Les examens en ligne ont rendu l’évaluation plus flexible et accessible. Les étudiants peuvent passer leurs examens à distance, les établissements peuvent rejoindre des apprenants où qu’ils se trouvent et le personnel enseignant peut réduire une partie de la logistique associée aux examens en présentiel.
Mais l’objectif d’un examen, lui, n’a pas changé.
Lorsqu’une évaluation vise à mesurer les connaissances ou les compétences d’un étudiant, l’établissement doit pouvoir avoir confiance que la personne qui passe l’examen est bien celle qui est inscrite et que les réponses reflètent ses propres connaissances.
L’intelligence artificielle générative vient complexifier les choses.
L’IA transforme les formes que peut prendre l’aide non autorisée
Les risques associés aux examens à distance ne sont pas nouveaux. Sans mécanismes appropriés, un étudiant peut consulter ses notes ou un manuel, chercher des réponses en ligne, communiquer avec une autre personne ou même demander à quelqu’un d’autre de passer l’examen à sa place.
L’IA générative ajoute maintenant une autre source d’aide facilement accessible.
Contrairement aux ressources traditionnelles non autorisées, l’IA peut générer des réponses, expliquer des concepts, résoudre des problèmes, résumer de l’information et produire des textes en quelques secondes.
Pour les établissements postsecondaires canadiens, il ne s’agit pas d’un scénario hypothétique. Selon un sondage réalisé en 2026 par Academica Group auprès de 1 134 étudiants du postsecondaire au Canada, 84 % avaient expérimenté ou utilisé l’IA générative. Parmi ces étudiants, 73 % l’avaient utilisée dans le cadre de leurs travaux scolaires.¹
Cela ne signifie pas que ces étudiants trichent. Une grande partie des usages rapportés concernait plutôt des activités d’apprentissage légitimes, comme mieux comprendre certains concepts ou étudier. Ces données illustrent toutefois une réalité importante pour les universités et les cégeps :
L’IA fait déjà partie de l’environnement d’apprentissage des étudiants.
La question n’est donc plus de savoir si les étudiants ont accès à l’IA. Il faut plutôt déterminer comment distinguer son utilisation appropriée des situations où une évaluation doit réellement mesurer les connaissances individuelles d’un étudiant.
L’IA peut soutenir l’apprentissage, mais elle ne devrait pas le remplacer
Il existe de bonnes raisons d’intégrer l’IA à l’éducation.
Lorsqu’elle est utilisée de façon appropriée, l’IA générative peut aider les étudiants à approfondir un concept difficile, à trouver des idées, à obtenir des explications ou à aborder la matière sous un autre angle. Apprendre aux étudiants à utiliser ces outils avec discernement deviendra probablement une compétence de plus en plus importante dans l’enseignement supérieur.
Mais il existe une différence importante entre apprendre avec l’IA et laisser l’IA faire le travail de réflexion pendant une évaluation conçue pour mesurer les compétences individuelles.
Les recherches émergentes méritent notre attention à cet égard.
Une étude publiée en 2025 par Microsoft Research auprès de 319 travailleurs du savoir a observé qu’une plus grande confiance envers l’IA générative était associée à une diminution de la pensée critique. Les chercheurs ont également constaté que l’IA modifie la nature de l’effort cognitif : plutôt que de chercher eux-mêmes l’information ou de résoudre directement un problème, les utilisateurs peuvent consacrer davantage d’efforts à vérifier et à intégrer les réponses générées par l’IA.²
Une étude exploratoire du MIT Media Lab publiée en 2025 s’est penchée plus précisément sur la rédaction. Les participants qui rédigeaient sans assistance numérique présentaient une connectivité cérébrale plus forte et plus distribuée que ceux qui utilisaient un grand modèle de langage (LLM). Le groupe utilisant un LLM avait également plus de difficulté à se rappeler avec précision les textes qu’il venait de produire et à en citer des passages.³
Ces résultats doivent être interprétés avec prudence : l’étude du MIT portait sur un échantillon relativement restreint et d’autres recherches seront nécessaires. Ils renforcent néanmoins un principe fondamental de l’évaluation : si l’objectif est de déterminer ce qu’un étudiant sait et ce qu’il est capable de faire de façon autonome, le processus d’évaluation doit préserver cette distinction.
Une politique ne suffit pas à sécuriser un examen en ligne
Des politiques institutionnelles claires concernant l’utilisation de l’IA sont essentielles.
