Grille d’évaluation des défis techniques
Chaque défi technique est évalué sur 10 points. Le défi 1 comporte cinq critères; les défis 2 et 3 ajoutent un critère relatif à leur usage autorisé de l’IA.
Les énoncés évalués sont distribués au début des épreuves. Pour le défi 2, le fichier des taux, les fichiers d’essai, leur dictionnaire et le guide sont accessibles à l’avance dans le dépôt privé attribué. Les vrais lots et scénarios, l’énoncé et le canevas QMD sont fournis à 13 h 30.
Application au défi technique 1
Le travail se déroule sans Internet ni IA. Cette règle ne constitue pas un critère noté : les 10 points portent sur le travail remis.
| Critère | Points | Indicateurs |
|---|---|---|
| Exactitude technique | 4 | importation, transformations et résultats conformes à la consigne |
| Reproductibilité | 2 | fichiers présents, chemins relatifs, brut intact et script relançable en session propre |
| Qualité du code | 2 | code lisible, packages chargés et transformations explicites |
| Documentation et remise | 1 | README utile et dossier enregistré à l’emplacement demandé |
| Validation et explication | 1 | assertions exécutées et décisions brièvement justifiées |
| Total | 10 |
L’enseignant récupère directement le dossier contenant les données fournies, le script, les résultats et le README. Git, les commits, la création d’un ZIP et l’envoi en ligne ne sont pas demandés ni évalués.
L’épreuve dure 60 minutes, sur un compte d’examen Windows sans Internet. Les étudiants peuvent apporter leurs documents papier. Les seules ressources numériques consultables sont celles mises à disposition par l’enseignant sur les comptes, avec l’aide locale de R et des packages installés. Aucun fichier personnel ne peut être importé. L’IA générative est interdite.
Les compétences, les modalités et les attentes sont précisées dans la page de préparation au défi technique 1.
Défis techniques 2 et 3
| Critère | Points | Indicateurs |
|---|---|---|
| Exactitude technique | 3 | résultat fonctionnel, consigne respectée, erreurs principales traitées |
| Reproductibilité | 2 | fichiers présents, chemins relatifs, script relançable depuis la racine documentée dans une session propre |
| Qualité du code | 2 | code lisible, structure minimale, choix proportionnés à la tâche |
| Documentation et remise | 1 | README court, note de reproduction ou mini-rapport selon le défi |
| Validation et explication | 1 | vérifications, tests simples, capacité à expliquer les décisions |
| Respect du statut IA | 1 | déclaration pour le défi 2, usage vérifié et documenté pour le défi 3 |
| Total | 10 |
Précisions pour le défi technique 2
Les six critères totalisent 10 points. Le critère « Validation et explication » comprend 0,4 point pour les contrôles exécutables présentés dans le rapport et 0,6 point pour l’entretien de cinq minutes : explication du code (0,2), prédiction justifiée (0,2), adaptation et vérification (0,2).
Vous pouvez choisir les tableaux en lisant scenarios.csv ou indiquer leurs numéros directement dans le code. Les deux méthodes sont acceptées. Dans le second cas, un commentaire doit expliquer le lien entre les numéros et les scénarios.
Le point relatif à l’IA porte sur le modèle docs/ai-log.md déjà fourni, à compléter même sans IA. L’usage déclaré et le non-usage donnent accès au même maximum. Le journal peut être court; suivre les trois rubriques des directives de préparation.
Le rendu HTML, le commit et le push doivent être terminés dans les 60 minutes, de 13 h 30 à 14 h 30. L’équipe enseignante récupère les dépôts sur GitHub à 14 h 30 et conserve les commits collectés. L’entretien suit la remise figée; la syntaxe par cœur et l’aisance orale ne sont pas notées. Les consignes du défi 2 précisent le déroulement.
Usage dans les défis de module
Les activités intitulées Défi de module sont formatives et ne constituent pas l’un des trois défis techniques notés. Elles peuvent utiliser cette grille comme repère de transfert, sans attribution de points. Leur page doit l’indiquer explicitement.
Pour les tâches de performance ou de parallélisation, la vitesse absolue dépend de la machine et n’est pas évaluée. La qualité de la mesure, la reproductibilité de la comparaison et la justification de la décision sont les preuves attendues.