L’adaptive learning, c’est une approche pédagogique qui consiste à individualiser une expérience d’apprentissage en prenant en compte des critères aussi variés que les préférences d’apprentissage d’un participant, son niveau d’expertise sur le sujet de la formation, ses envies du moment, voire une prochaine évolution de poste. Souvent associée à des techniques algorithmiques telles que l’intelligence artificielle, l’adaptive learning est une approche d’apprentissage qui analyse l’activité d’un apprenant en temps réel et oriente le parcours d’apprentissage en fonction de ces informations. Dans le cadre d’un parcours d’apprentissage à plusieurs modules, une première approche consiste à proposer à chaque apprenant, à la fin de chaque module, le module le plus adapté en fonction de son score ou de son profil.
À cette approche « macro » peut venir s’ajouter une approche plus fine qui consiste à capter chaque interaction de l’apprenant en temps réel et d’adapter la question suivante ou le prochain contenu proposé.
Quel est l’enjeu de l’adaptive learning ?
L’émergence de l’adaptive learning est liée à la quête de l’optimisation du temps et de l’énergie que le collaborateur consacre à sa formation. Selon une étude menée par Josh Bersin pour Deloitte, « un collaborateur accorde en moyenne 24 minutes par semaine à sa formation. Débordé, impatient, distrait et autonome, l’apprenant moderne pousse les responsables L&D dans leurs retranchements. Le défi à relever est simple : pertinence du contenu poussé et/ou de l’intervention d’un formateur au bon moment et présentation des contenus la plus séduisante possible. » La promesse est de se rapprocher au plus près des attentes et besoins de l’apprenant. La technologie a pour rôle de permettre la personnalisation de l’expérience apprenant grâce aux données. L’apprenant et son environnement d’apprentissage créent ensemble une expérience unique d’apprentissage et de formation.
L’adaptive learning pour gérer l’hétérogénéité des profils
Et si, au lieu de développer un parcours de formation différent pour chaque type de profil, il existait une solution pour que vos modules soient à géométrie variable et puissent s’adapter à chaque apprenant ? Chez Burger King France par exemple, en ce qui concerne l’onboarding, il existe plus de vingt profils différents (équipier, directeur de restaurant, franchisé…). Pour Anne Germain, responsable des formations, cette hétérogénéité a été le point de départ pour se mettre à l’adaptive learning. Le parcours de chaque recrue est individualisé en fonction de ses besoins particuliers : niveau de connaissances, expériences passées, objectifs personnels, etc.
Le LMS de Burger King est doté d’un moteur d’intelligence artificielle qui propose, en fonction des données renseignées par un humain, « un panel complet de programmes obligatoires, préconisés ou suggérés, en tenant compte de l’historique du collaborateur, ses acquis, ses objectifs à atteindre », indique Anne Germain.
Même son de cloche chez Monoprix, chez qui toutes les formations sont personnalisées. « Former tout le monde de la même façon n’a aucun sens », estime Raphaël Scuderi, responsable pédagogique chez Monoprix. « C’est une perte de temps et d’argent. Si un apprenant maîtrise déjà 80 % d’un programme, ce dernier doit se concentrer sur les 20 % restants et sortir de sa formation en se disant qu’il a appris quelque chose. »
L’adaptive learning pour former en continu
Un des reproches que l’on adresse souvent au e-learning, c’est que les formations sont longues, ennuyeuses et rébarbatives. Le manque de segmentation des parcours de formation en est souvent la cause : tout le monde assiste à la même formation alors que certains sont plus avancés que d’autres, et donc perdent en motivation.
Chez Crédit Agricole, on utilise l’adaptive learning pour conserver l’intérêt des apprenants pour « la formation en général » tout au long de leur carrière. L’université interne du Crédit Agricole propose, depuis dix ans, un parcours digital adapté pour former les jeunes embauchés aux fondamentaux du métier de conseiller commercial sur le marché des particuliers de la banque de détail. Se présentant sous forme de quatre Moocs, le programme délivre même un diplôme de niveau bachelor à 4 000 personnes chaque année. Un moteur d’intelligence artificielle est alimenté par l’historique des apprenants depuis 2015 : des informations qui portent à la fois sur leurs profils (niveau d’études, spécialisation, métier…), mais aussi sur leurs résultats obtenus. À partir de ces jeux de données, un traitement par clusterisation permet de segmenter les apprenants en cinq populations homogènes en identifiant des facteurs clés de réussite.
« L’IA sélectionne les questions les plus discriminantes afin d’évaluer avec finesse le niveau du collaborateur, puis d’adapter, derrière, les contenus au regard du segment auquel il se rattache », explique Vanessa Dastugue, responsable RH et du programme data et IA formation à l’IFCAM.
L’adaptive learning pour gérer la complexité
Dans la plupart des secteurs d’activité, c’est l’innovation qui est le principal facteur de croissance. Mais qui dit innovation dit parfois complexité. C’est le problème rencontré par Vantara, la filiale « technologie » du groupe Hitachi. Elle compte plus de 7 000 salariés qui doivent tous être à tout moment au top de la connaissance en matière de data protection, data storage ou IoT. Vantara opérant auprès de clients B2B, elle doit également former ses collaborateurs aux produits commercialisés pour qu’ils les utilisent correctement. Au total, une audience de plus de 10 000 apprenants potentiels à former en temps réel.
Pour réussir ce pari, Hitachi s’est doté, avec le prestataire Area9, d’un LMS totalement bâti autour de l’adaptabilité du contenu et des formations proposées. Chaque apprenant bénéficie, sans le savoir, d’un parcours de formation 100 % personnalisé.
Résultat : le temps passé en formation a été réduit de 50 % en trois ans et le temps passé pour valider un module est passé de 45 à 22 minutes.
Les limites de l’adaptive learning
Les limites sont technologiques et éthiques, comme bien souvent. Beaucoup reprochent à l’adaptive learning, discipline qui se cherche encore, de robotiser l’apprentissage, de le mettre en pilotage automatique, de le déshumaniser à coups d’IA et d’algorithmes. Pour que l’adaptive learning fonctionne, l’humain doit rester à la base de la démarche. Par exemple : les scénarios doivent avoir été prévus et conçus en amont, lors de la conception de la formation. Cette conception reste basée sur l’expertise pédagogique des responsables de formation.
Autre problématique : le marché porteur attire de nombreux acteurs issus d’horizons très souvent digitaux. Leur méconnaissance de la formation professionnelle entraîne parfois des représentations et des postulats erronés sur lesquels repose l’intégralité de leur technologie. De même, aujourd’hui, certaines études montrent une vraie efficacité de l’outil, mais il est difficile d’établir un comparatif entre les solutions proposées. Il s’agit donc d’être prudent dans son choix, de comprendre et de tester les programmes pour y trouver une plus-value.
