L'intégration de données pseudo dans l'entraînement des modèles de correction d'erreurs grammaticales a été l'un des principaux facteurs d'amélioration des performances de ces modèles. Cependant, il n'existe pas de consensus sur les configurations expérimentales, notamment en ce qui concerne le choix de la manière dont les données pseudo doivent être générées ou utilisées. Dans cette étude, ces choix sont examinés à travers des expériences approfondies, et des performances de pointe sont obtenues sur l'ensemble de test CoNLL-2014 ($F_{0.5}=65{,}0$F0.5​=65,0) et l'ensemble de test officiel de la tâche commune BEA-2019 ($F_{0.5}=70{,}2$F0.5​=70,2) sans apporter aucune modification à l'architecture du modèle.