L’ia peut-elle contribuer à plus d’équité dans les concours ?

Dans les amphithéâtres comme dans les classes préparatoires, l’intelligence artificielle s’invite désormais jusque dans les copies, et elle bouscule une question vieille comme les concours : l’égalité des chances. Si certains y voient une béquille pour mieux formuler, d’autres redoutent une nouvelle frontière entre celles et ceux qui maîtrisent ces outils et les autres, tandis que les jurys cherchent déjà comment préserver la valeur du classement.

Quand l’IA promet d’égaliser les chances

Peut-on corriger les biais, sans en créer d’autres ? Dans l’imaginaire collectif, l’IA est d’abord un accélérateur, un outil capable de reformuler, de structurer un plan, de vérifier une syntaxe, et donc de compenser des inégalités initiales qui n’ont rien à voir avec le mérite, comme l’accès à des cours particuliers ou la familiarité avec les codes académiques. En France, ces écarts sont documentés depuis longtemps : l’origine sociale reste fortement corrélée à la réussite dans l’enseignement supérieur, et, selon la DEPP, les enfants de cadres et professions intellectuelles supérieures demeurent nettement surreprésentés dans les filières sélectives, quand ceux d’ouvriers y sont plus rares. Dans ce contexte, l’idée qu’un outil de soutien à l’écriture puisse aider un étudiant brillant mais moins “formaté” à se faire entendre, séduit.

Les dispositifs déjà existants montrent d’ailleurs qu’une technologie bien pensée peut réduire certains handicaps. La correction orthographique et grammaticale, devenue banale, a changé la donne pour des candidats dyslexiques ou dyspraxiques, et la généralisation d’aménagements d’épreuves vise précisément à dissocier la compétence évaluée des obstacles périphériques. L’IA, lorsqu’elle sert à clarifier une expression, à proposer un exemple de plan ou à aider à comprendre une consigne, peut jouer ce rôle d’appui. Des travaux de recherche, notamment en sciences de l’éducation, soulignent que les retours immédiats et personnalisés peuvent favoriser l’apprentissage, surtout pour les élèves qui disposent de moins d’encadrement à la maison. Encore faut-il que ces usages soient cadrés, transparents, et accessibles à tous, sinon l’outil qui “démocratise” devient un privilège de plus.

Car l’équité ne dépend pas seulement de l’existence d’une aide, elle dépend de sa distribution. L’accès à un ordinateur performant, à une connexion stable, à des versions payantes plus efficaces, et surtout à la compétence de “bien prompter” reste socialement différencié. Dans beaucoup de familles, la question n’est pas de savoir quelle IA choisir, mais d’avoir un espace calme, du temps, et des ressources pour s’entraîner. À cela s’ajoute un autre angle mort : les modèles d’IA fonctionnent mieux sur des textes normés, dans une langue standard, et ils peuvent lisser des styles, effacer des références culturelles, ou pousser vers une écriture plus conforme aux attendus dominants. Égaliser, oui, mais à condition de ne pas imposer une seule façon d’être “bon candidat”.

Les concours face au soupçon généralisé

À partir de quand une aide devient-elle une fraude ? Le cœur du problème, pour les concours, n’est pas seulement la triche, c’est l’incertitude. Un classement n’a de valeur que si le jury croit à la comparabilité des copies. Or l’IA crée un brouillard inédit : un devoir solide peut être le fruit d’un travail personnel, d’un entraînement intensif, ou d’un assemblage guidé par un agent conversationnel, et la frontière est difficile à tracer, même pour des correcteurs expérimentés. Les logiciels de détection, souvent brandis comme une solution, sont contestés par la communauté scientifique, car ils produisent des faux positifs et des faux négatifs, et ils deviennent inefficaces dès que les textes sont paraphrasés, traduits, ou simplement réécrits à la main. Autrement dit, la “preuve” est fragile, et la tentation est grande de soupçonner tout le monde.

Ce climat a un coût. Il pèse d’abord sur les candidats de bonne foi, qui peuvent craindre d’être accusés à tort, et il pèse aussi sur les jurys, contraints de durcir des critères parfois au détriment du fond. Certains enseignants observent déjà un glissement : pour se protéger, on privilégie des évaluations en temps limité, en présentiel, ou davantage orales, ce qui n’est pas neutre en termes d’équité. Les oraux, par exemple, valorisent souvent la maîtrise des codes, l’aisance, et l’entraînement, et ils peuvent renforcer des biais sociaux bien identifiés. L’IA, censée aider, peut donc paradoxalement conduire à des formats d’épreuves plus inégalitaires si l’institution réagit dans l’urgence.

Le soupçon peut aussi pousser à des stratégies absurdes. Plusieurs récits circulent sur des étudiants qui “humanisent” leurs devoirs en introduisant volontairement des maladresses, voire des fautes, afin d’échapper à l’accusation d’avoir utilisé un outil automatisé. Cette tendance, qui en dit long sur l’ambiance actuelle, a été documentée dans une enquête relayée par la presse : pour en prendre connaissance, vous pouvez visiter la page web. Si l’on en arrive à récompenser implicitement l’erreur et la rugosité, c’est bien que l’évaluation est en train de perdre son objet, et qu’elle mesure moins la compétence que la capacité à se camoufler.

Dans un concours, l’enjeu est d’autant plus sensible que le classement est parfois au dixième de point, et que la compétition repose sur une confiance collective : celle des candidats qui acceptent la règle du jeu, celle des établissements qui recrutent, et celle de la société qui délègue à ces épreuves une part de l’accès à des positions sociales. La moindre fissure devient politique. Ce n’est plus seulement une question de pédagogie, c’est une question de légitimité.

