Intégrité scolaire et droit d’auteur

L’une des premières questions que l’IA générative a soulevées pour de nombreux membres du personnel éducatif était assez simple : Les élèves s’en servent-ils pour tricher ? C’est une préoccupation compréhensible. Si un travail vise à démontrer l’écriture, le raisonnement ou la compréhension d’un élève, le fait que l’IA l’exécute peut rendre plus difficile de savoir ce que l’élève a appris.

Mais l’IA générative rend aussi l’intégrité scolaire plus complexe que la simple question de savoir si l’IA a été utilisée. Un élève peut utiliser l’IA pour trouver des sujets possibles, organiser des idées, obtenir de la rétroaction sur une ébauche, générer une image, traduire un texte ou produire une réponse entière. Le rôle que joue l’IA peut être très différent d’une tâche à l’autre, tout comme ses conséquences pour l’apprentissage.

Cela soulève de nouvelles questions pour le personnel éducatif et les élèves. Quel rôle l’IA devrait-elle jouer dans un travail particulier ? Quels apprentissages les élèves devraient-ils pouvoir démontrer ? Comment les élèves peuvent-ils être transparents quant à la contribution de l’IA tout en reconnaissant de façon appropriée les sources et le matériel qu’ils utilisent ? Et comment le personnel éducatif peut-il garder les élèves véritablement liés au travail qu’ils remettent ?

Plus tôt dans ce chapitre, nous avons exploré certaines des limites des outils de détection de l’IA, y compris le risque de résultats injustes pour les élèves. Si la détection seule ne permet pas de dresser un portrait clair de la façon dont un élève a réalisé son travail, nous avons besoin d’autres moyens de comprendre ce qu’il a appris et comment il a contribué en cours de route.

Passer du produit au processus

Pour le personnel éducatif, porter attention au processus d’apprentissage n’est pas nouveau. Les membres du personnel éducatif se servent déjà de différentes occasions tout au long de l’apprentissage pour voir comment les élèves développent leur compréhension. Les ébauches, les discussions, la rétroaction, les activités de pratique et les suivis peuvent tous donner un aperçu précieux de l’apprentissage en cours, plutôt que de s’en remettre uniquement à une évaluation finale ou à un projet.

L’IA générative donne au personnel éducatif une autre raison de porter attention à ce processus. Lorsque l’IA peut contribuer à différentes parties d’un travail, le produit final ne montre pas toujours ce qu’un élève a compris, décidé, révisé ou accompli lui-même. Examiner certaines parties du processus peut aider à rendre plus visibles la réflexion et l’apprentissage de l’élève.

Des recherches récentes décrivent cela comme une évaluation axée sur le processus, dans laquelle les éléments permettant de comprendre comment les élèves élaborent leur travail sont pris en compte en plus du résultat final. Les décisions, les révisions, les réflexions, les erreurs et les changements de compréhension peuvent tous constituer des preuves significatives d’apprentissage (Winstone et al., 2026).

Comment rendre le processus visible ?

Des recherches sur l’intégrité scolaire et l’évaluation à l’ère de l’IA générative suggèrent aussi que le personnel éducatif peut se concentrer sur certains moments du processus d’apprentissage, plutôt que d’essayer de documenter chaque étape ou chaque interaction avec l’IA (Sharma, 2026). Ces petites fenêtres peuvent aider à révéler le raisonnement et le jugement des élèves tout en gardant l’accent sur des preuves significatives d’apprentissage.

Explorez les exemples ci-dessous pour voir à quoi cela pourrait ressembler dans la pratique.

Lorsque l’IA fait partie de l’environnement d’apprentissage, « l’IA est permise » ou « l’IA n’est pas permise » peut ne pas donner aux élèves assez d’information. L’IA peut convenir pour une partie d’un travail et pas pour une autre, ou son utilisation peut changer selon ce que les élèves sont censés apprendre et démontrer.

Par exemple, imaginez que des élèves apprennent à construire un argument persuasif. Laisser l’IA générer l’argument pourrait prendre en charge une partie du raisonnement qu’ils sont censés pratiquer. Mais si l’objectif d’apprentissage est d’évaluer des arguments, une réponse générée par l’IA pourrait devenir quelque chose que les élèves analysent, remettent en question et améliorent.

Cela signifie que les attentes à l’égard de l’utilisation de l’IA doivent être reliées à l’objectif de l’évaluation. Les élèves doivent savoir non seulement si l’IA est permise, mais aussi quel rôle elle peut jouer, comment ils sont censés l’utiliser et ce que leur évaluation est conçue pour démontrer.

