La mesure de l’impact est plus que jamais un sujet crucial pour l’avenir de la formation. Tout le monde est aujourd’hui convaincu que la question du « mieux » est devenue au moins aussi importante, sinon plus, que la question du « plus ». Et dans des contextes d’entreprises où il s’agit le plus souvent de former plus et mieux (et souvent avec les mêmes moyens), comment mesurer l’efficacité réelle de vos actions de formation ? Quels sont les indicateurs de succès les plus utilisés et pourquoi ? Comment les améliorer pour augmenter le ROI pour votre entreprise et pour vos apprenants ? Quels apports l’IA a-t-elle sur l’efficience de la formation ? Autant de questions passionnantes que nous nous posons tous et qui trouvent dans les apports de l’IA et de la Data Science de nouvelles pistes de réponse à même de nourrir la recherche et l’insatiable curiosité des plus passionnés d’entre nous. Découvrez comment l'IA permet d'améliorer l'impact de la formation grâce à l'analyse des données d'un million de formations anonymisées (modules e-learning ou parcours blended complets) réalisée par Grégory Vérey, Directeur Innovation chez Teach Up, et Fabien Marchand, Directeur Pédagogique chez Very Up.
Ingénieur en informatique et audiovisuel, Grégory s’est rapidement spécialisé dans la création de supports « capsules » pour les studios de loisirs interactifs et les principaux organismes de formation continue. Convaincu que l’apprentissage, l’immersion et l’innovation ont tout à s’apporter, et que la diversification des parcours stimule la pluralité des intelligences, il a rejoint Very Up en 2016, et Teach Up par la suite, pour réunir le meilleur des deux mondes : l’interaction et la formation. Il a intégré les forces du machine learning et de l’IA au sein d’une plateforme novatrice qu’est Teach Up.
Fabien évolue depuis près de vingt ans dans le domaine de la formation et de l’accompagnement. Aujourd’hui Directeur Pédagogique de Very Up, il travaille main dans la main avec les équipes de Very Up et de Teach Up pour innover et pour tester de nouvelles approches hybrides pour les projets de leurs clients. Il a à cœur,
pour chaque projet, de trouver la meilleure approche pédagogique pour maximiser l’impact opérationnel des parcours de formation designés.
C’est le gain réalisé sur le temps moyen nécessaire pour terminer et réussir un module de e-learning en Adaptive Learning, par rapport à une approche linéaire, selon une étude réalisée en 2022 comparant, dans des cadres de référence différents, des modules linéaires produits en Rise360 ou Storyline, et ces mêmes modules, avec les mêmes contenus, transformés, en seulement quelques heures, en Adaptive Learning. Population de référence : plus de 7 000 personnes dans les deux cas. Dans un module linéaire : tout le monde fait la même chose dans le même ordre et dans le même temps ou presque. À l’inverse, dans un module de e-learning nourri par l’IA, les algorithmes analysent toutes les interactions que les participants ont avec l’écran, identifient rapidement les points d’intérêts, les contenus à forte valeur ajoutée, le niveau d’expertise de chaque apprenant et adaptent en temps réel la profondeur du contenu du module et la difficulté des exercices à chacun. Quand le module devient trop difficile, l’IA remet l’apprenant dans une dynamique de confiance en lui proposant des exercices plus accessibles pour lui afin de lui donner envie de continuer et d’aller au bout de sa formation. À l’inverse, quand une partie d’un module est trop facile pour un participant, l’IA fait des raccourcis, allège des explications et permet à l’expert d’optimiser son temps (environ 65 % du temps d’écran économisé pour les 20 % d’apprenants les plus experts sur le sujet).
