Les commentaires entre pairs sont le moteur du système d’apprentissage de la Fondation Apprendre Genève. Un nouvel outil de filtrage protège ce moteur. Sa conception répond à trois questions que les spécialistes de l’éducation se posent depuis des décennies : à quoi sert l’évaluation par les pairs, combien de vérification un système d’apprentissage peut se permettre, et que peut affirmer un certificat de manière honnête.
« Ok ok ok ok » et le commentaire qui a changé une clinique
Dans l’un des trois cours utilisés pour tester le système décrit dans cet article, une médecin en Tanzanie a examiné le récit d’un collègue. Ce récit parlait d’une femme dont les symptômes avaient été ignorés pendant des années. Son commentaire a fait quatre choses en trois phrases. Il a relié l’histoire du collègue à sa propre pratique. Il a nommé une lacune précise dans le récit. Il a posé une question qui a poussé l’analyse plus loin. Et il a engagé la médecin elle-même à un changement : elle commencerait à poser des questions sur ces symptômes pendant la consultation plutôt qu’à l’accueil. Trois semaines plus tard, dans le forum du cours, elle a signalé qu’elle avait gardé cette habitude chaque semaine depuis. Elle avait aussi commencé à éduquer les patients en présence de leurs conjoints.
Dans le même cours, un autre participant a soumis un commentaire qui disait, dans son intégralité : « Ok ok ok ok ok ok ok ok oo kok ok ok ok ok. » Il a réussi le contrôle automatique du nombre de mots de la plateforme.
Les deux commentaires se trouvaient dans le même ensemble de données. Ils étaient comptabilisés de manière identique dans les statistiques. La distance entre les deux est le sujet de cet article. L’apprentissage entre pairs produit des contributions extraordinaires et des contributions vides. Un système qui ne peut pas faire la différence à grande échelle sera défini par les contributions vides. Les apprenants qui écrivent les contributions extraordinaires sont les premiers à remarquer quand personne ne protège leur effort. La Fondation Apprendre Genève (la Fondation) a construit et testé un système de filtrage, l’Examinateur TGLF. Il lit chaque soumission, chaque commentaire et chaque réflexion dans un cours. Il produit des preuves sur les apprenants qui ont tenu leurs engagements envers leurs pairs.
Appeler cela un système pour attraper les tricheurs rate l’essentiel. Dans les cours de la Fondation, l’évaluation existe pour soutenir l’apprentissage entre pairs. La grille d’évaluation, les notes et les invites de commentaires sont des structures qui enseignent aux participants à donner des commentaires qui valent la peine d’être reçus. Le système de filtrage maintient ce soutien solide. Son objectif n’est pas la surveillance. Il protège les conditions dans lesquelles un professionnel de la santé d’un pays écrit trois phrases qui changent la pratique dans un autre.
Trois engagements, et ce qui se casse quand l’un échoue
Les cours de la Fondation suivent un modèle que la fondation appelle apprentissage structuré entre pairs. Il est fondé sur ce que le travail théorique récent de Reda Sadki nomme Praxis structurée entre pairs. Cette approche affirme que dans des conditions de complexité, l’apprentissage et la mise en œuvre sont un seul processus. Juste assez de structure rend ce processus fiable à grande échelle (Sadki, 2026).
Un cours de ce type demande à chaque participant trois engagements. Premièrement, répondre à trois questions d’apprentissage. Chacune demande une situation précise et réelle de la pratique du participant plutôt qu’un cas tiré d’un manuel. Les questions progressent de l’observation personnelle à l’analyse systémique à un plan concret pour les quatre prochaines semaines. Deuxièmement, examiner les réponses de trois collègues selon une grille d’évaluation. Les critères correspondent aux trois questions. Les instructions sont explicites sur le but du commentaire : nommer une force précise, poser une question qui pousse la réflexion plus loin, partager un lien avec votre propre travail. Troisièmement, répondre aux commentaires reçus. Le participant déclare ce qu’il en a tiré et ce qu’il fera différemment.
