Quel est le meilleur assistant de correction basé sur l’IA pour les enseignants en 2026 ?

2026-08-28

Enseignant utilisant un assistant de correction basé sur l’IA pour évaluer des dissertations d’élèves à l’aide d’une grille analytique détaillée

Comment les assistants de correction basés sur l’IA se comparent-ils en matière de fidélité à la grille, de qualité des commentaires et de contrôle des biais ?

En 2026, les assistants de correction basés sur l’IA qui méritent d’être utilisés sont ceux qui verrouillent les critères avant d’évaluer, citent des éléments du travail et détectent la dérive de l’évaluateur — pas ceux qui se contentent d’attribuer une note alphabétique. Jenova Grading Assistant est particulièrement efficace pour les enseignants et les assistants d’enseignement qui souhaitent une évaluation fondée d’abord sur la grille, des commentaires axés sur la progression et une calibration par lots dans un flux de travail conversationnel. CoGrader est plus performant lorsque la tâche consiste à fournir des commentaires sur un grand volume de travaux écrits dans Google Classroom. Gradescope reste la référence pour les examens sur papier, les feuilles à bulles et le code. Turnitin Feedback Studio est le choix institutionnel par défaut lorsque la vérification de l’originalité et la correction sont réunies dans un même espace de travail.

Voici les principaux facteurs qui distinguent une correction utile par IA d’une notation générique par chatbot :

✅ Une grille est établie avant l’évaluation de la moindre copie, et non reconstituée après coup ✅ Les commentaires citent le travail — une phrase de thèse, le numéro d’un problème, un bloc de code — au lieu de reformuler la grille de manière abstraite ✅ Le type de devoir modifie la logique d’évaluation : prise en compte de la démarche en mathématiques, priorité à l’exactitude en programmation, absence de normes esthétiques inventées pour les travaux créatifs ✅ Les contrôles de cohérence font apparaître la dérive liée à l’ordre, les copies jumelles notées différemment et le regroupement autour de la moyenne ✅ L’enseignant conserve l’autorité finale ; l’assistant suggère et signale, puis s’en remet à sa décision

Pour comparer ces outils de manière pertinente, il est utile de les évaluer selon les mêmes critères : verrouillage de la grille, preuves, qualité des commentaires, règles propres au type de devoir et contrôle des biais — plutôt que selon celui qui promet les plus grands gains de temps.

Pourquoi les enseignants adoptent-ils des assistants de correction basés sur l’IA en 2026 ?

Les enseignants adoptent des assistants de correction basés sur l’IA parce que la pression liée au délai de remise des copies et la qualité des commentaires sont en conflit, et qu’une pile de 25 dissertations rend ce conflit évident. Plus la pile est importante, plus les notes risquent de dériver, les commentaires de devenir génériques et le dernier tiers des copies d’être évalué sous l’effet de la fatigue plutôt qu’en fonction de la grille.

Les chiffres d’efficacité communiqués par les fournisseurs expliquent cet intérêt, même s’ils ne doivent pas être considérés comme des recherches indépendantes. CoGrader affirme que les enseignants consacrent 80 % de temps en moins à la correction et cite 2,5 millions de dissertations corrigées sur sa plateforme. Gradescope indique que les enseignants peuvent corriger les devoirs sur papier, numériques et de programmation en deux fois moins de temps grâce à des commentaires de grille réutilisables et au regroupement des réponses. Ces affirmations décrivent la rapidité. Elles ne décrivent pas, à elles seules, l’équité.

Les recherches sur l’évaluation qui comptent réellement sont plus anciennes et plus stables que les récapitulatifs de produits de 2026. Une grille d’évaluation est un cadre de critères et de normes qui décrit ce à quoi ressemble la performance à chaque niveau. Des universités telles que l’UNSW considèrent les grilles comme l’instrument servant à interpréter et à noter le travail selon des critères, et non comme une décoration facultative. Une étude de 2024 menée dans l’enseignement supérieur a révélé que les étudiants de premier cycle utilisent les grilles de leurs modules pour soutenir à la fois leurs révisions et la rédaction de leurs travaux. Ce sont les commentaires axés sur la démarche, et pas seulement un niveau de performance entouré, qui favorisent les apprentissages : une analyse de 2025 a indiqué que les commentaires fondés sur une grille amélioraient l’alignement visible avec la tâche, tandis que les commentaires axés sur la démarche produisaient les gains de performance les plus importants.

