C’est précisément pour cette raison que les examens et les évaluations méritent une plateforme numérique dédiée, issue des pratiques de l’enseignement supérieur, étroitement alignée sur les flux de travail académiques et administratifs, et capable d’apporter une valeur ajoutée à l’apprentissage tout en garantissant la fiabilité opérationnelle.
L'ÉVALUATION N'EST PAS "JUSTE UN AUTRE MODULE"
Lorsque l'évaluation est considérée comme un simple complément aux systèmes génériques, les établissements se heurtent à des limites qui pourraient être évitées, à des flux de travail fragmentés, à une modération fragile, à des retours d'information inégaux et à des lacunes en matière d'accessibilité. Les ESG mettent l’accent sur l’apprentissage centré sur l’étudiant et l’évaluation périodique, mais la réalité pratique est qu’il est difficile de respecter ces principes sans outils conçus pour les mettre en œuvre de bout en bout. La dernière analyse sectorielle de l’EUA va dans le même sens : davantage de refonte au niveau des programmes, plus de flexibilité pour les étudiants et un soutien accru aux enseignants qui s’engagent dans l’amélioration de l’apprentissage et de l’enseignement.
ÉQUITÉ ET COHÉRENCE - PAR CONCEPTION
Une plateforme dédiée devrait intégrer de manière inhérente l'équité et la cohérence dans le cycle de vie :
ACCESSIBILITÉ ET CONCEPTION INCLUSIVE
L'évaluation doit fonctionner pour tous les élèves, par défaut, et non à titre exceptionnel. La recommandation WCAG 2.2 renforce les exigences en matière de navigation, de prévisibilité et de prévention des erreurs, constituant ainsi une base pratique pour des services d’évaluation numérique accessibles. Complétez cela par l’Universal Design for Learning (UDL) 3.0, un cadre fondé sur la recherche permettant de concevoir des évaluations qui réduisent les obstacles dès le départ et respectent la diversité des identités et des modes d’apprentissage. Une plateforme dédiée devrait intégrer l’accessibilité et une création de contenu compatible avec l’UDL afin que l’évaluation inclusive devienne la norme.
SÉCURITÉ, PROTECTION DE LA VIE PRIVÉE ET RGPD - SANS COMPROMIS
Les workflows d’évaluation traitent des données à caractère personnel sensibles, parfois des données de catégorie spéciale pour les aménagements, et occasionnellement des signaux d’intégrité lorsque les établissements choisissent de les utiliser. Le RGPD rend les obligations sans ambiguïté, impose le respect de la vie privée dès la conception, définit clairement les rôles et les responsabilités, exige un traitement proportionné et une conservation transparente. Une plateforme dédiée doit aider les responsables du traitement à réaliser des AIPD, à définir des paramètres granulaires et à assurer une supervision humaine, en particulier lorsque des fonctionnalités basées sur l’IA sont envisagées.
WISEflow - CONÇU POUR L'ÉVALUATION DE L'ENSEIGNEMENT SUPÉRIEUR
WISEflow a été conçu dans le secteur de l'enseignement supérieur pour gérer l'ensemble du cycle de vie de l'évaluation et du retour d'information – de la conception et de la mise en œuvre à la notation, à la modération et au retour d'information, pour tous les formats, des dissertations et QCM aux examens oraux et pratiques. Il allie profondeur pédagogique et rigueur opérationnelle, contrôles d'anonymat, structures de modération, barèmes de notation, suivi de la participation et opérations évolutives en période de pointe, et s'intègre via des API ouvertes à l'écosystème institutionnel au sens large.
CONTRÔLES D'INTÉGRITÉ - SUPERPOSÉS, CONFIGURABLES, PROPORTIONNÉS
Lorsque des conditions à enjeux élevés sont requises, WISEflow garantit l’intégrité des évaluations grâce à un modèle configurable à plusieurs niveaux, allant du verrouillage sécurisé des appareils et des contrôles d’environnement, en passant par la surveillance des signaux indiquant un comportement anormal, jusqu’à la vérification facultative de l’identité (par exemple, la comparaison faciale) et le contrôle de l’originalité afin de protéger la paternité des travaux. Les établissements choisissent la combinaison et l’intensité des mesures pour chaque évaluation, en s’appuyant sur une gouvernance documentée, des avis de transparence et des AIPD, avec une conservation prudente des données et une évaluation humaine pour tout signalement. Les contrôles couvrent les vérifications préalables à l'examen, la distribution sécurisée, l'assistance des surveillants et l'audit post-examen, préservant ainsi l'équité et la confiance à grande échelle tout en respectant la vie privée.
RENDRE LA LIBERTÉ - TOUT EN ASSURANT LA SURVEILLANCE
Une plateforme dédiée devrait permettre aux enseignants de concevoir des évaluations authentiques et des retours constructifs, et aux étudiants de démontrer leurs acquis de manière équitable et bien encadrée. Parallèlement, elle devrait renforcer la supervision administrative, la cohérence des flux de travail, les contrôles conformes aux politiques, la modération transparente et la conformité à toute épreuve. C'est cette double approche – qualité pédagogique et assurance opérationnelle – qui distingue WISEflow.