L’échelle d’utilisation de l’IA dans le cadre de l’évaluation (AIAS) (« AI Assessment Scale », AIAS)

Un cadre qui peut aider le personnel éducatif à prendre ces décisions et à les communiquer aux élèves est l’échelle d’utilisation de l’IA dans le cadre de l’évaluation, ou « AI Assessment Scale » (AIAS). Élaboré par Mike Perkins, Jasper Roe, Leon Furze et Jason MacVaugh, ce cadre décrit cinq façons différentes dont l’IA peut être intégrée à une évaluation. Les cinq niveaux ne représentent pas une progression de « moins d’IA » à « plus d’IA », et aucun n’est intrinsèquement meilleur qu’un autre. Le niveau approprié dépend des résultats d’apprentissage et de ce que les élèves sont censés démontrer.

Choisir un niveau n’est que le début. L’AIAS encourage le personnel éducatif à commencer par les résultats d’apprentissage, à décider du rôle que l’IA devrait jouer, à déterminer quelles preuves les élèves doivent fournir et à s’assurer que les critères d’évaluation reflètent ces attentes. L’important n’est pas de trouver la « bonne » catégorie, mais de clarifier les attentes avant que les élèves commencent.

Mettre cela en pratique

Maintenant, comment appliqueriez-vous cette réflexion dans votre propre classe ? Imaginez que vos élèves réalisent un travail écrit. Comment aborderiez-vous chacune des utilisations suivantes de l’IA générative ? Pour chaque exemple, demandez-vous si vous la permettriez, la permettriez sous conditions ou ne la permettriez pas pour ce travail en particulier.

Il n’y a pas nécessairement de bonnes ou de mauvaises réponses. Tenez compte de l’objectif d’apprentissage au moment de déterminer si vous permettriez cette utilisation, si vous la permettriez sous conditions ou si vous ne la permettriez pas.

Des lignes directrices claires disent aux élèves ce qui est attendu, mais des conversations en classe peuvent les aider à comprendre pourquoi ces attentes existent. Plutôt que de seulement donner aux élèves une liste de règles, le personnel éducatif peut les inviter à réfléchir à ce à quoi ressemble une utilisation responsable de l’IA et à la façon dont différents types d’aide de l’IA pourraient influer sur leur apprentissage.

Voici des questions de discussion à poser aux élèves :

• Quand l’IA soutient-elle votre apprentissage, et quand risque-t-elle de prendre en charge quelque chose que vous avez besoin de pratiquer ?
• Quand devriez-vous dire à quelqu’un que l’IA a contribué à votre travail ?
• Si l’IA modifie considérablement quelque chose que vous avez écrit, comment cette contribution devrait-elle être reconnue ?
• Qu’est-ce qui rend une consigne sur l’IA claire et équitable ?

L’échelle d’utilisation de l’IA dans le cadre de l’évaluation (AIAS) peut aussi donner au personnel éducatif et aux élèves un langage commun pour ces conversations. Au lieu de seulement se demander si l’IA est permise, ils peuvent parler plus précisément du rôle que l’IA est censée jouer dans une tâche particulière.

Que demanderiez-vous à vos élèves ?

Différentes questions servent différents objectifs. Certaines aident à clarifier si les attentes ont été respectées, tandis que d’autres en révèlent davantage sur les choix, l’apprentissage et la contribution d’un élève. Ensemble, elles peuvent soutenir une conversation plus complète sur l’utilisation responsable de l’IA.

Une fois que les attentes à l’égard de l’utilisation de l’IA sont claires, les élèves doivent aussi savoir comment citer leurs sources et savoir faire preuve de transparence quant aux sources et aux outils qui ont contribué à leur travail. Cela peut vouloir dire citer l’origine de l’information ou des idées, indiquer comment l’IA a été utilisée et assumer la responsabilité du travail final. Même si ces pratiques sont étroitement liées, chacune répond à un objectif différent.

Des politiques aux lignes directrices pratiques

Comme l’IA générative continue d’évoluer rapidement, le personnel éducatif peut rencontrer à la fois des politiques scolaires officielles et des lignes directrices sur l’IA plus souples. Ces lignes directrices peuvent transformer des attentes plus générales en matière d’intégrité scolaire, de protection des renseignements personnels et d’utilisation de la technologie en consignes pratiques que les élèves peuvent suivre.

Partout au Canada, certains conseils scolaires élaborent des orientations qui mettent ces idées en pratique. Bien que les détails varient, les exemples ci-dessous mettent tous l’accent sur la clarté des attentes et la transparence quant à la contribution de l’IA au travail des élèves.

Explorez les exemples ci-dessous pour voir comment différents conseils scolaires canadiens abordent la divulgation et l’attribution de l’IA.

À quoi peut ressembler une citation d’IA ?