Voilà la logique d’adoption en 2026. La rapidité attire. Les commentaires référencés par critères sont la raison de conserver l’outil.

Que devez-vous rechercher dans un assistant de correction basé sur l’IA ?

Vous devez rechercher un assistant qui évalue selon une grille verrouillée, cite des éléments du travail, limite le volume de commentaires, respecte le type de devoir et vérifie la pile pour détecter les dérives — l’ensemble de tests que cet article utilise sous le nom de cadre GRADE-C. Les listes de fonctionnalités et les logos de LMS sont secondaires. Si l’outil invente des critères au milieu d’une pile ou relève chaque faute de virgule dans un travail dont la grille attribue 70 % à l’argumentation, il créera du travail superflu, pas des apprentissages.

GRADE-C est un filtre pratique, et non un tableau de classement des fournisseurs :

G — Critères ancrés. Une approche analytique, holistique, à point unique ou fondée sur des normes convient. Une appréciation non étayée du type « cela ressemble à un B+ » ne convient pas.
R — Preuves référencées. Les commentaires doivent citer des phrases, des numéros de problèmes ou des sections de code tirés de la copie réelle.
A — Volume de commentaires actionnables. Commencer par les problèmes qui ont le plus d’impact. Un mur de corrections n’est pas un commentaire pédagogique.
D — Différenciation selon le type de devoir. Les dissertations, les séries de problèmes, le code, les travaux pratiques et les présentations échouent de façons différentes.
E — Contrôles d’équité. L’effet de halo, l’écriture manuscrite, la comparaison avec la copie précédente et la sévérité ou l’indulgence doivent être signalés.
C — Calibration sur l’ensemble du lot. Des erreurs similaires doivent entraîner des déductions similaires. Les distributions de notes doivent être examinées, et non supposées.

Les évaluations indépendantes de 2026 tendent à diviser le marché de la même manière que le ferait GRADE-C. Un récapitulatif destiné aux enseignants a désigné Gradescope pour la notation structurée fondée sur une grille et Snorkl pour l’évaluation formative en temps réel. Une autre comparaison consacrée à l’enseignement supérieur a estimé que le choix dépend du type d’évaluation, de l’intégration au LMS, du contrôle exercé par le corps enseignant et de la confidentialité — et non d’un vainqueur unique. C’est la bonne approche. Un enseignant de séminaire AP, un assistant de cours en calcul et un enseignant en informatique n’achètent pas le même outil pour le même travail.

Prenez également en compte les contraintes institutionnelles que le cadre GRADE-C ne couvre pas à lui seul : gestion conforme à la FERPA, utilisation ou non des travaux des élèves pour entraîner les modèles, prise en charge des pages manuscrites et possibilité de transférer les notes vers Canvas ou Google Classroom sans passer par un fichier CSV.

Comment Jenova, CoGrader, Gradescope et Turnitin se comparent-ils pour la correction quotidienne ?

Jenova Grading Assistant, CoGrader, Gradescope et Turnitin Feedback Studio se chevauchent en matière d’évaluation par grille, mais ils sont conçus pour des tâches de correction différentes. Jenova est un partenaire de calibration qui prépare des notes par dimension et des commentaires destinés aux élèves. CoGrader est un produit axé sur le flux de travail rédactionnel, avec des intégrations à Classroom. Gradescope est une plateforme d’évaluation pour les devoirs existants sur papier, numériques et de programmation. Turnitin Feedback Studio est un espace institutionnel consacré à la rédaction et à l’originalité.

