Surveillance d'examens à distance sans IA ni reconnaissance faciale

Les examens à distance font désormais partie du quotidien de bien des cégeps, collèges et universités : programmes de formation continue pour adultes en emploi, cours à distance, examen final pour des personnes étudiantes qui ne peuvent pas se déplacer. La question n'est presque jamais de savoir s'il faut les surveiller, mais comment le faire sans confier le jugement à un algorithme.

Que vous soyez à la direction de la formation continue, conseillère ou conseiller pédagogique, ou à la tête des TI, vous avez sans doute vu une démonstration de surveillance par IA, puis entendu les objections qui suivent : celles des personnes étudiantes, des enseignants et du responsable de la protection des renseignements personnels. Cet article explique comment fonctionne habituellement la surveillance par IA, pourquoi les établissements hésitent, et propose un modèle centré sur l'humain qui garde la surveillance rigoureuse, sans reconnaissance faciale ni donnée biométrique.

Comment fonctionne la surveillance par IA ?

La plupart des outils de surveillance par IA suivent le même modèle. Un logiciel installé sur l'ordinateur de la personne étudiante enregistre la caméra, le micro et l'écran, et un algorithme analyse l'enregistrement à la recherche de comportements associés à la tricherie :

• Le regard et les mouvements de tête : la personne détourne les yeux de l'écran, regarde vers le bas ou sur le côté trop longtemps.
• Les visages à l'image : aucun visage, un deuxième visage, ou un visage qui ne correspond plus à celui capté au départ.
• Le son : des voix, des chuchotements ou des bruits de fond.
• L'activité : changer de fenêtre, copier-coller, ouvrir une autre application.

Chaque événement est pondéré, puis regroupé dans un score de suspicion ou de risque pour la séance. Les réviseurs trient les séances selon ce score et regardent d'abord les plus élevées. L'identité est souvent vérifiée au départ en comparant une photo prise par la caméra à une pièce d'identité ou à une image de référence : c'est de la reconnaissance faciale.

L'attrait est réel : quelques réviseurs peuvent couvrir des milliers de séances, à toute heure. La plupart des fournisseurs rappellent d'ailleurs qu'un signalement n'est pas un verdict et qu'une personne doit l'analyser. L'hésitation vient de tout ce qui entoure cette analyse.

Pourquoi les établissements hésitent-ils ?

Les faux signalements mettent les personnes étudiantes sur la défensive. Un algorithme qui surveille les yeux et les visages ne distingue pas la réflexion de la tricherie. L'étudiante qui lève les yeux au plafond pour retrouver une formule, l'étudiant qui lit une question à voix haute ou qui partage un petit logement avec un tout-petit peuvent se retrouver dans la pile « risque élevé ». Même quand le signalement est écarté, la personne a parfois dû se justifier, et le point de départ est passé de la confiance au soupçon.

Les enjeux d'équité sont largement rapportés. Des personnes étudiantes et des groupes de défense des droits ont largement fait état de difficultés de détection du visage plus fréquentes chez les personnes à la peau foncée ou dans un éclairage faible, au point de devoir ajouter de la lumière ou se déplacer avant même de commencer. Des personnes étudiantes en situation de handicap ont rapporté avoir été signalées pour des tics, des mouvements involontaires, des mouvements oculaires atypiques ou l'utilisation d'une technologie d'assistance. Ces comportements font partie de leur façon de travailler ; ce ne sont pas des indices de tricherie.

Le stress n'a rien à voir avec l'examen. Savoir qu'un logiciel note votre regard change la façon de passer un examen. Bien des personnes étudiantes disent fixer l'écran pour ne pas détourner les yeux, ou craindre qu'un colocataire entre dans la pièce. Cette anxiété ne mesure rien de ce que le cours cherche à évaluer.

