Evaluation des apprentissages à l’ère de l’IA générative : enjeux éthiques et pédagogiques pour l’enseignement supérieur en Côte d’Ivoire

Abstract

Depuis le lancement de ChatGPT en 2022, l'intelligence artificielle générative bouscule les pratiques d'évaluation dans l'enseignement supérieur. Elle en questionne la validité et la capacité à mesurer les compétences réelles des étudiants. Cet article s'intéresse au contexte ivoirien, marqué par la massification des effectifs et des inégalités numériques persistantes. Comment l'IAG remet-elle en cause les dispositifs traditionnels d'évaluation ? Quelles réponses éthiques et pédagogiques peuvent être apportées? Le cadre théorique articule l'alignement constructif (Biggs, 1996), l'évaluation authentique (Wiggins, 1998), le cadre éthique tridimensionnel de Collin et Marceau (2022) et la théorie de l'acteur-réseau. L'étude s'appuie sur une analyse documentaire qualitative de la littérature scientifique et institutionnelle récente. Quatre enjeux éthiques majeurs se dégagent : l'intégrité académique, l'équité d'accès, la gouvernance des données et les biais algorithmiques. Les résultats montrent aussi un mouvement déjà amorcé par certains enseignants ivoiriens vers des modalités d'évaluation authentiques (soutenances, projets de groupe, questions à réponse construite), moins facilement externalisables vers l'IA. L'article recommande l'adoption de politiques institutionnelles formelles, le renforcement de la formation des enseignants et l'élaboration d'un cadre réglementaire national articulé à la SNDECI 2024-2028. L'objectif : faire de l'IAG un levier d'innovation pédagogique plutôt qu'une menace pour la crédibilité des diplômes.

Since the public launch of ChatGPT in 2022, generative artificial intelligence (GenAI) has been reshaping assessment practices in higher education, raising fundamental questions about the validity of assessment methods and their ability to measure students’ actual competencies. This article examines the Ivorian context, where rapid student massification coincides with persistent digital inequalities. It addresses two central questions: How does GenAI challenge traditional assessment practices, and what ethical and pedagogical responses can be envisaged? The theoretical framework combines constructive alignment (Biggs, 1996), authentic assessment (Wiggins, 1998), Collin and Marceau’s (2022) three-dimensional ethical framework, and actor-network theory. The study adopts a qualitative documentary analysis of recent scientific and institutional literature. Four major ethical issues emerge: academic integrity, equitable access, data governance, and algorithmic bias. The findings also highlight a shift, already underway among some Ivorian instructors, toward more authentic assessment formats, including oral defenses, group projects, and constructed-response tasks, which are less easily outsourced to AI. The article recommends the adoption of formal institutional policies, strengthened teacher training, and the development of a national regulatory framework aligned with the SNDECI 2024–2028 strategy. The overarching goal is to position GenAI as a lever for pedagogical innovation rather than a threat to the credibility and integrity of academic credentials.