Les évaluations traditionnelles et standardisées s’essoufflent et laissent place à des évaluations plus modernes, réalisées avec des outils technologiques qui permettent de les automatiser. L’Automatic Item Generation (en français, génération automatique d’items) illustre bien cette évolution et fait partie des grandes avancées de l’EdTech.
Mais en quoi consiste cette technique ? Quels types de génération automatique d’items existe-t-il ? Comment la mettre en place ?
C’est ce que nous allons voir dans cet article.
Définition de l’Automatic Item Generation
L’Automatic Item Generation (AIG), ou génération automatique d’items, est une technique utilisée en évaluation psychologique et éducative pour produire automatiquement des items (questions ou tâches).
Elle repose sur des modèles d’items et des règles définies à l’avance et, de plus en plus, sur des techniques de traitement automatique du langage, pour créer des items d’évaluation. Elle est souvent utilisée pour créer des tests adaptatifs, dans lesquels la difficulté des items s’ajuste en fonction des réponses de la personne évaluée.
ABONNEZ-VOUS À LA NEWSLETTER
Découvrez les dernières tendances du secteur.
Quels sont les avantages de l’Automatic Item Generation ?
Les principaux avantages de l’Automatic Item Generation, ou génération automatique d’items (AIG), sont les suivants :
- L’efficacité : elle permet de créer rapidement un grand nombre d’items.
- L’homogénéité : les items générés automatiquement suivent des règles communes, ce qui peut limiter certains biais des items rédigés à la main, à condition d’être relus.
- L’adaptabilité : l’AIG permet de créer des tests adaptatifs, dans lesquels la difficulté des items s’ajuste en fonction des réponses de la personne évaluée.
- L’accessibilité : l’AIG peut être utile lorsque l’on a besoin d’items dans une langue ou sur un contenu précis qui n’existent pas sur le marché.
- L’économie : l’AIG peut aider à réduire les coûts liés à la rédaction manuelle des items.
- L’évolutivité : l’AIG permet de créer efficacement des items pour un grand nombre de personnes.
- La personnalisation : l’AIG permet de créer des items personnalisés pour chaque personne évaluée, en fonction de ses réponses précédentes.

Les types d’Automatic Item Generation
Il existe plusieurs types de génération automatique d’items (AIG), chacun avec ses approches et ses applications. Voici les plus courants.
L’AIG fondée sur des règles
Cette approche utilise des règles définies à l’avance pour générer des items à partir d’un ensemble de données.
Ces règles portent sur le format des questions. Par exemple : générer une question à choix multiple avec quatre réponses possibles dont une seule est correcte, utiliser des verbes au présent ou utiliser des images ou des graphiques pour illustrer les items.
L’AIG fondée sur des thèmes
Ce type d’Automatic Item Generation utilise simplement un ensemble de thèmes définis à l’avance pour générer des items.
On choisit par exemple 3 thèmes : histoire, sciences et mathématiques.
On fournit ensuite un ensemble de données à l’outil d’AIG, par exemple des informations sur l’histoire et les sciences.
Enfin, l’outil d’AIG utilise les thèmes définis pour générer des items à partir de ces données.
Exemples :
Question (thème : histoire) : lequel de ces événements a eu lieu en premier ?
- (A) La révolution industrielle
- (B) La Première Guerre mondiale
- (C) La Révolution française
- (D) L’arrivée de Christophe Colomb en Amérique
Bonne réponse : (D) L’arrivée de Christophe Colomb en Amérique
Question (thème : sciences) : quelle planète du système solaire est la plus proche du Soleil ?
- (A) Mercure
- (B) Vénus
- (C) La Terre
- (D) Mars
Bonne réponse : (A) Mercure
Dans cet exemple, l’outil d’AIG a utilisé le thème « histoire » pour générer un item sur des événements historiques et le thème « sciences » pour générer un item sur le système solaire.

