Préambule

Lors de l’atelier de co-création organisé par l’Africa Foundational Learning Assessment Institute (AFLAI) à Nairobi au début du mois de septembre, des représentants de 13 ministères de l’Éducation de toute l’Afrique se sont réunis pour discuter des données et des évaluations dans le domaine des apprentissages fondamentaux. Ce blog se concentre sur l’intelligence artificielle (IA) dans l’évaluation de l’éducation. Il s’agit du premier résultat de la série d’échanges de connaissances de l’AFLAI, qui abordera différents thèmes identifiés lors de cet atelier.

Introduction

Il existe différents points de vue sur l’utilisation de l’IA dans les évaluations éducatives dans le contexte africain. Lors de l’atelier de Nairobi, les responsables des ministères de l’Éducation de 13 pays africains ont insisté sur un message central : l’IA peut aider à résoudre les points faibles de l’évaluation SI les pays africains prennent les devants et placent les enfants et les enseignants au centre de leurs préoccupations.

« Nous ne pouvons pas rejeter l’IA ! Nous avons besoin d’une formation sur les meilleures façons de l’utiliser », a déclaré un représentant du Nigeria, résumant ainsi l’état d’esprit général et le passage d’une innovation impulsée de l’extérieur à un leadership local. Dans toute la région, les ministères explorent comment l’IA peut rendre les évaluations plus rapides et plus équitables. L’IA peut améliorer les évaluations et les rendre plus équitables en réduisant les biais dans les tests, en améliorant la précision des notes et en s’adaptant à plusieurs langues et aux capacités des apprenants. Pour y parvenir, les ministères ont souligné l’importance de commencer modestement, d’apprendre rapidement et d’établir des règles nationales pour une utilisation responsable.

L’utilisation de l’IA pour soutenir l’évaluation est particulièrement attrayante pour de nombreux ministères, car les approches actuelles sont coûteuses, lentes et difficiles à mettre en œuvre à grande échelle, ce qui surcharge les enseignants et empêche les systèmes de fournir des informations utiles et opportunes sur les performances. Plusieurs ministères ont exprimé leur intérêt pour tester l’IA dans le cadre de projets pilotes ciblés qui donnent la priorité aux besoins des classes et génèrent des données pour éclairer les politiques.

Le potentiel de l’IA dans les évaluations de l’apprentissage fondamental

Les ministères et les partenaires d’un nombre croissant de pays commencent à tester comment l’IA peut renforcer les systèmes d’évaluation existants, de la saisie de la fluidité de la lecture à voix haute à l’analyse des réponses manuscrites. Voici quelques exemples d’utilisation précoce :

Accélération des contrôles précoces de la lecture grâce à la reconnaissance vocale automatique (ASR). Les gouvernements et les équipes de recherche testent l’ASR pour mesurer la fluidité de la lecture à voix haute dans les langues locales. Les premiers travaux menés en Afrique du Sud, au Maroc et en Tanzanie montrent que cette technologie promet une collecte de données nettement plus rapide et plus précise, rendant les contrôles de lecture de routine beaucoup plus faciles à réaliser. « Il est possible de faire évaluer la fluidité de la lecture à voix haute en temps réel par l’IA », a déclaré un représentant du Sénégal. « Cela réduit la subjectivité et les biais, et diminue le temps nécessaire pour noter les évaluations. » En outre, le consortium EGRA-AI travaille à la création de modèles de reconnaissance vocale pour la lecture précoce dans les langues africaines afin de réduire le coût et le temps nécessaires aux évaluations individuelles.

Construire les ressources linguistiques dont l’Afrique a besoin. Comme l’a fait remarquer un représentant de la Côte d’Ivoire, « le défi de la reconnaissance vocale réside dans le fait qu’elle doit être entraînée à la phonétique », soulignant l’importance de la langue et du contexte dans le développement de modèles précis. Les chercheurs de plusieurs pays africains réagissent en élargissant la gamme des langues représentées dans la technologie vocale, grâce à des efforts à grande échelle tels que African Next Voices (plus de 9 000 heures dans 18 langues) et AfriSpeech-200, ou à des initiatives communautaires telles que Masakhane African Languages Hub, Lacuna Fund, DVoice et NaijaVoices. Si la plupart des ensembles de données à grande échelle se concentrent encore sur la parole des adultes, ils jettent les bases d’applications futures axées sur les enfants, telles que l’évaluation de la lecture.

