💬 NLP

Use of AI Tools: Guidelines to Maintain Academic Integrity in Computing Colleges

Cet article propose un cadre pratique et un modèle mathématique pour guider les enseignants des facultés d'informatique dans l'intégration responsable des outils d'IA, afin de maximiser leurs avantages pédagogiques tout en préservant l'intégrité académique.

Auteurs originaux : Hatem M. El-boghdadi, Toqeer Ali Syed, Ali Akarma, Qamar Wali

Publié 2026-04-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Hatem M. El-boghdadi, Toqeer Ali Syed, Ali Akarma, Qamar Wali

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🤖 L'Intelligence Artificielle à l'École : Entre le Moteur de Voiture et le Vol à l'Étalage

Imaginez que l'éducation, et particulièrement les écoles d'informatique, est comme un grand atelier de mécanique. Le but n'est pas seulement d'avoir une voiture qui roule (la bonne note), mais de s'assurer que les élèves savent réparer le moteur eux-mêmes (apprendre à penser et à coder).

Depuis 2022, une nouvelle machine est arrivée dans cet atelier : l'Intelligence Artificielle (IA) comme ChatGPT. C'est un assistant ultra-rapide qui peut écrire des rapports, trouver des idées, ou même réparer le moteur pour vous en quelques secondes.

Le problème ? Si l'élève laisse l'IA faire tout le travail et remet la voiture comme s'il l'avait construite lui-même, il ne sait toujours pas réparer un moteur. C'est ce qu'on appelle l'intégrité académique : la question est de savoir si l'élève triche ou s'il utilise l'outil pour apprendre.

Ce papier propose une solution : ne pas interdire l'outil, mais apprendre à l'utiliser comme un vrai pro.

1. Le Dilemme : Le Couteau Suisse ou la Paresse ?

L'auteur compare l'IA à un couteau suisse.

Bien utilisé : C'est un outil formidable qui aide à couper plus vite, à affûter la lame et à trouver de nouvelles idées.
Mal utilisé : Si vous laissez le couteau couper tout seul sans jamais toucher la poignée, vous ne développerez jamais la force de votre main.

Dans les écoles d'informatique, les élèves utilisent déjà massivement ces outils. Essayer de les interdire totalement, c'est comme essayer d'interdire les calculatrices en mathématiques : c'est impossible et contre-productif. La solution n'est pas de bannir l'outil, mais de changer la façon dont on le teste.

2. La Boîte à Outils des Professeurs (Les Règles du Jeu)

Le papier suggère aux professeurs de changer leurs méthodes d'examen pour s'assurer que l'élève comprend vraiment ce qu'il rend. Voici quelques analogies pour les différentes situations :

Les Devoirs à la maison (La Cuisine) :
- Avant : "Faites un gâteau." (L'IA peut le faire pour vous).
- Nouvelle règle : "Faites un gâteau avec des ingrédients spécifiques que vous avez achetés vous-même, puis expliquez-moi pourquoi vous avez mis moins de sucre que la recette."
- Le but : L'IA peut donner la recette, mais elle ne peut pas goûter le résultat ni expliquer vos choix personnels.
Les Examens en Classe (Le Sprint) :
- C'est comme un marathon sans téléphone. Pas d'IA, pas d'aide. Juste vous et votre cerveau. C'est le seul moyen de vérifier si vous avez vraiment la forme physique (les connaissances de base).
Les Grands Projets (La Construction d'une Maison) :
- Si l'IA vous donne les plans, c'est bien. Mais le professeur va vous demander de montrer les fondations (le code source, l'historique des modifications) et de lui expliquer pourquoi vous avez choisi ces briques plutôt que celles-là.
- Astuce : On demande aux élèves de faire une "vidéo de démonstration" ou de répondre à des questions à l'oral. Si l'élève ne peut pas expliquer comment il a construit sa maison, c'est qu'il ne l'a pas construite.
Les Rapports Écrits (Le Journal de Bord) :
- L'élève peut utiliser l'IA pour écrire un premier brouillon, mais il doit ensuite le corriger, le critiquer et l'améliorer.
- L'analogie : C'est comme si l'IA était un assistant de rédaction. L'élève doit être le rédacteur en chef qui valide tout. On note surtout la qualité de la critique et des ajouts de l'élève, pas le texte brut de l'IA.