Chaque commentaire porte une note sur une échelle développementale à cinq niveaux : 0 (Pas de réponse), 1 (Premiers pas), 2 (En construction), 3 (Solide), 4 (Exceptionnel). Les niveaux décrivent la distance parcourue par une contribution, non l’intelligence de son auteur. L’écart entre « En construction » et « Solide » est important. Ces deux voisins sur l’échelle marquent la différence entre une réponse qui a commencé à répondre aux critères et une qui les remplit complètement. Une réponse « En construction » raconte généralement une histoire réelle mais s’arrête quelque part. La réflexion manque. Le plan d’action n’a pas de bénéficiaire nommé. L’analyse reste générale. Une réponse « Solide » est précise et complète sur tous les critères. Les examinateurs sont informés que l’échelle décrit la contribution plutôt que de noter la personne. Un agent de santé communautaire dans un village rural et un médecin dans un hôpital urbain peuvent tous les deux obtenir la note la plus élevée.
La responsabilité dans cette conception est horizontale. Quand un participant écrit un commentaire superficiel, la partie lésée est le collègue qui a passé une soirée à écrire un vrai récit d’un vrai patient. Il a reçu « Bien » en retour, pas une institution. La responsabilité horizontale est à la fois la force de la conception et son exposition. La responsabilité entre pairs produit la valeur d’apprentissage. La responsabilité entre pairs est exactement ce qu’une minorité de participants n’honorera pas. Dans le cours pilote, 91,5 % des apprenants ont reçu au moins un commentaire. 99,8 % des commentaires ont dépassé le seuil de substance automatique de la plateforme. Ce deuxième chiffre est révélateur. Un seuil qui approuve « Ok ok ok ok » quatorze fois ne mesure pas la substance. Quelque chose d’autre doit le faire.## Lorsque deux examinateurs ne sont pas d’accord, qu’est-ce qui est réellement évalué ?
Les chercheurs en éducation se demandent depuis des décennies si l’évaluation par les pairs peut être fiable comme mesure (Topping, 1998). Les propres données de la Fondation donnent la réponse honnête : non, et ce n’est pas sa fonction.
L’évaluation du cours pilote a calculé l’accord entre examinateurs en utilisant le kappa pondéré. Cette statistique mesure à quelle fréquence deux examinateurs attribuent la même note au même travail après soustraction de l’accord que vous attendriez du simple hasard, avec un crédit partiel lorsqu’ils se situent à un niveau d’écart plutôt qu’à plusieurs niveaux. Un kappa de 1,0 signifie un accord parfait, et 0 signifie que les examinateurs auraient aussi bien pu lancer les dés. Sur les trois critères de la grille, le kappa pondéré variait de 0,06 à 0,17, ce que la littérature en matière de mesure appelle un léger accord, même si les chiffres bruts semblaient respectables. Les examinateurs se situaient à un niveau d’écart 77 % à 81 % du temps. En clair, deux collègues lisant la même réponse se sont régulièrement désaccordés sur le fait qu’elle était « En construction » ou « Solide », exactement la frontière où une échelle de développement fait son travail. La conclusion du rapport (La Fondation Apprendre Genève, 2026) mérite d’être citée car les institutions le disent rarement à voix haute. Les notes doivent être lues comme « un signal d’encouragement, pas une mesure de qualité validée », et « le résultat le plus défendable de l’instrument d’évaluation par les pairs n’est pas la distribution des notes numériques mais le contenu qualitatif qu’il a suscité ».
Un spécialiste de l’évaluation a deux options à ce carrefour. La première est de poursuivre la respectabilité psychométrique avec plus de critères, une formation sur des exemples concrets, une double notation et des groupes de modération. Cette route est bien cartographiée et coûteuse, et sa destination est un processus d’évaluation par les pairs tellement contraignant qu’il cesse de produire ce qui l’a rendu précieux, le commentaire de quatre phrases venu de Tanzanie qui a changé la pratique de l’examinateur lui-même. La deuxième option suit l’idée de Sadler (1989) selon laquelle le jugement évaluatif est lui-même ce qui est appris. Il faut cesser de demander à l’évaluation par les pairs d’être un instrument de mesure et la traiter comme un mécanisme d’apprentissage dont le sous-produit est un riche dossier qualitatif. Appliquer des critères au travail d’un collègue développe le jugement de l’examinateur. Recevoir les lectures de trois collègues sur votre récit vous montre comment votre message est reçu. Rien de cela n’exige que les chiffres convergent.
