Disdonc Didask

Le blog pour apprendre à apprendre

Newsletter
Apprentissage durable Article

Mieux former grâce à l'intelligence artificielle : par où commencer ?

Par Philip Moore

23/04/2018

Son Thierry Ly, chercheur en économie de l'éducation et fondateur de Didask invite à un usage pertinent de l'Intelligence artificielle dans le domaine de la formation.

L’intelligence artificielle et l’apprentissage machine ont le vent en poupe, un engouement qui épargne de moins en moins le monde de l’éducation et de la formation. La promesse d’une individualisation plus poussée des parcours d’apprentissage grâce à l'intelligence artificielle amène de nombreux spécialistes des technologies de l’éducation à présenter l’adaptive learning comme l’avenir du secteur. Mais qu'en est-il vraiment ? Quelles sont les conditions pour un usage pertinent de l'intelligence artificielle dans l'éducation et la formation ?

Mettre la technologie au service des apprentissages

En effet, ce n’est pas parce qu’il est désormais possible techniquement de proposer des parcours 100% individualisés que cela est nécessairement souhaitable sur le plan pédagogique. L’essentiel n’est pas de multiplier les algorithmes et fonctionnalités techniques, mais bien d’améliorer les résultats d’apprentissage. L’individualisation des parcours permise par l’intelligence artificielle peut être un vecteur majeur de progrès pour l’apprentissage, à condition de la considérer comme un moyen et non comme une fin. Pour cela, il est nécessaire de replacer la pédagogie au centre et de se pencher sur les mécanismes naturels qui font que notre cerveau apprend.

Grâce aux résultats de la recherche en psychologie cognitive, nous savons ce qui ne marche pas : adapter les parcours en fonction des intelligences multiples, par exemple. Proposer un schéma à un apprenant qui se dit plutôt "visuel" et une voix-off à un apprenant qui se dit "auditif" sera moins efficace que de présenter un schéma ET une voix-off aux deux apprenants : c’est ce que les cognitivistes appellent le principe du double encodage (cf. Clark & Mayer).

Qu’est-ce qui, à l’inverse pourrait fonctionner ? Comment intégrer efficacement l’intelligence artificielle à vos formations afin de permettre une montée en compétence réelle et durable ? Deux pistes méritent plus particulièrement d’être explorées : l’une ayant trait aux apprenants, l’autre concernant les enseignants et les formateurs. Ces pistes ont en commun de mettre l’intelligence artificielle au service de l’efficacité pédagogique, plutôt que de la considérer comme une fin en soi.

Adapter les parcours aux (vrais) besoins des apprenants

Apprendre implique d’assimiler de nouvelles informations. Or, le traitement d’une nouvelle information par le cerveau a nécessairement un coût, que l’on appelle la charge cognitive (voir notre article sur la charge cognitive). Afin d’éviter les situations de surcharge cognitive, freins à l’apprentissage par excellence, il est important de présenter le bon niveau de difficulté à l’apprenant à tout moment : ni trop facile, ni trop difficile. Un algorithme d’intelligence artificielle qui proposerait à chaque apprenant la notion qu’il est le mieux capable de comprendre à un moment donné vous garantirait d’obtenir de meilleurs résultats d’apprentissage. Il permettrait également à vos apprenants de gagner du temps en ne passant pas de temps inutile sur des sujets qu’ils maîtrisent déjà.

Attention, vous ne pouvez pas déployer cette approche sur n’importe quel type de formation en ligne. Plus vos contenus pédagogiques sont pertinents, plus vos données d’apprentissages sont granulaires, plus un algorithme d’intelligence artificielle sera en mesure d’adapter la difficulté à vos apprenants. Vos parcours devront donc présenter deux caractéristiques pour maximiser l’efficacité pédagogique de votre algorithme :

Sans exercices de mise en application, et donc possibilité de commettre des erreurs, vous ne saurez pas lorsque vos apprenants rencontrent des difficultés. Sans compétences finement découpées, vous ne serez pas capable d’identifier précisément la source de leurs difficultés. On voit bien là en quoi l’application de l’intelligence artificielle à l’éducation doit reposer sur une vision exigeante de la pédagogie.

