Les changements de notation des devoirs de Richard Borcherds alors que l’IA brouille les preuves d’apprentissage

Richard Borcherds aurait cessé de noter les devoirs selon leur exactitude, car l’IA rend difficile l’identification du travail réellement réalisé par les étudiants de façon autonome. Ce changement dans la notation des devoirs de Richard Borcherds maintient les exercices d’entraînement tout en déplaçant les preuves de compréhension vers des examens surveillés. Cette distinction est importante : le recul signalé concerne ce que les notes de devoirs peuvent démontrer, et non la question de savoir si les étudiants devraient s’exercer aux mathématiques.

Selon une couverture de Tom’s Hardware datée du 27 octobre, le professeur de UC Berkeley évalue désormais principalement les étudiants au moyen d’examens en présentiel sans appareils électroniques. D’autres articles décrivent des crédits de devoirs accordés en fonction de leur réalisation. Ensemble, ces récits décrivent une séparation entre l’entraînement à une compétence et la démonstration que l’étudiant la maîtrise personnellement.

Des approches concurrentes existent déjà à Berkeley. Son programme de calcul statistique de l’automne 2026 autorise l’assistance de l’IA tout en associant les travaux à des vérifications de compréhension en présentiel. La décision attribuée à Borcherds soulève donc une question précise pour les enseignants et les utilisateurs d’IA : lorsque le logiciel peut produire la réponse, qu’est-ce qui devrait constituer la preuve qu’une personne la comprend ?

Ce que signifie réellement le changement de notation des devoirs de Richard Borcherds

Le changement signalé retire l’exactitude comme base d’attribution des crédits de devoirs ; il ne prouve pas que Borcherds a supprimé les devoirs.

Tom’s Hardware attribue cette décision à la crainte de Borcherds que des rendus impeccables ne permettent plus de distinguer de manière fiable un travail autonome d’une assistance par IA. Son récit de son changement d’évaluation des devoirs décrit également une préférence pour les examens surveillés. Il constaterait des notes plus élevées pour les travaux en ligne sans pouvoir identifier quels étudiants ont utilisé l’IA.

Le détail des crédits accordés pour la réalisation apparaît dans d’autres articles, notamment dans un résumé renvoyant au New York Post. Ce récit décrit des crédits de devoirs fondés sur la réalisation, ce qui précise ce que les lecteurs devraient retenir des titres annonçant la fin des devoirs notés. La remise peut encore compter, même lorsque les bonnes réponses ne rapportent plus de notes différenciées.

La réputation de Borcherds contribue à expliquer l’attention suscitée. Les archives de Berkeley documentent sa médaille Fields de 1998, attribuée pour ses travaux mathématiques, notamment sa démonstration de la conjecture du Monstrous Moonshine. Cette distinction établit ses références de chercheur. Elle ne valide pas de manière indépendante sa politique d’évaluation et ne mesure pas la triche dans ses cours.

Plusieurs limites demeurent importantes. Les articles examinés ici n’établissent pas un abandon généralisé, à l’échelle du campus, des devoirs notés. Ils ne fournissent pas non plus de date de mise en œuvre vérifiée, de formule complète de notation ni de taux mesuré de triche parmi ses étudiants.

L’évolution immédiate est donc la réponse attribuée à un enseignant face à un problème qu’il affirme ne plus pouvoir résoudre en examinant les réponses. Présenter cette réponse comme une politique à l’échelle de Berkeley exagérerait les preuves. La considérer comme la preuve que tout rendu solide relève de la triche les exagérerait davantage encore.

Cette distinction modifie également le débat politique. Supprimer les exercices d’entraînement retirerait une occasion d’apprendre. Mettre fin aux crédits fondés sur l’exactitude modifie l’incitation associée à cette occasion, tout en laissant ouverte la question de la manière dont les étudiants reçoivent des retours utiles.

Considérons la différence du point de vue d’un étudiant. Avec une notation fondée sur l’exactitude, un problème non résolu menace la note du devoir. Avec un crédit accordé pour la réalisation, ce même problème non résolu peut révéler un point à traiter avant un examen, à condition que le cours fournisse toujours des retours adéquats.

