Ed.ai lève 5 millions d’euros pour aider les professeurs à faire progresser chaque élève
📩 Pour nous contacter: redaction@fw.media
Ed.ai lève 5 millions d’euros auprès de Bpifrance, La Poste Ventures et 50 Partners. La startup lyonnaise ne cherche pas seulement à réduire le temps consacré à la correction : sa plateforme analyse les copies manuscrites, identifie les erreurs individuelles et collectives, puis propose des activités de remédiation que l’enseignant peut modifier. Passée, selon l’entreprise, de 100 copies traitées par semaine à 2 500 par jour, elle doit maintenant démontrer que cette boucle peut améliorer le suivi des élèves avant de la déployer à grande échelle en France et aux États-Unis.
Une copie entre dans Ed.ai sous la forme d’une photographie ou d’un document numérisé. Elle en ressort accompagnée d’une proposition de note, de commentaires détaillés, d’une lecture des compétences mobilisées et d’exercices destinés à retravailler les erreurs détectées. Entre les deux, l’enseignant ajuste le barème, vérifie l’analyse et décide de ce qui sera transmis à l’élève.
La startup lyonnaise présente volontiers ce processus comme une manière de réduire le temps passé à corriger, mais surtout à prolonger la vie pédagogique de la copie. L’objectif n’est plus seulement constater une erreur, mais qualifier ce qu’elle révèle, la replacer dans une compétence, puis préparer ce qui doit être retravaillé.
La levée de 5 millions d’euros annoncée ce 10 septembre doit permettre d’étendre cette mécanique à davantage de matières, d’établissements et de pays. Bpifrance participe à l’opération par l’intermédiaire de son fonds Digital Venture, aux côtés de La Poste Ventures, fonds initié par le groupe La Poste et géré par XAnge, et de 50 Partners. AFI Ventures, CentraleSupélec Venture, Ring Capital et Super Capital, déjà présents au capital, réinvestissent.
Ce seed intervient dix-sept mois après un premier financement de 1,7 million d’euros annoncé en avril 2025, et porte à 6,7 millions d’euros les fonds propres levés depuis la création de l’entreprise.
La correction n’est que la première couche
Pour commencer une correction, l’enseignant transmet son évaluation à Ed.ai. La plateforme analyse les questions, extrait les critères et les savoir-faire sollicités, puis génère une proposition de barème. Le professeur peut en modifier les consignes, les niveaux de maîtrise et les points attribués avant de soumettre les copies.
Cette première étape est moins accessoire qu’il n’y paraît. Une IA ne peut évaluer correctement une réponse que si elle comprend précisément ce que le professeur cherchait à mesurer. Deux raisonnements peuvent aboutir au même résultat ; une réponse fausse peut contenir une méthode partiellement juste ; une dissertation peut respecter les connaissances attendues tout en manquant la question posée.
Ed.ai lit ensuite les copies manuscrites, rapproche chaque réponse des critères validés et propose une correction. Selon la présentation de son produit, la plateforme peut citer des passages de la copie, catégoriser les erreurs et associer les résultats aux compétences correspondantes. Sur son offre américaine de mathématiques, l’entreprise affirme également pouvoir suivre les étapes d’un raisonnement, attribuer des points à une réponse partiellement correcte et reconnaître équations, graphiques ou constructions géométriques.
La difficulté technique se trouve précisément là. Reconnaître une équation n’est pas encore comprendre un raisonnement. Il faut distinguer une faute de signe, une méthode inadaptée, une notion mal acquise ou une simple erreur de transcription. Il faut aussi traiter les ratures, les annotations et les chemins parfois sinueux par lesquels un élève parvient à une réponse.
Si Ed.ai ne détaille pas publiquement l’architecture de modèles utilisée pour enchaîner reconnaissance, interprétation et génération des commentaires, la startup revendique un taux de reconnaissance de l’écriture mathématique de 95 %.
L’enseignant conserve la décision
ED.ai ne remet pas directement une note à l’élève, mais prépare une correction que l’enseignant doit relire, modifier si nécessaire puis valider. Celui-ci peut ajuster les points, les commentaires et l’évaluation des compétences avant toute restitution.
Il est donc plus exact de parler de pré-correction assistée que de correction automatique. Si l’IA absorbe le volume, applique une première lecture homogène et formule des propositions, le professeur conserve la responsabilité de l’évaluation.