L’AIG fondée sur des modèles d’items
Cette approche utilise des modèles définis à l’avance pour générer des items à partir d’un ensemble de données.
On définit d’abord un ensemble de modèles d’items. Par exemple : une question à choix multiple avec quatre réponses possibles dont une seule est correcte, ou une question à trou à compléter avec la bonne réponse.
On fournit ensuite un ensemble de données à l’outil d’AIG, par exemple des informations sur l’histoire et les sciences.
Exemples :
Question (modèle 1) : lequel de ces événements a eu lieu en premier ?
- (A) La révolution industrielle
- (B) La Première Guerre mondiale
- (C) La Révolution française
- (D) L’arrivée de Christophe Colomb en Amérique
Bonne réponse : (D) L’arrivée de Christophe Colomb en Amérique
Question (modèle 2) : complétez la phrase.
__________ est la planète du système solaire la plus proche du Soleil.
Bonne réponse : Mercure
Dans cet exemple, l’outil d’AIG a utilisé le modèle 1 pour générer une question à choix multiple et le modèle 2 pour générer une question à trou.
L’AIG fondée sur des modèles de langage
Cette approche utilise des modèles de langage pour générer des items à partir d’un ensemble de données.
On entraîne d’abord un modèle de langage sur un grand volume de textes, par exemple des articles de presse ou un ensemble de livres. On fournit ensuite un ensemble de données à l’outil d’AIG.
Enfin, l’outil utilise le modèle de langage entraîné pour générer des items à partir de ces données, par exemple des questions et des réponses cohérentes et naturelles.

L’AIG fondée sur l’apprentissage profond
C’est sans doute la forme d’Automatic Item Generation la plus complexe : elle utilise des réseaux de neurones profonds (deep learning) pour générer des items à partir d’un ensemble de données.
L’apprentissage profond est une technique d’apprentissage automatique inspirée de la structure et du fonctionnement du cerveau humain (en particulier des réseaux de neurones).
Il repose sur l’idée que l’on peut apprendre aux ordinateurs à apprendre par eux-mêmes à partir de l’expérience, sans programmer explicitement les règles et les caractéristiques qu’ils doivent rechercher.
Comment mettre en place l’Automatic Item Generation ?
Pour mettre en place la génération automatique d’items (AIG) dans votre établissement, suivez ces étapes :
- Choisir une approche d’AIG adaptée à l’objectif (comme celles que nous avons vues) et au contexte de l’établissement.
- Rassembler et fournir les données nécessaires à l’AIG. Il peut s’agir d’informations sur les contenus à évaluer, ainsi que de toute autre information utile.
- Entraîner un modèle d’AIG ou en utiliser un existant. Il peut s’agir d’entraîner un modèle de langage ou un réseau de neurones profond, ou de configurer un outil d’AIG fondé sur des règles ou des modèles d’items.
- Évaluer la qualité et l’efficacité des items générés. Il est important de vérifier qu’ils sont adaptés à l’objectif et au contexte de votre établissement, et qu’ils sont cohérents et équitables pour toutes les personnes évaluées.
- Intégrer l’AIG au processus d’évaluation de l’établissement. Cela peut passer par l’utilisation d’items générés dans les examens ou les évaluations, et par l’intégration de l’AIG dans la conception et la relecture des items.
Gardez à l’esprit que l’AIG n’est qu’un outil EdTech parmi d’autres, et non une solution miracle. Elle demande une planification et une évaluation rigoureuses pour être réellement utile à votre établissement. Les plans SMOWL peuvent aussi vous aider à utiliser la génération automatique d’items dans des évaluations en ligne intègres et sûres. Demandez une démo gratuite et découvrez par vous-même si l’association AIG et SMOWL est faite pour vous.
8 faits intéressants sur la surveillance en ligne
Remplissez le formulaire et téléchargez le guide dans lequel nous abordons tout ce qu’il faut savoir sur la surveillance en ligne et vous aidons à choisir le meilleur logiciel.