3. La "Recette Mathématique" pour une Note Juste

Le papier propose une formule mathématique (un peu compliquée dans le texte, mais simple en idée) pour calculer la note finale. Imaginez une balance avec trois plateaux :

Le Résultat Final (40%) : Est-ce que le code ou le texte fonctionne ?
L'Amélioration (30%) : Combien l'élève a-t-il changé et amélioré ce que l'IA a proposé ? A-t-il ajouté sa touche personnelle ?
La Vérification Orale (30%) : L'élève peut-il expliquer son travail à l'oral ?

La règle d'or (Le Drapeau Rouge) :
Il y a un interrupteur magique appelé "Drapeau d'Intégrité".

Si l'élève dit : "J'ai utilisé l'IA" (Transparence) ET qu'il réussit l'oral (Compréhension) = Drapeau Vert ✅ (La note est valide).
Si l'élève triche (pas de transparence) ou ne comprend pas son travail = Drapeau Rouge ❌ (La note est annulée, peu importe la qualité du travail).

4. En Résumé : Vers une Nouvelle Ère

Ce papier nous dit que l'IA n'est pas le diable, c'est juste un nouvel outil très puissant.

Avant : On interdisait l'outil et on punissait ceux qui l'utilisaient.
Maintenant : On dit aux élèves : "Utilisez l'outil, mais montrez-nous que vous êtes toujours le capitaine du navire."

L'objectif n'est plus seulement d'avoir la bonne réponse, mais de prouver qu'on sait comment on l'a trouvée, pourquoi on l'a choisie, et qu'on est capable de la défendre face à un professeur. C'est ainsi que l'on garde l'honnêteté scolaire tout en profitant des merveilles de la technologie.

Titre de l'article

Utilisation des outils d'IA : Lignes directrices pour maintenir l'intégrité académique dans les facultés d'informatique

1. Problématique

L'adoption rapide d'outils d'intelligence artificielle générative, tels que ChatGPT, a transformé les pratiques académiques, offrant des avantages en termes d'efficacité d'apprentissage et d'auto-efficacité. Cependant, cette adoption massive soulève des préoccupations critiques concernant l'intégrité académique au sein des facultés d'informatique.

Le dilemme : L'utilisation non régulée d'outils d'IA peut conduire à la soumission de travaux générés sans effort réel, minant le développement de la pensée critique, de la résolution de problèmes et de la compréhension conceptuelle.
Le vide actuel : De nombreuses institutions réagissent soit par une interdiction totale (peu réaliste), soit par un manque de cadre structuré. Il existe un besoin urgent de directives permettant d'intégrer ces outils de manière éthique et pédagogique sans compromettre les objectifs éducatifs ni la rigueur académique.

2. Méthodologie

Les auteurs adoptent une approche structurée combinant l'analyse qualitative et la modélisation formelle :

Classification des évaluations : Identification et catégorisation des types d'évaluations courants dans les collèges d'informatique (devoirs, examens à la maison, examens en classe, projets informatiques, rapports écrits, présentations orales, etc.).
Analyse des risques par type d'outil : Distinction entre les capacités des outils (ex: génération de texte pour ChatGPT vs complétion de code pour GitHub Copilot) et leur impact spécifique sur l'intégrité des différentes formes d'évaluation.
Développement de lignes directrices : Proposition de recommandations générales et spécifiques pour chaque type d'évaluation, visant à transformer l'IA d'un outil de triche en un outil d'apprentissage assisté.
Modélisation mathématique formelle : Introduction d'un modèle mathématique rigoureux pour évaluer les travaux étudiants en présence d'IA, incluant des fonctions de pondération pour la qualité de la soumission, l'effort de raffinement et la vérification de la compréhension.