Cette supervision humaine constitue l’un des arguments centraux d’Ed.ai, elle permet de présenter la plateforme comme un outil qui augmente le jugement professionnel plutôt que comme un système chargé de le remplacer. Elle répond aussi à une réalité qu’en matière d’éducation, une réponse plausible ne suffit pas, la note doit pouvoir être expliquée, contestée et corrigée.
Reste à mesurer la charge de cette vérification, une plateforme peut produire en quelques secondes une grande quantité de commentaires et néanmoins déplacer le travail au lieu de le réduire. Si l’enseignant doit reprendre une part importante des notes ou réécrire la majorité des retours, le gain de temps se réduit d’autant. À l’inverse, un taux élevé de validation sans modification constituerait une preuve beaucoup plus robuste de la maturité du produit que la seule quantité de copies analysées.
Ed.ai communique aujourd’hui sur un temps de correction divisé par deux et quatre heures économisées chaque semaine.
La note devient une cartographie des erreurs
Une fois la correction validée, Ed.ai agrège les résultats. La plateforme ne montre plus seulement qu’un élève a obtenu 11 sur 20, elle cherche à identifier les notions maîtrisées, les erreurs récurrentes et les étapes du raisonnement qui ont posé problème. À l’échelle de la classe, elle peut regrouper les élèves rencontrant une difficulté similaire et faire apparaître les points sur lesquels l’enseignant doit revenir.
C’est ici que le produit change de nature, et une pile de copies devient une cartographie des apprentissages.
Le passage est important parce qu’une note synthétise davantage qu’elle n’explique. Deux élèves peuvent obtenir le même résultat pour des raisons très différentes : l’un maîtrise la méthode mais multiplie les erreurs de calcul, quand l’autre parvient au bon chiffre sans comprendre le principe mobilisé. Pour le professeur, la décision pédagogique ne sera pas la même.
Cette granularité constitue la seconde proposition de valeur d’Ed.ai. La première consiste à corriger plus vite. La suivante doit permettre de voir ce que le rythme ordinaire de la classe laisse parfois dans l’ombre : les incompréhensions individuelles dissimulées derrière une moyenne acceptable, les erreurs partagées par un groupe ou les notions qu’il faut reprendre avant de poursuivre le programme.
La société affirme que 30 % de ses équipes sont composées d’anciens enseignants et qu’elle développe son offre avec des professeurs auteurs dans chaque pays. Cette organisation prolonge les parcours de ses trois cofondateurs. Jonathan Banon a cofondé LeLivreScolaire.fr ; Cédric Bignon a occupé des fonctions d’ingénierie chez Microsoft ; Rémi Mazières a enseigné les lettres modernes et travaillé sur la formation et l’accompagnement au Choix de l’école. Le trio réunit ainsi édition pédagogique, infrastructure logicielle et expérience de la classe.
La remédiation constitue la véritable proposition de valeur
Le diagnostic n’a d’intérêt que s’il conduit à une action. À partir des erreurs relevées, Ed.ai génère des activités de remédiation personnalisées que l’enseignant peut modifier, imprimer ou distribuer sous forme numérique. Un élève qui ne maîtrise pas une notion préalable ne reçoit donc pas nécessairement le même travail que celui qui a compris la méthode mais échoue dans son application.
La plateforme tente ainsi de résoudre l’un des paradoxes les plus anciens de l’enseignement différencié. Adapter le travail aux besoins de chaque élève est pédagogiquement souhaitable, mais préparer plusieurs séries d’exercices, suivre les résultats puis recommencer réclame précisément le temps dont les enseignants manquent.
Ed.ai veut réduire ce coût de préparation, la copie fournit le diagnostic, le produit génère une première réponse, que le professeur ajuste. Le gain attendu ne porte donc pas seulement sur le temps retiré à la correction, mais sur la possibilité de réaliser un travail qui, sans automatisation, resterait souvent hors de portée.
C’est cette troisième couche qui peut rendre la plateforme durable. La pré-correction attire l’utilisateur parce qu’elle répond à une douleur immédiate. La cartographie des acquis lui donne une vision de la classe. La remédiation doit l’inciter à revenir après chaque évaluation et à conserver l’historique au cours de l’année.
La copie papier devient un point d’entrée numérique
Le choix de la copie manuscrite fournit à Ed.ai un positionnement singulier dans une industrie qui a souvent confondu innovation pédagogique et ajout d’un écran. L’élève peut continuer à composer sur papier. L’enseignant conserve ses sujets et son organisation. La numérisation intervient après l’évaluation, au moment où le volume de travail se concentre sur le professeur.