Mais la deuxième option a une dépendance cachée que la littérature sur l’évaluation par les pairs évalue rarement. Si les notes sont formatives et que la substance est le dossier qualitatif, alors l’intégrité du système repose entièrement sur la qualité de la participation. De vraies réponses, de vrais commentaires, de vraies réponses. La question de la fiabilité ne disparaît pas. Elle se déplace. Elle cesse d’être « les deux examinateurs ont-ils donné la même note ? » et devient « cet apprenant a-t-il réellement fait l’activité de bonne foi ? ». Et cette question, contrairement au jugement holistique de la qualité, est largement calculable.
Les cent soumissions qu’un facilitateur a lues à la main
Voici ce que répondre à la question de la bonne foi a coûté avant l’arrivée de l’Examinateur. Dans le cours pilote, un facilitateur de la Fondation a personnellement lu plus de cent soumissions individuelles pour approuver ou rejeter chacune comme vérification d’intégrité. Le cours accueillait 1 110 personnes. L’événement phare de la Fondation, Teach to Reach, a enregistré 24 610 inscriptions lors de sa dernière édition. La lecture à la main ne survit pas au contact avec ces chiffres, et elle dépense la ressource la plus rare que possède la Fondation, l’attention humaine experte, sur la tâche où elle ajoute le moins de valeur : distinguer « Ok ok ok ok » d’une véritable contribution, une distinction qu’un script peut faire.
L’Examinateur de la Fondation est un pipeline de dépistage déterministe, ce qui signifie qu’il s’agit d’un ensemble de règles explicites et inspectables plutôt que d’un modèle d’apprentissage automatique. Aucune IA ne lit le travail des apprenants dans sa configuration par défaut, et deux passages sur les mêmes données produisent des résultats identiques. Il applique douze règles sur les trois engagements. Pour les auteurs : réponses standard, effort total minimal, contenu hors sujet, réponses copiées d’une question à une autre, et motifs de formatage typiques du texte généré par la machine. Pour les examinateurs : le même commentaire envoyé à différents collègues, le même texte collé dans chaque champ de commentaire, commentaires trop minces pour être utilisables, et éloges si génériques qu’ils pourraient s’appliquer à n’importe quelle soumission, ce que le système détecte en mesurant le vocabulaire que le commentaire partage avec le travail qu’il prétend examiner. Pour les réflexions : réponses manquantes, vides ou dupliquées aux retours reçus.
Trois choix de conception comptent plus que les règles.
Les seuils proviennent de la cohorte, pas de l’intuition d’un administrateur. Un commentaire est « mince » par rapport à ce que les collègues du même cours ont réellement écrit, et chaque seuil est rapporté avec sa provenance, afin que l’équipe puisse voir si une norme provient de la configuration ou de la propre distribution de la cohorte.
Chaque constat arrive avec les propres mots de l’apprenant comme preuve. Le système ne signale pas qu’un apprenant « a montré un faible engagement ». Il signale que la réponse la plus courte de l’apprenant était de onze mots, la cite, énonce ce que l’activité demandait, et assemble le tout en un paragraphe prêt à envoyer. Deux apprenants avec le même constat reçoivent un libellé identique, car les phrases proviennent de modèles plutôt que de la paraphrase d’un modèle. Dans un processus d’intégrité, c’est une propriété d’équité. Le constat est inspectable, la preuve est le propre texte de l’apprenant, et aucune rhétorique algorithmique ne s’interpose entre les deux.
