La constitution d'un corpus d'apprenants est un processus systématique dont l'objectif est de recueillir un échantillon représentatif de la langue d'apprentissage (L2). Ce travail implique la définition de critères externes permettant de mettre en regard les productions recueillies avec les caractéristiques socio-éducatives des sujets observés (Gilquin, 2015). Grâce à ce type de métadonnées, il est alors possible d'échantillonner un corpus en strates, ce qui favorise la représentativité des données à observer (Biber, 1993; McEnery & Hardie, 2012). Ces métadonnées permettent aussi de générer des jeux de données dans lesquels certaines variables sont contrôlées, et ainsi de favoriser la comparabilité entre cohortes (Burnard, 2005). Par conséquent, la qualité de la représentativité dépend en partie de la qualité des métadonnées retenues. Dans ce cadre, l'une des difficultés réside dans le choix des critères. Leurs valeurs et portées peuvent varier en fonction des sujets observés, et ce d'autant plus si les informations sont saisies librement par les sujets eux-même. Il n'est donc pas simple de définir un protocole de recueil permettant d'éviter les ambiguïtés concernant les métadonnées collectées. Une autre difficulté du processus de recueil concerne la mise en relation des métadonnées avec les données textuelles. Des données hétérogènes sur des supports distincts rendent difficiles la mise en correspondance ultérieure pour la création d'un jeu de données. Une solution consiste à mettre en place un dispositif de recueil permettant la création automatique de fichiers reliant métadonnées et données. Cela peut se faire en utilisant des formulaires électroniques de saisie comme pour le corpus COREFL (Lozano et al., 2021). Dans ce cas, les données sont homogènes et classées. Cependant, elles se trouvent sur des serveurs externalisés. Notre proposition est une solution similaire mais permettant la collecte, le stockage et l'accès au sein même des institutions de collecte. Il s'agit d'un module MOODLE (Dougiamas & Taylor, 2003), disponible en ligne en licence Creative Commons et utilisé dans le cadre du projet VizLing (Gaillat et al., 2021). Il offre une interface de saisie dont les métadonnées et les valeurs possibles sont prédéfinies suivant Gilquin (2015). Après saisie, les données et métadonnées L2 sont stockées dans une base pouvant générer tout type de fichier tableur. Elles restent confidentielles et accessibles par les utilisateurs. Ce module présente l'avantage de pouvoir être importé sur toute plateforme MOODLE, et de permettre la collecte de corpus comparables dans différentes institutions.