Peut-on évaluer la capacité à accompagner un entrepreneur grâce à l’IA ?

La question derrière la publication

Dans une formation à l’entrepreneuriat, un étudiant peut produire un excellent diagnostic ou un business plan convaincant sans nécessairement savoir accompagner un entrepreneur. Comprendre une situation, poser les bonnes questions, écouter, identifier les problèmes et formuler des recommandations adaptées sont des compétences qui se révèlent davantage dans l’interaction que dans un document final.

Cette difficulté d’évaluation est au cœur des travaux de Christophe Leyronas, Stéphanie Loup, Olivier Catteau et Laurent Teresi, présentés lors du 14e congrès de l’Académie de l’Entrepreneuriat et de l’Innovation, en juin 2025. Les chercheurs explorent une possibilité offerte par l’intelligence artificielle générative : utiliser les conversations entre un étudiant et un entrepreneur virtuel pour observer et évaluer la construction d’une posture d’accompagnateur.

Une IA qui joue le rôle de l’entrepreneur

Placer l’étudiant dans une situation d’accompagnement

Les chercheurs s’appuient sur TIPS (Technologie Interactive pour Pratiques de Scénarios), un dispositif pédagogique qui renouvelle la méthode des cas. Dans une étude de cas classique, l’étudiant reçoit généralement un dossier décrivant une entreprise, son environnement et les difficultés qu’elle rencontre. Il dispose d’informations préparées à l’avance, qu’il doit analyser pour proposer une solution. Avec TIPS, le fonctionnement est différent. L’étudiant dialogue avec un entrepreneur simulé par une IA générative. Il doit lui poser des questions pour obtenir les informations nécessaires, comprendre sa situation et construire progressivement son analyse.

Ce changement paraît simple, mais il modifie sensiblement l’exercice pédagogique. L’étudiant ne travaille plus uniquement sur les informations qu’on lui fournit. Il doit décider de celles qu’il lui manque, formuler des questions pertinentes, interpréter les réponses obtenues et éventuellement revoir ses premières hypothèses. L’IA permet ainsi de créer une situation interactive dans laquelle l’étudiant adopte le rôle d’un conseiller ou d’un accompagnateur entrepreneurial.

Rendre visible le raisonnement de l’étudiant

C’est ici que se situe l’apport le plus intéressant du dispositif. Habituellement, un enseignant évalue principalement ce que l’étudiant produit à l’issue d’un exercice. Il peut apprécier la pertinence du diagnostic, la cohérence de l’argumentation ou la qualité des recommandations. Mais une grande partie du raisonnement qui a conduit à ce résultat lui échappe. Avec TIPS, les échanges entre l’étudiant et l’entrepreneur virtuel peuvent être conservés et analysés.

Ils donnent accès à des éléments qui apparaissent rarement dans le rendu final : les questions posées, l’ordre dans lequel les problèmes sont abordés, les hypothèses explorées ou les informations recherchées avant de formuler une recommandation. Un étudiant peut ainsi parvenir à une conclusion satisfaisante après avoir exploré méthodiquement plusieurs hypothèses. Un autre peut produire une réponse comparable en négligeant des éléments importants du contexte. Le résultat final ne permet pas toujours de distinguer ces deux démarches. L’analyse des interactions offre donc une possibilité supplémentaire d’évaluation, particulièrement adaptée aux compétences d’accompagnement.

Évaluer un résultat ou accompagner une progression ?

Les auteurs s’intéressent à la complémentarité entre deux approches pédagogiques.

• L’évaluation sommative apprécie les acquis à l’issue d’un apprentissage, par exemple à travers un rapport ou une présentation.
• L’évaluation formative intervient pendant l’apprentissage. Elle cherche à identifier les difficultés rencontrées et à fournir des retours permettant à l’étudiant de progresser.

