Depuis 2008, j’enseigne l’informatique en BTS et au lycée, notamment en spécialité NSI, où la programmation (Python, JavaScript, etc.) tient une place essentielle. Les compétences en algorithmique se développent surtout par la pratique, d’où un grand nombre de travaux à corriger. Ce processus est chronophage et exige une grande vigilance pour ne pas passer à côté d’erreurs subtiles faites par les élèves.
Les élèves, de leur côté, ont besoin d’un retour rapide et individualisé pour rester motivés. Plus la correction est précise, plus ils s’impliquent et se questionnent sur leurs erreurs. Face à ces contraintes, j’ai adopté Capytale, un environnement conforme au RGPD, qui permet de concevoir et de récupérer des notebooks Jupyter via l’ENT. On y intègre explications, cellules de code et feedback automatique, ce qui encourage l’attention et la participation.
Pour franchir une nouvelle étape, j’ai décidé de recourir à l’IA générative pour déléguer une partie de la correction et alléger ma charge de travail. Je veille à anonymiser les données afin de protéger la vie privée des élèves. L’IA, bien que très performante, est une entité probabiliste : je relis donc systématiquement ses propositions avant de les valider. La notation reste du ressort de l’enseignant, car seule l’expertise humaine peut évaluer la progression globale de l’élève.
Apport du numérique
L’IA générative analyse rapidement un volume important de code et détecte souvent des erreurs discrètes, ce qui permet aux élèves de recevoir un corrigé détaillé sans attendre. Cette réactivité maintient leur engagement, car ils savent que leurs difficultés seront relevées et commentées de façon personnalisée.
En parallèle, l’enseignant gagne du temps pour des échanges plus approfondis en classe : plutôt que de passer des heures sur des vérifications répétitives, on peut discuter des logiques de programmation ou soutenir les élèves en difficulté. Cette synergie entre correction automatisée et interaction humaine renforce la concentration et favorise la réussite de chacun.
Relation avec le thème « Attention et participation en classe & numérique »
Le recours à l’IA générative offre des retours individualisés et rapides, stimulant l’envie de progresser. Les élèves sont motivés à mieux comprendre leurs erreurs et à améliorer leur code. L’usage de Capytale, combiné à cette IA, instaure un environnement numérique où l’enseignant peut se focaliser sur l’accompagnement actif plutôt que sur des tâches répétitives.De fait, l’attention n’est plus dispersée par de longues attentes de corrections : les élèves obtiennent des réponses ciblées, posent davantage de questions et participent plus volontiers aux discussions de groupe. Le tout concourt à créer une dynamique de classe plus interactive et centrée sur l’apprentissage.
Synthèse et retour d’usage en classe
J’ai utilisé et amélioré cet outil durant toute l’année scolaire 2024/25 dans les classes où la programmation est enseignée, ce qui représente 45 élèves, avec une moyenne de un à deux TP corrigés par semaine et par classe. Concrètement, je recueille les notebooks des élèves depuis Capytale, puis lance un script local pour analyser le code en interrogeant une IA générative. L’IA génère un corrigé et des commentaires, que je vérifie systématiquement afin de m’assurer de leur pertinence. Je transmets ensuite par mail à chacun un PDF ou un lien individuel, détaillant les points forts, les erreurs et des pistes d’amélioration.
Les élèves ne voient pas l’IA, mais constatent la rapidité et la précision du retour. Ils reprennent systématiquement leur TP original en classe, en lisant les commentaires reçus et en corrigeant leur code. La plupart des apprenants apprécient cet accompagnement. D’ici la fin de l’année, j’aurai récolté davantage d’impressions via les réponses à un questionnaire recueillant leur avis sur ces modalités de correction.
Grâce à cette personnalisation, plusieurs élèves jusque-là peu confiants se montrent plus investis : ils savent qu’un œil attentif scrute leurs productions et qu’ils auront un retour spécifique sur leurs difficultés. Je prévois de pousser plus loin la synthèse des erreurs récurrentes pour un rappel collectif. Un autre axe d’évolution serait de générer des exercices ciblés pour des groupes ayant les mêmes lacunes, tout en maintenant une relecture humaine indispensable pour valider la cohérence pédagogique.
En misant sur l’IA générative, je cherche à optimiser la correction de code tout en plaçant l’élève au cœur de la démarche. Les retours rapides, individualisés et fiables incitent à un engagement plus fort, tandis que l’enseignant peut se consacrer à l’accompagnement humain et à la valorisation des progrès. J’espère que cette expérience inspirera d’autres collègues et qu’elle ouvrira la voie à une pédagogie plus réactive, plus respectueuse de l’attention en classe et plus porteuse de participation active.
À l’occasion de l’université d’été de Ludovia, 22ème édition, de nombreux enseignants et autres membres de la communauté éducative vont venir présenter leur expérience avec le numérique sur le thème de l’année, « ATTENTION et PARTICIPATION en classe & numérique ». Ludomag se propose de vous donner un avant-goût de ces ateliers jusqu’au début de l’évènement, lundi 25 août.
Stéphane Friedelmeyer présentera l’atelier « L’IA pour corriger des TP de programmation ; renforcer l’effet des feedbacks par l’individualisation des commentaires » sur la session II : COMMENT UTILISER DES RESSOURCES ET DES CONTENUS PÉDAGOGIQUES NUMÉRIQUES POUR FAVORISER L’ATTENTION ET LA PARTICIPATION EN CLASSE ?, mardi 26 août après-midi.
Retrouvez tous les articles sur Ludovia#22 et toutes les présentations d’ateliers sur notre page dédiée.
Plus d’infos : www.ludovia.fr
