Quand je regarde vers l’avenir tout au long de 2026 et au-delà, je ne vois pas de petits ajustements progressifs. Je vois un secteur qui est en train d’être remodelé à ses fondations.

Les plus grandes forces qui influencent l’évaluation ne se produisent pas dans notre secteur, elles se produisent dans les professions que nous servons. L’IA change la façon dont les gens travaillent, la structure des rôles et ce à quoi ressemble la compétence dans la pratique réelle. Cette disruption est déjà là, et elle ne fera que s’accélérer. Notre responsabilité est de veiller à ce que les qualifications que nous attribuons restent pertinentes et dignes de confiance dans un monde où la nature du travail et des études – et les chemins qui les relient – continuent d’évoluer.

Parallèlement, la technologie fait progresser les outils disponibles pour ceux qui cherchent à exploiter nos systèmes, s’en prenant souvent aux candidats qui sont persuadés de payer pour des services de triche. Les menaces à la sécurité évoluent rapidement, et les opportunités de faute deviennent plus sophistiquées. Ainsi, les pressions auxquelles nous sommes le plus soumis pour l’avenir sont claires : maintenir les certifications alignées sur les pratiques réelles et protéger l’intégrité du processus de test qui les sous-tend.

L’IA améliore déjà le processus d’évaluation, génère du contenu plus efficacement, analyse de vastes ensembles de données et permet des contrôles de sécurité plus innovants. Ces améliorations comptent, mais ce ne sont pas les véritables perturbations. Le changement plus fondamental se produit sur le lieu de travail.

Dans les domaines de la radiographie, de l’architecture, de la comptabilité, de la construction, de l’éducation et de nombreux autres domaines, l’IA transforme le quotidien. Les outils d’IA sont de plus en plus utilisés pour automatiser des tâches autrefois effectuées manuellement. Des informations qui devaient autrefois être mémorisées sont désormais immédiatement accessibles. En conséquence, les compétences qui comptent le plus ne concernent plus la rétention des connaissances, mais l’application : interpréter l’information, exercer son jugement et superviser les résultats des systèmes automatisés.

Si la mémoire des connaissances n’est plus le principal marqueur de compétence, alors l’évaluation doit évoluer. Nous devrons mesurer comment les gens appliquent les connaissances dans leur contexte, comment ils collaborent avec les outils d’IA, et comment ils prennent des décisions lorsque la technologie est intégrée dans leurs flux de travail. Le plus grand impact de l’IA ne se fera pas sentir dans la manière dont nous créons les évaluations, mais dans la manière dont nous définissons la compétence elle-même.

Ces changements de compétence conduisent naturellement à des modifications des modèles d’évaluation. L’une des tendances les plus claires que je vois émerger est le passage des examens à choix multiples à points uniques vers des démonstrations de compétence plus continues et en temps réel.

Les premiers utilisateurs explorent déjà des tâches pratiques, des données de performance et des activités en temps réel pour construire une image plus riche et plus précise des capacités. Avec le temps, je m’attends à ce que ces approches deviennent beaucoup plus courantes.

Ce changement sera complexe. L’évaluation s’inscrit dans un écosystème plus large d’éducation, de formation, de pratique supervisée et de réglementation. Avant de passer un examen de licence, par exemple, il a accompli des années de préparation. Changer le modèle d’évaluation signifie que chaque partie de cet écosystème doit évoluer avec nous.

Comme nous l’avons vu avec le nouvel examen TOEFL, un changement significatif nécessite de longs délais et un engagement profond avec les enseignants du monde entier. Mais la direction est claire. La certification et la licence deviendront moins une question de prouver la compétence tous les quelques années et davantage de la démontrer continuellement.

Tout cela se déroule dans un contexte d’incertitude sur la main-d’œuvre. Le nombre de postes pouvant être automatisés augmente, en particulier les postes de niveau débutant. Certains emplois vont disparaître, beaucoup de nouveaux vont émerger. Cependant, pour l’instant, nous savons plus sur la disparition des emplois que sur ceux qui sont créés. Cela laisse les travailleurs et les employeurs pris entre deux réalités :

• Les compétences traditionnelles ne suffisent plus.
• Les nouvelles compétences ne sont pas encore clairement définies.

Même la littératie en IA, l’une des compétences émergentes les plus fréquemment mentionnées, n’a pas de norme universelle. Différentes plateformes nécessitent différentes formes d’expertise, et nous manquons d’une compréhension commune de ce à quoi ressemble une utilisation compétente de l’IA en pratique. Pour aggraver ce défi, ces plateformes évoluent si rapidement que la compétence d’aujourd’hui ne signifie pas nécessairement compétence demain.