Le dispositif TIPS ouvre des perspectives dans cette seconde approche. Les traces conversationnelles peuvent aider à comprendre comment l’étudiant construit son diagnostic et comment évolue sa manière d’interroger une situation entrepreneuriale. L’enjeu est particulièrement pertinent pour la posture d’accompagnateur. Cette compétence repose sur des comportements difficiles à apprécier à partir d’un livrable : savoir questionner sans orienter systématiquement la réponse, distinguer les symptômes d’un problème de ses causes, tenir compte du contexte et éviter de proposer trop rapidement une solution.

L’IA peut contribuer à documenter ces comportements et à soutenir le travail d’évaluation de l’enseignant. Cette perspective appelle toutefois une précaution : une conversation bien structurée ne constitue pas, à elle seule, la preuve d’une compétence d’accompagnement maîtrisée. La pertinence des questions doit être appréciée au regard de la situation, des objectifs pédagogiques et de la qualité du raisonnement. Les possibilités d’analyse offertes par TIPS ne dispensent donc pas de définir des critères d’évaluation explicites.

Ce que cette recherche peut apporter aux professionnels

L’intérêt de cette démarche dépasse le cadre de l’enseignement supérieur.

Former les futurs accompagnateurs de l’innovation

Les incubateurs, accélérateurs, réseaux consulaires et structures d’accompagnement de l’innovation forment régulièrement des conseillers, des chargés de mission ou des business developers. Leur efficacité repose en partie sur leur capacité à conduire un entretien, qualifier une demande, identifier un problème et proposer un accompagnement adapté. Ces compétences s’acquièrent difficilement par la seule transmission de connaissances. Elles nécessitent de pratiquer, de se confronter à des situations variées et de recevoir des retours sur sa manière de procéder.

Un entrepreneur virtuel pourrait constituer un terrain d’entraînement intéressant, notamment pour les professionnels qui débutent dans l’accompagnement. Un conseiller pourrait ainsi s’exercer à recevoir un dirigeant dont le besoin d’innovation est encore mal formulé, à conduire un entretien de découverte ou à explorer les difficultés d’une jeune entreprise. L’intérêt serait de pouvoir répéter ces exercices et d’analyser les démarches employées, sans mobiliser systématiquement un entrepreneur réel.

Il s’agit ici d’une possibilité d’application inspirée des travaux sur TIPS, et non d’un usage professionnel dont l’efficacité aurait été démontrée par cette communication.

Porter attention aux limites de l’évaluation automatisée

Les chercheurs soulignent également les tensions liées à l’utilisation de l’IA dans l’évaluation.

• Un premier risque concerne la standardisation des retours. Un système automatisé pourrait favoriser certains types de raisonnement ou certaines formulations, au détriment de démarches différentes mais tout aussi pertinentes.
• Un deuxième risque tient à la place accordée à l’outil. La facilité avec laquelle une IA peut analyser une conversation ne garantit pas la qualité pédagogique de son appréciation.
• Enfin, une simulation demeure une simulation. Un entrepreneur réel peut se montrer hésitant, contradictoire, méfiant ou réticent à partager certaines informations. La qualité d’un accompagnement dépend aussi de la relation humaine et de la capacité à s’adapter à ces comportements.

Ces limites invitent à considérer l’IA comme un instrument d’entraînement et d’observation, dont les évaluations doivent rester discutables et interprétables.

Ce que nous retenons

Cette recherche illustre un usage de l’IA générative qui mérite l’attention des professionnels de l’innovation : simuler une situation pour mieux comprendre la manière dont une compétence s’exerce. L’originalité de TIPS tient à l’association de deux fonctions. L’IA permet de créer un interlocuteur avec lequel l’étudiant peut s’entraîner. Les conversations produites deviennent ensuite une matière exploitable pour analyser son apprentissage.

Cette approche paraît particulièrement pertinente pour des métiers dans lesquels la qualité du questionnement et du diagnostic compte autant que la solution proposée. Elle conduit aussi à envisager une évolution des pratiques de formation : accorder davantage d’attention aux raisonnements, aux interactions et aux décisions intermédiaires, plutôt qu’à la seule qualité des livrables.

L’intérêt du dispositif devra naturellement être apprécié à partir de critères pédagogiques rigoureux. La capacité à enregistrer et analyser des échanges ne suffit pas à établir la validité de leur évaluation.