Cette communication porte sur la conception d’un screener fondé sur les métadonnées et appuyé par l’intelligence artificielle pour soutenir les revues systématiques en éducation. Elle s’inscrit dans un double constat : la nécessité de trier des volumes croissants de notices bibliographiques et la difficulté de rendre explicites, traçables et partageables les critères d’inclusion/exclusion mobilisés par les équipes de recherche et les étudiant·es en formation. Nous présentons l’architecture du screener développé dans le cadre du projet Atelier PRISMA, implanté localement et articulant plusieurs modules, dont un pipeline de tri en quatre sous-étapes successives. Ce pipeline s’appuie sur un tableau de critères structuré (type, champs visés, opérateur, valeurs, mode d’évaluation, poids, seuil), qui sert à la fois aux règles heuristiques et à la génération automatique des prompts envoyés au modèle de langue. Nous détaillerons le pseudo-code des sous-étapes, la construction des requêtes (combinaison des métadonnées harmonisées, des critères reformulés et des consignes de sortie) et l’intégration des réponses structurées du modèle (score d’inclusion, décision, justification courte) dans le tableau de décision avec journalisation. La discussion portera enfin sur les usages envisagés de ce screener, à la fois comme outil de travail pour les équipes expérimentées et comme support de formation à la méthodologie de revue.