Ce qui fait travailler un retour : l’information, pas la note

On répète que le feedback est l’un des leviers les plus puissants de l’apprentissage. C’est vrai en moyenne, et la moyenne cache l’essentiel. Avant de confier une partie de la correction à une IA, il vaut la peine de regarder ce qui, dans un retour, produit réellement un effet.

1.Le feedback n’est pas bon par nature

La méta-analyse de référence porte sur 607 tailles d’effet, extraites de 131 articles et portant sur plus de 23 000 observations (Kluger et DeNisi, 1996). L’effet moyen pondéré est de 0,41, un effet modéré et positif. Mais dans le corps de l’article, les auteurs précisent que plus de 38 % des tailles d’effet sont négatives.

Il faut énoncer ce chiffre correctement, parce qu’il circule déformé. Ce sont 38 % des tailles d’effet, et non 38 % des études ni 38 % des interventions. Il s’agit de la dispersion d’une distribution, pas d’une fréquence d’échec. Le résumé de l’article parle de « plus d’un tiers », ce qui arrondit vers le bas, et une méta-analyse postérieure bien connue inverse les deux nombres en présentant 0,38 comme l’effet moyen. La version juste est : effet moyen de 0,41, et plus de 38 % d’effets négatifs.

Ce que cela veut dire pour une classe est simple. Donner un retour n’est pas en soi une bonne action pédagogique. Certains retours dégradent la performance.

2.Ce qui fait la différence, c’est la quantité d’information

Une méta-analyse plus récente, sur 435 études et près d’un millier de tailles d’effet, trie les retours selon ce qu’ils contiennent (Wisniewski et al., 2020). L’effet global est de 0,48, et la décomposition est nette : un retour qui se limite à renforcer ou à sanctionner obtient 0,24, un retour correctif 0,46, et un retour à haute densité d’information 0,99.

Une note se situe au bas de cette échelle. Elle classe, elle ne renseigne pas. Elle indique à l’élève où il se trouve, sans rien lui dire de ce qu’il devrait faire ensuite. La synthèse la plus citée du domaine, qui rassemble douze méta-analyses et n’est donc pas une étude originale, aboutit à un effet de 0,79 pour le feedback en général et distingue quatre niveaux, selon que le retour porte sur la tâche, sur la démarche, sur l’autorégulation ou sur la personne (Hattie et Timperley, 2007). Le niveau qui porte sur la personne est le moins efficace. Une note, qui désigne l’élève plutôt que son travail, en est proche.

3.Commentaire ou note : ce que l’étude classique dit, et ce qu’elle ne dit pas

L’expérience de référence a réparti douze classes de cinquième et sixième année en trois conditions : notes chiffrées, commentaires individuels, ou les deux ensemble (Butler, 1988). L’intérêt et la performance étaient les plus élevés après des commentaires seuls. Les notes, et les notes accompagnées de commentaires, avaient des effets semblables et globalement délétères.

Ce résultat est devenu un slogan, et le slogan va plus loin que l’étude. Une relecture critique rappelle trois limites (Guskey, 2019). L’effet est une interaction et non un effet principal : le bénéfice concernait les élèves du quartile inférieur, tandis que les plus forts qui recevaient des notes conservaient leur intérêt. Les élèves du milieu, soit la moitié de l’échantillon, ne sont pas traités. Et surtout, les notes de l’expérience étaient normatives, c’est-à-dire fondées sur le rang dans la classe, pendant que les commentaires portaient sur la tâche. La forme et le contenu sont confondus, et on ne sait pas lequel des deux produit l’effet.

La version défendable est donc plus étroite. Des commentaires portant sur la tâche valent mieux que des notes normatives, surtout pour les élèves les plus en difficulté. Ce n’est pas « ne notez plus ».

4.Là où l’IA entre, et un résultat inattendu

Une expérience menée auprès de 464 étudiants a croisé la présence d’une note, la présence d’un éloge et la source attribuée au retour (Lipnevich et Smith, 2008). Le feedback détaillé produit un effet important, et la présence d’une note abaisse la performance de la révision. Un croisement mérite d’être signalé : chez les étudiants les plus faibles, une note présentée comme venant d’un ordinateur améliorait la révision de 3,4 points, alors que la même note présentée comme venant de l’enseignant la dégradait de 5,2 points.

Une lecture possible, que je donne comme une hypothèse et non comme un résultat, est qu’une note venue d’une machine porte moins de jugement social. Il s’agit d’une seule étude, conduite à l’université, publiée en 2008, bien avant l’IA générative. Ce n’est pas une base pour une décision d’établissement.

Les études récentes sur le feedback produit par une IA mesurent des choses différentes, qu’il faut distinguer. Un essai contrôlé auprès de 459 élèves du secondaire compare un retour produit par un modèle de langage à une absence de retour (Meyer et al., 2024) : l’effet sur la révision est de 0,19, celui sur la motivation de 0,36 et celui sur les émotions positives de 0,34. L’effet motivationnel est donc plus grand que l’effet sur la performance, et la comparaison ne porte pas sur un retour d’enseignant.

Une autre étude a fait évaluer à 89 futurs enseignants des retours dont ils ignoraient la provenance (Jansen et al., 2024). Le retour produit par le modèle était jugé utile pour la révision dans 59 % des textes, contre 88 % pour le retour d’un expert, et les évaluateurs choisissaient de le transmettre à l’élève dans 23 % des cas seulement. Ce que cette étude mesure est l’utilité perçue, et non l’apprentissage.

Enfin, une comparaison directe entre un retour de ChatGPT et un retour d’enseignant, auprès de 102 étudiants, ne trouve pas de différence statistiquement significative (Alsofyani et Barzanji, 2025). Un résultat nul sur un échantillon modeste soutient faiblement une non-infériorité, et certainement pas une équivalence.

5.Ce que j’en fais en classe

La note est obligatoire et elle le reste. La question est de savoir ce qui voyage avec elle.

• Séparer les deux moments. Rendre d’abord le commentaire, avec une occasion de reprendre le travail, et la note ensuite. La littérature ci-dessus n’oppose pas la note au commentaire, elle montre qu’une note placée à côté d’un commentaire capte l’attention.
• Confier à l’outil le premier passage sur ce qui est vérifiable : la couverture des critères, la structure, les erreurs de forme. Garder le jugement, qui ne l’est pas.
• Ne pas déléguer la partie qui dépend de l’élève. Ce que cet élève-là devrait faire la prochaine fois est précisément ce qu’un modèle ne connaît pas, puisqu’il n’a pas vu ses six derniers travaux.
• Ne pas verser les copies dans un outil tant que le canton n’en fournit pas un dont la fiabilité est garantie, comme le rappellent les recommandations romandes (CIIP, 2025).

Échangeons

Comment articulez-vous commentaire et note dans vos classes ? Je serai heureux d’en discuter. Mes coordonnées : pablocorreaprieto.ch

Texte rédigé avec l’aide d’une IA, relu et validé par l’auteur.