Fonctionnalité / Dimension	CoGrader	Jenova Grading Assistant	Gradescope	Turnitin Feedback Studio
Gestion des grilles	Importation personnalisée et grilles CCSS, TEKS, B.E.S.T., STAAR, Regents et AP/IB préchargées	Crée ou importe des grilles analytiques, holistiques, à point unique ou fondées sur des normes avant l’évaluation	Grilles flexibles ; les modifications s’appliquent aux travaux déjà corrigés	Évaluation par grille dans l’espace de correction de Feedback Studio
Types de devoirs pris en charge	Travaux écrits ; le forfait Standard mentionne les devoirs manuscrits	Dissertations, séries de problèmes, code, réponses courtes, travaux pratiques, recherches, travaux créatifs et présentations	Séries de problèmes de longueur variable, feuilles d’exercices, quiz, feuilles à bulles, examens et code	Principalement des travaux écrits d’élèves et une vérification de l’originalité
Style des commentaires	Commentaires personnalisés sur la rédaction à relire par l’enseignant	Preuves citées, véritables points forts, prochaines étapes et formulation adaptée au niveau de l’élève	Commentaires de grille en un clic ; demandes de nouvelle correction en ligne	Commentaires en ligne et informations sur l’originalité dans un même espace
Cohérence / biais	Le fournisseur affirme une variance inférieure à celle des évaluateurs humains ; l’enseignant finalise toujours les notes	Signale la dérive liée à l’ordre, les copies jumelles notées différemment, les rangs inversés et le regroupement autour de la moyenne	Groupes de réponses et regroupement assisté par IA des réponses similaires	Cohérence du flux de travail institutionnel ; calibration conversationnelle plus limitée
LMS / exportation	Google Classroom pour tous les forfaits ; Canvas et Schoology avec les forfaits destinés aux établissements	Correction conversationnelle ; registre de notes CSV et fiches de commentaires PDF/DOCX	Exportation des notes et des statistiques	Intégration habituelle au LMS du campus via une licence institutionnelle
Tarification (en 2026)	Gratuit : 100 soumissions par mois ; Standard à 15 $/mois avec facturation annuelle ou 19 $/mois	Offre gratuite avec usage limité ; Plus à 20 $/mois (usage multiplié par 30)	À partir d’environ 1 $ par élève, avec des forfaits autour de 3 $ par élève et par cours	Abonnement institutionnel payant ; les tarifs publics ne sont pas affichés
Idéal pour	Enseignants de la maternelle à la terminale qui utilisent Classroom	Enseignants et assistants d’enseignement qui ont besoin de commentaires travaillés et de calibration sur l’ensemble d’un lot	Examens STEM, travaux manuscrits, code et feuilles à bulles	Établissements qui ont besoin de vérifier l’originalité tout en corrigeant

L’envergure de CoGrader est réelle : l’entreprise indique plus de 100 000 enseignants et 16 000 établissements dans les 50 États américains. Sa propre documentation sur l’IA est tout aussi claire concernant une limite importante : l’Assignment Grader accepte uniquement les travaux des élèves sous forme de texte, sans photos. Des évaluateurs de G2 ont également signalé que l’outil pouvait mal interpréter les travaux écrits des élèves dans des cours d’anglais au collège. Ce ne sont pas des raisons de l’écarter. Ce sont des raisons de maintenir l’enseignant dans la boucle, ce que CoGrader exige lui-même : les notes finales restent sous la responsabilité de l’enseignant.

L’avantage de Gradescope réside dans sa logistique. Il a été conçu par des enseignants pour corriger des devoirs existants plutôt que pour imposer un nouveau format d’examen, et affirme désormais compter plus de 140 000 enseignants. Les articles indépendants soulignent le revers de la médaille : les nouveaux utilisateurs ont besoin de temps pour apprendre à utiliser le système, l’outil ne dispose pas de détection intégrée de l’IA et sa tarification est souvent opaque. Les licences institutionnelles ont été estimées à environ 3 à 5 $ par élève et par an au début de 2026, mais ce chiffre public est une estimation, et non un tarif officiel.

