52‣ Une application de suivi des apprentissages et de construction de la note
Toute intervention en classe repose sur le jugement professionnel et autonome des enseignant·es. Les micro data recueillies par l'application servent seulement à éclairer ce jugement et à le contextualiser.
Pour éclairer le jugement de l'enseignant·e dans l'accompagnement de l'apprentissage, l'IA n'est peut-être pas la solution idéale. La gestion de données confidentielles et l'influence de biais posent de sérieuses questions éthiques. Or, voici un outil original qui est le résultat de deux ans de recherche et d'expérimentation sur les micro data en classe : une application de suivi des apprentissages qui est gratuite, open source et en phase de test de janvier à mai 2026 !

► Contrairement aux big data qui sont massivement créées et récupérées sur les réseaux, les small data sont des informations de moins grande envergure générées, par exemple, au niveau des institutions. À l'échelle de la classe ou de l'individu, on parle plutôt de micro data. Ces données sont créées, collectées et traitées localement par un·e enseignant·e tout au long du trimestre, mais elles sont généralement perdues parce qu'elles sont ignorées.
L'idée derrière cette nouvelle application est de capturer ces informations dans la classe, de les trier et de les interpréter afin de mieux organiser l'apprentissage et l'accompagnement des élèves. Le système repose en effet sur la mise en relation d'informations et d'actions qui sont déjà produites et réalisées de façon discrète par les enseignant·es. Leur traitement favorise un enseignement et des interventions efficaces tandis que l'expérimentation et le partage d'outils entre experts soutiennent le co-développement professionnel.
Une application conçue pour le suivi de l'apprentissage
Cette application rend possible de voir comment l'information circule dans l'environnement d'apprentissage. En calculant différents indices de traitement, elle permet notamment d'identifier précocement les difficultés des étudiant·es (Bédard, 2025, Éductive). .

Un tableau de bord permet de visualiser des indicateurs globaux du groupe en termes de présence en classe (assiduité), de complétion des travaux, de performance et d'engagement afin d'avoir une vue d'ensemble du contexte d'apprentissage. Ces micro data sont traitées pour produire des portraits de groupe ou individuels. Par conséquent, il est possible non seulement de suivre l'apprentissage des élèves, mais aussi de mesurer l'impact de l'enseignement sur le groupe et de l'améliorer. Dans une telle boucle de rétroaction, tout est relationnel et dynamique : même l'enseignant·e est un·e apprenant·e.

Les indices de traitement facilitent un dépistage rapide des élèves en difficulté. Ensuite les interventions peuvent prendre appui sur une adaptation du modèle de la Réponse à l'intervention pour guider l'accompagnement pédagogique (Bédard, 2025). Le modèle de la Réponse à l'intervention (Desrochers, 2021) est une approche en trois niveaux qui guide les décisions pédagogiques : suivi régulier en classe (niveau universel), interventions préventives (niveau préventif) et interventions intensives individuelles hors classe (niveau intensif).



Aucune décision n'est imposée par l'application ou prise par une IA, car là n'est pas du tout l'intention. Toute intervention repose uniquement sur le jugement professionnel et autonome des enseignant·es. Les micro data recueillies par l'application servent seulement à éclairer ce jugement et à le contextualiser.


On peut avoir un portrait de groupe, mais aussi des portraits individuels assez précis et toujours dynamiques.

C'est justement parce que ce sont des micro données que le traitement local et contextuel est pertinent. C'est pour la même raison que l'impact est immédiat. Le traitement de l'information, jumelé à une pratique alternative de notation, permet un enseignement adaptatif très efficace.

Des rétroactions personnalisées
Un ensemble de «cartouches de rétroactions» permet d'organiser des commentaires personnalisés de manière automatisée, sans recourir constamment à l'intelligence artificielle générative. L'enseignant·e constitue une banque de commentaires filtrés par critères d'évaluation et par niveaux de performance.

En temps réel, pendant l'évaluation d'un travail, l'application assemble automatiquement les commentaires pertinents en fonction du jugement de l'enseignant·e. Au final, ce n'est pas une note qu'on attribue, c'est une rétroaction formative que l'on construit.


