Les logiciels de correction grammaticale commettent fréquemment des détections illégitimes (fausses alertes) que nous appelons ici surdétections. La présente étude décrit la mise au point d’un système conçu pour identifier et mettre en sourdine ces surdétections, pour le correcteur commercial Antidote RX, de la compagnie Druide informatique. Plusieurs classificateurs ont été entraînés de manière supervisée sur 14 types de détections faites par le correcteur. Nos expériences montrent notamment que les modèles de langue probabilistes et les SVM concourent à de bons résultats. Ce travail est un exemple de déploiement d’une approche d’apprentissage machine au service d’une application langagière grand public robuste.