Cet article propose un système d'aide à la décision (SAD) basé sur le feedback pour améliorer la précision de la prédiction des notes des élèves. Utilisant un modèle de régression basé sur LightGBM, il présente une architecture en boucle fermée qui met automatiquement à jour le modèle lorsque les enseignants saisissent les données actualisées des notes des élèves grâce à l'apprentissage progressif. Il offre une interface web basée sur Flask et une interprétabilité du modèle via SHAP, garantissant une interaction en temps réel et la transparence des prédictions. Les résultats expérimentaux montrent que le recyclage a réduit l'erreur quadratique moyenne (RMSE) de 10,7 % et que les scores prédits des élèves bénéficiant de l'intervention se sont constamment améliorés. L'intégration transparente avec les systèmes de gestion de l'apprentissage (LMS) et les tableaux de bord institutionnels facilite le déploiement pratique dans des contextes éducatifs réels.