C’est le bénéfice potentiel, plutôt qu’un résultat établi dans les cours de Borcherds. Les étudiants pourraient ressentir moins de pression pour remettre des réponses parfaites qu’ils ne peuvent pas expliquer. Ils pourraient aussi consacrer moins d’efforts à l’entraînement si la simple réalisation leur paraît suffisante.

L’histoire de la notation des devoirs de Richard Borcherds repose donc sur un problème d’évaluation aux conséquences concurrentes. Un cours peut rendre les devoirs moins attrayants à sous-traiter tout en affaiblissant la récompense immédiate liée à leur réalisation consciencieuse. Déterminer si cet équilibre améliore l’apprentissage exige des preuves allant au-delà de l’annonce elle-même.

Les bonnes réponses perdent leur valeur comme preuve

Un rendu correct établit quelque chose au sujet du travail remis, mais laisse de plus en plus sans réponse la question de la capacité autonome de l’étudiant.

Les devoirs peuvent remplir plusieurs fonctions. Ils donnent aux étudiants l’occasion de s’exercer, aident les enseignants à repérer les incompréhensions, créent des échéances et apportent des éléments pour la note du cours. Ces objectifs se recoupent, mais ils n’exigent pas toujours la même méthode d’évaluation.

L’IA rend cette séparation plus difficile à ignorer. Un étudiant peut disposer d’une solution exacte sans avoir choisi sa méthode, compris ses hypothèses ou reconnu où elle pourrait échouer. La réponse finale seule ne peut pas résoudre ces différences.

Cela ne signifie pas que toute assistance compromet l’apprentissage. Un indice peut aider quelqu’un à reprendre un travail productif. Une explication peut révéler une incompréhension. Une solution achevée peut aussi remplacer le raisonnement qu’un devoir était censé développer.

À partir du rendu final, ces parcours peuvent sembler similaires. Cela crée une pression sur les enseignants qui doivent attribuer un crédit individuel à partir d’un travail accompli hors de leur observation. Cela met également sous pression les étudiants qui respectent les restrictions tout en estimant que d’autres obtiennent des crédits grâce à une assistance interdite.

La réponse attribuée à Borcherds traite directement cette incitation. Si l’exactitude rapporte moins de points pour les devoirs, obtenir une réponse parfaite d’un logiciel devient moins utile pour cette note particulière. Toutefois, le crédit accordé pour la réalisation récompense toujours la remise d’un travail ; l’incitation ne disparaît donc pas entièrement.

Le changement plus profond concerne la relation entre l’entraînement et la certification. L’entraînement peut comporter de l’aide, des tentatives infructueuses, des discussions et des révisions. La certification exige une base défendable pour affirmer ce que l’individu peut faire dans des conditions précises.

Un devoir hypothétique de mathématiques illustre cette différence. Un étudiant remet une démonstration valide, mais ne peut pas expliquer pourquoi son hypothèse centrale est nécessaire. La démonstration reste valide, tandis que le rendu fournit peu de preuves que l’étudiant en comprend la logique.

Un examinateur qui modifie cette hypothèse peut poser une autre question : l’étudiant reconnaît-il ce qui cesse de fonctionner ? Cet échange examine la compréhension plus directement qu’une nouvelle inspection du document d’origine. Il prend également du temps et exige une question adaptée.

La même distinction compte en dehors des universités. Un programme généré peut s’exécuter correctement alors que son utilisateur ne sait pas diagnostiquer une panne. Une analyse soignée peut paraître convaincante alors que son auteur ne peut pas défendre les éléments probants qui sous-tendent sa recommandation.

Ce sont des implications pratiques, et non des conclusions sur les étudiants de Borcherds. Elles expliquent pourquoi les travailleurs du savoir devraient s’intéresser au différend sur l’évaluation. Une production plus rapide accroît l’importance de décider quels jugements humains doivent encore être vérifiés.

Pour les enseignants, le choix difficile concerne ce que chaque devoir devrait établir. Si son objectif principal est l’entraînement, l’assistance peut correspondre à l’objectif d’apprentissage. S’il certifie une compétence autonome, l’accès à l’assistance modifie la signification de la note obtenue.