C’est précisément pour cela que la recherche sera si importante dans les années à venir. Nous ne pouvons pas nous fier à des hypothèses. Nous avons besoin de données concrètes, de méthodologies calibrées et d’analyses rigoureuses – fondées sur la science de la mesure – pour définir ces nouveaux domaines de compétences et déterminer comment les mesurer de manière responsable.

Bien que les compétences nécessaires au travail ou à l’éducation puissent évoluer, une chose ne changera pas : la science de la mesure. Les principes psychométriques s’appliquent toujours, même si les outils et les contextes évoluent. Tout comme le principe de gravité n’a pas changé lorsque nous sommes passés des chevaux aux voitures ou que nous avons commencé à voler, les fondements de l’évaluation restent constants. L’équité, la validité, la fiabilité, l’absence de biais et la pratique éthique continuent de s’appliquer, quelle que soit l’évolution des compétences elles-mêmes.

À court terme, je m’attends à voir davantage d’attention portée à :

• Compétences appliquées et prise de décision
• supervision et gestion des outils assistés par l’IA
• Exécution des tâches numériques
• Compétences durables et transférables qui favorisent l’adaptabilité

Notre force réside dans notre capacité à mesurer de nouvelles compétences en utilisant des méthodologies solides et défendables, fondées sur des décennies de science.

ETS et PSI sont dans une position particulièrement solide pour guider le secteur à travers cette période de transformation. Non pas parce que nous poursuivons l’innovation, mais parce que nous l’ancreons sur la science, les preuves et un impact concret.

Au cœur de ce leadership se trouve le travail de l’Institut de Recherche ETS, qui se concentre sur trois priorités cruciales à mesure que l’évaluation évolue dans un monde habilité par l’IA :

• Définir les compétences qui comptent à l’ère de l’IA
  À mesure que le travail et les études évoluent, nous nous concentrons sur l’identification des compétences et des formes de compétence qui comptent vraiment. Et de la manière dont ces attentes évoluent selon les professions, l’éducation et le marché du travail.
• Créer un nouveau paradigme pour la manière dont la mesure est réalisée
  Cela inclut la repensée des modèles d’évaluation traditionnels, l’exploration de nouvelles façons de recueillir les preuves de compétence au fil du temps, et la garantie que les approches émergentes restent valides, équitables, fiables et défendables.
• Mener des recherches politiques qui éclairent l’utilisation responsable de l’innovation
  L’innovation ne se fait pas dans le vide. Nos recherches sont conçues pour soutenir les décideurs politiques, les régulateurs et les institutions dans leur compréhension des implications de l’IA pour l’évaluation, l’accréditation et la confiance du public.

Ce travail est renforcé par l’étendue des données et des analyses que nous recueillons dans des centaines de professions, industries et régions géographiques, nous offrant une visibilité précoce sur les tendances émergentes. Mais le leadership exige aussi de la discipline : rester ancré dans la science, guidé par des preuves, et concentré sur ce que les données nous disent, et non sur le battage médiatique ou la spéculation.

La gouvernance de l’IA sera essentielle. L’innovation en matière de sécurité des tests aussi. Je m’attends à ce que les craintes d’exposition aux items diminuent à mesure que l’IA permet des pools d’items infinis et des formulaires d’examen quasi uniques pour chaque candidat. Et à mesure que les données numériques et biométriques mûrirent, nous pourrons identifier l’usurpation d’identité et les tests par procuration grâce à des signatures comportementales qui ne peuvent pas être facilement reproduites.

L’intégrité restera la pierre angulaire de la confiance, et la technologie nous donnera de nouveaux outils pour préserver cette confiance.

L’avenir de l’évaluation sera défini par la pertinence, l’intégrité et la capacité à évaluer une véritable compétence dans un monde où l’IA remodele fondamentalement le travail. Les organisations qui réussiront seront celles qui resteront ancrées dans la science, portées par les données et axées sur les besoins des apprenants, des travailleurs, des employeurs et du public.

L’ETS, soutenue par les forces opérationnelles de PSI, est bien positionnée pour guider cette transition. La voie à venir sera difficile, mais elle sera aussi pleine d’opportunités. Si nous restons concentrés sur les fondamentaux, nous ne nous contenterons pas de nous adapter à l’avenir de l’évaluation, nous contribuerons à la façonner.