Système d'alerte précoce par IA pour le risque de décrochage scolaire — Université Mohammed VI Polytechnique et le ministère marocain de l'Éducation nationale

Des chercheurs de l'Université Mohammed VI Polytechnique (UM6P), à Benguerir, en collaboration avec le ministère marocain de l'Éducation nationale, du Préscolaire et des Sports, basé à Rabat, ont construit un système d'apprentissage automatique destiné à repérer les élèves à risque de décrochage scolaire avant qu'ils ne quittent l'école. Le modèle a été entraîné et testé sur un vaste jeu de données administratives — environ 1,4 million de profils d'élèves comportant plus de 100 variables, couvrant cinq années scolaires consécutives — fourni par le ministère pour la région de Fès-Meknès.

L'équipe a comparé cinq algorithmes (arbre de décision, forêt aléatoire, XGBoost, LightGBM et une approche de vote d'ensemble) et a utilisé SHAP (Shapley Additive exPlanations) afin de rendre chaque prédiction interprétable par les administrateurs scolaires plutôt que de rester une boîte noire. Évaluée avec une répartition aléatoire des données, la meilleure configuration a affiché 88 % d'exactitude, 88 % de rappel, 86 % de précision et une AUC de 87 %; en isolant le meilleur modèle unique (LightGBM, sur les élèves de niveau 7), on obtient 83 % d'exactitude et une AUC de 89 %.

Les auteurs sont explicites sur une réserve majeure qui change la lecture de ces chiffres phares: lorsqu'ils répartissent plutôt les données de façon chronologique — en entraînant le modèle sur les années antérieures et en le testant sur les années suivantes, ce qui se rapproche davantage d'un usage réel — la performance chute nettement, ce que l'article attribue en partie à la perturbation des schémas habituels de décrochage pendant la période covid-19. Ils notent également que la classe des décrocheurs ne représente qu'une faible minorité des enregistrements, ce qui complique la classification, et que l'analyse, bien que vaste, ne porte que sur la région de Fès-Meknès et non sur l'ensemble du Maroc.

À la date de publication (avril 2025, déposé sur arXiv), il s'agit d'un système de recherche construit à partir de données ministérielles réelles, non encore présenté comme un outil opérationnel d'alerte précoce intégré aux processus quotidiens d'accompagnement des écoles.