Le problème dépasse donc la détection d’une faute après la remise d’un travail. Une évaluation peut devenir moins informative même si personne n’a enfreint une règle, surtout si les règles autorisent une assistance substantielle. Une permission claire ne fait pas automatiquement d’une note une mesure valide de la compréhension individuelle.

Les examens surveillés rétablissent l’observation, avec des limites

Les examens surveillés renforcent les preuves de l’identité de la personne ayant réalisé le travail, tout en limitant les conditions dans lesquelles les étudiants démontrent leurs compétences.

Un examen en présentiel sans appareils électroniques répond à une incertitude précise. L’enseignant peut observer un étudiant qui tente de résoudre des problèmes sans accès aux outils exclus par les règles de l’examen. Il est ainsi plus facile d’établir l’auteur du travail qu’avec un rendu non surveillé.

Cela n’établit pas automatiquement tout ce qu’un cours valorise. Un examen chronométré mesure la performance dans ses contraintes particulières. Une enquête approfondie, la révision, la collaboration et l’utilisation efficace de documents de référence peuvent nécessiter d’autres occasions.

La recherche fournit un point de référence historique utile concernant les évaluations non surveillées. Une expérience de l’University of Reading, rendue publique en juin 2024, a inséré des réponses générées par IA dans des évaluations de psychologie de premier cycle. Son test d’évaluation à l’aveugle a conclu que 94 % étaient passées inaperçues et que les rendus issus de l’IA recevaient en moyenne de meilleures notes.

Le résultat étaye une conclusion circonscrite : des correcteurs expérimentés peuvent avoir du mal à reconnaître un travail généré dans un système d’évaluation existant. Il ne mesure pas la triche à Berkeley, n’établit pas un taux de détection spécifique aux mathématiques et ne prouve pas que les examens surveillés produisent un meilleur apprentissage.

Cette limite importe, car la détection et l’éducation sont des résultats distincts. Une évaluation peut rendre difficile l’assistance non autorisée sans offrir aux étudiants une préparation efficace. Une autre peut soutenir l’apprentissage tout en produisant une note qui ne permet pas de certifier avec assurance une performance autonome.

La préférence attribuée à Borcherds résout plus directement le problème d’observation que le problème d’apprentissage. Elle modifie l’endroit où les enseignants recueillent les preuves. La question de savoir si les étudiants deviennent de meilleurs mathématiciens dépend de ce qui se passe avant et après cette évaluation.

Il existe également une différence entre l’introduction de vérifications surveillées régulières et la concentration de la majeure partie des crédits dans un examen final. La première peut révéler des incompréhensions alors que les étudiants ont encore le temps d’y répondre. La seconde peut rendre les malentendus visibles seulement lorsque les conséquences sont importantes.

Aucune de ces organisations ne découle automatiquement de l’expression « examens en présentiel ». Les lecteurs ont besoin du calendrier réel des évaluations, de leur pondération, du processus de retour et des modalités d’aménagement pour évaluer la conception d’un cours. Les articles ne fournissent pas tous ces détails pour Borcherds.

Un test surveillé peut aussi poser la mauvaise question. S’il récompense la mémorisation d’une procédure familière, il peut établir un rappel sans assistance sans vérifier si l’étudiant comprend quand cette procédure s’applique. La présence physique renforce l’attribution, plutôt qu’elle ne garantisse une question pertinente.

Le contraste le plus informatif concerne donc la compréhension observable et le résultat non vérifié. Le papier est une manière de créer cette observation. Une explication orale, un exercice de débogage surveillé ou un problème de suivi peuvent poursuivre un objectif similaire.

Ces alternatives entraînent leurs propres contraintes, notamment en matière de cohérence et d’effectifs. Elles montrent aussi pourquoi déclarer que les examens surveillés sont la seule solution dépasse les preuves disponibles. L’affirmation défendable est plus limitée : une évaluation contrôlée répond directement à l’incertitude concernant l’assistance extérieure.

Pour le débat sur l’évaluation des devoirs de Richard Borcherds, il s’agit d’une distinction importante. La politique rapportée apporte une réponse à des éléments de preuve peu fiables. Elle doit être évaluée comme un choix d’évaluation avec ses coûts, plutôt que comme un verdict universel sur la manière d’enseigner chaque matière.

