Comment l'intelligence artificielle intervient-elle dans l'apprentissage professionnel pour stimuler l'engagement apprenant ?

Selon l'étude Digital Learning Realities 2023 du Groupe Fosway (premier analyste du secteur des RH en Europe), communiquée lors de l'événement Rise Up Connect 2023, 49% des professionnels du Learning & Development (L&D) estiment que leurs plateformes d'apprentissage actuelles ne sont pas adaptées à la main-d'œuvre moderne. En d'autres termes, les collaborateurs ne disposent pas, dans leur majorité, d'une plateforme de formation suffisamment innovante pour assurer la montée en compétences dont ils ont besoin. En outre, la lassitude en matière de digital learning gagne les apprenants : un tiers des professionnels du L&D considère celle-ci comme un problème. 

Comment dépasser ces difficultés ? C'est ici que l'intelligence artificielle entre en jeu. L'introduction de l'IA dans la formation professionnelle ouvre une nouvelle ère, en décuplant les possibilités en matière de stratégies pédagogiques, de création de contenus et d'engagement apprenant.

Retour sur l'événement Rise Up Connect 2023, qui a dévoilé l'apport de l'IA dans le développement des compétences. À ce titre, Jasmin Silver, chercheuse et spécialiste Éducation et Psychologie, ainsi que David Wilson, CEO et fondateur du Groupe Fosway, ont apporté un éclairage indispensable. 

Comment améliorer l'expérience d'apprentissage ? 

L'un des piliers de tout dispositif de formation professionnelle efficace : une excellente expérience d'apprentissage. Les entreprises cherchent donc à l'améliorer constamment. Les collaborateurs doivent trouver du sens dans leur parcours de formation et bénéficier d'une progression fluide, sans frictions, leur permettant d'acquérir rapidement les compétences techniques et/ou les soft skills ciblées. 

Selon David Wilson, en matière d'expérience d'apprentissage, les priorités des organisations à court terme sont tournées vers deux grands axes. Il s'agit d'une part de renforcer la connexion avec les compétences justement. D'autre part, les entreprises ont comme objectif d'intégrer cette expérience dans une stratégie globale de développement de carrière.

Se dessine en creux l'évolution de la formation professionnelle qui, de plus en plus, doit adopter une approche basée sur les compétences. Une enquête menée par le cabinet de conseil Deloitte (Skills-Based Organization Survey 2022) révèle que 77% des dirigeants d'entreprise jugent essentiel d'adapter les compétences au travail afin de faire face aux innovations et bouleversements futurs du marché. Dans le même temps, seuls 5% d'entre eux investissent suffisamment pour aider les salariés à acquérir de nouvelles aptitudes qui leur permettraient de rester en phase avec l'évolution du monde du travail. 

L'intelligence artificielle est ici appelée à jouer un rôle clé. 61% des dirigeants d'entreprise déclarent d'ailleurs que les nouvelles technologies telles que l'automatisation et l'IA seront le principal moteur de l'adoption par leur organisation d'une approche basée sur les compétences.

Quel est l'impact potentiel de l'intelligence artificielle sur la formation professionnelle à court, moyen et long terme ? 

En quoi, concrètement, l'intelligence artificielle peut-elle impacter favorablement le digital learning ? Comment aide-t-elle à assurer une montée en compétences en phase avec l'évolution du travail et à éviter cette lassitude des apprenants que nous évoquions précédemment ? 

Les conséquences immédiates de l'utilisation d'un système d'IA sont visibles surtout dans les services liés à l'offre de contenus d'apprentissage, mais aussi dans la conception des programmes de formation. David Wilson explique ainsi que l'IA accélère et facilite notamment :

• L'agrégation et la curation de contenus, c'est-à-dire la centralisation, sur une seule plateforme de formation, de contenus pédagogiques provenant de diverses sources sur internet.
• La compilation de contenus pour organiser un catalogue de formations riche et diversifié.
• La création de ressources d'apprentissage et de modules de formation via les outils auteur. 

À moyen terme, le déploiement de l'IA affecte la formation professionnelle avant tout sur le plan technique et technologique, c'est-à-dire sur le système d'apprentissage et la solution logicielle. 

Sur le long terme, c'est à un niveau plus global que se mesure l'impact de l'intelligence artificielle : transformation de l'apprentissage, affinement de la stratégie et obtention de meilleurs performances.

Quels sont les défis auxquels la formation professionnelle fait face ? 

