Dans cet article, nous présentons les premières expériences utilisant des modèles de réseaux neuronaux pour la tâche de détection d'erreurs dans l'écriture des apprenants. Nous effectuons une comparaison systématique des différentes architectures compositionnelles et proposons un cadre pour la détection d'erreurs basé sur les LSTM bidirectionnels. Les expérimentations menées sur le jeu de données du défi partagé CoNLL-14 montrent que le modèle est capable de surpasser les autres participants en matière de détection d'erreurs dans l'écriture des apprenants. Enfin, le modèle est intégré à un système d'auto-évaluation publiquement déployé, aboutissant à des performances comparables à celles des annotateurs humains.