Les étudiants doivent comprendre quand son utilisation est encouragée, quand elle est permise sous certaines conditions et quand elle constitue une aide non autorisée.
Mais dans le cadre d’examens en ligne à enjeux élevés, demander simplement aux étudiants de ne pas utiliser l’IA peut ne pas être suffisant.
L’Université de Toronto, par exemple, considère explicitement l’utilisation d’une aide ou d’une assistance non autorisée pendant un examen comme une infraction académique. Ses ressources sur l’intégrité académique abordent également l’utilisation de ChatGPT et d’autres outils d’IA générative.⁴
Lorsqu’un examen en ligne interdit les ressources externes, les établissements ont donc besoin de mécanismes qui permettent d’appliquer ces règles.
Selon le type d’évaluation, cela peut vouloir dire vérifier l’identité de la personne qui passe l’examen, contrôler l’accès aux ressources non autorisées, surveiller l’environnement d’examen et réviser ce qui s’est produit pendant la séance.
Pourquoi la triche assistée par l’IA rend la révision humaine encore plus importante
L’IA évolue rapidement.
De nouveaux modèles, de nouvelles applications et de nouvelles façons d’accéder à l’IA apparaissent régulièrement. Un processus conçu pour détecter les outils d’aujourd’hui pourrait éventuellement être confronté à une technologie qu’il n’a pas été conçu pour reconnaître.
C’est pourquoi les établissements devraient être prudents avant de s’appuyer entièrement sur la détection automatisée.
La technologie peut constituer une première couche de protection importante en aidant à limiter les activités non autorisées et à identifier les comportements ou les événements qui nécessitent une attention particulière. Mais lorsqu’il s’agit d’évaluations importantes, une révision humaine de la séance ajoute une couche supplémentaire de validation et de contexte.
Plutôt que de laisser un algorithme porter le jugement final, des réviseurs peuvent examiner les éléments pertinents et aider les établissements à prendre des décisions éclairées selon leurs propres politiques d’intégrité académique.
Cette combinaison — technologie et supervision humaine — peut contribuer à créer un processus d’évaluation plus défendable que le recours à l’automatisation seule.
Votre processus d’examen en ligne est-il prêt?
L’IA ne disparaîtra pas. Le milieu de l’enseignement supérieur doit donc se concentrer sur son utilisation responsable tout en protégeant l’intégrité des évaluations individuelles.
Le véritable défi consiste à déterminer où l’IA a sa place dans le processus d’apprentissage et où l’évaluation autonome demeure essentielle.
Pour les universités et les cégeps qui offrent des examens à distance, il ne suffit donc plus de vérifier si l’examen fonctionne bien sur le plan technique. Les établissements devraient également se poser les questions suivantes :
- Pouvons-nous vérifier l’identité de la personne qui passe réellement l’examen?
- Pouvons-nous limiter l’accès aux ressources physiques et numériques non autorisées lorsque nécessaire?
- Comment notre processus gère-t-il l’accès à l’IA générative pendant un examen?
- Disposons-nous de suffisamment d’information pour réviser une séance d’examen qui soulève des questions?
- Une supervision humaine est-elle prévue lorsque le contexte ou le jugement est nécessaire?
- Pouvons-nous appliquer nos politiques d’intégrité académique de façon cohérente dans un contexte d’examen à distance?
À mesure que l’IA devient plus performante et accessible, la protection de l’intégrité des examens nécessite des processus capables d’évoluer avec elle.
uxpertise offre une plateforme d’examens en ligne avec surveillance intégrée pour les établissements qui doivent offrir des évaluations à distance sécurisées. Nos solutions comprennent la surveillance d’examens en ligne propulsée par Integrity Advocate, qui combine la technologie et la révision humaine pour soutenir l’intégrité des examens.
Vous souhaitez renforcer le processus d’examen en ligne de votre établissement? Communiquez avec notre équipe pour découvrir les options de surveillance d’examens en ligne adaptées à votre université ou à votre cégep.
Sources
- Academica Group, How are Canadian postsecondary students using generative AI today?, mai 2026.
- Lee, H.-P. et al., The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers, CHI 2025, Microsoft Research.
- Kosmyna, N. et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task, prépublication, 2025.
- University of Toronto, Academic Integrity, Using ChatGPT or other generative AI tool on a marked assessment.