Jasmin Silver revient sur les limites de la formation professionnelle dans sa forme actuelle : manque d'engagement et de pratique, mauvaise rétention des connaissances. Dans un deuxième temps, la chercheuse montre comment l'intelligence artificielle vient aider les entreprises à éviter cet écueil. 

Manque d'engagement des apprenants

Dans un monde professionnel qui change rapidement sous l'influence des nouvelles technologies, les collaborateurs se trouvent dans l'obligation d'actualiser leurs compétences en continu pour réussir. Pourtant, les freins à l'engagement des apprenants sont bien réels. Le premier : le manque de temps. Ainsi, un salarié ne dispose que de 24 minutes en moyenne par semaine pour se former (source : A New Paradigm For Corporate Training: Learning In The Flow of Work - Josh Bersin).

De plus, il "jongle" entre une multitude d'outils professionnels (9 en moyenne), qui viennent complexifier l'accès à la formation, via l'ordinateur ou le smartphone. Conséquence : le collaborateur n'est pas suffisamment impliqué dans son apprentissage, son attention est inconstante et reste à un niveau trop faible pour qu'il puisse tirer pleinement parti de ses sessions de formation. Nous verrons comment l'intelligence artificielle et l'apprentissage automatique (Machine Learning) interviennent pour booster l'engagement apprenant.

Mauvaise rétention des connaissances

Autre problème que l'intelligence artificielle peut aider à résoudre dans le champ de la formation professionnelle : une mauvaise rétention des connaissances. Bien souvent, les collaborateurs ne mémorisent pas sur le long terme une partie (voire la plus grande partie) des savoirs et savoir-faire pourtant acquis au terme de leur formation. Mettre en place des techniques visant à vaincre les effets de la courbe de l'oubli et à favoriser l'ancrage mémoriel s'avère primordial pour assurer d'une montée en compétences effective des salariés. 

Manque de mise en pratique

Transposer ses connaissances dans sa pratique professionnelle : l'un des grands défis rencontrés par les apprenants. Même si les formations sont suivies, validées, et les contenus mémorisés, elles pèchent souvent par un manque de mises en situation, rappelle Jasmin Silver. Mettre en œuvre ses nouvelles compétences techniques dans le cadre de simulations reprenant les problématiques rencontrées à son poste de travail reste un passage obligé pour gagner en efficacité et accroître ses performances. Là aussi, l'intelligence artificielle se révèle d'une grande utilité pour améliorer concrètement les savoir-faire des apprenants en situation de travail, comme nous le verrons.

Comment l'intelligence artificielle va-t-elle permettre d'améliorer le processus d'apprentissage ?

L'intelligence artificielle appliquée à la formation professionnelle offre de nombreux bénéfices. Jasmin Silver met en exergue la personnalisation des parcours, un meilleur encadrement de l'apprenant, l'introduction de méthodes pédagogiques complémentaires ainsi que la capacité de l'IA à créer des expériences immersives.

En optimisant l'engagement apprenant

L'intelligence artificielle œuvre à plusieurs niveaux pour booster l'engagement apprenant. En premier lieu, elle permet une personnalisation de la formation professionnelle : les collaborateurs se voient proposer des contenus pertinents au regard de leurs besoins. L'IA effectue un "tri" automatique pour ne faire remonter que les formations directement utiles au salarié. Cette individualisation se prolonge dans le processus d'évaluation. Les quiz généraux en cours et en fin de parcours e-learning laissent la place à des questions touchant directement le contexte professionnel du collaborateur, autrement dit les situations qu'il rencontre dans son activité. 

En second lieu, l'intelligence artificielle renforce l'accompagnement et la motivation de l'apprenant par sa capacité à fournir un feedback instantané, précis et détaillé. Les évaluations étant désormais personnalisées, le retour qui en est fait gagne automatiquement en pertinence. De plus, l'apprenant visualise aisément ses progrès sur la plateforme de formation via un tableau de bord individuel. Autant de facteurs favorisant un sentiment d'accomplissement.

Enfin, un coach de formation dédié, propulsé par l'IA, envoie des rappels au collaborateur et l'aide à trouver des créneaux dans son emploi du temps afin de rester régulier dans son apprentissage. Une présence au plus près du salarié, le coach virtuel étant intégré aux outils numériques utilisés au quotidien.

Par exemple, la solution Rise Up est accessible depuis l'application collaborative Microsoft Teams. On parle dès lors de Learning In the Flow of Work (LIFOW), ou apprentissage dans le flux de travail.