Les données biométriques pèsent plus lourd sur le plan juridique. Un gabarit facial est une donnée biométrique, que les lois sur la protection des renseignements personnels traitent comme particulièrement sensible. Au Québec, vérifier ou confirmer l'identité d'une personne au moyen de caractéristiques biométriques entraîne des obligations supplémentaires : le consentement exprès de la personne est requis, et le procédé doit être déclaré à la Commission d'accès à l'information (CAI) avant sa mise en service. Comme un examen est rarement facultatif, le responsable de la protection des renseignements personnels voudra aussi savoir ce qui arrive à la personne étudiante qui refuse.

Tout nouveau système de surveillance, avec ou sans IA, appelle en outre une évaluation des facteurs relatifs à la vie privée (EFVP), comme l'explique l'article surveillance d'examens et Loi 25. Ce sont des obligations générales : validez leur application à votre projet avec votre responsable de la protection des renseignements personnels ou vos conseillers juridiques.

Ce qui ne suffit pas à lui seul

Les établissements méfiants envers la surveillance par IA se rabattent souvent sur l'une de trois options. Chacune a sa place ; aucune ne suffit à elle seule pour un examen à distance à fort enjeu.

• Un code d'honneur, seul. Il énonce l'attente et nourrit la bonne culture. Mais quand un enseignant a un doute, il n'y a rien à consulter : ni enregistrement ni ligne du temps, seulement un soupçon contre la parole de la personne étudiante.
• Un navigateur sécurisé sans enregistrement. Safe Exam Browser, le navigateur de verrouillage gratuit et à code source ouvert qui fonctionne avec les tests Moodle, fait ce qu'il promet : il garde la personne étudiante dans l'examen et bloque les autres sites et applications. Il ne confirme pas qui est au clavier, ne voit pas la pièce et ne conserve aucun enregistrement à revoir si une question surgit plus tard.
• Un appel vidéo où l'enseignant surveille 30 vignettes. Un appel Microsoft Teams caméras ouvertes a l'air humain, mais personne ne peut observer attentivement 30 petits visages pendant trois heures, et les écrans restent invisibles. Rien n'est verrouillé, et l'enregistrement de l'appel montre la mosaïque de l'enseignant, pas la séance de chaque personne étudiante.

Le point commun : soit personne ne voit ce qui s'est passé, soit personne ne peut le démontrer après coup.

Un modèle de surveillance centré sur l'humain

La solution de rechange à la surveillance par IA n'est pas une surveillance allégée. C'est une surveillance où le logiciel applique les règles et documente les événements, et où des personnes portent tous les jugements. Six principes valent, quel que soit l'outil choisi.

1. Confirmez l'identité avec les comptes que vous gérez déjà

Les personnes étudiantes se connectent avec leur compte de l'établissement par authentification unique : vos politiques de mot de passe et d'authentification multifacteur s'appliquent, et il n'y a aucun nouveau compte à créer. Une personne confirme ensuite visuellement que c'est la bonne personne étudiante, par exemple en comparant l'image de la caméra à sa carte étudiante. Une salle d'attente permet à la personne surveillante de valider les présences avant l'examen, et une solution de secours comme un code unique évite qu'un échec de connexion fasse perdre du temps d'examen.

2. Verrouillez l'environnement d'examen, examen par examen

Bloquez ce que l'examen n'autorise pas : autres sites Web, applications, extensions de navigateur et outils d'IA. Permettez ensuite ce qu'il autorise : un PDF pour un examen à livre ouvert, Excel pour un laboratoire, ou un outil d'IA générative si l'enseignant le permet. Les technologies d'assistance prévues dans les mesures d'accommodement d'une personne étudiante doivent rester accessibles. L'IA générative mérite son propre plan, présenté dans bloquer ChatGPT pendant les examens en ligne.

3. Enregistrez ce dont l'examen a besoin, sans plus

Décidez pour chaque examen quelles captures se justifient : caméra, micro, écrans, clavier et souris. Un examen final à livre fermé peut toutes les exiger ; un laboratoire à faire à la maison n'a peut-être besoin que de l'écran. Dites aux personnes étudiantes à l'avance ce qui est enregistré, qui le verra et quand ce sera supprimé.