Il n’existe pas une seule bonne façon de documenter l’utilisation de l’IA. Les divisions scolaires peuvent élaborer leurs propres lignes directrices, et les pratiques de citation peuvent aussi varier selon le style utilisé. L’essentiel est que les élèves comprennent les attentes auxquelles ils doivent répondre et disposent d’exemples pratiques pour les guider.

L’exemple ci-dessous s’appuie sur les consignes des West Vancouver Schools et présente une façon de citer du contenu généré par l’IA selon le style MLA.

La citation d’une IA et la citation d’une source répondent à des objectifs différents

Citer ou mentionner un outil d’IA contribue à assurer la transparence quant au rôle de l’IA dans la réalisation du travail, mais cela n’indique pas nécessairement au lecteur d’où provient à l’origine l’information contenue dans sa réponse. Par exemple, un élève pourrait demander à un outil d’IA générative d’expliquer les causes des changements climatiques. Il pourrait mentionner qu’il a utilisé l’IA, mais il devrait tout de même trouver et consulter des sources fiables qui appuient les affirmations qu’il décide d’inclure dans son travail. Autrement dit, mentionner l’IA ne remplace pas la nécessité de repérer et de citer les sources qui appuient l’information utilisée.

De l’attribution au droit d’auteur

Il y a une autre distinction que les élèves peuvent rencontrer. La citation indique aux autres d’où provient un contenu, mais elle ne donne pas automatiquement à quelqu’un le droit de l’utiliser de n’importe quelle façon. Le droit d’auteur encadre aussi la manière dont le matériel protégé peut être copié, partagé ou adapté.

Au Canada, l’utilisation équitable permet certaines utilisations de matériel protégé par le droit d’auteur à des fins qui comprennent l’éducation, lorsque l’utilisation est jugée équitable (Office de la propriété intellectuelle du Canada, s.d.; Conseil des ministres de l’Éducation (Canada) [CMEC], s.d.). Le recours à l’IA ne supprime pas ces considérations. Les élèves doivent tout de même réfléchir aux sources et aux documents protégés qu’ils utilisent, même lorsque l’IA fait partie de la façon dont ils trouvent ce contenu ou travaillent avec lui.

L’IA générative peut contribuer à de nombreuses parties du travail d’un élève, mais les élèves ont encore besoin d’occasions de reconnaître leur propre contribution et d’assumer la responsabilité de ce qu’ils remettent. Une véritable appropriation ne signifie pas nécessairement que chaque mot doit être produit sans aide. Les élèves ont toujours appris avec le soutien du personnel éducatif, de pairs, de réviseurs, de dictionnaires, de calculatrices, de moteurs de recherche et d’autres outils. L’IA apporte à cet ensemble une nouvelle forme d’assistance aux capacités exceptionnelles.

L’important est que les élèves demeurent véritablement engagés dans le travail. Peuvent-ils expliquer les choix qu’ils ont faits ? Peuvent-ils décrire comment leur réflexion a changé ? Peuvent-ils indiquer où l’IA les a aidés et où ils n’étaient pas d’accord avec elle ? Peuvent-ils expliquer le raisonnement derrière les idées finales ?

Les travaux peuvent rendre cette appropriation plus visible en demandant aux élèves de réfléchir à leur processus, de discuter de décisions importantes, de conserver certaines étapes de leur travail ou d’expliquer comment et pourquoi ils ont utilisé l’IA. Le but n’est pas d’obliger les élèves à prouver que l’IA n’a jamais été utilisée dans leur travail, mais de créer des occasions où leur réflexion, leur jugement et leur contribution demeurent visibles.

À mesure que l’IA générative s’intègre à la façon dont les élèves apprennent et créent, l’intégrité scolaire ne se limite plus à déterminer si un outil a été utilisé. Des attentes claires, des conversations ouvertes, une attribution responsable et des occasions pour les élèves de démontrer leur apprentissage peuvent contribuer à ce que les élèves demeurent responsables de leur travail et se l’approprient pleinement.

Le chapitre 3 a déplacé l’attention du fonctionnement de l’IA vers les exigences d’une utilisation responsable. Cette vérification des connaissances regroupe les risques, les responsabilités et les mesures de protection que nous avons explorés, et vous invite à les appliquer à des situations que le personnel éducatif peut rencontrer dans sa pratique.

Quelle est la prochaine étape de votre parcours d’apprentissage ?

Au chapitre 4, nous passerons de la compréhension des risques et des réalités de l’IA à l’examen de ce que peut être une utilisation réfléchie dans la pratique. Nous explorerons comment le personnel éducatif peut évaluer dans quelles situations l’IA peut soutenir l’enseignement et l’apprentissage, faire des choix réfléchis quant au moment et à la façon de l’utiliser, et appliquer les mesures de protection et le jugement professionnel acquis tout au long de ce chapitre.