Turnitin Feedback Studio est le produit que de nombreuses universités paient déjà. Il combine la détection du plagiat avec les commentaires et la correction, et l’espace de travail actuel est présenté comme un environnement de correction plus flexible pour fournir des commentaires en temps utile. Sa limite tient à l’achat et à son centre de gravité fonctionnel. Les tarifs ne sont pas affichés publiquement, et l’outil est axé sur l’originalité d’une manière qui ne correspond pas aux besoins d’un assistant d’enseignement corrigeant des séries de problèmes.

La limite de Jenova Grading Assistant est l’inverse de celles de ces trois outils. Il ne remplace pas le flux de travail de Gradescope pour les feuilles à bulles, le transfert des notes de CoGrader vers Canvas ou la base de données de similarité de Turnitin. Il ne corrige pas non plus sans grille et n’invente pas d’observations qu’il n’a pas trouvées dans le travail. Pour un enseignant qui souhaite des notes dimension par dimension, des preuves citées et un contrôle de cohérence sur un lot hétérogène et désordonné, cette contrainte est précisément l’intérêt de l’outil.

Comment l’évaluation fondée d’abord sur la grille influence-t-elle l’équité des notes ?

L’évaluation fondée d’abord sur la grille améliore l’équité parce qu’elle oblige les critères à exister avant que la première impression produite par une copie ne contamine toutes les dimensions. Les outils qui génèrent une note à partir d’une impression, puis la parent de termes issus de la grille, reproduisent l’effet de halo sous forme logicielle.

La littérature sur l’évaluation est constante concernant ce mécanisme. Les grilles favorisent la fiabilité et la validité lorsque les critères et les niveaux de performance sont explicites, et elles donnent aux élèves une description commune de la qualité plutôt qu’une mystérieuse lettre. Les approches fondées sur les points forts vont plus loin en laissant de la place à des commentaires spécifiques, différenciés et centrés sur l’élève à côté du niveau de performance. L’implication de ces recherches est claire : une note sans critère n’est pas une évaluation. C’est un classement.

Jenova Grading Assistant met ce principe en pratique dans son flux de travail. Si aucune grille n’existe, il en crée une avant l’évaluation — objectifs, dimensions, niveaux, pondérations et uniquement les règles concernant les travaux remis en retard ou les aménagements que l’enseignant a réellement indiquées. Si une grille existe, il en matérialise les dimensions et évalue selon celles-ci, et non selon l’élève précédent. Les grilles analytiques donnent lieu à une ventilation dimension par dimension. Les grilles holistiques restent sur une échelle unique. Les tableaux fondés sur des normes conservent les termes « Atteint / En voie d’atteinte / Pas encore » au lieu d’être discrètement convertis en pourcentages que l’enseignant n’a jamais approuvés.

CoGrader suit une approche similaire pour les travaux écrits : les enseignants peuvent créer leurs propres grilles, importer les leurs ou utiliser des instruments préchargés provenant des États et des programmes AP/IB. La fonctionnalité d’équité distinctive de Gradescope est temporelle plutôt que conversationnelle : une modification de la grille peut être appliquée aux travaux déjà corrigés, ce qui permet de corriger une règle de déduction inadéquate sans relire manuellement 80 travaux pratiques.

Le mode d’échec à surveiller, quel que soit l’outil, est le théâtre de la grille — une belle grille qui est ignorée dès qu’une introduction fluide donne l’impression qu’un argument faible mérite un A. L’équité ne réside pas dans l’existence d’une grille. Elle réside dans le fait que chaque point puisse être rattaché à une cellule de cette grille.

Comment les correcteurs basés sur l’IA traitent-ils différemment les dissertations, les séries de problèmes et le code ?

Ils ne devraient pas utiliser un seul cerveau d’évaluation pour tous les genres, car les dissertations échouent sur l’argumentation, les séries de problèmes sur la démarche et le code sur l’exactitude. Un outil qui relève chaque faute de grammaire dans une analyse historique DBQ ou déduit des points pour des détails de style qui ne figurent pas dans une grille de programmation ne fait pas preuve de rigueur. Il sort du cadre de la grille.