En favorisant l'apprentissage par renforcement des connaissances

Réussir l'évaluation finale d'une formation ne garantit pas une mémorisation pérenne des compétences techniques et des savoirs acquis. De plus, un apprentissage linéaire, sans revoir ce qui a été appris précédemment, conduit inévitablement à des oublis "en cours de route". Le contenu d'une formation n'est donc en général pas acquis à 100%. L'intelligence artificielle apporte aux entreprises une aide précieuse pour corriger ce phénomène. L'IA soutient le développement de l'ancrage mémoriel grâce à l'emploi de techniques d'apprentissage clés :

• La répétition espacée. Pour assimiler de nouvelles connaissances, il faut y être exposé plusieurs fois. Le coach virtuel intervient ici en proposant de courtes sessions de révision régulièrement, et ce bien après la fin de la formation.
• La pratique de la récupération. Effectuer une "simple" révision ne suffit pas, il convient de se ré-entraîner. C'est pourquoi, via l'IA, l'apprenant se voit proposer des quiz adaptés au contenu appris et au contexte dans lequel il évolue au quotidien.
• L'apprentissage élaboré. Il s'agit ici de traiter l'assimilation des contenus en profondeur en établissant des liens entre les connaissances récentes, les tâches professionnelles et un certain nombre de concepts appris dans le passé. Ces "ponts" enrichissent et ancrent les savoirs de manière durable. 

En travaillant sur une expérience immersive

L'idée est de s'appuyer sur l'intelligence artificielle pour assurer une mise en pratique efficace des notions vues sur le plan théorique. Mettre les compétences en pratique via des modèles de scénarios se rapprochant au maximum de la réalité professionnelle vécue par l'apprenant : tel est l'objectif de l'expérience immersive. L'IA est capable de générer des simulations imitant l'activité du collaborateur, en compilant un grand nombre d'études de cas portant sur les mêmes problématiques que celles qu'il rencontre. L'apprenant peut en outre s'exercer autant de fois que nécessaire, jusqu'à atteindre une maîtrise complète de la compétence technique (ou du soft skill) visée. 

Par ailleurs, l'IA favorise l'ancrage de la formation dans le quotidien. Elle encadre le collaborateur en l'aidant à fixer des objectifs d'apprentissage et à traduire ce qu'il a appris en actions concrètes dans son quotidien. 

Découvrez en vidéo les temps forts de l'événement Rise Up Connect Race Up Edition. 

Comment commencer à apprendre grâce à l'intelligence artificielle dans votre LMS avec Rise Up ?

Rise Up prend dès aujourd'hui le virage de l'intelligence artificielle. Sa solution LMS s'appuie désormais sur l'IA générative pour accélérer la mise en place de vos dispositifs de formation professionnelle, pour optimiser l'apprentissage et offrir une nouvelle expérience à vos apprenants. 

Ce système d'IA intervient dès la conception des formations avec la génération automatique de contenus. L'outil auteur atteint un degré de performance inégalé. Le modèle a été entraîné pour proposer les ressources d'apprentissage et le contenu des évaluations simplement à partir de la saisie manuelle du titre de la formation. L'outil prend également en charge la création de visuels, la traduction de la formation en 22 langues et tague automatiquement les compétences associées.

En outre, si vous disposez déjà d'un ensemble de contenus d'apprentissage (textes, vidéos...), il suffit de les importer dans la solution Rise Up pour les transformer en modules de formation de haute qualité, intégrant des méthodes pédagogiques innovantes et des mécaniques interactives. 

Au-delà, l'IA impacte et améliore la conception globale des parcours pédagogiques en combinant automatiquement les modules de la manière la plus pertinente possible. 

Les apprenants, de leur côté, voient leur expérience d'apprentissage s'enrichir et leur montée en compétences gagner en rapidité. En quelques clics, ils accèdent à des contenus parfaitement ciblés, répondant à leur demande précise. L'IA générative s'appuie sur le profil de l'apprenant et son historique de formation pour ne sélectionner que les ressources directement utiles. 

FAQ

Qu'est-ce que le Machine Learning ou apprentissage automatique ?

La définition la plus simple du Machine Learning tient en quelques mots : il s'agit d'une technologie d'intelligence artificielle, appelée aussi apprentissage automatique. Plus précisément, le Machine Learning vise à donner aux machines la capacité d'apprendre par elles-mêmes à partir d'un vaste corpus de données, en s'appuyant sur des modèles mathématiques.