La détection de l’IA pose un autre problème de jugement

Les logiciels de détection ne peuvent pas supprimer la nécessité d’une procédure équitable qui distingue le soupçon de la preuve.

Un détecteur d’IA tente de déterminer si un logiciel a généré ou contribué à générer un texte. Un faux positif survient lorsqu’il signale à tort un travail humain. Un faux négatif survient lorsqu’un travail généré passe sans être signalé.

Ces deux erreurs comptent dans l’éducation. Ne pas détecter une assistance non autorisée peut nuire à l’équité de l’évaluation. Accuser à tort un étudiant peut entamer la confiance et imposer des conséquences à une personne qui a respecté les règles.

Les recommandations publiées par Berkeley sur la détection de l’IA indiquent que le campus a renoncé au détecteur d’écriture IA de Turnitin après une phase pilote et l’examen de recherches externes. Elles abordent également les problèmes de classification concernant les rédacteurs multilingues et les travaux qui combinent écriture humaine et assistance par IA.

Cette position institutionnelle éclaire la recherche d’autres méthodes d’évaluation. Elle ne prouve pas que tous les détecteurs échouent systématiquement. Elle établit que Berkeley a identifié suffisamment de préoccupations pour ne pas adopter cette fonctionnalité de détection particulière pour un usage général sur le campus.

La distinction entre identifier une assistance et établir une faute ajoute une autre complication. Un cours peut autoriser la correction grammaticale tout en interdisant le raisonnement généré. Un score de classification ne permet pas, à lui seul, d’établir si l’étudiant a franchi cette limite propre au cours.

Un score n’explique pas non plus nécessairement le processus suivi par l’étudiant. Une discussion sur une réponse peut révéler une confusion, mais la confusion ne prouve pas à elle seule la triche. Les étudiants peuvent oublier, devenir anxieux ou mal comprendre leur propre travail réalisé de manière indépendante.

Ces limites font de la procédure la réponse la plus solide. Les enseignants ont besoin d’attentes claires et d’une manière défendable d’évaluer les préoccupations. Sinon, l’incertitude sur l’auteur d’un travail peut devenir une incertitude sur la justification d’une accusation.

Le changement rapporté dans l’évaluation des devoirs de Richard Borcherds évite une partie de ce conflit en réduisant la dépendance à l’égard de l’artefact contesté. Au lieu de tenter d’établir l’origine d’une réponse réalisée à domicile, l’enseignant recueille des éléments distincts dans des conditions contrôlées.

Cette approche présente un attrait évident. Elle peut réduire l’importance de devoir prouver une faute pour chaque devoir suspect. Elle laisse aussi une question non résolue : que se passe-t-il pour les étudiants qui ont besoin d’un retour détaillé sur un travail qui ne reçoit plus de notes fondées sur l’exactitude ?

Supprimer une note ne nécessite pas de supprimer les retours, mais ces retours demandent toujours de l’attention. Un étudiant doit savoir si une démonstration est incomplète, si une hypothèse n’est pas étayée ou si une méthode ne s’applique que dans des conditions plus restreintes.

Une feuille de solutions non notée peut aider, mais la comparaison exige une compréhension suffisante pour identifier des différences pertinentes. Un étudiant en difficulté peut constater que sa réponse diffère sans comprendre pourquoi. C’est là que le soutien pédagogique reste important.

L’argument sceptique contre la notation de complétion mérite donc attention. Cette politique peut rendre l’évaluation plus honnête sur ce qu’elle sait, tout en laissant aux étudiants moins d’indications sur ce qu’ils ne comprennent pas. Sa valeur dépend en partie de la manière dont le cours comble cette lacune.

Aucune donnée publiée sur les résultats n’établit ici que l’approche de Borcherds améliore l’apprentissage, réduit les fautes ou répartit équitablement les charges. Ces points restent à évaluer. Les préoccupations qu’il a rapportées expliquent sa décision, mais n’en règlent pas les effets.

Berkeley propose déjà une approche contrastée

La pratique autorisant l’IA et les contrôles supervisés peuvent coexister, offrant une alternative à la fois à la notation sans restriction des devoirs à domicile et à une interdiction générale.