4. Détectez des événements par des règles, pas par des scores

Une règle s'explique : une application non autorisée a été ouverte, la fenêtre d'examen a perdu le focus, la personne a changé d'écran. Placez chaque événement sur une ligne du temps horodatée que n'importe qui peut comparer à l'enregistrement. Une règle décrit ce qui s'est passé sur l'ordinateur ; elle ne devine pas une intention à partir des mouvements des yeux.

5. Confiez l'analyse et la décision à une personne

La personne surveillante ou l'enseignant ouvre la ligne du temps, se rend au moment indiqué et regarde l'enregistrement. Bien des événements s'avèrent anodins : un clic de travers, une notification. Les autres suivent le processus de l'établissement en matière d'intégrité, où la personne étudiante est entendue.

6. Ne sanctionnez jamais automatiquement

Aucun score ne déclenche un zéro, un échec ou un signalement. Le logiciel peut lancer une alerte ; seule une personne peut conclure qu'une règle a été enfreinte.

Voici comment les trois approches se comparent :

Comment Examo s'en charge

Examo repose sur ce modèle centré sur l'humain. C'est une application native Windows et macOS qui encadre et enregistre un examen, quel que soit l'outil utilisé par l'enseignant pour le construire : un test Moodle, un document Word, Excel ou PDF, ou une application d'examen externe. Elle ne comporte aucune fonctionnalité fondée sur l'IA : aucune reconnaissance faciale, aucune analyse automatisée du comportement, aucune donnée biométrique.

• Identité. Les personnes étudiantes se connectent avec leur compte Microsoft 365 de l'établissement, et l'authentification unique est obligatoire. Dans la salle d'attente, la personne surveillante ou l'enseignant valide les présences et, pour les examens à distance, la personne surveillante confirme l'identité visuellement à partir de l'image de la caméra. Si la connexion échoue, elle génère un code d'accès unique.
• Verrouillage. Les sites Web, applications, extensions de navigateur et outils d'IA non autorisés, comme ChatGPT, Copilot et Gemini, sont bloqués, et les processus en cours d'exécution sont surveillés. L'enseignant permet des ressources précises par examen ou par profil de sécurité, et les technologies d'assistance autorisées pour une personne étudiante ne sont pas bloquées, comme l'explique la page accessibilité et accommodements.
• Enregistrement. La vidéo et l'audio de la personne étudiante, chaque écran branché ainsi que les interactions au clavier et à la souris, pendant tout l'examen. Chaque capture peut être désactivée par examen ou par profil de sécurité.
• Détection et analyse. Les applications, sites et outils d'IA non autorisés, la perte de focus et les changements de fenêtre ou d'écran sont consignés sur une ligne du temps horodatée, et une alerte est envoyée dès qu'un événement est détecté. Après l'examen, un rapport Excel des événements et des alertes est exporté avec les enregistrements vidéo et audio correspondants. Chaque incident est soumis à une analyse humaine : aucun score de suspicion, aucune décision ni sanction automatique.

Tous les modes et paramètres sont détaillés sur la page surveillance et verrouillage.

Les données sont hébergées dans les régions canadiennes de Microsoft Azure et dans l'environnement Microsoft 365 de l'établissement, conservées pendant la période que celui-ci fixe, jusqu'à sept ans, et ne servent jamais à entraîner des modèles d'IA. La page sécurité et confidentialité détaille ce qui est recueilli et qui peut y accéder, et la page pour les étudiants l'explique aux personnes étudiantes en termes simples. Examo est un nouveau produit de LS2 Innovation, une entreprise montréalaise dont les logiciels pour l'enseignement supérieur sont utilisés par une cinquantaine de cégeps, collèges et universités.