Le modèle s'améliore par l'expérience, sans programmation préalable. En d'autres termes, les algorithmes de Machine Learning apprennent de manière autonome à effectuer une tâche ou à réaliser des prédictions à partir de données ; ils améliorent leurs performances au fil du temps.

Le Machine Learning s'associe à l'apprentissage profond, aux réseaux de neurones artificiels et fait appel à une diversité de méthodes pour fonctionner, comme nous le verrons dans la suite de l'article.

Quelle est la différence entre Machine Learning et intelligence artificielle ?

L'intelligence artificielle va au-delà de l'aspect technologique. Elle correspond en effet à un domaine scientifique et se réfère, selon la CNIL (Commission Nationale de l'Informatique et des Libertés), à "tout système mettant en œuvre des mécanismes proches de celui d'un raisonnement humain". Le Parlement européen replace, lui, l'IA dans un contexte technologique : pour l'institution, l'intelligence artificielle désigne un outil utilisé par une machine pour "reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité".

Le Machine Learning ne constitue de son côté qu'un sous-domaine de l'intelligence artificielle. Son rôle principal consiste à traiter de vastes ensembles de données pour fournir des analyses prédictives. 

Quels sont les différents types d'apprentissage automatique ou Machine Learning ? 

L'apprentissage par renforcement

L'apprentissage par renforcement (reinforcement learning), ou apprentissage renforcé, désigne une méthode de Machine Learning qui permet de réaliser des tâches complexes de manière autonome. Ce type d'apprentissage a notamment fait parler de lui dans l'univers du jeu.

Dans ce modèle, les algorithmes d'apprentissage doivent résoudre un problème en choisissant des actions pertinentes. Ils évoluent et interviennent dans un environnement dynamique afin d'atteindre un objectif précis. Prenons par exemple un labyrinthe : l'objectif assigné au programme informatique est d'en sortir le plus vite possible. Via l'apprentissage par renforcement, le programme multiplie les actions, qui donnent lui à un feedback sous forme de "récompenses" et de "punitions". Plus il agit, plus il apprend, jusqu'à trouver le comportement le plus pertinent pour parvenir à sortir du labyrinthe.

L'apprentissage non supervisé

Les algorithmes d'apprentissage s'expriment dans un autre modèle : l'apprentissage non supervisé. Ici, la machine fonctionne en totale indépendance, à partir de données qui lui sont fournies. Ces données ne sont pas étiquetées. Cela signifie qu'elles ne sont pas définies ni catégorisées. La machine doit donc trouver elle-même les structures sous-jacentes pour parvenir à définir ces données. En d'autres termes, ce sous-domaine du Machine Learning se caractérise par l'analyse et le regroupement de données non étiquetées. 

Deux types d'apprentissage non supervisé coexistent :

• Le clustering, dont le but est de rassembler des données en créant des groupes (mise en cluster).
• L'association, qui vise à trouver des caractéristiques communes entre les données et à les associer en conséquence. 

L'apprentissage supervisé

L'apprentissage supervisé se positionne à l'opposé de l'apprentissage non supervisé. Ici, les données à partir desquelles la machine s'entraîne sont étiquetées, labellisées. Les bases de l'apprentissage sont donc bien présentes. Le programme s'améliore ensuite afin d'être capable d'étiqueter correctement lui-même de nouvelles données. 

La régression linéaire constitue l'un des modèles les plus fréquents de l'apprentissage supervisé. On en fait usage par exemple pour la prédiction du prix d'un bien immobilier, établi en fonction de différents paramètres : taille, nombre de pièces, localisation...

L'apprentissage auto-supervisé

Modèle classé entre l'apprentissage supervisé et l'apprentissage non supervisé, l'apprentissage auto-supervisé est un sous-domaine du Machine Learning qui s'appuie sur un volume de données dont certaines sont masquées. Les algorithmes d'apprentissage s'entraînent alors à identifier et à prédire ces données. Cette méthode se base sur un réseau de neurones artificiels et s'avère particulièrement adaptée à la reconnaissance vocale (Facebook l'utilise par exemple).

L'apprentissage profond

L'apprentissage profond, ou deep learning, correspond à une technologie de Machine Learning faisant justement appel à un vaste réseau de neurones artificiels. Ce réseau est formé de plusieurs "couches" de neurones. Le principe : chacune des couches interprète les informations reçues de la couche précédente. L'objectif de l'apprentissage profond est d'aider à la compréhension et à la reproduction des actions du cerveau humain.