Rien n’est supprimé silencieusement. Lorsqu’une règle est désactivée pour un apprenant, parce que le cours a dit aux participants qu’une réponse courte était acceptable, ou pour la raison qui suit, l’exemption est écrite dans un registre avec sa justification. Un humain peut toujours reconstruire pourquoi quelqu’un n’a pas été signalé.Le projet pilote a montré pourquoi ce registre est utile. Le système a d’abord signalé une examinatrice pour des commentaires vagues et répétitifs : ses trois zones de commentaires contenaient la même courte note. Lue par un humain, la note expliquait qu’on lui avait confié le travail d’un collègue écrit dans une langue qu’elle ne pouvait pas lire, et elle demandait aux organisateurs de corriger le problème. Elle n’avait rien violé. Le système d’apprentissage l’avait mise dans une situation où aucun examen honnête n’était possible, et le système de contrôle allait la blâmer pour cela. La solution n’était pas d’assouplir les règles mais d’apprendre au système à voir la situation : il identifie maintenant la langue de chaque soumission et de chaque examen, enregistre les appariements entre langues comme un signal de conception pour l’équipe du cours plutôt que comme une violation, et exempte l’examinatrice et l’auteur concernés de toute règle que cet appariement rend injuste. Douze examinateurs de la cohorte pilote avaient reçu du travail qu’ils ne pouvaient pas lire. Avec une lecture manuelle à grande échelle, la plupart de ces douze auraient été mal jugés ou oubliés. La machine n’a pas remplacé le jugement humain dans cette histoire. Elle a trouvé les cas où le jugement humain allait se tromper.
Le travail qui demande du jugement reste avec les personnes. Les constats qui touchent à l’honnêteté, comme le texte généré par machine non déclaré, ont un niveau de gravité qui demande un examen humain et sont formulés comme une question sur la façon dont le travail a été fait, jamais comme un verdict. Une boucle d’apprentissage renvoie les décisions de l’équipe dans le système, qui indique à quelle fréquence chaque règle s’est avérée fausse et refuse d’attacher des conséquences à tout constat qu’un humain n’a pas confirmé. L’animateur qui lisait autrefois cent soumissions lit maintenant un résumé d’une page et les quelques cas qui ont besoin d’être lus. Les heures récupérées vont où la Fondation a toujours voulu qu’elles aillent : soutenir les apprenants qui font le travail plutôt que surveiller ceux qui ne le font pas.
Ce qu’un certificat peut affirmer honnêtement
La Fondation délivre des certificats, ce qui pose une question que la plupart des communautés d’apprentissage par les pairs n’ont jamais eu à répondre par écrit : qu’est-ce qui est attesté exactement ?
La spécification de certification de la fondation pour le cours pilote nomme les comportements professionnels que les participants ont pratiqués : l’observation réfléchie, la reconnaissance de modèles, l’analyse systémique, la planification d’action, et la solidarité constructive dans la formulation et l’intégration de commentaires structurés. Elle énonce ensuite clairement : « Ce sont des domaines de pratique délibérée, non des compétences certifiées. Le programme vérifie l’engagement dans un processus d’analyse professionnelle. Il n’évalue pas et ne certifie pas la compétence clinique ou programmatique. »
Il serait facile de lire ces phrases comme une protection défensive. C’est le contraire. Dans la philosophie de l’éducation de la Fondation, être clair sur ce que l’organisation peut évaluer, comment et pourquoi est une exigence éthique. Cela fait partie de la même discipline qui fait que la fondation rapporte ses propres statistiques de fiabilité et identifie ses propres affirmations de résultat comme auto-déclarées. Le contraste se fait avec le registre habituel de l’éducation formelle, qui fait régulièrement des affirmations globales sur l’efficacité et les résultats que sa propre base de preuves ne soutient pas. La Fondation certifie ce que sa plateforme et son équipe vérifient réellement : qu’un professionnel de la santé nommé a complété un cycle structuré d’analyse, d’échange par les pairs et de planification au sujet de sa propre pratique, documenté dans ses propres mots. Ce que ce cycle a changé est suivi par un instrument entièrement différent : les plans d’action avec bénéficiaires nommés et dates, et les comptes rendus de suivi. Dans le projet pilote, 45,9 % des projets analysés se sont engagés à apporter un changement de pratique spécifique et daté, et chaque affirmation de ce type est publiée avec sa limitation : auto-déclarée, non vérifiée de manière indépendante.
