Une pré-lecture par l'IA de travaux d'étudiants a été testée sur deux rendus, à titre d'expérimentation. Pas de note proposée par la machine : des constats, critère par critère, vérifiés par l'enseignant. Voici les précautions sans lesquelles l'essai n'aurait pas eu lieu.
Le niveau de délégation indique jusqu'où l'IA agit seule. Ici, l'IA générative produit des propositions, et chaque production est relue et validée avant usage.
Corriger des travaux longs prend du temps, et la tentation de confier la note à l'IA existe, avec des risques juridiques et pédagogiques.
Une pré-lecture par l'IA, testée sur deux rendus : des constats critère par critère, sans note, tous vérifiés dans le travail.
Un protocole de garde-fous réutilisable, qui garde la note humaine et prépare une décision de généralisation fondée sur des mesures.
Le protocole tient en quatre temps : l'IA intervient au deuxième, l'enseignant à tous les autres.
Critères observables, rédigés avant, communiqués aux étudiants.
Pour chaque critère : ce qui est présent, absent, où dans le document.
Chaque constat est contrôlé dans le travail lui-même.
Attribuée par l'enseignant, avec sa grille, sans score de la machine.
Les modèles de livrable à champs bornés (tableaux à compléter) rendent les constats plus fiables : l'IA cherche une information à un endroit précis, au lieu d'interpréter un texte libre.
Chaque risque identifié avant le test est associé à une parade concrète.
L'AI Act classe à haut risque les systèmes d'IA destinés à évaluer les acquis d'apprentissage (annexe III, point 3 b). Une pré-lecture qui ne note pas reste un usage d'assistance, mais la frontière est fine : dès que l'outil oriente la note, les exigences changent.
La généralisation se décide sur trois mesures :
Temps de correction, avec et sans pré-lecture
Constats faux sur un échantillon doublement corrigé
Écarts de note entre deux lectures

« Une machine peut repérer ce qui manque. Elle ne sait pas ce que ça coûte à l'étudiant. »
à garder en tête en corrigeantExpérimentation encadrée. Conditions à réunir avant tout essai : travaux pseudonymisés, outil configuré sans réutilisation des données pour l'entraînement, accord du délégué à la protection des données avant toute extension.
Si vous testez, demandez des constats, jamais une note, et lisez le travail avant de lire la machine.
Avant de tester, vérifiez que vous pouvez cocher ces quatre cases.
Critères observables, connus des étudiants.
Par votre établissement ou votre DPO.
Noms retirés, rien d'inutile transmis.
Sur un échantillon, pour mesurer les écarts.
Si une seule case manque, ne testez pas sur de vrais travaux : faites l'essai sur des exemples fictifs.
Le kit contient la trame de grille à critères observables et la liste de contrôle avant test.
Dans la veille : Un oral conversationnel conduit par deux agents · Bruxelles (VUB) : un café IA, et pas de détecteurs pour évaluer