C’est le niveau de maîtrise qu’il est possible de garantir, à un instant t, pour tous les participants à une formation, sans proposer d’évaluation sommative grâce à l’apport du Machine Learning. L’apport du Micro Adaptive Learning est incontestablement un game changer en matière d’évaluation formative. Le principe est simple : lors de la diffusion d’un module, à chaque fois qu’un apprenant interagit avec l’écran, la technologie analyse ses réactions et ses réponses et adapte la profondeur du cours, la difficulté des jeux (jusqu’au choix de la meilleure mauvaise réponse à proposer à un instant t) et le niveau de feedback à ses besoins. Chacun arrive ainsi au pourcentage de maîtrise défini par le concepteur, à son rythme et à sa façon, avec des explications personnalisées après chaque question posée.
Un module optimisé en Adaptive Learning comporte 14 291 chemins d’apprentissage possibles (évidemment créés automatiquement par la machine en moins d’une heure sur la base des contenus et des indications données par un auteur qui utilise Teach Up) pour un apprenant, dure en moyenne 14,1 minutes et comporte 9 cours et 14 jeux interactifs en tout. Quand on arrive à ce point d’équilibre, tous les paramètres sont optimisés : le niveau de maîtrise (pour s’assurer que la formation fonctionne vraiment), la complétion (pour donner envie à chacun d’aller au bout de son module) et le temps passé face à l’écran (en proposant des contenus adaptés à l’expertise de chacun). Les trois en même temps. Quand on crée des modules plus longs, avec plus de contenus, plus d’interactions... la complétion baisse. Certains apprenants décrochent. Quand on crée des modules plus courts, on ne peut plus atteindre l’objectif de maîtrise visés initialement.
L'IA prédictive (qu’on appelle aussi discriminative), c’est l’IA la plus utilisée, mais c’est aussi la moins connue. À partir de modèles prédictifs basés sur l'apprentissage automatique, l’IA discriminative se concentre sur la prédiction de résultats à partir de données d'entrée ; d’où son nom puisqu’elle « discrimine pour prédire ». Elle est capable de différencier, de trier et de choisir, pris au sens positif du terme. Elle est fondée sur plusieurs concepts clés : les données, le modèle, l'entraînement, l'évaluation et l'inférence, qui est le processus qui conduit à faire des prédictions.
Bientôt, l’IA nous aidera à mesurer l’impact carbone de nos dispositifs avant même de les lancer. Elle nous aidera à prioriser les actions formatives, en temps réel, pour des grandes quantités d’apprenants dans des situations de reskilling ou d’upskilling. Elle nous permettra d’identifier en un coup d’œil les experts sur un sujet et elle facilitera la mise en relation de ces experts avec celles et ceux qui ont le plus besoin de leur appui pour eux-mêmes réussir dans leurs missions. Elle corrèlera les données du métier et les données d’apprentissage pour en sortir des schémas d’aide à la décision... Comment nous montrerons ces données et à qui nous les montrerons, ce que nous en ferons et ce que nous n’en ferons pas, déterminera l’histoire que nous écrirons dans nos entreprises respectives en lien avec l’IA et la Data. Et avec derrière toutes ces promesses de mieux et de plus, des enjeux éthiques d’une ampleur sans précédent.
L’essentiel à retenir en trois points
- L’IA et la Data Science permettent d’évaluer et d’améliorer l’efficacité des actions de formation
en réduisant le temps d’écran, garantissant une maîtrise continue, et offrant des parcours d’apprentissage personnalisé.- Dans le domaine de la formation, l'utilisation de l'IA a permis de réduire le temps d'écran nécessaire pour les apprenants de 36 %, tout en améliorant ainsi l'efficacité des modules d'e-learning adaptatifs.
- L'IA promet des avancées majeures, de la mesure de l'impact carbone à la personnalisation en temps réel, tout en soulevant des enjeux éthiques importants dans l'utilisation des données d'apprentissage.
▶ 10 grandes questions centrales à visée inspirationnelle et opérationnelle.
▶ 4 grands thèmes abordés, autour de l’innovation et de l’apport de l’IA dans la formation professionnelle.
▶ 60 pages d'interviews, d’articles, de ressources, de retours d'expériences...
▶ Des clés opérationnelles, des idées de questions clés à se poser, des témoignages desquels s'inspirer et des bonnes pratiques à appliquer dès aujourd'hui !