Correction des travaux écrits à l’aide de la vision par ordinateur et de la reconnaissance optique de caractères (OCR). « Pourquoi ne parlons-nous pas des outils d’IA pour évaluer les mathématiques ? » a demandé un représentant de Madagascar, rappelant que l’innovation en matière d’évaluation va au-delà de l’alphabétisation. La vision par ordinateur est actuellement testée pour corriger les travaux manuscrits, y compris en mathématiques. Parallèlement, le traitement du langage naturel (NLP) et les grands modèles linguistiques (LLM) sont utilisés pour évaluer la précision et la cohérence des écrits des élèves. Au Rwanda, Rising Academies expérimente des outils d’IA qui aident les enseignants à analyser les schémas de résolution de problèmes des élèves et à adapter leur enseignement.

Transformer les données en décisions. « L’IA peut-elle nous présenter les données sous une forme qui nous soit utile ? » a demandé un représentant du Kenya, rappelant ainsi que la valeur de l’évaluation réside dans ce que les éducateurs font ensuite. Au-delà de la notation, l’IA peut synthétiser les résultats dans des tableaux de bord et des rapports clairs, afin que les enseignants puissent identifier les élèves qui ont besoin d’aide et adapter leur enseignement en conséquence. Elle peut également automatiser le nettoyage et l’analyse des données pour les équipes scolaires et régionales, tout en facilitant l’établissement de rapports nationaux sur les progrès réalisés par rapport aux indicateurs d’apprentissage mondiaux tels que l’ODD 4.1.1.

Ces efforts laissent entrevoir un avenir où les évaluations seront plus rapides, plus équitables et plus cohérentes, fournissant des informations opportunes qui aideront les enseignants à adapter leur enseignement, les dirigeants à cibler leur soutien et les ministères à suivre les progrès réalisés.

Des garde-fous pour une utilisation responsable de l’IA

Alors que les pays africains commencent à expérimenter l’IA dans le domaine de l’évaluation, il est essentiel de mettre en place des garde-fous clairs afin d’instaurer la confiance et de protéger les apprenants.

Commencer par la confiance et l’assurance qualité. Les participants à l’AFLAI ont convenu que l’IA devrait être utilisée pour renforcer l’intégrité des évaluations plutôt que pour les réaliser ou les noter directement. « Nous ne sommes pas prêts à utiliser l’IA pour évaluer les élèves. Nous devrions utiliser l’IA pour garantir la qualité des évaluations, afin de détecter les erreurs commises par les enquêteurs, qu’elles soient accidentelles ou délibérées », a déclaré un représentant de la société civile du Kenya. Renforcer la confiance grâce à la transparence, à l’examen humain et à l’assurance qualité est la première étape, en particulier avant toute utilisation à haut risque.

Protéger les données des enfants et préserver la souveraineté. Les ministères présents à l’atelier ont souligné le caractère profondément personnel des voix, des écrits et des dossiers des enfants. Cependant, seuls 36 des 55 pays africains disposent de lois sur la protection des données, et encore moins comprennent des dispositions spécifiques aux enfants. Cela souligne la nécessité de mettre en place des garanties solides à mesure que la collecte de données vocales se développe. Des pays tels que l’Angola, le Ghana, le Kenya et l’Afrique du Sud ont déjà révisé ou sont en train de réviser leurs politiques afin de renforcer les protections tout en permettant une innovation responsable en matière d’IA.

Renforcer les capacités des personnes impliquées. Les participants ont souligné l’importance de la supervision humaine et de la transparence dans l’évaluation assistée par l’IA, ainsi que la nécessité de renforcer les compétences des personnes impliquées dans la mise en œuvre. Comme l’a fait remarquer un représentant sénégalais, « nous devons accepter que l’IA soit là. C’est au gouvernement de permettre à la communauté d’acquérir les compétences nécessaires pour savoir comment progresser. Le monde ne nous attend pas ». La limite est claire : l’IA doit soutenir, et non remplacer, les enseignants, les recenseurs et les spécialistes de l’évaluation.