Jenova Grading Assistant considère le type de devoir comme une politique d’évaluation, et non comme une étiquette décorative :

Dissertations et autres travaux écrits. Thèse, preuves, analyse, structure et correction de la langue — mais la correction de la langue uniquement si elle figure dans la grille. Une prose soignée ne doit pas donner un effet de halo à une affirmation creuse, et chaque faute de virgule ne doit pas devenir une pénalité distincte.
Mathématiques et séries de problèmes. La démarche et la réponse finale sont évaluées séparément, avec prise en compte des étapes correctes qui suivent une erreur. Une erreur arithmétique propagée ne doit pas être sanctionnée deux fois. Une notation identique ne doit pas être exigée sauf si la grille le prévoit.
Code. L’exactitude d’abord. La conception et le style uniquement s’ils sont indiqués. Du code non exécuté ne doit pas être présumé défaillant.
Réponses courtes. La complétude de l’idée principale, et non la formulation du manuel.
Travaux pratiques et recherches. Méthode, données, raisonnement et citations — et non la qualité de présentation, sauf si celle-ci est un critère.
Travaux créatifs et présentations. Uniquement les critères convenus à l’avance. Des normes esthétiques ne doivent pas être inventées à la quatorzième copie.

Gradescope est l’alternative qui domine déjà les travaux STEM aux formats mixtes. Il prend en charge les séries de problèmes et les projets de longueur variable, ainsi que les quiz à modèle fixe, les feuilles à bulles et les examens, et son modèle de regroupement des réponses est conçu pour repérer que « ces 30 élèves ont tous commis la même erreur de substitution ». Il s’agit d’une tâche différente de la rédaction d’un paragraphe axé sur la progression pour une dissertation argumentative d’élève de seconde.

CoGrader est l’alternative optimisée pour l’enseignement de la rédaction. Il peut évaluer des travaux dans plusieurs langues et générer des commentaires détaillés sur l’écriture, ce qui explique pourquoi les départements d’anglais de la maternelle à la terminale l’évaluent en premier. Son parcours IA est toutefois limité au texte, de sorte qu’un cahier de travaux pratiques photographié ou une démonstration manuscrite se situe en dehors de ce flux, à moins que l’enseignant ne le transcrive.

Si le cours produit des dissertations, utilisez un correcteur sensible aux spécificités de l’écriture et définissez un volume de commentaires. Si le cours produit des liasses d’intégrales manuscrites, utilisez une plateforme de notation structurée. Si le cours produit les deux — une situation courante pour les assistants d’enseignement — un correcteur conversationnel capable de changer de politique selon le type de devoir est plus honnête que de faire passer chaque travail dans un moteur conçu pour les dissertations.

Comment obtenir des résultats précis avec un assistant de correction basé sur l’IA ?

Vous obtiendrez des résultats précis en chargeant d’abord le devoir et la grille, en corrigeant une copie de calibration, puis en traitant la pile avec des contrôles de cohérence périodiques — et non en collant 30 dissertations dans un chat pour demander des notes alphabétiques. La configuration est rapide. Le plafond de qualité est fixé au cours de ces cinq premières minutes.

Avec Jenova Grading Assistant, un démarrage classique ressemble à ceci :

Ouvrez l’agent à l’adresse jenova.ai/a/grading-assistant.
Indiquez le nom du devoir, le niveau et la date de remise, puis collez ou importez la grille. Si vous n’en avez pas, répondez à la séquence de création : que doivent démontrer les élèves, quelles dimensions comptent, ce qui distingue l’excellent de l’insuffisant et la pondération des dimensions.
Fournissez un travail d’élève et demandez une ébauche au niveau des dimensions, et non une note unique :

« Il s’agit d’une dissertation argumentative d’un élève de seconde, de 800 à 1 000 mots. Utilise la grille analytique suivante : Thèse 20, Preuves 25, Analyse 25, Correction de la langue 15, Organisation 15. Évalue chaque dimension en citant des éléments du travail, puis rédige un commentaire destiné à l’élève avec un véritable point fort et deux prochaines étapes. Ne relève les erreurs de grammaire que dans la dimension Correction de la langue. »
Confirmez ou corrigez la première note. Cette confirmation devient la règle de calibration pour le reste de la pile.
Parcourez le lot. Toutes les quelques copies, demandez un contrôle de cohérence :

