Stéphane Ureña est le cofondateur et CEO de Semantikmatch, une plateforme d’IA de confiance qui transforme les processus d’évaluation au sein de l’enseignement supérieur, de l’admissions à l’évaluation. Il a précédemment occupé le poste de Chief Data and AI Officer à l’ESSEC Business School. Il est diplômé de Sciences Po Paris, de l’ENSAE Paris et de l’EDHEC Business School. Son travail se concentre sur l’application de l’IA pour améliorer la performance, l’équité et la transparence des décisions académiques.
Un agent IA permet d’améliorer l’évaluation sur quatre dimensions principales : la cohérence, la scalabilité, l’équité et la traçabilité.
Contrairement à un humain, il applique strictement des critères définis (si bien calibrés, ce qui requiert d’effectuer des mesures que l’on nomme benchmarks), avec une variabilité davantage maîtrisée (du fait de facteurs tels que la fatigue ou le contexte). Il peut aussi traiter un volume très élevé de dossiers ou de copies en un temps réduit, tout en maintenant une qualité constante. Des entreprises comme Semantikmatch sont en mesure de traiter 10 000 dossiers de candidatures en une demi-journée alors que cela nécessiterait 3 personnes à temps plein sur plusieurs semaines dans un contexte d’évaluation en phase d’admission par exemple.
Par ailleurs, configuré par des experts, il est possible de réduire le risque de biais liés aux genres, à l’origine ou l’âge, en appliquant des techniques de minimisation de l’information transmise à un agent, tout en contrôlant que le pipeline agentique ne génère pas lui-même de biais significatifs. Cela apporte un surplus d’égalité des chances dans le traitement (fondamental dans un contexte d’admissions ou de traitements à haut risque au sens de la réglementation européenne sur l’IA (ou « AI Act » en anglais). Enfin, chaque décision peut être documentée, expliquée et auditée, ce qui est particulièrement clé dans le contexte réglementaire européen (obligations imposées par l’AI Act).
Non, et ce n’est ni souhaitable ni réaliste à moyen terme.
L’IA est un outil d’aide à la décision, pas un substitut complet à la responsabilité académique. L’attribution d’un diplôme reste une décision institutionnelle engageante, qui doit conserver une supervision humaine. En revanche, les agents IA peuvent jouer un rôle central dans la préparation de cette décision (analyse des performances, détection d’incohérences, recommandations), ce qui permet aux enseignants de se concentrer sur les cas complexes et à forte valeur pédagogique. En revanche, pour certains cas d’usage plus « administratifs » comme le processus de diplomation, « l’attribution du diplôme », qui nécessite de vérifier qu’un certain nombre de prérequis sont effectivement atteints, un agent IA sera plus efficace qu’un évaluateur humain seul et lui permettra de réaliser cette tâche chronophage avec une plus grande fiabilité et une moindre pénibilité.
Un agent IA peut effectuer des recherches ainsi que générer des explications personnalisées, détaillées et immédiatement disponibles pour chaque étudiant, à tout moment dans son parcours (chose que les évaluateurs humains ne peuvent pas toujours se permettre pour des contraintes de temps).
Là où un enseignant dispose de temps limité, l’IA peut analyser chaque réponse ou dossier en profondeur et fournir un retour structuré : points forts, axes d’amélioration, comparaison avec les attendus, etc. Cela améliore significativement la compréhension par l’apprenant et permet un feedback beaucoup plus granulaire et actionnable, et ce, à tout moment au sein du cycle de vie de l’étudiant. Dans le cadre de nos études de précision (en comparant les évaluations d’agents IA avec des décisions humaines passées), nous avons pu observer, à plusieurs reprises, que les agents IA, configurés de manière à opérer des recherches sur le web (de façon à trouver des informations à jour et sur des sources ciblées), étaient en mesure d’évaluer correctement des candidats, là où des évaluateurs humains, influencés par leur contexte locaux, n’y parvenaient pas. Un cas emblématique : l’évaluation d’expériences professionnelles de candidats internationaux, sous-estimée par manque de connaissance des évaluateurs locaux (de l’importance des entreprises au sein desquelles des candidats ont pu être amenés à évoluer par exemple).
Dans 5 ans, l’agent IA sera l’évaluateur de première ligne pour une large majorité des cas standards (corrections, analyses de dossiers, pré-évaluations). Ce n’est pas une hypothèse, c’est une trajectoire déjà engagée. La vraie question n’est pas « l’humain ou la machine ? » mais « à quoi l’humain va-t-il consacrer son temps libéré ? ». Notre conviction : aux cas complexes, à la relation pédagogique, à la conception des critères d’évaluation eux-mêmes. Une dimension sur laquelle Semantikmatch travaille sur les admissions par exemple consiste à étudier si des critères définis pourraient être discriminants (au-delà du processus d’évaluation même).
L’enseignant, et l’évaluateur plus généralement, devient architecte de l’évaluation plutôt qu’exécutant. C’est une montée en valeur, pas une disparition. L’IA et des solutions spécialisées pourront l’aider en ce sens.
Notre conviction profonde est que l’enseignement supérieur est le secteur où l’IA peut avoir le plus d’impact structurant aujourd’hui, avec des enjeux réglementaires forts, des décisions à haute responsabilité, et un besoin criant de traçabilité. C’est là que nous mettons toute notre énergie. Certaines briques que nous construisons, telles que l’évaluation, la conformité et l’aide à la décision, auront naturellement des applications dans d’autres secteurs régulés comme le recrutement ou la certification professionnelle.
Mais nous ne nous dispersons pas : nous souhaitons devenir une référence dans l’enseignement supérieur et plusieurs institutions de rang mondial nous font déjà confiance à travers le monde.
Envie de découvrir d’autres articles sur l’enseignement supérieur et la EdTech ? Rendez-vous sur le Blog des Robots !