Le système intégré dans l'application rend possible la différenciation pédagogique en offrant à chaque apprenant·e une rétroaction utile, spécifique et constructive.
Une plateforme pour diverses pratiques de notation
Le module Léa d'Omnivox, conçu pour la notation sommative traditionnelle, s'adapte difficilement aux pratiques alternatives de notation. Or, cette application propose une nouvelle architecture pensée dès le départ pour accueillir différentes approches pédagogiques. Elle permet de fixer des paramètres qui serviront à construire la note. Elle est basée sur le principe de l'alignement pédagogique, des objectifs d'apprentissage jusqu'à la rétroaction. Elle permet de créer, d'organiser et d'aligner des production étudiantes, des grilles d'évaluation critériées, des échelles de performance et des cartouches de rétroaction sur des pratiques de notations conséquentes (traditionnelle ou alternative).

L'enseignant·e peut définir ses propres grilles d'évaluation selon son approche pédagogique, gérer un dossier d'apprentissage de type portfolio (par exemple ELLAC en littérature au Québec), créer des échelles de performance personnalisées et configurer les productions attendues dans son cours.

La note finale est construite selon la pratique de notation choisie.


La souplesse de l'application permet d'expérimenter progressivement les PAN. On peut commencer par transformer une évaluation sommative à faible pondération en véritable évaluation formative, tester le système de jetons pour permettre les reprises d'évaluation ou construire graduellement une grille d'évaluation selon les cibles d'apprentissage plutôt que selon les types d'évaluations.
Le système peut être adapté aux exigences particulières de chaque discipline et de chaque plan-cadre tout en facilitant l'alignement pédagogique. Combiné à un enseignement explicite et à une pratique de notation qui favorise la maîtrise, cet écosystème pédagogique peut être d’une surprenante efficacité.
Trois modes d'utilisation
L'application fonctionne selon trois modes distincts. Le mode Normal offre toutes les fonctionnalités de gestion de cours et d'évaluation. Le mode Assisté active un assistant de configuration qui guide l'enseignant·e à travers les étapes de mise en place des paramètres : définition du trimestre, création du cours, importation du groupe, configuration des pratiques de notation. Tout est par la suite ajustable. Ce mode facilite l'appropriation de l'outil sans être surchargé par la complexité des options disponibles.
Le mode Anonymisé, quant à lui, masque toutes les informations nominatives pour permettre des démonstrations publiques, la capture d'écran ou la présentation et la discussion de résultats entre collègues. Ce mode répond aux exigences éthiques de la recherche tout en facilitant le partage de pratiques.

Autonomie, sécurité et sobriété carbone
Bien qu'elle exploite les codes HTML5 et JavaScript utilisés pour le web, l'application ne nécessite aucune connexion internet une fois téléchargée, ce qui la rend utilisable partout, y compris dans les zones avec connectivité limitée. (La version de test est cependant disponible uniquement en ligne afin de favoriser son développement.)
L'application fonctionne entièrement en local, directement dans le navigateur. Les données sont stockées sur l'appareil via localStorage et IndexedDB (capacité de plusieurs gigaoctets), sans aucun transfert infonuagique. Cette architecture vise à protéger la confidentialité : les informations sur les étudiant·es ne quittent pas l'ordinateur de l'enseignant·e. On peut par contre synchroniser plusieurs appareils en faisant des exportations et des importations manuelles des données.
L'absence de serveurs distants et de traitements par intelligence artificielle diminue l'empreinte carbone de l'outil par rapport aux plateformes cloud. Cette autonomie technologique élimine également les frais d'abonnement et réduit les dépendances envers des plateformes commerciales.
Partage de matériel pédagogique et communs éducatifs
L'application comprend un système d'import/export qui permet de partager du matériel pédagogique entre collègues : grilles d'évaluation, échelles de performance, cartouches de rétroactions, configurations de pratiques de notation. Tout ce matériel exporté ou importé est protégé par la licence Creative Commons BY-NC-SA 4.0, qui permet le partage et l'adaptation tout en préservant l'attribution à la personne autrice originale. Cette approche favorise l'émergence de communs éducatifs : plutôt que de recommencer à zéro, on peut s'inspirer du travail de ses pairs, l'adapter à son contexte et le redistribuer à son tour.