Les données sur les diplômes formels font que cette précision ressemble moins à de la modestie et plus à un avantage. Cinquante ans de recherche en sélection du personnel montrent que les années d’éducation prédisent la performance professionnelle avec une validité de 0,10, où la validité est la corrélation entre le diplôme et la performance ultérieure sur une échelle de 0 (aucune relation) à 1 (prédiction parfaite). C’est parmi les signaux les plus faibles jamais mesurés, et les notes universitaires ajoutent presque rien à la prédiction au-delà de la capacité cognitive générale (Schmidt et Oh, 2016). La corrélation entre les notes et la performance professionnelle, modeste au départ, tombe à 0,05 dans les six ans suivant l’obtention du diplôme (Roth et al., 1996). Les économistes du travail attribuent environ 30 % du rendement financier de l’obtention d’un diplôme au diplôme lui-même plutôt qu’à ce qui a été appris, l’effet parchemin (Ferrer et Riddell, 2002). Les employeurs rapportent la même déconnexion dans leur propre langage : les annonces d’emploi exigent des diplômes que deux tiers des personnes qui occupent déjà ces emplois avec succès ne détiennent pas (Fuller et Raman, 2017), et lorsque de grands employeurs ont publiquement supprimé les exigences de diplôme, le changement réel dans qui ils ont embauché s’est élevé à moins d’une embauche sur 700 (Sigelman et al., 2024). Dans l’enquête auprès des employeurs de l’AAC&U, l’écart entre l’importance que les employeurs accordent à la communication orale et leur confiance que les diplômés y sont bien préparés atteignait 30 points de pourcentage (Finley, 2023). Plus proche du propre domaine de la Fondation, l’examen Cochrane actuel de l’éducation continue pour les professionnels de la santé, qui a regroupé 215 études portant sur plus de 28 000 praticiens, a constaté que les réunions éducatives n’ont amélioré que légèrement le respect des pratiques cliniques souhaitées (médiane 4 points de pourcentage) et n’ont amélioré que légèrement les résultats pour les patients (Forsetlund et al., 2021). La question spécifique de savoir si les réunions interactives surpassent les cours magistraux a été rétrogradée à une certitude très faible. C’est-à-dire : le format accrédité dominant en éducation des agents de santé produit les mêmes petits effets variables que le propre modèle de la Fondation rapporte pour une fraction du coût.Rien de cela ne prouve que l’apprentissage par les pairs certifie la compétence. Ce que cela démontre, c’est que l’hypothèse selon laquelle l’évaluation formelle établit une norme de référence par rapport à laquelle la précision de la Fondation devait se justifier est fausse. Un certificat qui documente l’engagement vérifié, ce que le participant a réellement fait, avec qui et selon quel plan, formule une déclaration que son émetteur peut défendre. Et c’est là que l’examinateur modifie le calcul de la certification : l’expression « engagement véritable et substantiel » dans la spécification ne vaut d’être écrite que si l’authenticité et la substance sont vérifiées. Le système de contrôle est ce qui rend cette vérification possible pour mille apprenants à la fois, ce qui transforme l’honnêteté du certificat d’une aspiration en une trace vérifiable.
Pourquoi l’automatisation a rendu les commentaires plus personnels, pas moins
L’automatisation du contrôle de l’intégrité a rendu les commentaires que chaque apprenant reçoit plus individuels, pas moins.
Regardez ce que le système envoie réellement. Un apprenant qui a fait son examen avec soin mais n’a jamais répondu au collègue qui l’a examiné reçoit un message qui cite son propre dossier. Le message note treize activités terminées sur quinze, le qualifie de consciencieux, et dit exactement ce qui manque et pourquoi cela compte pour le collègue qui attend toujours. Un apprenant dont les trois réponses totalisent 92 mots reçoit ses propres mots, avec ce que les collègues du même cours écrivent normalement. Le message sur le texte formaté par machine demande comment le travail a été fait et rappelle à l’apprenant que le code d’honneur demande la divulgation, pas l’abstinence. L’utilisation déclarée de l’IA est un contexte, jamais une violation. Chaque message indique que rien n’a été décidé, et chaque message se termine par le nom d’une personne qui lira la réponse.
