DIGITALE ATTITUDE : Compte tenu du contexte lié à l’épidémie du COVID-19, des centaines de milliers d’élèves ont été dispensés de se présenter aux examens de fin d’études et se sont vu attribuer des notes calculées par des algorithmes.
Les résultats ont provoqué d’abord la stupeur puis la colère, en raison des écarts importants constatés entre les prédictions faites par les enseignants – basées sur la performance des collégiens – et celles attribuées par cette méthode, entraînant la révocation de bourses d’études et d’admissions conditionnelles dans les universités.
Les A-Levels
En cause, les A-Levels, l’examen britannique qui donne accès aux études supérieures, dont l’algorithme mis en place par l’autorité régulatrice des examens, Ofqal, reposait sur trois facteurs: la performance individuelle de l’élève durant l’année, un classement par degré et les résultats obtenus aux examens par l’établissement scolaire sur plusieurs années.
Lorsque les notes ont été annoncées le 13 août, près de 40% étaient inférieures aux évaluations des enseignants.
Ainsi de bons élèves dans des écoles historiquement à faible taux de réussite ont obtenu des scores plus bas que prévus, tandis que les résultats provenant d’écoles privées au taux de réussite élevé ont été dopés.
Suite à l’indignation collective, le secrétaire à l’éducation, Gavin Williamson, a reconnu les “incohérences significatives” dans le processus et s’est excusé pour la “détresse” causée. Le 17 août, le gouvernement a rectifié le tir en annonçant que les notes seraient modifiées pour refléter les estimations initiales des enseignants.
Le BI
Un autre algorithme, celui du Baccalauréat International (BI) a créé un tollé à son tour, faisant perdre jusqu’à 12 points à certains candidats. 25’000 professeurs et parents ont signé une pétition demandant justice et sur les 3’020 écoles concernées, environ 700 ont soumis une demande de révision au nom de leurs élèves. L’organisation du BI à son tour a redressé la barre, amendant les notes contestées pour les aligner aux évaluations internes.
Ces exemples mettent en évidence les préjudices que ce genre de modèle peut avoir sur un grand nombre de personnes. Peut-être serait-il temps de réfléchir à un meilleur encadrement des algorithmes qui se déploient dans tous les secteurs de la société.