Correction à Grande Échelle — Un Essai Randomisé Comparant l'IA aux Correcteurs Humains dans Quatre Cursus de Science Politique

Corriger et fournir un retour personnalisé sur des questions à réponse courte prend du temps, ce qui pousse souvent les enseignants de grandes classes vers des évaluations à choix multiples, réduisant les occasions pour les étudiants de développer leur esprit critique.

Tester si l'assistance d'un grand modèle de langage (GPT-4) peut corriger des réponses courtes avec une précision comparable à celle de correcteurs humains, et permettre aux enseignants de grandes classes de fournir le type de retour individualisé habituellement réservé à des classes bien plus petites.

Des chercheurs dirigés par Heinrich et ses collègues ont mené un essai contrôlé randomisé dans quatre programmes de licence en science politique (université de Houston, université de Caroline du Sud, université du Michigan et Academia Sinica à Taïwan) en 2023-2024. Sur 26 tests couvrant 271 étudiants, environ dix réponses d'étudiants par question à réponse courte ont été assignées aléatoirement à une correction humaine ou par GPT-4, l'IA étant guidée par des grilles de correction conçues par les enseignants et des réponses-modèles (« gold »).

L'étude, publiée dans PLoS One en août 2025, n'a trouvé aucune différence statistiquement significative de précision de notation entre l'IA et les correcteurs humains (différence moyenne de -0,04). Les demandes de recorrection n'étaient que légèrement plus fréquentes pour les travaux corrigés par des humains, et le retour humain a été jugé « utile » environ deux points de pourcentage plus souvent que le retour de l'IA. Le gain le plus net a porté sur la productivité : la correction assistée par IA a permis aux enseignants de fournir à des classes d'environ 70 étudiants un retour individualisé d'une profondeur habituellement réservée à des classes trois à quatre fois plus petites.

Les auteurs sont explicites sur les limites : l'essai a mesuré la précision de la notation et l'appréciation du retour, non les gains d'apprentissage réels des étudiants ; les résultats ont varié selon les quatre cours, et la dépendance à un modèle propriétaire unique (GPT-4) soulève des inquiétudes de reproductibilité à mesure que les modèles évoluent.