Article co-écrit avec Samia Belhadj, Consultante Data et Caroline Letellier, Senior Manager, Technology Strategy & Architecture.

Dans un contexte où la diversité étudiante est de plus en plus forte, l’enseignement doit évoluer et prendre en compte les nouveaux besoins qui émergent. Le même cours, dispensé par un même professeur n’est pas perçu et assimilé de la même façon par chaque élève. On ne peut pas, par ailleurs, étendre infiniment les compétences et la disponibilité des enseignants pour répondre à l’amplitude de ces nouveaux besoins. Ainsi, les écoles sont de plus en plus nombreuses à investir dans la personnalisation de l’enseignement assistée par l’intelligence artificielle (IA).

S’adapter en temps réel au niveau de l’apprenant

L’IA a révolutionné l’apprentissage personnalisé par le biais d’un concept émergent : l’adaptive learning. L’adaptive learning, à travers des évaluations progressives qui s’effectuent tout le long de l’apprentissage, permet de cibler les parties de la formation les moins bien assimilées par l’étudiant et fournit des explications supplémentaires ainsi que des exercices d’application. Il multiplie les retours faits à l’étudiant durant le processus d’apprentissage, et calibre mieux le contenu de l’enseignement « à la volée ». Ni trop dur, ni trop facile, ni ennuyeux, ni décourageant, le niveau des ressources ainsi proposées à l’étudiant diminue son risque de décrochage.

On constate aujourd’hui que quatre éléments majeurs rentrent en jeu dans l’évaluation de la qualité d’un dispositif d’adaptive learning :

  • La quantité et la qualité des métadonnées d’apprentissage attachées aux contenus,
  • Les théories d’apprentissage incorporées dans l’algorithme permettant de produire des réponses pédagogiques,
  • La performance de la brique analytique du système,
  • Le poids des évaluations embarquées, permettant de déterminer les lacunes, et par là-même les objectifs pédagogiques.

Ce type de technologies existe déjà sur la plateforme américaine Khan Academy. Les questions posées à l’élève sont corrigées automatiquement et, en cas de difficultés rencontrées par l’élève sur un sujet précis, le système lui envoie d’autres questions pour y remédier ou des explications complémentaires pour l’aider à progresser.

Les avancées et investissements dans ce domaine s’accélèrent, donnant lieu à la structuration d’un marché et à l’émergence de champions internationaux. C’est le cas de l’entreprise Knewton qui fournit sa plateforme d’adaptive learning aux plus grands éditeurs mondiaux de ressources pédagogiques (Hachette, Pearson, Houghton Mifflin Harcourt, MacMillan…).

Faciliter le rôle du professeur

Utiliser l’IA ne signifie pas remplacer le professeur ou lui ôter certaines responsabilités. Il s’agit de l’assister pour améliorer l’efficacité de ses cours, le rendre plus disponible et à l’écoute de ses élèves.

L’IA est capable de prendre en charge certaines activités de base, telles que les tests de positionnement des élèves, la correction automatique de leurs productions, l’accompagnement des étudiants dans des études de cas ou des exercices d’application. Elle crée également des tuteurs artificiels ou des agents conversationnels qui permettent aujourd’hui d’augmenter considérablement le temps de dialogue en langue étrangère.

Les professeurs, dispensés de ces tâches, gagnent un temps précieux pour développer des activités à plus haute valeur ajoutée : la préparation de leurs cours, leur propre développement professionnel, les interactions avec les élèves et la supervision de leur apprentissage. L’IA implique ainsi de revoir l’équation professeur-étudiant en prédisant l’avènement d’une nouvelle génération de professeurs, davantage dédiés à l’enseignement, et pouvant évoluer vers des rôles de facilitateur, voire de professeur « hybride » (partageant son temps entre enseignement en classe et recherche de méthodes d’enseignement innovantes).

L’IA permet également aux enseignants d’améliorer la qualité de leurs cours, en détectant les failles et ambiguïtés susceptibles d’handicaper la compréhension des élèves (des exercices qui enregistrent un nombre significatif de mauvaises réponses par exemple). L’enseignant dispose ainsi de tableaux de bord, d’un service de « monitoring », en temps réel ou de manière asynchrone, ce qui lui permet de s’autoévaluer et d’améliorer sa pratique professionnelle. Depuis plusieurs années, à l’instar de Coursera ou edX, certaines solutions de cours utilisent l’IA pour adapter des cours, proposer des améliorations en fonction des difficultés et des taux de réussite des élèves, mener des évaluations complexes, certifier l’acquisition de connaissances et compétences, animer des communautés d’apprenants ou gérer la relation à l’usager… De plus en plus d’institutions investissent dans ce domaine.

Depuis la fin des années 2000, la différenciation entre établissements d’enseignement supérieur ne se fait plus sur la qualité de l’équipement numérique mais sur le potentiel du numérique en matière d’amélioration de la plus-value pédagogique.

Sortir l’apprentissage des murs de la classe

Si, autrefois, les espaces réservés à l’apprentissage se limitaient aux salles de classes et bibliothèques, l’étudiant d’aujourd’hui se trouve plongé en permanence dans un flux de données.

Certains dispositifs d’IA permettent de moissonner, d’indexer, et d’apprécier la qualité des ressources pédagogiques disponibles en ligne. Par le biais d’une curation automatique faite à partir de bases de données de ressources pédagogique, de plus en plus nombreuses et interconnectées, l’offre de formation d’un établissement d’enseignement supérieur n’est plus seulement constituée d’un ensemble de plaquettes de formation. Elle prend la dimension d’un véritable écosystème. Ces ressources et technologies sont déjà proposées aux étudiants français grâce à la plateforme France Université Numérique (FUN) créée à l’initiative du ministère de l’Education Nationale, de l’Enseignement Supérieur et de la Recherche. Pour son dernier MOOC sur la question des migrants, FUN s’est allié à la jeune entreprise innovante Domoscio pour proposer de l’adaptive learning dans la partie révision du module. La startup française s’apprête à intégrer les chatbots et pousse même l’adaptive learning sur les questions d’ergonomie, en proposant, grâce à un algorithme ad hoc, des vidéo aux étudiants qui en tirent le meilleur, tout en proposant des documents de type .pdf à ceux qui profitent mieux d’une approche conventionnelle.

Les plateformes d’enseignement personnalisé permettent également le partage de connaissances entre pairs. L’élève n’a plus besoin de revenir vers le professeur pour un renseignement ou une explication : les camarades de classe, mais aussi les internautes présents sur la plateforme, sont là pour venir en aide à ceux qui en ont besoin. L’intelligence collective est au service de chacun grâce à la médiation experte de l’enseignant.

Ces échanges pair-à-pair assistés par des algorithmes permettent ainsi aux plateformes comme edX ou Coursera de proposer des corrections pour la plupart des exercices constitutifs des évaluations de l’enseignement supérieur.

Pour encourager l‘interactivité entre les internautes, et plus particulièrement celle des étudiants, certaines plateformes intègrent des recruteurs d’entreprises qui repèrent les meilleurs éléments. Ce système rend service aussi bien aux étudiants, qui peuvent accéder à des opportunités d’emploi, qu’aux entreprises, qui développent un nouveau moyen de recrutement et qui, en cas de manque de compétences de leurs équipes dans un certain domaine, peuvent trouver des solutions auprès des étudiants présents sur la plateforme. C’est alors le concept de junior entreprise qui est à repenser à l’heure de la montée en puissance des générations Y et Z, dans l’entreprise, dans l’enseignement supérieur.

Si ce sujet vous intéresse, n’hésitez pas à me contacter.