évaluationcompétencesgrille d'évaluationingénierie pédagogique

Évaluer par compétences : construire une grille de critères qui tient debout

Alpha Oumar Sow

Prenons une scène banale en fin de session. Douze stagiaires passent un entretien simulé, filmé. Deux formateurs corrigent les mêmes séquences. L'un juge la prestation solide, l'autre insuffisante. Ils ont vu la même chose, mais la grille ne disait pas quoi regarder : trois colonnes, « acquis », « en cours », « non acquis », et rien entre les deux.

Ce désaccord n'est pas une faute professionnelle. C'est le symptôme d'une grille qui confond le verdict et la preuve. Évaluer par compétences demande de décrire ce que fait l'apprenant, pas seulement de proclamer s'il a réussi.

Une grille ne vaut que par ses critères

La plupart des grilles utilisées en organisme de formation sont des barèmes déguisés. Elles listent des thèmes et distribuent des points : « qualité de la présentation, 3 points », « analyse, 5 points ». Personne ne sait ce que valent ces points, ni ce qui distingue une analyse notée 4 d'une analyse notée 5.

Le Eberly Center de l'université Carnegie Mellon définit une grille comme un outil qui rend explicites trois éléments distincts. Les critères désignent les aspects de la performance évalués. Les descripteurs décrivent ce que l'on observe à chaque degré de maîtrise. Les niveaux de performance forment l'échelle de notation. Tant que ces trois éléments ne sont pas écrits noir sur blanc, la grille reste une opinion partagée entre collègues.

Un exemple suffit à voir la différence. « Bonne conduite d'entretien » est un thème. « Structurer l'entretien » est un critère. « Annonce l'objectif de l'entretien dans la première minute et le rappelle en clôture » est un descripteur. Le formateur peut discuter d'un descripteur ; il ne peut pas discuter d'un thème.

Trois mots à ne pas confondre

Le critère nomme une dimension de la compétence. Il reste stable d'une session à l'autre, sinon les notes ne veulent plus rien dire d'une promotion à la suivante.

Le descripteur traduit ce critère en signes observables. C'est la partie la plus longue à écrire, et celle qui fait la différence sur le terrain. Un descripteur doit pouvoir être constaté par deux personnes regardant la même production, sans se concerter.

Le niveau, enfin, est un degré sur une échelle. Quatre degrés suffisent dans la majorité des cas : insuffisant, en cours d'acquisition, acquis, maîtrisé. Ajouter des demi-niveaux donne l'illusion d'une précision que l'observation ne fournit pas.

Un quatrième terme circule parfois, celui d'indicateur. Il désigne le comportement précis que l'on peut voir ou entendre en situation. « Reformule la demande du client avant de proposer une solution » est un indicateur. Il n'est pas obligatoire de l'employer comme mot, mais il aide à sortir des adjectifs : un indicateur se filme, une appréciation ne se filme pas.

Ce que la recherche dit, et ce qu'elle ne dit pas

Anders Jonsson et Gunilla Svingby ont passé en revue 75 études empiriques sur les grilles d'évaluation (2007). Leur conclusion est plus prudente que la réputation de l'outil. La fiabilité de la notation peut être améliorée par une grille, surtout si elle est analytique, propre à la tâche évaluée, et complétée par des exemples de productions ou une formation des correcteurs. En revanche, une grille ne garantit pas à elle seule la validité du jugement. On peut mesurer très précisément la mauvaise chose.

Cette distinction compte pour un formateur. Une grille fiable produit des notes cohérentes ; elle ne prouve pas que ces notes correspondent à la compétence visée. La validité se joue en amont, au moment où l'on choisit la tâche et les critères.

Une méta-analyse plus récente précise l'ampleur de l'effet. Ernesto Panadero, Anders Jonsson, Leire Pinedo et Belén Fernández-Castilla (2023) ont synthétisé 21 études, soit 54 tailles d'effet. L'effet sur la performance académique est de 0,57 avant correction, et de 0,45 après correction du biais de publication. C'est un effet modéré, pas spectaculaire. Sur l'autorégulation, l'effet tombe à 0,23 sur cinq études. Sur le sentiment d'efficacité personnelle, il est de 0,18 sur trois études seulement : trop peu pour conclure quoi que ce soit.

Autre résultat utile : le nombre de critères et de niveaux ne semble pas modifier l'effet, tant que l'outil reste une vraie grille. Ce n'est donc pas le nombre de cases qui compte, mais la clarté de ce qu'elles décrivent.

