Évaluation censitaire assistée par IA à Jodhpur — Corriger les copies de 70 000 élèves en quelques jours

La correction manuelle des copies à réponses ouvertes dans les grands systèmes scolaires publics est lente, incohérente entre correcteurs et produit rarement des données diagnostiques par thème pour les enseignants. Le district de Jodhpur, au Rajasthan, a expérimenté une alternative assistée par l'IA via son projet pilote d'évaluation censitaire par compétences et de rapport scolaire, mené par l'administration du district et le département de l'Éducation, avec les partenaires technologiques EdOptimize et Central Electronics Ltd (CEL).

Accélérer la correction des réponses objectives et rédigées et fournir aux enseignants des bilans de compétences par thème ainsi que des suggestions d'intervention de remédiation, plutôt qu'une seule note globale.

La phase 1 (octobre 2025) a couvert 54 écoles et un peu plus de 3 000 élèves des classes VI à VIII. La phase 2 (avril 2026) s'est étendue à plus de 1 000 écoles dans les 15 blocs du district et plus de 70 000 élèves des classes VI à IX (plus de 300 000 évaluations individuelles), couvrant l'anglais, l'hindi, les mathématiques, les sciences et les sciences sociales, dans des écoles en hindi comme en anglais. Les enseignants numérisent les copies remplies via une application dotée d'IA, qui corrige les réponses objectives et rédigées et produit un bulletin personnalisé, noté de 0 à 3 étoiles par thème, en trois jours.

Les rapports publics font état d'une réduction du délai de correction et de restitution des rapports, passant de plusieurs semaines à trois jours, ainsi que d'une montée en charge de 54 écoles/environ 3 000 élèves à plus de 1 000 écoles/70 000 élèves en environ six mois ; toutefois, aucune évaluation indépendante de la précision de la correction par rapport à des correcteurs humains, ni des effets en aval sur les résultats d'apprentissage, n'a été publiée.

L'initiative est présentée comme une réussite en matière d'efficacité des processus et de rapports diagnostiques à grande échelle, mais le modèle d'IA sous-jacent, la méthodologie de correction et les détails relatifs à la protection des données et à l'audit des biais restent non divulgués.