Ce que les jurys peuvent mesurer réellement

Revenir à l’essentiel, enfin. Plutôt que de courir après l’IA, certains jurys tentent de mieux définir ce qu’ils veulent évaluer, et cela change tout. Si l’objectif est de mesurer une capacité de raisonnement, alors il faut des sujets qui obligent à prendre des positions, à justifier des choix, à articuler une démonstration, et à mobiliser des connaissances précises, car l’IA, même performante, reste fragile sur la vérification factuelle et sur la cohérence argumentative longue. Des épreuves qui demandent de citer des références vues en cours, de commenter un document inédit, ou de relier une question à un corpus imposé limitent mécaniquement la tentation du “copier-coller amélioré”. Ce déplacement ne résout pas tout, mais il réinstalle une exigence : montrer sa pensée, pas seulement produire un texte propre.

La place de l’oral, souvent évoquée, mérite aussi une lecture plus fine. Un oral n’est pas automatiquement plus “authentique”, mais il peut le devenir si le jury mène un échange qui teste la compréhension et la capacité à défendre un raisonnement, avec des relances, des objections, et des demandes de précision. Dans ce cadre, l’IA peut même devenir un objet d’évaluation : comment le candidat s’en sert-il, quelles limites identifie-t-il, comment vérifie-t-il une information, et comment cite-t-il une aide éventuelle ? On se rapproche alors de compétences attendues dans la vie professionnelle, où l’on ne juge pas seulement le résultat, mais la méthode, la rigueur, et la traçabilité.

Il existe également des pistes plus techniques, sans basculer dans la surveillance. Des concours expérimentent des “épreuves à livre ouvert” ou des formats où l’accès à des ressources est autorisé, à condition d’en faire usage avec discernement. L’idée est simple : si l’outil est partout, mieux vaut apprendre à s’en servir bien plutôt que de prétendre l’interdire totalement. Dans ce modèle, l’équité se joue sur l’explicitation des règles, la clarté des attendus, et l’apprentissage de la vérification. L’IA devient un instrument, au même titre qu’une calculatrice ou un dictionnaire, et le niveau d’exigence se déplace vers l’analyse, la pertinence, et l’esprit critique.

Reste une condition, souvent sous-estimée : former les correcteurs et les jurys. Comprendre ce que l’IA fait, ce qu’elle ne fait pas, et comment elle influence les styles d’écriture permet d’éviter les décisions arbitraires. Sans ce socle, l’évaluation risque de se transformer en chasse aux sorcières, avec des sanctions inéquitables et des contentieux, là où il faudrait de la stabilité, de la lisibilité et, surtout, de la confiance.

Une équité possible, si les règles changent

Le vrai sujet, c’est la gouvernance. Interdire totalement l’IA est difficile à faire respecter, et autoriser sans cadre revient à creuser les écarts entre candidats. La voie la plus crédible passe par des règles simples, publiques, et vérifiables : ce qui est permis, ce qui ne l’est pas, et ce qui doit être déclaré. Déclarer un usage, par exemple, n’a rien d’infamant si l’institution reconnaît que l’outil peut aider à clarifier une formulation, et si le barème récompense d’abord la solidité du raisonnement. C’est aussi un moyen de réduire le mensonge, et donc la tentation de “maquiller” un texte à coups de fautes volontaires.

Mais une règle n’est équitable que si elle est accompagnée. Si l’on autorise certains usages, encore faut-il garantir un accès minimal, via des postes en bibliothèque, des comptes institutionnels, ou des outils gratuits sélectionnés, et former les étudiants aux bonnes pratiques, comme la vérification des sources et la citation. À défaut, l’IA se transforme en avantage comparatif pour les mieux dotés, et l’on retombe sur le problème initial. On peut même imaginer un scénario où l’institution, en refusant d’encadrer, laisse se développer un marché gris du “coaching IA”, avec des recettes de prompts, des réécritures et des services payants, bref, tout ce que les concours prétendent neutraliser.

L’équité implique aussi de reconnaître que les biais existent dans les systèmes eux-mêmes. Les modèles d’IA sont entraînés sur d’immenses corpus, et ils peuvent reproduire des stéréotypes, privilégier certains registres de langue, et homogénéiser des styles. Un concours doit donc se demander : valorise-t-on une écriture lisse, au risque de confondre élégance et intelligence, ou valorise-t-on une pensée singulière, au risque de sanctionner une forme moins “académique” ? Cette réflexion, qui dépasse l’IA, revient en force avec elle, car la machine tend précisément à produire du standard.

Au fond, l’IA peut contribuer à plus d’équité si elle force les concours à clarifier ce qu’ils récompensent, à réduire la part des codes implicites, et à organiser un accès égal aux outils autorisés. Sans cela, elle ne fera qu’ajouter une couche de complexité, et un nouveau marqueur social entre ceux qui savent s’en servir, ceux qui peuvent se le payer et ceux qui, faute d’accompagnement, resteront à distance.

Des règles claires, sinon la défiance

Les candidats ont besoin d’un cadre lisible, et les jurys d’épreuves qui mesurent vraiment le raisonnement. Avant de réserver une préparation ou d’investir dans un outil, il faut comparer les consignes officielles, vérifier les autorisations, et budgéter l’accompagnement utile, notamment via les dispositifs d’aides et d’aménagements existants dans les établissements.