Chaque choix suit ce que la recherche sur l’intégrité a découvert sur les apprenants professionnels adultes. Les attentes claires énoncées avant le travail, pas après, restent le levier le plus puissant, c’est pourquoi le code d’honneur et les règles sur l’IA sont des éléments du cours qu’un apprenant doit examiner avant de soumettre quoi que ce soit. Les sanctions imposées sans dialogue détruisent la relation que la sanction est censée protéger, donc le premier contact est toujours un avertissement qui cite les faits et offre un droit de réponse. Et traiter l’utilisation de l’IA comme une norme de divulgation plutôt que comme une interdiction reflète à la fois la réalité du projet pilote, 64,4 % des répondants ont déclaré avoir utilisé l’IA générative pour développer leurs réponses, et l’analyse de Sadki sur ce qu’il appelle le paradoxe de la transparence. Les professionnels à l’intérieur de structures de responsabilité punitives sont pénalisés pour avoir divulgué l’utilisation de l’IA et pénalisés pour l’avoir dissimulée, donc l’obligation d’une organisation d’apprentissage est de rendre la transparence sûre plutôt que de l’exiger tout en la punissant (Sadki, 2026).
Les propriétés d’équité vont au-delà du texte. L’examen par les pairs dans ces cours est anonyme, donc aucun message qu’un apprenant reçoit ne nomme jamais un autre apprenant, même si les données accessibles au personnel conservent les noms complets pour vérification. La même constatation produit toujours les mêmes phrases. Une identité non résolue, deux apprenants qui partagent un nom, est un arrêt total. Personne n’est contacté par courrier électronique sur la base d’une supposition.## Pourquoi une théorie de l’apprentissage a besoin d’une couche d’application
Lue à travers le prisme de la Pratique par examen structuré, l’Examinateur est la couche d’application du mécanisme central de la théorie, pas un complément d’évaluation.
Le cadre de Sadki affirme que l’apprentissage à grande échelle fonctionne par ce qu’il appelle l’auto-organisation sélectionnée. Juste assez de structure, de rubriques, de délais, de critères appariés, d’obligations réciproques pour permettre à un réseau de praticiens de produire des connaissances ensemble sans goulot d’étranglement d’expert (Sadki, 2026). La rubrique diagnostique du cadre interroge n’importe quel système d’apprentissage sur trois points. La responsabilité s’exerce-t-elle horizontalement entre pairs ou verticalement envers une autorité de certification. Le processus ferme-t-il la boucle de la praxis de la réflexion à l’action suivie. L’échelle est-elle traitée comme un atout de diversité ou un risque de qualité.
Chacun de ces engagements crée une vulnérabilité spécifique, et les règles de l’Examinateur correspondent presque une à une. La responsabilité horizontale fonctionne seulement si les examens sont réels, donc le système mesure si la rétroaction porte sur le travail spécifique qu’elle prétend examiner. La fermeture de la praxis fonctionne seulement si l’étape de réflexion se produit, donc le système signale l’apprenant qui a reçu le travail d’un collègue et n’a jamais fermé la boucle. L’échelle est un atout seulement si les échanges du réseau portent un signal, donc le système contrôle chaque échange plutôt que d’échantillonner. Même les engagements décoloniaux de la théorie deviennent concrets. La détection multilingue existe parce qu’une règle construite sur une hypothèse monolingue était sur le point de pénaliser la réalité multilingue d’une cohorte mondiale, et le correctif traite le décalage comme un signal de conception de cours plutôt que comme un échec d’apprenant.
Le point plus profond appartient à la littérature d’évaluation autant qu’à Sadki. Un long courant de travail, de Sadler (1989) sur l’évaluation formative à Topping (1998) et Nicol et Macfarlane-Dick (2006) sur la rétroaction des pairs, soutient que le jugement évaluatif n’est pas un problème de mesure mais un résultat d’apprentissage. Les données de la Fondation soutiennent une version opérationnelle de cette affirmation. Le médecin en Tanzanie n’a pas appris malgré avoir dû examiner trois collègues. L’examen était l’endroit où son changement de pratique est né, dans sa propre phrase, adressée à quelqu’un d’autre, qu’elle est alors allée appliquer. Un système qui protège les conditions dans lesquelles cette phrase est écrite, en rendant les examens vides visibles, en refusant de laisser un décalage linguistique se faire passer pour de la paresse, en réservant le jugement humain aux cas qui en ont besoin, utilise l’évaluation exactement comme la conception l’entend. Comme échafaudage pour la rétroaction qui porte l’apprentissage.
