Ces travaux de thèse s’intéressent à l’évaluation automatique des apprentissages, en particulier lors d’items d’évaluations de type Questions à Choix Multiples (QCM), en se focalisant sur la gestion de la difficulté et sa perception par l’apprenant. Cet article présente les méthodes traditionnelles d’estimation de difficulté d’items d’évaluation, suggérant l’utilisation de l’apprentissage automatique et du traitement du langage naturel, tout en notant leurs limites. Il présente la recherche, menée durant la première année de thèse, focalisée sur la création d’un jeu de données pour l’entraînement de modèles prédictifs, et explore la construction et l’entraînement de ces modèles. Il décrit le cadre pour une évaluation plus nuancée et prévoyant l’intégration de facteurs psychologiques dans la modélisation et les estimations futures de la difficulté.