3. Contributions Clés

L'article apporte plusieurs contributions majeures à la communauté académique et pédagogique :

Cadre de lignes directrices exhaustif :
- Directives générales : Obligation de divulgation de l'usage de l'IA, intégration d'entretiens post-soumission (défense orale), et conception d'assessments basés sur l'analyse critique des sorties de l'IA.
- Directives spécifiques par type d'évaluation :
  - Devoirs/Examens : Questions spécifiques avec paramètres aléatoires, nécessitant une justification des choix.
  - Programmation : Utilisation de contrôle de version (Git), démonstrations en direct (live coding) et modifications en classe.
  - Rapports et Essais : Comparaison entre une version générée par l'IA et une version écrite indépendamment, avec un rapport d'analyse critique.
  - Travaux de groupe : Logs de collaboration et réflexions individuelles pour éviter l'usage dissimulé de l'IA par certains membres.
Modèle formel d'évaluation (Section 5) :
- Définition d'un pipeline mathématique $Pipe_P$ intégrant : l'usage de l'outil $u(a)$ , la divulgation $d(a)$ , la génération $S_{AI}$ , le raffinement étudiant $r$ , la vérification $v$ , et le calcul de la note $G(a)$ .
- Fonction de notation : $G(a) = w_1 \times score(S_{ST}) + w_2 \times r(S_{AI}, S_{ST}) + w_3 \times v(S_{ST}, r)$ , où les poids sont ajustables selon le contexte pédagogique.
- Drapeau d'intégrité (Integrity Flag) : Une condition booléenne $I(a) = d(a) \land v(S_{ST}, r)$ qui invalide automatiquement l'évaluation si l'usage n'est pas divulgué ou si la compréhension n'est pas vérifiée.

4. Résultats et Implications

Adaptabilité des évaluations : Les auteurs démontrent que les évaluations traditionnelles (comme les devoirs à la maison) doivent être redessinées pour inclure des composantes de vérification humaine (entretiens, présentations) et de réflexion critique.
Équité et Accessibilité : Le papier souligne la nécessité de concevoir des évaluations qui ne dépendent pas des versions premium des outils d'IA pour éviter les inégalités entre étudiants.
Validation du modèle : Un exemple travaillé (évaluation d'un projet de programmation) montre comment le modèle mathématique permet de calculer une note finale pondérée (ex: 0.82) tout en garantissant l'intégrité via le drapeau $I(a)=1$ , à condition que la divulgation et la vérification orale soient réussies.
Changement de paradigme : L'IA n'est plus vue comme une menace à exclure, mais comme un outil à intégrer sous contrôle, similaire à l'utilisation des calculatrices en mathématiques, à condition que l'effort cognitif et la compréhension restent la responsabilité de l'étudiant.

5. Signification

Cet article est significatif car il offre une solution pratique et théorique au défi de l'IA générative dans l'enseignement supérieur, spécifiquement en informatique.

Pour les instructeurs : Il fournit un kit d'outils opérationnel (lignes directrices, modèles d'évaluation) pour adapter leurs cours sans sacrifier la rigueur.
Pour les institutions : Il propose un cadre politique équilibré qui évite les interdictions totales inefficaces au profit d'une régulation intelligente.
Pour la recherche : L'introduction d'un modèle mathématique formel pour l'évaluation assistée par l'IA ouvre la voie à des études quantitatives sur l'intégrité académique et l'optimisation des processus de notation.

En conclusion, l'article plaide pour une approche où l'intégrité académique est préservée non pas en interdisant la technologie, mais en redéfinissant les méthodes d'évaluation pour exiger une transparence totale, une vérification humaine et une réflexion critique de la part des étudiants.