Cette continuité réduit la friction d’adoption, elle permet aussi à la startup de travailler sur une matière peu structurée : les raisonnements, hésitations et erreurs que les plateformes numériques captent mal lorsque les élèves produisent encore l’essentiel de leur travail à la main.
Les copies ne peuvent toutefois pas être présentées comme un gisement de données librement exploitable. Elles contiennent des informations personnelles, des évaluations et parfois des éléments révélant les difficultés d’un mineur. La politique américaine d’Ed.ai indique que les travaux et données des élèves ne sont pas utilisés pour entraîner ses modèles ou ceux de ses fournisseurs.
L’usage valide le point d’entrée, pas encore l’impact
En septembre 2025, la solution traitait environ 100 copies par semaine. En juin 2026, elle en analysait 2 500 par jour. La startup indique avoir traité plus de 100 000 copies au cours des six derniers mois. En septembre 2025, le volume mesuré portait, selon elle, sur le français et les mathématiques ; son offre couvre désormais dix matières du collège au lycée en France. Le nombre d’établissements dans lesquels la solution est déployée serait passé de 120 à 500 en un an.
Ces données montrent que des enseignants acceptent d’introduire Ed.ai dans leur processus de correction.
Ed.ai facture son offre institutionnelle à partir de 6 euros par élève, par an et par matière, avec des tarifs dégressifs pour plusieurs disciplines. Ce modèle donne à l’entreprise une capacité d’expansion à l’intérieur de chaque établissement : augmenter le nombre d’élèves couverts, ajouter des matières puis prolonger la licence.
Le prochain test portera sur la progression des élèves
Ed.ai prévoit d’utiliser une partie du financement pour mener des études sur la progression des élèves et le bien-être des enseignants. Cette séquence est essentielle, car la proposition de valeur comporte quatre niveaux qu’il faut mesurer séparément.
Le premier est technique : la plateforme parvient-elle à lire correctement les copies ? Le deuxième concerne le travail : fait-elle réellement gagner du temps après vérification ? Le troisième est pédagogique : son diagnostic qualifie-t-il correctement les difficultés ? Le quatrième porte sur le résultat : les activités proposées permettent-elles aux élèves de progresser lors d’une évaluation ultérieure ?
Les données publiées aujourd’hui documentent principalement l’usage et la satisfaction. Elles ne démontrent pas encore que les élèves apprennent davantage ou que les enseignants retrouvent durablement les heures annoncées. Ce manque n’est pas exceptionnel pour un produit aussi jeune. Il devient toutefois structurant dès lors que la société ne se présente plus seulement comme un outil de productivité, mais comme un moyen d’individualiser l’enseignement.
La réglementation européenne ajoutera sa propre exigence de preuve. Les systèmes d’IA utilisés pour évaluer les acquis ou orienter le processus d’apprentissage peuvent relever des usages à haut risque de l’AI Act. La qualification exacte dépendra du rôle effectif de la plateforme et de l’importance de la décision laissée à l’enseignant. À compter du 2 décembre 2027, les systèmes concernés devront notamment répondre à des obligations de gouvernance des données, de documentation, de journalisation, de précision et de supervision humaine,.
Les intégrations font désormais partie du produit
Une EdTech ne s’impose pas dans un établissement uniquement parce que son interface fonctionne. Il faut encore franchir l’authentification, la protection des données, le budget, la commande publique, la formation et les logiciels déjà en place. Dans l’éducation, la distribution possède souvent autant de couches que le produit.
Ed.ai est accessible par le Gestionnaire d’accès aux ressources, le GAR, ainsi que depuis plusieurs environnements numériques de travail. La solution s’intègre également à ÉcoleDirecte et Pronote et figure dans les catalogues de distributeurs de ressources numériques comme LDE et eMLS. Son site présente différents circuits de commande régionaux, de l’Île-de-France à l’Auvergne-Rhône-Alpes, en passant par la Bretagne, l’Occitanie ou les Hauts-de-France.
Cette présence réduit le nombre d’étapes nécessaires pour passer d’un essai individuel à un déploiement institutionnel. Elle explique aussi l’intérêt stratégique de La Poste Ventures dans le nouveau tour. À l’issue de l’opération, Nadia Amal, directrice adjointe du pôle Éducation et Jeunesse de Docaposte, rejoint le conseil d’administration d’Ed.ai. Docaposte contrôle Index Éducation, l’éditeur de Pronote.
Il ne faut pas en déduire qu’Ed.ai sera automatiquement distribué à l’ensemble des utilisateurs de Pronote. Aucun accord exclusif de cette nature n’est annoncé.
