Très prometteur, l’adaptive learning s’appuie sur l’intelligence artificielle pour proposer aux apprenants des formations personnalisées. Cette approche est un puissant levier pour accélérer les montées en compétences des individus en collant plus précisément à leurs besoins.
L’adaptive learning, c’est quoi ?
On apprend tous différemment. Or, il n’est pas possible de mettre un formateur derrière chaque apprenant. L’adaptive learning – ou apprentissage adaptatif, en français –, qui a fait son entrée dans les universités américaines il y a une quinzaine d’années, répond en partie à cette équation. C’est une approche pédagogique qui consiste à proposer une expérience d’apprentissage individuelle et évolutive, grâce à l’appui des nouvelles technologies et de nos connaissances en sciences cognitives. « L’adaptive learning se base sur l’intelligence artificielle pour offrir aux apprenants des programmes de formation adaptés à leur profil et à leur parcours et pouvant être suivis de manière personnalisée », explique Fabienne Bouchut, cheffe de projets Innovation au sein du Groupe Cegos.
La personnalisation concerne à la fois :
- Les parcours de formation (c’est-à-dire le choix des modules et leur ordre),
- Les contenus (notamment le niveau de difficulté)
- Les modalités pédagogiques.
Par exemple, si un apprenant obtient un mauvais score à une évaluation de mi-parcours, la plateforme d’adaptive learning lui proposera de suivre un module qui l’aidera à retravailler le sujet en question.
Comment ça fonctionne ?
L’adaptive learning s’appuie sur des algorithmes capables d’analyser en temps réel un gros volume d’informations sur les apprenants. Ces datas (issues des LMS) sont collectées préalablement puis tout au long de leur avancée dans le parcours. Les formations qu’ils ont préalablement suivies, le temps qu’ils passent sur chaque module de formation, leur niveau de maîtrise d’un sujet, leur niveau de complétion des modules, leur comportement au cours de la formation... sont autant d’informations analysées par les algorithmes.
C’est en croisant l’ensemble de ces données que l’intelligence artificielle parvient à définir des chemins d’apprentissage unique pour chaque apprenant afin de le faire monter en compétences. Plus globalement, l’intelligence artificielle, ici appelée "machine learning", est également capable d’apprendre des utilisateurs. Si beaucoup d’apprenants échouent sur un même exercice par exemple, elle est en mesure de revoir son niveau de difficulté à la baisse, et inversement. C’est ainsi grâce à cette approche qu’un logiciel d’adaptive learning peut ajuster, quasiment en temps réel et de manière automatisée, les parcours de formation proposés aux collaborateurs.
Micro adaptive et macro adaptive : quelles différences ?
Pour fonctionner, l’adaptive learning se positionne sur deux niveaux : le macro et le micro adaptive learning. Le premier s’applique à l’échelle d’un parcours dans sa globalité tandis que le second s’intéresse à chaque module suivi dans le parcours. « Dans le cadre du micro adaptive, un quiz est par exemple capable de suggérer des questions à l’apprenant en fonction de ses réponses aux questions précédentes », illustre notre cheffe de projetInnovation. Le contenu s’adapte donc au fil des interactions de l’apprenant.
Lorsque l’adaptive learning est à l’échelle macro, « le parcours est adapté aux besoins exacts de l’apprenant en matière de compétences », précise Fabienne Bouchut. Plus il avancera dans sa formation, plus le contenu sera donc affiné en fonction des connaissances acquises. Dans ce cas, un test d’auto-positionnement, qui peut prendre la forme d’un quiz ou d’un jeu interactif, est proposé à l’apprenant afin de savoir où il se situe sur la courbe d’apprentissage des compétences cibles. C’est ce niveau de maîtrise qui impactera ensuite la granularité de la formation. Seuls les modules véritablement utiles à l’apprenant lui seront alors poussés par l’intelligence artificielle.
Quels sont les bénéfices de l’adaptive learning ?