REGARDER VERS L'AVENIR - L'IA AVEC DES GARDE-FOUS, L'ÉVALUATION AVEC UN OBJECTIF
L'IA continuera de transformer l'évaluation et le retour d'information, mais l'éducation a besoin d'une approche centrée sur l'humain. Les recommandations de l'UNESCO sont claires : déployer l'IA générative de manière éthique, protéger la confidentialité des données et maintenir l'humain au cœur du processus. WISEflow aide les établissements à tester le retour d'information assisté par l'IA dans le cadre de politiques et de contrôles transparents qui préservent l'intégrité académique et la confiance des étudiants.
L'accent est mis sur l'accélération d'un retour d'information cohérent et de haute qualité, tout en laissant le jugement académique fermement entre les mains des enseignants. Le principe de conception est clair : l’IA dans WISEflow agit en tant qu’aide, et non en tant que décideur caché ou automatique. Les suggestions sont transparentes pour les correcteurs, peuvent être examinées et modifiées ; aucune note n’est attribuée ou modifiée sans intervention humaine, et toutes les interactions sont régies par les politiques institutionnelles, les AIPD et des notifications claires adressées au personnel et aux étudiants. Cette approche centrée sur l’humain s’aligne sur les recommandations du secteur concernant l’utilisation éthique et explicable de l’IA dans l’éducation.
LECTURE COMPLÉMENTAIRE - RÉFÉRENCES TRANSNATIONALES
-
ESG – Normes et lignes directrices pour l'assurance qualité dans l'EEES – texte officiel et aperçu. (https://www.enqa.eu/esg-standards-and-guidelines-for-quality-assurance-in-the-european-higher-education-area/)
-
EUA Trends 2024 – analyse sectorielle sur le changement, l'apprentissage centré sur l'étudiant et la transformation numérique. (https://www.eua.eu/publications/reports/trends-2024.html)
-
WCAG 2.2 – Recommandation du W3C pour des services numériques accessibles. (https://www.w3.org/TR/WCAG22/)
-
RGPD – Cadre européen de protection des données et guide explicatif. (https://commission.europa.eu/law/law-topic/data-protection/data-protection-explained_en)
-
UNESCO – Lignes directrices pour l'IA générative dans l'éducation et la recherche – des garde-fous centrés sur l'humain. (https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research)
-
Lignes directrices UDL 3.0 (CAST) – conception inclusive pour l'apprentissage et l'évaluation. (https://udlguidelines.cast.org/more/about-guidelines-3-0/ )
RESTEZ INFORMÉ DES DERNIERS DÉVELOPPEMENTS
QUESTIONS FRÉQUEMMENT POSÉES
L'évaluation est au cœur de la progression, de l'assurance qualité et de la responsabilité dans les universités. Les systèmes génériques ne parviennent souvent pas à prendre en charge les flux de travail académiques, une notation équitable, les exigences en matière d'accessibilité et les rapports institutionnels. Une plateforme dédiée garantit que les évaluations sont cohérentes, fiables et conformes aux normes du secteur telles que l'ESG.
Il intègre directement l'équité dans les processus d'évaluation grâce à des fonctionnalités telles que l'anonymat, la notation en double aveugle, la modération structurée, les grilles d'évaluation et les pistes d'audit. Celles-ci réduisent les biais, soutiennent le jugement académique et renforcent la confiance dans les résultats.
La conception inclusive est essentielle. Une plateforme dédiée prend en charge les normes WCAG 2.2 et les principes de la conception universelle de l'apprentissage (UDL), garantissant que les évaluations fonctionnent pour tous les élèves par défaut — en couvrant la navigation, la prévisibilité, les formats de retour d'information et les multiples façons de démontrer l'apprentissage.
Il offre des fonctionnalités de protection de la vie privée dès la conception, telles que des rôles de données clairs, des autorisations granulaires, un traitement sécurisé, des avis de transparence et la prise en charge des AIPD. Cela est particulièrement important lors du traitement de données sensibles liées aux aménagements ou aux contrôles d'intégrité.
WISEflow est spécialement conçu pour l'ensemble du cycle de vie des examens et des retours d'information, de la conception et de la mise en place à la notation et à la modération. Il prend en charge divers formats d'évaluation, s'intègre aux systèmes du campus, gère les périodes de pointe des examens à grande échelle et offre des contrôles avancés en matière d'équité, d'intégrité et d'accessibilité.
WISEflow utilise l’IA comme un assistant transparent, et non comme un décideur automatisé. Les suggestions peuvent être examinées, ne donnent jamais lieu à des notes automatiques et doivent être conformes aux politiques institutionnelles et aux AIPD. Cela s’inscrit dans le respect des recommandations de l’UNESCO pour une utilisation éthique et centrée sur l’humain de l’IA dans l’éducation.