Cet article passe en revue les principales études internationales d'évaluation qui sont menées dans le contexte des pays pauvres, et souligne l'absence d'éléments empiriques permettant d'apprécier le degré d'appariement des tests aux programmes scolaires. A titre d'illustration, nous évaluons la sensibilité d'un test international en comparant les réponses apportées à un même instrument par des élèves qui fréquentent deux années d'études consécutives. En utilisant la méthode du score de propension, qui permet de controler les caractéristiques des élèves et des enseignants, nous montrons que le test est imparfaitement calibré, ce qui remet probablement en cause les conclusions de nombreux travaux empiriques qui empruntent des instruments de même nature.