Une comparaison concrète apparaît dans le syllabus de Statistics 243 de Berkeley pour l’automne 2026, enseigné par Chris Paciorek. Ses évaluations en informatique statistique autorisent l’assistance par IA tout en utilisant des quiz en présentiel pour vérifier la compréhension des étudiants concernant les ensembles de problèmes.

La structure de notation publiée attribue 20 % à la réalisation des ensembles de problèmes, 35 % aux quiz associés, 35 % à un mini-examen et 10 % à la participation. Le syllabus décrit également une procédure de reprise orale et exige l’attribution des idées obtenues grâce à l’assistance par IA.

Cet exemple n’établit pas un résultat supérieur. Il montre toutefois une conception de cours existante qui sépare la préparation accompagnée de la démonstration individuelle. La comparaison est particulièrement utile, car elle provient de la même université plutôt que d’une proposition abstraite.

Cette politique modifie aussi le sens de l’autorisation. Permettre un outil pendant l’entraînement ne garantit pas que son résultat satisfera l’évaluation ultérieure. Les étudiants doivent toujours comprendre suffisamment ce qu’ils ont remis pour pouvoir l’expliquer et l’appliquer.

Cela crée une distinction plus précise que « IA autorisée » contre « IA interdite ». L’autorisation dépend de l’activité. Un étudiant peut utiliser une assistance pendant la résolution d’un problème, puis démontrer sa compréhension sans cette assistance lors d’un contrôle ultérieur.

En informatique, cette organisation a une justification pratique. Un programme peut produire le résultat attendu tout en contenant des choix que son utilisateur ne peut pas expliquer. Une question de suivi peut tester si l’étudiant comprend la relation entre le code et son comportement.

Il s’agit d’une application illustrative de la structure d’évaluation, et non d’un incident rapporté dans le cours. Son importance réside dans le lien entre le devoir et la vérification. L’évaluation ultérieure demande si l’apprentissage a survécu à l’usage de l’assistance.

La comparaison révèle également une faiblesse de l’idée selon laquelle tout usage de l’IA constituerait un seul comportement. Demander un rappel de syntaxe diffère de demander une solution complète. Les deux impliquent une assistance logicielle, mais ils peuvent laisser aux étudiants des responsabilités et une compréhension très différentes.

Pour les développeurs de produits d’IA, l’implication est une question de conception. Un outil qui privilégie les réponses complètes peut aider à accomplir immédiatement une tâche. Un cadre éducatif a aussi besoin de moyens permettant à l’apprenant de rester responsable du raisonnement, de la vérification et de l’explication.

Les affirmations sur les bénéfices pour l’apprentissage exigent donc des preuves allant au-delà de la qualité du résultat généré. Une réponse convaincante démontre la performance du système. Elle n’établit pas que l’utilisateur peut reproduire le raisonnement, le transposer ou identifier une erreur plausible.

Les étudiants font face à une distinction similaire lorsqu’ils organisent leurs supports d’étude. Une collection interrogeable de réponses correctes peut faire gagner du temps de recherche tout en laissant la compréhension non vérifiée. Les ressources sur la gestion des connaissances personnelles abordent l’organisation, mais la recherche d’informations ne peut pas à elle seule certifier la maîtrise.

La question pertinente pour l’un ou l’autre modèle d’évaluation est ce qui se passe après l’assistance. L’étudiant peut-il défendre le résultat, l’adapter à un problème modifié et en reconnaître les limites ? L’approche rapportée de Borcherds et le syllabus de statistiques orientent tous deux l’attention vers cette question.

Leur coexistence limite également les conclusions générales sur Berkeley. L’université abrite différents modèles de cours répondant à différents besoins pédagogiques. L’histoire concerne la décision d’un enseignant au sein de cette diversité, plutôt qu’une réponse institutionnelle unique à l’IA.

Ce qu’il faut surveiller après le changement de notation

Les prochains éléments utiles concerneront les règles d’évaluation, la compréhension des étudiants et le soutien pédagogique, plutôt qu’une nouvelle série de réponses impeccables générées par l’IA.