La revue de 2013 formule une mise en garde qui vaut pour tous ces chiffres. Les contextes d'étude et les combinaisons d'outils varient tellement qu'il reste difficile d'isoler l'effet propre de la grille. Les tailles d'effet disent donc quelque chose de réel, mais elles ne permettent pas de promettre un résultat dans une salle donnée.

La méthode en quatre étapes

Première étape : partir de la tâche, pas du programme. Écrivez la situation professionnelle que le stagiaire doit savoir tenir, puis la production observable qui en résulte. Un entretien simulé, un dossier monté, une panne diagnostiquée. Les critères se déduisent de cette tâche, jamais d'un chapitre du support.

Deuxième étape : tenir la liste des critères entre quatre et sept. Au-delà d'une dizaine, une grille n'est plus appliquée de façon constante en correction réelle, même par un correcteur expérimenté. Ce n'est pas une loi issue des études citées plus haut, mais un constat de pratique : une grille trop longue finit remplie de mémoire, après coup.

Troisième étape : écrire des descripteurs observables. Le Center for Teaching Innovation de Cornell recommande explicitement d'éviter les critères subjectifs ou vagues comme « intéressant » ou « créatif ». Il demande aussi que chaque niveau se distingue clairement du niveau voisin. Comparez : « argumente de façon convaincante » ne se distingue pas de « argumente très convaincante ». « Cite deux sources et répond à l'objection principale du client » se distingue.

Quatrième étape : calibrer à deux avant la première correction. Faites noter trois copies anonymes par deux formateurs avec la grille provisoire. Comparez uniquement les écarts, cellule par cellule. Chaque désaccord signale un descripteur ambigu, à réécrire. Jonsson et Svingby notent que les exemples de productions et la formation des correcteurs renforcent la fiabilité ; cette séance de calibration est la version courte de ces deux dispositifs.

Pondérer, puis vérifier que le total veut dire quelque chose

Une grille analytique attribue une note par critère. Avec six critères et quatre niveaux, le maximum est de 24 points. Un stagiaire noté 3 sur quatre critères et 2 sur deux critères obtient 16 points, soit environ 67 % du total. Ce calcul est simple ; l'interprétation l'est moins.

Posez-vous la question à voix haute : un total de 16 décrit-il une personne capable de conduire l'entretien seule ? Si la réponse est non, le problème vient de la pondération, pas du stagiaire. Trois pièges reviennent souvent. Le premier consiste à donner un poids excessif à la forme, par exemple 30 % pour la présentation. Le second compte deux fois la même chose, comme « structure » et « clarté du plan ». Le troisième consiste à mélanger une note globale et des critères, ce qui revient à compter deux fois.

CourseAlpha produit justement un barème et une grille de notation à partir du plan de cours et des objectifs déclarés. Le document généré sert de brouillon de départ : les descripteurs doivent ensuite être réécrits pour la tâche réelle et validés par le formateur, puisque l'outil ne connaît pas le contexte de la salle.

Donner la grille avant l'exercice, pas après

Une grille transmise au moment de la note ne sert qu'à justifier une décision. Transmise avec la consigne, elle devient un support d'apprentissage. Panadero et Jonsson (2013) ont analysé 21 études sur cet usage formatif. Les résultats indiquent que la grille peut soutenir la performance et l'autorégulation, notamment parce qu'elle rend les attentes explicites. Les auteurs précisent aussi que les effets dépendent des conditions d'usage et qu'un accompagnement reste souvent nécessaire.

La conséquence pratique tient en trois gestes. Remettre la grille avec l'énoncé. Laisser cinq minutes d'auto-évaluation avant le rendu. Comparer ensuite l'auto-évaluation et la note du formateur, en discutant seulement les écarts. Cornell ajoute un point que l'expérience confirme : entraîner les apprenants à utiliser la grille, puis leur demander si elle est claire.

Un risque subsiste. Une grille trop détaillée transforme l'exercice en remplissage de cases, et l'apprenant optimise case par case au lieu de produire un travail cohérent. Le garde-fou est simple : conserver au moins un critère qui exige une justification rédigée, impossible à satisfaire par une réponse mécanique.

Ce qu'il faut retenir

  • Une grille se juge sur ses descripteurs, pas sur son nombre de colonnes.
  • Le critère nomme une dimension, le descripteur décrit un signe observable, le niveau fixe un degré.
  • Une grille améliore la cohérence des notes, pas automatiquement la validité du jugement.
  • L'effet mesuré sur la performance est modéré (0,45 après correction), plus faible sur l'autorégulation.
  • Quatre à sept critères suffisent en pratique ; au-delà, l'application devient irrégulière.
  • Une calibration à deux correcteurs sur trois copies révèle les descripteurs ambigus.

Références

← Retour au blog

­