L’adaptative learning, l’avenir de la formation ?

Une grande tendance en formation professionnelle depuis quelque temps : l’Adaptative Learning. Grâce au numérique, il est maintenant possible de proposer des formations qui s’adaptent aux niveaux et aux besoins des apprenants. Cette technologie avait fait son entrée dans les universités américaines au début du siècle, et du fait de son efficacité se répand dans le secteur de la formation.

La définition de l’adaptative learning

L’adaptative learning propose un apprentissage qui s’adapte aux capacités et aux objectifs des apprenants. Cette adaptation est possible grâce à l’analyse de plusieurs données concernant l’apprenant (ses connaissances, ses aptitudes, ses préférences, ses objectifs, rythme d’apprentissage…) et aux neurosciences. Cette data alimente l’intelligence artificielle, qui est ensuite capable de proposer les modalités pédagogiques et le type de contenu correspondant aux besoins de chaque apprenant. La personnalisation de l’offre de formation est donc automatisée à l’aide du numérique. L’objectif est d’optimiser l’apprentissage en prenant en compte l’hétérogénéité des profils. Pour les entreprises, il s’agit de placer le collaborateur au centre de son parcours de formation en lui présentant des contenus qui auront une forte valeur ajoutée. L’efficacité des formations est optimisée avec ce système. Son arrivée dans le monde de l’entreprise est remarquée, et son utilisation se démocratise rapidement. La solution rencontre un grand succès puisque les employés acquièrent davantage de nouvelles connaissances dans de plus courtes périodes. L’adaptation automatique va réduire les coûts de formation pour les employeurs. Les objectifs adaptés et concrets permettent également d’augmenter l’investissement des apprenants.

Les formes de l’adaptative learning

De nombreuses entreprises offrant des services d’e-learning déclarent aujourd’hui faire de l’apprentissage adaptatif, sous prétexte qu’un test d’entrée oriente les apprenants par niveau. Or l’adaptative learning va plus loin dans la personnalisation. Le niveau d’adaptation qualifie la qualité du système adaptatif. Un niveau d’adaptation faible correspond à une formule simple avec une orientation vers des groupes de niveau, un niveau fort correspond à une personnalisation pointue à chaque étape de la formation suivie. La personnalisation ne se fait pas que par niveau, mais également sur une dualité macro ou micro. Pour un adaptatif macro on adapte les parcours de formation aux besoins des apprenants en retirant les modules déjà acquis, mais on adapte également en proposant des modules déjà acquis si l’intelligence artificielle constate durant la formation des lacunes à combler. L’adaptation macro est majoritairement utilisée pour des temps de formation longs, de plusieurs semaines ou mois. Pour un adaptatif micro, on vise davantage les formations professionnelles courtes, de quelques jours, en complément avec une partie en présentielle. Dans le cadre de classe inversée, les résultats de l’utilisation de l’adaptatif micro sont très intéressants. L’adaptatif micro s’adapte parfaitement au profil cognitif des apprenants pour leur faire apprendre du contenu rapidement.

Les avantages et les inconvénients de l’adaptative learning

Listons dans un premier temps les avantages :
• Des parcours de formation adaptés au profil des apprenants
• Un taux de rétention plus élevé et de meilleurs résultats
• Un système d’accompagnement intelligent
• L’engagement de l’apprenant est renforcé
• Un gain de temps pour les administrateurs
Dans un second temps listons les inconvénients :
• Un système et une technologie parfois difficiles à comprendre et à s’approprier
• La nécessité de l’intégrer dans une stratégie Blended learning
• L’obligation de disposer de compétences en interne pour analyser les résultats
• Des plateformes LMS pas toujours bien optimisées pour l’adaptive learning

Espace connexion