# Microsoft présente StudentSim pour évaluer les tuteurs d’intelligence artificielle

> StudentSim crée des simulateurs personnalisés à partir de dossiers d’apprenants désidentifiés ; ce système de recherche n’est pas un produit scolaire.

- URL canonique: https://newsverum.com/fr/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026
- Éditeur: Newsverum
- Rubrique: Technologie
- Pays: États-Unis
- Publié: 2026-10-12T23:33:38+00:00
- Mis à jour: 2026-10-12T23:33:38+00:00
- Période de l’événement / des données: 2026-10-12
- Autres éditions: [Türkçe](https://newsverum.com/tr/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md), [English](https://newsverum.com/en/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md), [العربية](https://newsverum.com/ar/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md), [Español](https://newsverum.com/es/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md), [Deutsch](https://newsverum.com/de/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md), [Português](https://newsverum.com/pt/news/microsoft-studentsim-research-tests-ai-tutor-feedback-2026.md)

Microsoft Research a présenté StudentSim, un système de simulation des élèves, dans une annonce de recherche datée du 12 octobre. Il apprend à partir de dossiers d’apprenants désidentifiés publiés pour la recherche et crée un simulateur pour chaque élève. L’évaluation porte sur les échecs, l’écriture en anglais langue seconde et les mathématiques. L’article de recherche avait été publié en septembre 2026 ; le billet du 12 octobre en explique la méthode et les résultats.

L’étude mesure séparément la fidélité aux réponses d’un apprenant précis et la modification de ces réponses après les conseils d’un tuteur. L’annonce donne à StudentSim, pour les échecs, des scores de 0,5150 en fidélité comportementale et de 0,9067 en réactivité aux conseils. Ces évaluations de recherche ne démontrent ni un déploiement en classe ni des gains de cette ampleur dans l’apprentissage d’élèves réels.

## Données

### Scores de recherche StudentSim aux échecs

Comparaison des modèles rapportée par Microsoft pour le même test de recherche.

Méthodologie: Les scores conservent les décimales de la source ; les deux évaluations utilisent une échelle de 0 à 1. Ils portent sur le test d’échecs des simulateurs et ne mesurent ni l’apprentissage en classe ni la performance générale des modèles. Aucune conversion en pourcentage.

| Modèle | Score de fidélité comportementale (0–1) | Score de réactivité aux conseils (0–1) |
|---|---|---|
| StudentSim | 0.515 | 0.9067 |
| GPT-5.4 | 0.2316 | 0.7186 |
| Maia2 | 0.4535 | 0.2721 |

Sources: <https://www.microsoft.com/en-us/research/blog/simulating-student-learning-for-better-ai-tutoring/> · Télécharger les données: [JSON](https://newsverum.com/api/v1/articles/microsoft-studentsim-research-tests-ai-tutor-feedback-2026/data/studentsim-chess-research-scores?lang=fr&format=json) · [CSV](https://newsverum.com/api/v1/articles/microsoft-studentsim-research-tests-ai-tutor-feedback-2026/data/studentsim-chess-research-scores?lang=fr&format=csv)

## Sources

- [Microsoft Research](<https://www.microsoft.com/en-us/research/blog/simulating-student-learning-for-better-ai-tutoring/>) (Source vérifiée: 2026-10-13; Publié: 2026-10-12)
- [Microsoft Research publication record](<https://www.microsoft.com/en-us/research/publication/studentsim-training-llm-based-student-simulators/>) (Source vérifiée: 2026-10-13)

---

Citez l’URL canonique ci-dessus. [Principes éditoriaux et corrections](https://newsverum.com/fr/editorial)