En bref : l'IA peut faire une première lecture d'une copie en quelques instants. Les études sur les rédactions montrent qu'elle tombe souvent près de la note d'un correcteur formé, mais rarement sur la même note, et les chercheurs la réservent donc aux usages à faible enjeu. Pour un enseignant de langue, la bonne question n'est pas « l'IA ou l'enseignant », mais quelle décision confier à chacun. CEFRHub situe une production écrite ou orale sur l'échelle du CECR, avec un rapport en moins de 3 minutes ; ce n'est pas un test certifiant, et l'enseignant garde la décision finale.
Ce que disent les études sur la correction par IA
Le Hechinger Report a présenté une étude menée par Tamara Tate, chercheuse à l'Université de Californie à Irvine (Hechinger Report, 20 mai 2024, en anglais). Son équipe a comparé ChatGPT à des correcteurs humains formés sur des rédactions d'histoire et d'anglais écrites par des élèves du secondaire, en trois lots (943, 344 et 493 copies), notées sur 6 points :
- la note de ChatGPT était à un point près de la note humaine dans 89 % des cas pour le lot de 943 copies, 83 % pour les 344 copies d'anglais et 76 % pour les 493 copies d'histoire ;
- elle était exactement la même dans environ 40 % des cas seulement ; deux correcteurs humains formés tombaient d'accord exactement environ une fois sur deux ;
- ChatGPT regroupait ses notes au milieu de l'échelle, quand les humains donnaient plus souvent les notes extrêmes.
La conclusion de la chercheuse : assez fiable pour des usages à faible enjeu, comme une note provisoire sur un premier jet, mais pas pour un examen à enjeu élevé ni pour une note qui compte. L'article de recherche était alors en cours de relecture par les pairs. Il s'agissait de rédactions écrites dans la langue première des élèves, pas de productions en langue seconde évaluées au regard du CECR.
Son conseil aux établissements qui comparent des outils : demander à quelle fréquence l'IA donne exactement la même note qu'un humain sur chaque copie, et à quelle fréquence elle est à un point près.
Là où la correction humaine reste la référence
- Les examens officiels. À l'IELTS, l'écrit et l'oral sont notés par des examinateurs selon des critères publiés (IELTS scoring in detail, en anglais) ; voir notre comparatif CEFRHub vs IELTS. Les résultats du DELF et du DALF sont délivrés après validation par les jurys ; voir DELF ou DALF ?.
- Les décisions pédagogiques. Dans le même article, la chercheuse prévient : l'enseignant qui délègue trop la correction perd de vue les erreurs récurrentes de ses élèves, qui lui disent quoi enseigner ensuite.
- Les décisions à enjeu élevé. Une note qui compte, une admission, un diplôme : c'est là que les études et les examens officiels laissent la main à un correcteur humain formé.
La correction humaine n'est pas parfaitement constante non plus : dans l'étude citée, deux correcteurs formés ne donnaient exactement la même note qu'environ une fois sur deux. Des critères clairs comptent, quel que soit le correcteur.
Là où l'IA aide l'enseignant de langue
- Une première lecture rapide, pour libérer du temps pour la rétroaction et l'enseignement.
- Les décisions à faible enjeu : placer un apprenant dans un groupe, noter un premier jet, suivre les progrès entre deux évaluations.
- La même méthode publiée pour chaque production, ce qui aide à comparer un apprenant avec lui-même dans le temps.
Pour une équipe ou un établissement, notre article Évaluation CECR par IA : institutions publiques détaille les questions à poser à un fournisseur.
Comment CEFRHub évalue une production
CEFRHub évalue la production écrite et orale, en français et en anglais : un niveau du CECR de A1 à C2, avec sous-niveaux, et un rapport appuyé sur les descripteurs du CECR et de son Volume complémentaire, en moins de 3 minutes. Pour comprendre chaque niveau, voir le guide des niveaux de langue et B2 ou C1 ? Les différences entre niveaux.
La méthodologie publie trois garde-fous contre les niveaux gonflés :
- sans au moins deux marqueurs C1 attestés dans la production, le niveau est plafonné à B2.2 ;
- une maîtrise orthographique ou phonologique élevée ne justifie jamais à elle seule un passage à C1 : c'est le principe « range over accuracy » du CECR (l'étendue avant la correction) ;
- chaque frontière de niveau possède sa propre liste d'exclusions, à contrôler avant l'attribution du niveau.
Pour l'oral, l'apprenant enregistre au micro dans le navigateur, ou dépose un fichier audio au format MP3 ou WAV.
Ce que CEFRHub ne fait pas
- CEFRHub n'est pas un test certifiant. Quand un résultat officiel est demandé, l'apprenant a besoin d'un examen officiel.
- CEFRHub ne prend pas la décision finale. Comme les outils de l'étude, il sert à une première lecture et aux décisions à faible enjeu ; l'enseignant revoit ce qui compte.
- CEFRHub n'évalue pas la compréhension. Il évalue la production écrite et la production orale.
C'est un outil d'évaluation pédagogique, non certifiant.
Questions fréquentes
Peut-on corriger des copies avec l'IA ?
Pour une première lecture et les décisions à faible enjeu, oui : c'est l'usage que retiennent les chercheurs. Pour une note qui compte ou un examen à enjeu élevé, la relecture de l'enseignant reste nécessaire.
L'IA est-elle fiable pour noter des rédactions ?
Souvent proche, rarement identique. Dans l'étude rapportée par le Hechinger Report, la note de ChatGPT était à un point près de celle d'un correcteur formé dans 76 % à 89 % des cas selon le lot, mais exactement la même dans environ 40 % des cas seulement (Hechinger Report, en anglais).
L'IA peut-elle remplacer la correction de l'enseignant ?
Non. L'IA peut prendre en charge une première lecture et les décisions à faible enjeu ; l'enseignant garde les décisions qui comptent, et la vue sur les erreurs récurrentes qui guide son enseignement.
Deux correcteurs humains donnent-ils toujours la même note ?
Non. Dans la même étude, deux correcteurs formés tombaient d'accord exactement environ une fois sur deux. Des critères clairs et partagés réduisent l'écart, quel que soit le correcteur.
Que demander à un fournisseur de correction par IA ?
À quelle fréquence l'IA donne exactement la même note qu'un correcteur formé sur chaque copie, et à quelle fréquence elle est à un point près ; demandez aussi quels critères elle applique et s'ils sont publiés.
Comment CEFRHub évalue-t-il une production ?
Au regard des descripteurs du CECR et de son Volume complémentaire, avec trois garde-fous publiés contre les niveaux gonflés (méthodologie). Le rapport donne un niveau du CECR de A1 à C2, avec sous-niveaux, en moins de 3 minutes.
CEFRHub est-il un test certifiant ?
Non. CEFRHub est un outil d'évaluation pédagogique. Quand un résultat officiel est demandé, l'apprenant a besoin d'un examen officiel comme l'IELTS, le DELF ou le DALF.
CEFRHub évalue-t-il le français comme l'anglais ?
Oui. CEFRHub évalue la production écrite et orale en français et en anglais.
CEFRHub évalue-t-il l'oral ?
Oui. L'apprenant enregistre au micro dans le navigateur, ou dépose un fichier audio au format MP3 ou WAV.