pas des normes.
À l'université, l'autonomie institutionnelle joue à plein. L'Université Laval, l'Université de Montréal, l'UQAM, McGill et Concordia ont chacune publié des lignes directrices ou des guides — souvent de bonne facture — mais qui renvoient presque toujours la décision finale au professeur responsable du cours. La Fédération québécoise des professeures et professeurs d'université de même que plusieurs associations étudiantes ont réclamé davantage de cohérence, notamment pour que l'étudiant sache, en s'inscrivant, à quoi s'attendre.
Le vrai angle mort : l'équité
On parle beaucoup de triche. On parle peu de justice évaluative. Pourtant, c'est là que le bât blesse.
Premièrement, l'accès aux outils est inégal. Les versions payantes des grands modèles sont nettement plus performantes que les versions gratuites. Tolérer l'IA sans la fournir, c'est institutionnaliser un avantage financier.
Deuxièmement, le retour massif à l'examen surveillé en présence pénalise directement des populations qui avaient gagné du terrain avec des modalités plus souples : étudiants en situation de handicap, personnes avec des troubles d'apprentissage, parents-étudiants, étudiants en région. Le dossier des interfaces cerveau-ordinateur pour les personnes en situation de handicap, abordé récemment par EdTech Magazine, rappelle d'ailleurs que la frontière entre « outil d'assistance légitime » et « aide interdite » devient philosophiquement floue. Si un logiciel de synthèse vocale est accommodé, pourquoi un assistant rédactionnel ne le serait-il pas?
Troisièmement, les biais des détecteurs frappent surtout les étudiants internationaux et allophones. Dans un réseau collégial et universitaire qui compte des dizaines de milliers d'étudiants venus d'ailleurs, ce n'est pas un détail statistique.
Ce qui devrait changer
Plusieurs pistes reviennent dans les échanges avec le milieu.
Un cadre commun minimal, pas uniforme. Le Québec n'a pas besoin d'une PIÉA nationale, mais d'un socle : obligation de déclarer clairement dans chaque plan de cours le niveau d'usage autorisé, interdiction de sanctionner sur la seule foi d'un détecteur, et exigence d'au moins un point de validation sécurisé par cours ou par programme.
Une échelle publique et lisible. Le modèle d'échelle graduée d'usage de l'IA développé en Australie — de « aucun usage » à « usage intégral avec justification » — a l'avantage d'être compris en trente secondes par un étudiant. Rien n'empêche de l'adapter ici.
Du temps et de la formation. Refondre une tâche évaluative, ce n'est pas cocher une case : c'est du travail de conception. Sans dégagement, on continuera à surveiller au lieu d'évaluer.
De la traçabilité côté outils. Le concept de nomenclature des matériaux pour l'IA, cette « AI bill of materials » discutée dans EdTech K12 Magazine, mérite qu'on s'y attarde : savoir quelles données ont entraîné un système, quelle version tourne, quels composants tiers y sont branchés. Un réseau scolaire qui déploie des outils d'IA sans cette documentation s'expose à des angles morts éthiques et réglementaires.
La question de fond
Le débat sur la triche masque une interrogation plus profonde : quelles compétences veut-on encore certifier? Un rapport du Graduate Management Admission Council auprès de plus de 600 recruteurs, relayé par EdTech Magazine, montre que les attentes du marché bougent vite. Si les employeurs valorisent désormais le jugement, la validation de l'information et la collaboration avec des systèmes automatisés, une évaluation qui ne mesure que la production autonome de texte devient un artefact.
Le Québec a le temps de bien faire les choses. Mais chaque session sans cadre commun, ce sont des milliers d'étudiants évalués selon des règles qui varient d'un local à l'autre. Ce n'est ni de la rigueur ni de la souplesse : c'est de l'arbitraire.