Corriger des travaux pratiques de programmation est un exercice aussi essentiel que chronophage. Entre les erreurs de syntaxe évidentes et les bugs plus subtils, l’enseignant doit analyser ligne par ligne les productions de ses élèves pour leur fournir un retour pertinent. Mais comment concilier exigence pédagogique, rapidité de correction et accompagnement individualisé ?
C’est à cette question que répond l’ExplorCamp « Feedbacks de TP informatiques assistés par l’IA », présenté par Stéphane Friedelmeyer lors de LUDOVIA#23, l’Université d’été du numérique éducatif qui se tiendra du 24 au 27 août 2026 à Ax-les-Thermes, en Ariège.
Un enjeu central pour l’enseignement de la programmation
Depuis plus de quinze ans, l’enseignement de l’informatique, notamment en spécialité NSI (Numérique et Sciences Informatiques), repose largement sur la pratique. Les élèves apprennent l’algorithmique et la programmation en écrivant du code, en testant, en corrigeant et en recommençant.
Cette pédagogie active implique cependant un volume important de travaux pratiques à corriger. Pour l’enseignant, la tâche est lourde : il faut vérifier la logique des programmes, repérer les erreurs parfois discrètes et formuler des retours suffisamment précis pour aider l’élève à progresser.
Or, les élèves ont besoin d’un retour rapide. Plus le délai entre la production et la correction est court, plus ils restent engagés dans leur apprentissage et capables de comprendre leurs erreurs.
Capytale et les notebooks Jupyter comme base de travail
Pour répondre à ces besoins, l’atelier s’appuie sur l’utilisation de Capytale, un environnement numérique conforme au RGPD largement utilisé dans l’enseignement de la programmation.
Grâce aux notebooks Jupyter intégrés à la plateforme, les enseignants peuvent proposer des activités mêlant explications, consignes et cellules de code à compléter. Les élèves travaillent directement dans l’ENT, et les productions peuvent être récupérées facilement pour être corrigées.
Cette organisation favorise déjà une certaine individualisation des apprentissages et permet d’intégrer des feedbacks automatiques simples. Mais l’expérience présentée va plus loin en introduisant l’intelligence artificielle générative dans le processus de correction.
CorrectIA : un outil libre pour assister la correction
Pour alléger la charge de travail tout en améliorant la qualité des retours, un outil spécifique a été développé : CorrectIA, disponible en open source sur la Forge des Communs de l’Éducation nationale.
L’idée est simple : récupérer les notebooks des élèves depuis Capytale, analyser automatiquement le code à l’aide d’une IA générative, puis produire un corrigé détaillé accompagné de commentaires personnalisés.
Les données sont anonymisées et aucun identifiant d’élève n’est transmis, afin de garantir la protection de la vie privée. Surtout, l’outil ne remplace pas l’enseignant : les propositions de l’IA sont systématiquement relues et validées avant d’être envoyées aux élèves. La notation, elle, reste entièrement humaine.
Cette articulation entre automatisation et expertise pédagogique constitue l’un des points clés de la démarche.
Des feedbacks rapides et individualisés
L’apport principal de l’IA réside dans sa capacité à analyser rapidement un grand volume de code et à détecter des erreurs parfois difficiles à repérer lors d’une correction manuelle répétitive.
Les élèves reçoivent ainsi un retour détaillé peu de temps après leur travail : points forts, erreurs identifiées, explications et pistes d’amélioration. Cette réactivité renforce leur motivation et les incite à reprendre leur code pour le corriger.
En classe, cela change également le rôle de l’enseignant. Libéré d’une partie des tâches de vérification mécanique, il peut consacrer davantage de temps à l’accompagnement des élèves, à l’explication des concepts algorithmiques et à l’aide individualisée.
L’IA devient alors un assistant pédagogique au service de la relation enseignant-élève, et non un substitut.
Une expérimentation menée sur toute une année scolaire
Le retour d’usage présenté à LUDOVIA s’appuie sur une expérimentation menée tout au long de l’année scolaire 2024-2026 auprès de 45 élèves, en BTS et en spécialité NSI.
Chaque semaine, un à deux TP par classe ont été corrigés selon ce dispositif hybride :
- Récupération des notebooks depuis Capytale.
- Analyse du code via un script local interrogeant une IA générative.
- Génération de commentaires et de pistes de correction.
- Relecture systématique par l’enseignant.
- Envoi d’un retour personnalisé à chaque élève.
Les élèves ont ensuite repris leurs travaux en classe en s’appuyant sur les commentaires reçus. Selon les premiers retours, cette modalité favorise une implication plus forte dans la phase de correction et de compréhension des erreurs.
Plusieurs élèves peu confiants en programmation se sont montrés davantage investis, précisément parce qu’ils bénéficiaient d’un accompagnement individualisé et explicite.
Vers une pédagogie plus réactive et plus ciblée
L’expérience ouvre également des perspectives intéressantes pour la suite. L’analyse des erreurs récurrentes pourrait permettre de construire des synthèses collectives ou de proposer automatiquement des exercices ciblés à des groupes d’élèves ayant les mêmes difficultés.
On voit ici se dessiner une évolution possible de l’enseignement de la programmation : une pédagogie plus réactive, plus personnalisée et davantage centrée sur les besoins réels des apprenants.
Mais l’atelier insiste aussi sur une limite essentielle : l’IA reste un outil probabiliste. Elle peut se tromper, proposer des explications approximatives ou passer à côté de certains aspects pédagogiques. D’où l’importance d’une validation humaine systématique et du maintien du rôle central de l’enseignant.
Un ExplorCamp au cœur des enjeux de LUDOVIA#23
Dans une édition consacrée aux « Intelligences Artificielles & Datas en classe et pour les établissements », cet ExplorCamp illustre parfaitement les questions actuelles du numérique éducatif : comment utiliser l’IA de manière concrète, éthique et utile pour les apprentissages ?
Loin des discours abstraits, il propose un retour d’expérience précis, ancré dans le quotidien des classes de programmation, avec des outils libres, des données protégées et une réflexion claire sur la place de l’enseignant.
Un atelier qui devrait intéresser autant les professeurs de NSI et de technologie que tous ceux qui s’interrogent sur les usages pédagogiques de l’intelligence artificielle dans l’évaluation et le feedback aux élèves.
Plus d’infos :
Consulter tous les articles sur LUDOVIA#23