Au cours des prochains mois, le premier signal sera de savoir si d’autres enseignants publient des changements comparables dans leur notation. Les documents informatifs préciseront ce que les devoirs rapportent, comment la compréhension est vérifiée et quels usages de l’assistance restent autorisés.

Si davantage de cours séparent explicitement le crédit de complétion de la démonstration supervisée, l’argument en faveur d’une évolution plus large de l’évaluation se renforce. Si les politiques restent isolées ou s’orientent vers d’autres approches, les affirmations d’un abandon uniforme de la notation des devoirs s’affaiblissent.

La formulation compte autant que l’annonce. « Les devoirs ne sont pas notés » peut désigner un entraînement facultatif, une remise obligatoire ou un travail qui reçoit des retours sans contribuer à la note finale. Ces arrangements créent des incitations différentes et ne devraient pas être comptabilisés de manière interchangeable.

Un suivi plus solide établirait également la chronologie. Les reportages d’octobre indiquent aux lecteurs quand la décision est devenue une actualité, mais pas nécessairement quand chaque pratique de classe a changé. Sans cette distinction, un ajustement plus ancien peut sembler être une réaction immédiate à une récente sortie de modèle.

Le deuxième signal est la preuve d’une compréhension démontrée de manière indépendante. Les comparaisons pertinentes examineraient ce que les étudiants peuvent expliquer ou résoudre dans des conditions clairement décrites. Des notes plus élevées sur les devoirs à domicile ne répondraient pas à elles seules à la préoccupation ayant motivé cette politique.

Si les étudiants conservent ou améliorent leurs performances sous supervision tout en utilisant l’IA pendant l’entraînement, l’argument en faveur de la séparation entre assistance et certification se renforce. Si les performances diminuent, les enseignants devront examiner si les étudiants ont perdu de l’entraînement, des retours utiles, ou les deux.

Ces résultats exigeraient toujours une interprétation prudente. Les différences de questions, de cohortes, d’enseignement et de conditions d’évaluation peuvent affecter les scores. Un écart entre les résultats des devoirs et ceux des examens est une raison d’enquêter, plutôt qu’une mesure autonome de la triche.

Le troisième signal est ce qui arrive au soutien pédagogique après la modification de la notation fondée sur l’exactitude. Les cours devraient être examinés à l’aune des retours qu’ils maintiennent, des possibilités offertes aux étudiants de corriger leurs erreurs et de l’accessibilité de l’évaluation supervisée.

Si les étudiants reçoivent des explications utiles et des occasions répétées de démontrer leurs progrès, le crédit de complétion paraît plus crédible comme élément d’une conception plus large. Si la notation disparaît tandis que la confusion reste sans réponse, l’argument sceptique se renforce.

Ces signaux importent aussi aux employeurs et aux formateurs professionnels qui envisagent des changements similaires. L’exercice terminé d’un candidat et son explication répondent à des questions liées mais différentes. La vérification devrait correspondre à la compétence qu’une organisation doit réellement évaluer.

L’histoire de la notation des devoirs de Richard Borcherds porte finalement sur les preuves associées à une note. Selon les reportages, il ne fait plus confiance à l’exactitude des devoirs non supervisés pour avoir la même signification. Ce jugement mérite examen, sans supposer ni que les devoirs sont devenus inutiles, ni que les examens résolvent toutes les difficultés.

Pour les étudiants et les enseignants qui suivent cette histoire, commencez par les règles réelles du cours et les éléments de preuve qu’elles sont censées produire. Demandez-vous si l’entraînement reste utile, si les retours parviennent aux apprenants en difficulté et si les évaluations mesurent les compétences promises par le cours. Pour les utilisateurs d’IA en dehors de l’éducation, appliquez la même rigueur à votre propre travail : une réponse terminée peut masquer une lacune de compréhension non résolue. Conservez les sources et les explications qui étayent vos décisions, puis vérifiez si vous pouvez défendre ces décisions lorsque la consigne change. À mesure que de nouveaux détails émergent sur l’approche de Borcherds, jugez-la à l’aune de ce que les étudiants peuvent expliquer et appliquer de manière indépendante. Quelles preuves vous convaincraient que l’apprentissage s’est amélioré après le changement de notation ?