Aller au contenu principal

L’évaluation à l’ère de l'intelligence artificielle: ce que les évaluateur·rice·s émergent·e·s (EE) peuvent nous apprendre

Posté le 29/07/2026 by Dr. Atta N. David KOBENAN, Sourou Prisciron Zinsou, Mansour ABAKAR, Leonne Valantin

L’intégration de l’intelligence artificielle (IA) transforme tous les secteurs, y compris l’évaluation. En tant que professionnels de l’évaluation engagés dans la sécurité alimentaire, la protection de l’environnement et le développement rural, nous devons réfléchir à ces changements. Dans ces domaines, les évaluations sont souvent confrontées à des données incomplètes, des contextes locaux sensibles, des délais serrés et des exigences élevées en matière de redevabilité. L’IA offre des possibilités, mais pose aussi des défis.

Lors de la Semaine mondiale de l’évaluation (gLOCAL Evaluation Week), nous avons analysé le rôle des évaluateur·rice·s émergent·e·s (EE) pour l’intégration de l’IA dans les démarches évaluatives. Notre webinaire du 1er juin 2026 a examiné comment la nouvelle génération de professionnels de l’évaluation peut utiliser l’IA de manière innovante, responsable et rigoureuse. Les échanges ont souligné le potentiel de l’IA comme outil d’appui, à condition que son utilisation soit guidée par la rigueur méthodologique, la transparence et le jugement humain.

  1. Messages clés du webinaire: l'IA est une assistante et non un pilote automatique

L’IA est un outil puissant pour améliorer l’efficacité des évaluations, mais ne remplace pas le regard critique, l’expertise et le jugement des évaluateurs. Trois points clés ont émergé:

  • Une adoption rapide confrontée à un déficit de formation: Une étude exploratoire menée auprès des évaluateur·rice·s émergent·e·s (EE) a révélé que 55 % des jeunes professionnels utilisent l’IA au quotidien, mais 70 % en ont une maîtrise technique de moyenne à faible et 75 % n’ont aucune formation formelle. C'est un paradoxe sur lequel nos associations nationales doivent se pencher. En réponse à ce défi, trois paliers de compétences ont été identifiés:
  • Compétences de base: maîtriser les outils numériques et analytiques;
  • Compétences intermédiaires: être capable d'intégrer l’IA dans un processus d’évaluation structuré; 
  • Compétences avancées: comprendre les mécanismes de l’IA pour identifier et corriger les biais algorithmiques.
  • Gérer le choc temporel en évaluation: L’évaluation traditionnelle est lente, alors que l’IA est rapide. Pour gérer ce choc, utilisez l’IA pour des tâches techniques à faible risque, comme générer des scripts d’apurement de bases de données (Stata ou R), automatiser le débogage ou analyser les tendances qualitatives des verbatims de groupes de discussion. Limitez l’utilisation de l'IA dans le cadre des tâches à haut risque éthique, comme définir les questions d’évaluation, interpréter les données ou rédiger le rapport. 
  • Des preuves robustes pour des réformes complexes: Pour ancrer la théorie dans la réalité, un cas d’étude sur les réformes de la Commission de régulation du secteur de l'énergie (CRSE) au Sénégal a été examiné. L’IA a été utilisée pour prévoir la demande et les coûts, détecter les anomalies dans les données, analyser les risques réglementaires et automatiser partiellement le suivi-évaluation. Ces applications ne se limitent pas à l’énergie: elles peuvent être adaptées aux programmes agricoles et de sécurité alimentaire pour suivre, par exemple, l’impact d’une réforme sur l’accès aux intrants, la résilience des exploitations et l’équité territoriale des interventions.
  1. Questions cruciales soulevées par la communauté

Les interactions avec l’auditoire après les présentations ont mis en avant trois conditions clés pour une utilisation responsable de l’IA en évaluation: la transparence, la protection des données et l’implication des parties prenantes.

  • Transparence: L’usage de l’IA est souvent mal perçu en Afrique francophone. Pour y remédier, il faut documenter clairement son utilisation: où, à quelle étape, pour quelle tâche et avec quelle influence sur l’analyse finale. Un registre simple, documentant l'utilisation de l'IA et fourni dans les rapports ou annexes méthodologiques, améliorerait la traçabilité et la crédibilité.
  • Protection des données: Le téléversement de rapports non publics, de verbatims ou de données personnelles dans des outils d’IA publics est risqué en l'absence d'autorisation et d'anonymisation rigoureuses. Cet aspect est crucial dans les domaines ruraux et alimentaires, où les données concernent souvent des personnes ou communautés facilement identifiables.
  • Implication des parties prenantes (redevabilité humaine): Les décisions, jugements et recommandations doivent rester sous la responsabilité des évaluateurs et des institutions. L’IA est une assistante, pas l’auteur caché des évaluations. Cette exigence inclut aussi la vigilance face aux biais algorithmiques, surtout quand les données sous-représentent des zones rurales, des groupes vulnérables ou des réalités locales. 

L’évaluateur est l’unique auteur et garant juridique de ses conclusions. L’exemple de Deloitte, contraint de rembourser une partie de ses honoraires au Gouvernement australien à cause d'hallucinations factuelles de l'IA, montre l’importance d’une vigilance humaine constante.

 

  1. Recommandations pratiques et prochaines étapes

Pour une «évaluation augmentée» durable, équitable et rigoureuse, deux axes prioritaires se dégagent:

  • Transparence méthodologique: Les évaluateurs doivent indiquer dans leurs rapports l’utilisation faite de l’IA, précisant l’étape concernée et la finalité (par exemple: reformulation, génération de code, revue de littérature). Il est crucial de trianguler, vérifier et valider les informations de l’IA pour garantir leur fiabilité et leur véracité. Comparons toujours ses analyses aux réalités socioculturelles et aux dynamiques des ménages ruraux, décodables uniquement par l’expertise humaine de terrain.
  • Intégration responsable de l’IA: Les communautés de pratique et associations nationales d’évaluation doivent créer des espaces d’échange locaux et renforcer les collaborations. Des formations ciblées sont essentielles pour maîtriser le prompting, choisir les bons outils et atténuer les biais algorithmiques pour un usage critique.

L’IA ne remplace pas l’évaluateur, mais l’outille pour éclairer les décisions publiques avec rigueur, éthique et en respectant la voix des communautés.

Ressources complémentaires