Les États-Unis testeront la portabilité de la pédagogie
Ed.ai a commencé son expansion américaine par les mathématiques au collège et au lycée. Au printemps 2026, son offre était adaptée aux référentiels de cinq États. La startup affirme désormais avoir aligné ses contenus sur les programmes des cinquante États et intégré plus de quinze plateformes, parmi lesquelles Canvas, Google Classroom, Clever et Schoology.
La startup prévoit également d’ouvrir de nouvelles matières et de lancer des pilotes dans l’enseignement supérieur. Deux expérimentations sont annoncées avec l’Université du Maryland et Francis Marion University, en Caroline du Sud.
Le marché de la correction est déjà occupé
Gradescope, acquis par Turnitin en 2018, revendique plus de 700 millions de questions corrigées, 140 000 enseignants et 2 600 universités. La plateforme couvre les examens papier, les devoirs numériques et le code. Son IA regroupe notamment des réponses similaires afin que l’enseignant puisse appliquer un même élément de barème à plusieurs copies.
CoGrader se concentre davantage sur les dissertations et réponses ouvertes dans le primaire et le secondaire américains. L’entreprise affirme être utilisée par plus de 100 000 enseignants dans 16 000 établissements, avec des grilles adaptées aux examens et standards de chaque État. Elle propose, elle aussi, des intégrations avec Google Classroom, Canvas et Schoology ainsi qu’une lecture des tendances à l’échelle de la classe.
Graide, désormais intégré au spécialiste norvégien de l’évaluation Inspera, associe correction, feedback et gestion des processus d’examen, principalement dans l’enseignement supérieur. Pensieve s’est de son côté positionné sur les copies manuscrites dans les disciplines scientifiques universitaires. Ses chercheurs font état de plus de 300 000 réponses traitées dans une vingtaine d’établissements et d’une réduction moyenne de 65 % du temps de correction sur les prédictions présentant le niveau de confiance le plus élevé.
Ed.ai n’arrive donc pas sur un marché vide, son positionnement combine néanmoins plusieurs choix rarement réunis : commencer par le papier, couvrir les matières scientifiques comme littéraires, conserver le professeur dans la validation et prolonger la correction par la génération d’activités différenciées.
Son avantage ne pourra pas simplement résider dans l’emploi de l’IA générative, désormais accessible à tous ses concurrents. Il devra se construire dans la qualité de la chaîne complète : comprendre ce que l’enseignant demande, interpréter ce que l’élève a produit, expliquer l’écart puis proposer un travail adapté.
Cinq millions pour industrialiser une boucle
Le financement doit permettre à Ed.ai de doubler ses effectifs, de renforcer ses équipes en France et aux États-Unis, d’ajouter des matières, de préparer son entrée dans l’enseignement supérieur et de conduire ses études d’impact. L’entreprise vise deux millions de copies traitées pendant l’année scolaire 2026-2027, puis un million par mois dans les deux ans.
Le principal risque tient moins à l’ambition de chacun de ces chantiers qu’à leur accumulation. Développer plusieurs matières en France exige des contenus et des enseignants auteurs. Vendre aux districts américains réclame une équipe commerciale, des intégrations et une conformité locale. Entrer dans le supérieur modifie le profil des acheteurs et place la société face à des concurrents établis. Mesurer l’impact pédagogique demande enfin du temps, des protocoles et des partenaires indépendants.
Ed.ai a déjà trouvé un point d’entrée particulièrement concret dans le quotidien des enseignants. Le véritable test ne sera donc pas de savoir si une intelligence artificielle peut lire deux millions de copies, mais de déterminer si, après leur lecture, chaque enseignant comprend mieux ce qu’il doit faire avec sa classe.
Notre politique éditoriale concernant l'intelligence artificielle
Les analyses et articles sont rédigées par des journalistes.
L'IA peut être utilisée comme outil d'assistance (traduction, synthèse, recherche documentaire ou amélioration stylistique).
Les faits, chiffres et analyses sont systématiquement vérifiés et validés par la rédaction.
Les illustrations générées ou modifiées par IA sont explicitement signalées.
- Ed.ai lève 5 millions d’euros pour aider les professeurs à faire progresser chaque élève - 10/09/2026
- ARLEQUIN AI lève 28 millions d’euros pour construire une alternative européenne à Palantir - 10/09/2026
- IMPLICITY lève 35 millions d’euros pour passer du tri des alertes à la cardiologie prédictive - 10/09/2026