Gestion multi-cours et multi-trimestres
L'application permet de gérer plusieurs cours simultanément et de naviguer entre différents trimestres. On peut archiver les trimestres terminés, générer des exports de recherche anonymisés, puis créer de nouveaux trimestres sans perdre l'historique des interventions passées.
Cette architecture ouvre la porte à des analyses longitudinales documentées : comparer la progression de différents groupes ayant suivi le même cours, évaluer l'impact de modifications pédagogiques d'un trimestre à l'autre ou documenter l'évolution de sa pratique enseignante sur plusieurs trimestres ou années. Ces capacités analytiques rejoignent les objectifs de recherche-action valorisés dans le milieu collégial québécois.
Participation à la phase de test
Fruit de deux ans de recherche personnelle et d'expérimentation sur les micro données en classe, ce qui était hier un outil artisanal bricolé dans un tableur est aujourd'hui une application web autonome qui permet de faire un suivi des apprentissages basé sur des données probantes. C'est un projet plus ergonomique et intuitif, open source et gratuit.
Conçue en prenant appui sur ma propre pratique expérimentale et codée avec Claude Code (Anthropic), la Beta 95, actuellement en phase de test, sera disponible en ligne pour le réseau collégial de janvier à mai 2026. L'objectif est d'ouvrir l'application de suivi à de multiples disciplines et pratiques pour la rendre encore plus souple. Dans un réseau où le suivi pédagogique repose surtout sur des plateformes commerciales imposées, cette application autonome propose une alternative locale et unique.
L'application est gratuite et son code est disponible en open source sur Github. Elle est déployée sur Netlify et protégée par Cloudflare. Elle met en oeuvre une démarche de développement pédagogique qui mise sur l'autonomie professionnelle, le partage de pratiques documentées par la recherche et la construction collective d'outils adaptés aux réalités de l'enseignement collégial.
En phase de test, l'engagement demandé est de communiquer régulièrement ses besoins, d'identifier les bogues rencontrés et de partager ses observations sur l'utilisation de l'outil dans sa pratique.
Tous les rapports d'utilisation serviront à raffiner l'application et à la rendre plus fidèle aux pratiques effectives du réseau. Cette phase de test collaborative vise à développer un outil adapté aux besoins du terrain, construit avec et pour le personnel enseignant. _◀︎
Je recherche des personnes assez «crinquées» pour participer à l'aventure. Ça vous intéresse ?
Des enseignant·es de différentes disciplines et différentes pratiques sont recherché·es pour participer à ce projet. L'accès anticipé implique un engagement à partager les retours d'expérience. Le feedback est essentiel pour répondre aux besoins réels du terrain.
Si vous êtes volontaire et intéressé·e à participer à cette expérimentation collective, demandez l'accès à l'application en remplissant le formulaire ci-dessous. Plus vous participez, plus l'application vous ressemblera !
Demande d'accès - Phase Test
Projet collectif - Places limitées
L'application est en développement actif et le nombre de testeur·euses est limité. Nous recherchons des enseignant·es de différentes disciplines et pratiques, qui ont à coeur le bien commun et souhaitent contribuer à un outil pensé par et pour la communauté enseignante.
L'accès anticipé implique un engagement à partager vos retours d'expérience. Votre feedback est essentiel pour répondre aux besoins réels du terrain.
Pour en savoir plus sur le projet : codexnumeris.org/labocodex
Modalités éditoriales
H⇄IA:Ce
CC BY-SA 4.0 (Attribution - Partage dans les mêmes conditions)
Publié le 5 janvier 2026 · révisé le 15 janvier 2026
Références
Bédard, G. (2025). Observer pour mieux accompagner. Pédagogie collégiale, 38(2), 38-45. En ligne.
Bédard, G. (2025, 20 janvier). Intégrer l'intelligence artificielle à l'enseignement et à l'apprentissage. Éductive. En ligne.
Desrochers, A. (2021). L'approche de la réponse à l'intervention et l'enseignement de la lecture-écriture. Presses de l'Université du Québec.
À explorer
Pour comprendre les fondements du système de suivi :
- 1‣ Monitorer l'apprentissage — Le système artisanal initial avec ses trois indices clés (assiduité, complétion, performance) qui constituent le socle de données probantes sur lequel repose l'application.
Pour saisir le cadre d'intervention pédagogique :
- 34‣ Appliquer le modèle de la Réponse à l'intervention (niveau 1) et 51‣ Appliquer le modèle de la Réponse à l'intervention (niveau 2) — Les fondements théoriques du modèle RàI à trois niveaux et sa mise en œuvre concrète pour structurer l'accompagnement des étudiant·es.
Pour approfondir la transformation de l'évaluation :
- 5‣ Mettre en place une pratique alternative de notation (PAN) — Le passage d'une logique comptable à une évaluation qualitative qui soutient l'apprentissage, incluant le système de jetons et le portfolio.
Pour une réflexion éthique sur l'usage des données :
- 23‣ Faire un bon usage des données — La distinction entre big, small et micro data et le principe d'endiguement qui fonde l'architecture locale et indépendante de l'application.