Mieux former grâce à l'intelligence artificielle : par où commencer ?
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 ?
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.
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.
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 ?
Vidéo : 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:
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.
Organisation apprenante
Organisation apprenante
Organisation apprenante