Ce que la machine ne peut pas lire
L’Examinateur mesure l’intégrité de la participation, pas la profondeur, l’exactitude ou la gentillesse. Un examen superficiel d’une réponse spécifique passe. Une affirmation clinique factuellement fausse passe. Chaque déclaration sur les conditions locales et le changement de pratique reste auto-déclarée, et les rapports le disent dans leurs propres sections de limitations. La fiabilité inter-examinateur reste faible, et la recommandation la plus exploitable du projet pilote sur ce front, montrer aux examinateurs de brefs exemples d’étalonnage avant leur première évaluation, est une amélioration de processus humain qu’aucun pipeline ne peut remplacer. Le système de contrôle élimine la routine pour que l’attention humaine puisse se concentrer là où le jugement, le soin et l’expertise sont irremplaçables. Sur les apprenants qui font le travail, et sur le petit nombre de cas difficiles où les données ont besoin d’une personne pour les lire.
Les machines vérifient les engagements et les humains soutiennent l’apprentissage. Cette division est ce que tout l’exercice permet. L’alternative n’a jamais été un monde sans vérification. C’était un facilitateur lisant cent présentations à la main, un processus de signalement qui aurait sanctionné un examinateur qui méritait des excuses, et un certificat dont la revendication centrale, l’engagement véritable, personne ne pouvait réellement vérifier.## Références
Ferrer, A. M., & Riddell, W. C. (2002). The role of credentials in the Canadian labour market. Canadian Journal of Economics, 35(4), 879-905. https://econ.queensu.ca/pub/jdi/deutsch/edu_conf/Ferrer.pdf
Finley, A. (2023). The career-ready graduate: What employers say about the difference college makes. American Association of Colleges and Universities. https://www.aacu.org/research/the-career-ready-graduate-what-employers-say-about-the-difference-college-makes
Forsetlund, L., O’Brien, M. A., Forsén, L., Mwai, L., Reinar, L. M., Okwen, M. P., Horsley, T., & Rose, C. J. (2021). Continuing education meetings and workshops: Effects on professional practice and healthcare outcomes. Cochrane Database of Systematic Reviews, (9), CD003030. https://doi.org/10.1002/14651858.CD003030.pub3
Fuller, J. B., & Raman, M. (2017). Dismissed by degrees: How degree inflation is undermining U.S. competitiveness and hurting America’s middle class. Harvard Business School. https://www.hbs.edu/ris/Publication%20Files/dismissed-by-degrees_707b3f0e-a772-40b7-8f77-aed4a16016cc.pdf
Nicol, D. J., & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199-218. https://doi.org/10.1080/03075070600572090
Roth, P. L., BeVier, C. A., Switzer, F. S., III, & Schippmann, J. S. (1996). Meta-analyzing the relationship between grades and job performance. Journal of Applied Psychology, 81(5), 548-556. https://doi.org/10.1037/0021-9010.81.5.548
Sadki, R. (2026). Structured peer praxis: A theory of networked knowledge production and local action at scale [Manuscrit non publié]. La Fondation Apprendre Genève.
Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18(2), 119-144. https://doi.org/10.1007/BF00117714
Schmidt, F. L., & Oh, I.-S. (2016). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 100 years of research findings [Document de travail]. https://home.ubalt.edu/tmitch/645/session%204/Schmidt%20%26%20Oh%20validity%20and%20util%20100%20yrs%20of%20research%20Wk%20PPR%202016.pdf
Sigelman, M., Fuller, J. B., & Martin, A. (2024). Skills-based hiring: The long road from pronouncements to practice. The Burning Glass Institute and Harvard Business School. https://www.burningglassinstitute.org/research/skills-based-hiring-2024
La Fondation Apprendre Genève. (2026). Rapports d’évaluation de formation et de renseignements de terrain, cohorte pilote d’apprentissage par les pairs [Rapports internes].
Topping, K. (1998). Peer assessment between students in colleges and universities. Review of Educational Research, 68(3), 249-276. https://doi.org/10.3102/00346543068003249