Cet article s'interroge sur la validité des méthodes d'évaluation traditionnelles pour évaluer les performances et la compréhension des étudiants face à l'influence croissante de l'intelligence artificielle (IA), notamment des modèles linguistiques à grande échelle (MLE), sur l'éducation. En nous appuyant sur la théorie de la cohérence constructiviste (CA) et la taxonomie de Bloom, nous élaborons un cadre théorique qui soutient que l'IA a des effets différents sur chaque niveau de la taxonomie des objectifs d'apprentissage de Bloom et que, par conséquent, les méthodes d'évaluation doivent être adaptées en conséquence. Suivant la vision de Bloom, nous soulignons que les évaluations formatives et sommatives doivent être alignées selon que l'IA est autorisée ou non à être utilisée. Bien que les enseignants s'accordent sur la nécessité de l'IA dans l'éducation et l'évaluation, nous constatons un biais dans le degré d'autorisation de l'IA, qui varie selon la familiarité avec l'IA et l'usage personnel. Pour remédier à ce biais, nous proposons des lignes directrices structurelles au niveau de l'université ou du département et plaidons pour la nécessité de sensibiliser les enseignants aux capacités et aux limites des outils d'IA.