Faciliter la création de contenus efficaces sur le plan pédagogique

En matière d’éducation, on pose souvent la question de l’intelligence artificielle du point de vue de l’apprenant. Pourtant, les statistiques d’apprentissage sont aussi une formidable source de recommandations pour le créateur de contenus. On pourrait ainsi imaginer un “ingénieur pédagogique virtuel”, sorte de guide des concepteurs de formation, dont le rôle serait précisément de s’assurer que les parcours en ligne répondent aux meilleures pratiques pédagogiques.

Sur la base des données de vos apprenants, l’ingénieur pédagogique virtuel pourrait par exemple vous prévenir lorsque vos explications au format texte sont trop longues, lorsque vous auriez intérêt à inverser l’ordre des questions de votre QCM, ou encore lorsque votre vidéo gagnerait à être remplacée par un schéma. L’intelligence artificielle devient alors la garante de l’apprentissage durable.

Là encore, des contenus finement découpés et laissant une forte place à l’exercice donneront à votre algorithme les bases indispensables pour fonctionner. Les algorithmes d’intelligence artificielle ne se nourrissent pas seulement de données : ils ont aussi besoin de données pertinentes, et c’est là que l’apport de la pédagogie et sciences cognitives devient essentiel.

En ayant pour unique critère l’efficacité pédagogique, vous vous assurez que vous n’investissez pas dans la technologie pour elle-même, mais bien pour obtenir des résultats tangibles d’apprentissage. Après tout, à quoi bon créer des machines qui apprennent, si nous n’apprenons pas mieux grâce à elles ?

Rejoignez le blog Disdonc Didask  et recevez nos articles 
Sources
  • [1] Clark, R. C., et Mayer, R. E., 2008, E-Learning and the science of instruction: Proven guidelines for consumers and designers of multimedia learning, San Francisco, CA, Pfeiffer.
EdTech
Philip Moore Philip Moore est ingénieur pédagogique, spécialiste de la transformation digitale des parcours de formation. Ancien élève de Sciences Po Paris et de la London School of Economics, son expérience porte sur l'accompagnement au déploiement de pédagogie innovante ainsi que la conception de formations digitales.

Lire aussi

  1. Apprentissage durable

    Apprendre à apprendre, une histoire de métacognition

    Apprendre à apprendre est un terme à la mode. A l'heure où tout est disponible sur internet, nous voulons former nos collaborateurs à apprendre par eux même. Toutes les stratégies d'apprentissage ne se valant pas, nous voulons leur donner les clefs pour qu'ils guident eux même leur apprentissage de la manière la plus efficace possible.

    Léa Combette

    08/08/2018

  2. Apprentissage durable

    Dites-le avec une métaphore : comment les raccourcis mentaux facilitent l'apprentissage

    “Mais où est donc Or-ni-car ?” Si vous vous souvenez encore aujourd’hui de la liste des conjonctions de coordination, vous le devez probablement à cette question aussi étrange qu’inoubliable. Les moyens mnémotechniques sont une méthode bien connue pour aider vos apprenants à mieux mobiliser ce qu’ils ont appris, mais il en existe plusieurs autres similaires.

    Svetlana Meyer

    19/07/2018

  3. Apprentissage durable

    Laissez respirer l'apprentissage : pour progresser, le temps est votre meilleur allié

    C'est le début de la semaine : vos apprenants ont jusqu'à vendredi pour compléter trois modules d'e-learning sur la relation client, et la plupart ont à peine commencé. Pour les motiver, vous envisagez de leur donner des échéances contraignantes. Vaut-il mieux qu'ils aient terminé les trois modules le jeudi ? Ou vaut-il mieux les contraindre à terminer le premier module le mardi, le deuxième le mercredi, et le troisième le jeudi ?

    Svetlana Meyer

    12/07/2018