🧩 Le contexte : une correction encore trop “à l’ancienne”
Comme beaucoup d’établissements de l’enseignement supérieur, PPA Business School s’appuyait sur un processus de correction 100% manuel : examens papier, saisie manuelle des notes, écarts de note entre les correcteurs...
“Ce n’est pas un problème pesant… C’est simplement comme ça depuis, entre guillemets, la nuit des temps.”
— Pierre-Louis Gourdoux, Coordinateur pédagogique chez PPA Business school
Mais avec des cohortes atteignant parfois 300 étudiants par matière, faire évoluer le modèle peut s’avérer intéressant à envisager. C’est le test qu’a réalisé PPA Business School.
💥 Le challenge : une première expérimentation contrôlée
PPA décide de tester GoodGrades, l’assistant de correction d’examens par IA de Kwark, dans un cadre bien défini :
📘 Matière choisie : Marketing opérationnel, une matière littéraire adaptée au traitement par IA
👥 Cohorte test : 25 étudiants sur 250 pour comparaison avec des corrections manuelles
💻 Conditions : examen surveillé en salle informatique, dans un environnement maîtrisé
🎯 Objectif : vérifier la cohérence des notes, la pertinence des feedbacks, et le gain de temps
⚙️ La solution : un outil simple, intuitif et personnalisable
Formé rapidement à l’outil, Pierre-Louis a volontairement attendu 2 mois après la 1ère réunion de démonstration :
“Je n’ai pas eu besoin de formation supplémentaire. […] Pour moi, ça m’a paru globalement intuitif.”
Ce qu’il a particulièrement apprécié :
Un processus bien séquencé et rassurant, avec des étapes de contrôle claires
La personnalisation des attendus question par question
Les feedbacks générés automatiquement et détaillés par item, utile pour l’apprenant comme pour l’enseignant
🚀 Les résultats : un vrai levier de performance pédagogique
✅ Temps économisé
Sans GoodGrades : Correction manuelle estimée à 2h30
Avec GoodGrades : 30 à 60 minutes
Soit 80% de temps gagné, pour se concentrer sur l’expérience apprenante
✅ Cohérence pédagogique
Notes délivrées par GoodGrades très homogènes
Écart-type réduit, évitant les variations entre correcteurs
Feedbacks disponibles pour chaque question
“Ce qui m’a sauté aux yeux, c’est le faible écart-type. […] L’IA n’est pas experte mais représentative du prof moyen, donc on a des écarts-types relativement faibles.”
✅ Une véritable collaboration avec PPA : Expérience étudiante et usage
Notre interlocuteur chez PPA Business school nous a fait part de l’expérience apprenante qui nous permettra de mieux répondre aux besoins :
Les étudiants n’ont pas rencontré de problèmes techniques
Il y a une limite liée à l’écriture sur ordinateur : “Il y en a qui aiment bien écrire à la main”
Il y a eu un bon taux d’acceptation du dispositif et une meilleure transparence de la correction pour ceux qui souhaitent consulter leur copie
Ces retours nous ont permis d’identifier le besoin de développer la reconnaissance manuscrite.
📈 Perspectives : vers un déploiement plus large à PPA ?
L’expérimentation a convaincu sur plusieurs points : temps, fiabilité, homogénéité.
Une intégration progressive à l’échelle de l’école est envisagée, selon la typologie des examens et les contraintes d’infrastructure.
“Plus grande échelle, oui. Avec la politique des petits pas, évidemment.”
“Il y a sans doute d’autres matières pour lesquelles il pourrait y avoir un intérêt.”
🧠 À retenir :
Bénéfices mesurés chez PPA | Impact observé |
|---|---|
⏱️ Gain de temps | Jusqu’à 2h économisées par session de correction |
🎯 Précision & homogénéité | Moins d'écart-type entre les copies |
📚 Meilleure expérience pédagogique | Feedback détaillé, cohérence, transparence |
🧩 Simplicité & autonomie | Prise en main rapide, peu de formation nécessaire |
📞 Envie de tester GoodGrades dans votre établissement ?
Demandez une démo personnalisée dès maintenant 👉 Contactez-nous