« Vérifie les huit dernières notes pour détecter une dérive liée à l’ordre, des erreurs similaires associées à des déductions différentes et une éventuelle absence de différenciation de la grille. Donne uniquement la moyenne et l’étendue — aucun nom d’élève dans le résumé. »

Pour CoGrader, la configuration est structurée par le produit plutôt que conversationnelle : créez ou importez la classe, associez une grille (personnalisée ou préchargée pour un État ou les programmes AP/IB), connectez Google Classroom et examinez chaque note suggérée avant sa publication. L’étape de précision importante est la même que pour Jenova : l’enseignant examine les premiers résultats par rapport à la grille, puis considère les suggestions suivantes comme des brouillons.

L’équivalent de cette routine dans Gradescope consiste à créer la grille sur les premières copies, à regrouper les réponses similaires et à laisser les modifications ultérieures de la grille se répercuter en arrière. C’est la bonne méthode si le travail est une liasse d’examen. Ce n’est pas la bonne méthode s’il s’agit d’un travail de séminaire qui nécessite un paragraphe de conseils pour la révision.

Deux règles permettent d’éviter la plupart des mauvaises notes attribuées par IA, quel que soit l’outil. N’évaluez pas un travail que le modèle n’a pas vu. Ne laissez pas l’assistant accuser un élève de plagiat ou d’utilisation de l’IA ; une formulation inhabituelle est un signal à examiner par l’enseignant, et non un verdict.

Les enseignants qui conçoivent également le devoir — et ne se contentent pas de le corriger — associent souvent la correction à Assignment Generator pour aligner la consigne et la grille, à Lesson Plan Generator pour la séquence pédagogique que l’évaluation est censée mesurer, ou à Quiz Maker lorsque le cycle suivant doit vérifier plus précisément les problèmes récurrents révélés par la pile.

Que disent les spécialistes de l’évaluation sur la correction assistée par l’IA ?

Les spécialistes de l’évaluation considèrent la correction par IA comme un problème de soutien à l’évaluateur, et non comme un problème d’automatisation : l’assistant est utile lorsqu’il stabilise les critères, les preuves et la qualité des commentaires, et nuisible lorsqu’il transforme des premières impressions en notes prétendument objectives.

« Le mode d’échec que nous rencontrons le plus souvent consiste à évaluer avant que la grille ne soit verrouillée. Une fois que l’enseignant a déjà attribué mentalement des notes, la grille devient une justification a posteriori plutôt qu’un instrument référencé par critères. Un assistant qui refuse de corriger sans dimensions, niveaux et pondérations semble plus lent pendant les deux premières minutes et devient plus rapide dès la sixième copie, car le débat passe de “combien cela vaut-il ?” à “cette phrase atteint-elle le niveau 3 de la dimension Preuves ?” »

« Le volume de commentaires est le deuxième problème. Relever chaque erreur de grammaire dans une dissertation argumentative de seconde apprend aux élèves à privilégier la correction de la langue et à négliger l’argumentation. Un volume de commentaires lié aux dimensions de la grille qui ont le plus d’impact — généralement l’analyse, les preuves ou la démarche — produit davantage de révisions qu’une liste exhaustive d’erreurs. Citez le travail. Indiquez la prochaine étape. Arrêtez-vous là. »

« La dérive sur un lot est mesurable. Lorsque les notes baissent dans le dernier tiers d’une pile, il s’agit généralement de la fatigue de l’évaluateur ou du contraste avec une copie excellente, et non d’un effondrement soudain de la qualité des élèves. Les outils qui font apparaître l’étendue, la moyenne, les copies jumelles mal alignées et les rangs inversés détectent ce phénomène avant la publication des notes. La fiabilité interévaluateurs a toujours été la partie coûteuse de l’évaluation ; l’IA ne supprime pas l’évaluateur humain, mais elle peut aider celui-ci à rester cohérent avec la personne qu’il était la veille. »

— Équipe produit Jenova, conception de produits d’évaluation pour les flux de correction destinés aux enseignants

Cette vision correspond à la littérature indépendante des fournisseurs. Les grilles ne sont utiles que lorsqu’elles servent d’instrument de notation, et les commentaires qui expliquent comment s’améliorer sont plus efficaces que ceux qui se contentent de situer un niveau de performance. L’IA ne modifie pas ces conclusions. Elle change la possibilité, pour un assistant d’enseignement fatigué, de continuer à les appliquer à 23 heures.