La voie à suivre

Une compréhension commune s’est dégagée lors de l’atelier de l’AFLAI : les ministères de tout le continent sont prêts à exploiter l’IA pour soutenir l’évaluation là où elle apporte le plus de valeur ajoutée, mais la voie à suivre doit être mesurée et réfléchie.

1. Mener des projets pilotes avec prudence, comparer les résultats à ceux obtenus par des humains et contextualiser. Les participants ont convenu de l’importance de commencer modestement et d’apprendre rapidement grâce à des essais pilotes à faible enjeu, en se comparant à la notation humaine et en adaptant les modèles aux langues locales et au langage des enfants. Cette approche permet de réduire les risques liés à l’innovation tout en générant des données probantes propres à chaque pays. « N’allons-nous pas trop vite ? » a demandé un responsable du Bénin, rappelant utilement qu’il faut adopter cette technologie de manière responsable.
    
2. Donner la priorité aux gains rapides et à faible risque. De nombreux participants ont souligné que l’assurance qualité (par exemple, le signalement des entrées incohérentes des recenseurs) et le suivi des progrès (par exemple, les contrôles de lecture de routine ou les tickets de sortie mathématiques rapides) constituaient des points de départ pratiques pour utiliser l’IA afin de soutenir les évaluations. Comme l’a fait remarquer un représentant de Zizi Afrique, « l’IA n’est pas prête à réaliser des évaluations ; elle doit être contextualisée ». Ces applications offrent une valeur immédiate aux enseignants et aux dirigeants sans introduire trop tôt des enjeux à haut risque.
    
3. Publier des orientations nationales et établir des règles claires. Les ministères ont demandé des conseils pratiques sur la mise en place de garde-fous pour les normes de collecte et de conservation des données, la protection des données relatives aux enfants, les attentes en matière de contrôle humain et les exigences claires pour les fournisseurs en matière de transparence, de tests de partialité, de localisation et de mises à jour des modèles. Des modèles de partenariats équitables peuvent aider les pays à négocier l’accès aux données, la propriété intellectuelle et les engagements en matière de renforcement des capacités.
    
4. Se concentrer sur l’utilisation, pas seulement sur les données. La véritable valeur de l’IA dans le soutien à l’évaluation ne réside pas seulement dans les tests technologiques ou la collecte de données, mais dans la manière dont les résultats sont utilisés pour améliorer la prise de décision. Des projets pilotes efficaces peuvent aider les enseignants à adapter leur enseignement, guider les ministères dans l’affectation des ressources et donner aux communautés une idée plus claire de la manière dont les enfants apprennent. Les projets pilotes peuvent également fournir des informations contextualisées sur les obstacles potentiels imprévus à l’utilisation efficace de l’IA.

À mesure que les preuves de l’utilisation de l’IA pour soutenir l’évaluation se multiplient, il devient de plus en plus impératif d’approfondir l’expertise au niveau régional et national, en veillant à ce que les ministères, les chercheurs et les praticiens jouent un rôle de premier plan dans l’interprétation des résultats, la définition des priorités et la mise à l’échelle des solutions efficaces. Il ne s’agit pas seulement d’une phase d’expérimentation, mais d’un véritable tournant. Les ministères définissant leurs propres voies et façonnant des partenariats selon leurs propres conditions, les pays africains peuvent montrer l’exemple au monde entier en montrant comment une IA responsable, équitable et ancrée localement peut transformer l’apprentissage de chaque enfant.

Post-scriptum

Ce blog a été co-rédigé par Clio Dintilhac (Fondation Gates), Ahmad Jawad Asghar (Fondation Gates), Sara Cohen (Woodspring Advisory) et Jacqueline Jere Folotiya (ADEA) sur la base des résultats de l’atelier de l’Africa Foundational Learning Assessment Institute (AFLAI) qui s’est tenu à Nairobi les 11^et 12 septembre 2025. Il s’agit du premier d’une série de publications dans le cadre de la série AFLAI Knowledge Exchange Series.