Le premier bénéfice, c’est l’efficacité. Une formation personnalisée, à la carte, donne forcément de meilleurs résultats qu’une formation uniformisée à l’ensemble des apprenants, qui n’ont ni les mêmes attentes ni les mêmes niveaux de connaissances sur un sujet. Par ailleurs, il y a moins de "gâchis" dans le cadre de l’adaptive learning puisque les apprenants n’apprennent que ce lui leur est nécessaire pour progresser à l’instant T. L’expérience d’apprentissage est, elle aussi, améliorée. « Dans les parcours classiques et linéaires, les taux de complétion ne sont pas maximisés, les contenus de formation proposés étant parfois trop éloignés des réels besoins et pas assez ajustés sur ce qui est utile aux apprenants pour progresser. Avec l’adaptive learning, ces derniers sont davantage impliqués dans leur formation car elle leur correspond réellement. Leur motivation est décuplée, tout comme leur niveau d’engagement », explique Fabienne Bouchut.
Une fois la formation terminée, les apprenants retiennent mieux les connaissances apprises et montent plus vite en compétences, « y compris lorsque les contenus sont denses et le sujet complexe » (comme c’est le cas par exemple sur des formations hard skills...). En cela, l’adaptive learning répond aussi à l’enjeu de l’ancrage des connaissances.
Un exemple : l’IFCAM expérimente l’adaptive learning
En France, plusieurs expérimentations ont déjà été menées en matière d’adaptive learning. En 2019, l’IFCAM, université du groupe Crédit Agricole, a par exemple déployé un programme en adaptive learning. Ce projet portait sur une formation diplômante (un Bachelor), constituée de 7 blocs d’enseignement, dont un dédié à l’épargne. Ce bloc était lui-même composé de plusieurs MOOC que les collaborateurs suivaient depuis la plateforme Moodle.
Au sein d’un de ces MOOC, les collaborateurs pouvaient effectuer des quiz non notés afin d’évaluer leur maîtrise des contenus. L’adaptive learning a permis de proposer à chaque apprenant des questions en fonction de ses points forts et de ses axes d’amélioration. La mise en place de cette approche a finalement permis d’augmenter de 4 points les résultats à l’examen final, passant de 91 % de taux de réussite en 2018 à 95 % en 2019.
Dans le cadre d’un projet visant à accompagner des responsables RH sur leur prise de poste, Cegos a également pu initier une démarche d’adaptive learning. « En effet, un radar de connaissances maîtrisées a été établi pour évaluer le niveau des populations formées. Ceci a ensuite permis d’ajuster le parcours au plus près des attentes des apprenants », raconte Fabienne Bouchut.
Lire aussi : La communauté d’apprentissage, une modalité originale au service des formateurs
Les défis pour les professionnels de la formation
Les professionnels de la formation souhaitant capitaliser sur l’adaptive learning pour former leurs apprenants sont confrontés à plusieurs challenges. Le premier, c’est de disposer d’un très grand nombre de données de qualité et de pouvoir en tirer profit, dans une logique de Big Data. C’est un premier obstacle de taille. Mettre en place l’adaptive learning suppose également « d’être en capacité de transformer son contenu de formation afin qu’il soit le plus granulaire possible », explique Fabienne Bouchut. Cela requiert enfin de disposer de contenus de formation sous différents formats (vidéos, fiches d’aide-mémoire, modules d’activités elearning...)
L’adaptive learning offre aussi la possibilité aux formateurs d’en tirer profil pour orienter leur accompagnement. « Les formateurs pourront repérer les états d’avancement des participants et les niveaux atteints d’apprentissage. Ils pourront ainsi, lors des temps synchrones, mieux personnaliser leurs apports », illustre-t-elle. Autant de défis que les professionnels sont prêts à relever. D’après le baromètre Transformations, compétences et learning mené en juillet 2022 par Cegos, « 53 % des professionnels RH français disent vouloir individualiser davantage leurs formations, versus 43 % en 2021. Et l’adaptive learning ressort comme l’une des nouvelles modalités les plus utilisées par ces populations. Cette décennie pourrait donc être celle de l’IA appliquée plus massivement aux parcours de formation », conclut-elle.