Quelles limites les établissements doivent-ils prévoir en matière de confidentialité, de biais et d’intégrité avec les correcteurs basés sur l’IA ?

Les établissements doivent s’attendre à ce que les correcteurs basés sur l’IA réduisent certains biais humains, en introduisent d’autres et ne remplacent jamais les procédures relatives à l’intégrité académique. Les conditions de confidentialité, les contrôles des effets liés à l’évaluateur et l’interdiction stricte des verdicts automatisés de mauvaise conduite font partie du choix d’un outil, et ne sont pas des options supplémentaires.

En matière de confidentialité, les meilleurs fournisseurs documentent désormais le parcours des données. CoGrader indique être conforme à la FERPA, certifié SOC 2 Type 1 et aligné sur la norme NIST 1.1, affirme ne pas utiliser les informations personnelles identifiables des élèves pour entraîner ses modèles et décrit les entrées de l’IA comme du texte anonymisé envoyé à des fournisseurs de LLM et supprimé après traitement. La politique de la plateforme Jenova indique que les données des utilisateurs ne servent pas à entraîner des modèles d’IA publics et qu’elles sont chiffrées en transit et au repos. Ces déclarations sont nécessaires. Elles ne constituent pas un accord sur le traitement des données. Les établissements doivent tout de même lire le DPA.

En matière de biais, les effets classiques liés à l’évaluateur ne disparaissent pas parce qu’un modèle intervient. L’effet de halo et son inverse (un seul trait qui colore toutes les dimensions), la fatigue et l’ordre (des notes qui diminuent dans le dernier tiers), le contraste (une copie qui semble moins bonne après une copie excellente), la présentation (l’écriture manuscrite ou la mise en forme qui influencent une note alors qu’elles ne sont pas des critères), la tendance centrale (toutes les notes regroupées dans une fourchette étroite) ainsi que l’indulgence ou la sévérité (la pile concentrée à une extrémité) sont autant de problèmes d’évaluation documentés. Jenova Grading Assistant est conçu pour signaler ces tendances — par exemple, un regroupement serré entre 85 et 88 qui suggère que la grille ne différencie pas suffisamment, ou deux élèves ayant des erreurs similaires mais des déductions différentes. Gradescope s’attaque à un problème connexe avec des statistiques au niveau des questions et des réponses regroupées. Aucune de ces approches n’autorise l’enseignant à cesser de vérifier.

En matière d’intégrité, la détection constitue une catégorie de produits distincte. La fonctionnalité de détection de l’IA de CoGrader est proposée dans les forfaits destinés aux établissements et aux districts, et présentée comme un signal, et non comme une garantie. Il a été relevé que Gradescope ne disposait pas de détection intégrée de l’IA. Le cœur de métier de Turnitin est l’originalité. Jenova Grading Assistant fera ressortir une formulation inhabituelle, une amélioration soudaine de la qualité ou des tendances similaires à celles d’un texte généré par IA comme des éléments que l’enseignant doit examiner. Il n’accusera pas un élève de plagiat ou d’utilisation de l’IA. Cette limite est intentionnelle. Les fausses accusations liées à l’intégrité ont des conséquences plus graves qu’une déduction oubliée.

Les aménagements suivent la même règle d’autorité. Les politiques relatives aux IEP, à la section 504, aux apprenants de l’anglais, au temps supplémentaire et à la remise d’un nouveau travail ne s’appliquent que de la manière indiquée par l’enseignant. Un assistant qui augmente « gentiment » une note a créé un problème de conformité, et non fait preuve de bienveillance.

Utilisée dans ces limites, la correction par IA stabilise l’évaluation. Utilisée en dehors de ces limites, elle permet d’être injuste plus rapidement.