L’apprentissage adaptatif (adaptive learning ou AA) consiste en un apprentissage qui, comme son nom l’indique, s’adapte à l’élève. On notera d'ailleurs qu'on ne parle pas d'enseignement adaptatif mais d'apprentissage : c'est l'apprenant qui est au cœur du processus, le professeur étant en périphérie. On est loin de la séquence classique avec cours magistral puis exercices.

Ce terme recouvre aujourd’hui un sens orienté technologies numériques et intelligence artificielle. L’apprentissage adaptatif s’inscrit dans le domaine de l’e-education, une forme d’enseignement qui s’appuie sur le numérique.

Pratiques actuelles de classes

Si l'on focalise sur les écoles primaires, de nombreux enseignants jonglent avec les pratiques pédagogiques et « fabriquent » eux-mêmes des parcours autonomes d’apprentissages pour leurs élèves ou plus souvent pour leurs groupes d'élèves.

Trois types de fonctionnements co-existent :

  • avec des ateliers, des ceintures, des plans de travail…  le numérique étant un des outils, les autres outils étant des activités matérielles
  • avec des outils détournés : listes d’exercices numériques de difficulté croissante sous forme de plans de travail avec des sites d'exercices à consulter (Learning Apps, blogs de profs avec des exercices comme Professeurphifix...)
  • avec des outils clés en main : Classe numérique, Jeux pédago, Khan Academy ...

Internet est pour tous ces enseignants en quête de renouveau un portail fantastique. En ayant accès à des données rapidement utilisables, ils peuvent consacrer du temps à mieux appréhender les profils d'apprenants et gérer les groupes de niveau et les parcours.

Concrètement, l’adulte se place en retrait pour laisser place à l’initiative de l’élève, qui peut solliciter son aide. Une partie des élèves avance ainsi en autonomie et à son rythme.

Pourtant, même si ces démarches impliquent une différenciation poussée ainsi qu’une adaptation fine des parcours par l’enseignant qui analyse les résultats de ses élèves, on ne peut pas parler d’apprentissage adaptatif au sens exact du terme. Une dose d’intelligence artificielle est nécessaire !

La  valeur ajoutée de l’apprentissage adaptatif

L’AA peut apporter, dans les conditions ci-dessus, une plus-value évidente.

On pourrait comparer l’AA au livre dont on est le héros : l'élève fait des choix et a besoin d’outils, de notions pour avancer. Des retours en arrière ou des recommencements sont possibles, pour parvenir à maîtriser des compétences ou acquérir des savoirs. L'élève profite d’un parcours personnalisé qui lui permet d'assimiler de manière durable et plus vite qu’il ne le ferait  dans le cadre d’un apprentissage en groupe. En effet, il peut optimiser et maîtriser son temps, voire suivre sa progression et ses résultats, si l’enseignant met en place les éléments pour cela. L’élève est réellement plus engagé, puisqu’il est amené à faire des choix.

Un outil qui orchestre des situations d’apprentissage numériques en autonomie peut en outre intégrer des fonctionnalités d’analyse des résultats et des comportements (temps de réponse, nombre d’essais,…) de chacun des apprenants, et proposer (en temps réel) des ajustements au sein des parcours.

Les activités proposées peuvent être des consultations de contenus (textes, images, fichiers sons, vidéos...), et bien sûr des exercices variés, ainsi que des évaluations (quizz...).

L’enseignant, grâce à une visibilité sur la progression et les points de difficulté de chacun peut cibler son intervention auprès des élèves en difficulté ou en besoin d’étayage. Un point positif sur lequel il faut insister : ceux qui ont un niveau d’autonomie suffisant peuvent progresser seuls dans l’arborescence des compétences et connaissances, en allant vers de l’approfondissement et du transfert. C’est en cela que l’apprentissage adaptatif s’approche des pédagogies comme Freinet, Montessori…

Un cheminement arborescent précis et habilement structuré permet à chacun d’avancer. Ce cheminement peut être créé par un enseignant ou faire partie du service fourni par l’entreprise qui édite la solution. Les activités proposées y sont de complexité croissante ; selon les thèmes, le degré d’abstraction est également de plus en plus fort. Cette arborescence est délimitée par un cadre qui peut tenir compte des programmes, d’un champ disciplinaire ou toute autre « contrainte ».

L’univers « pro » de l’apprentissage adaptatif en quelques mots

L’adaptative learning est depuis quelques années en phase d’appropriation par des éditeurs majeurs. Des sociétés comme Knewton (Etats-Unis), Domoscio (France), Drillster (Pays-Bas), Woonoz (France) s'appuient sur les technologies récentes d’intelligence artificielle1 comme l'apprentissage automatique2 et l'apprentissage approfondi3 et permettent d'individualiser les parcours d’apprentissage.

Exigeant une maîtrise dans la gestion des données et la faculté à en tirer des analyses pertinentes, l'AA est à la croisée de trois domaines :

1. Le big data4 :  toutes les actions de l’élève sur l’ordinateur et autres supports numériques utilisés donnent lieu à une trace utilisable pour optimiser son apprentissage, sa progression. Ces traces sont nombreuses et variées : préférences (vidéos, textes, schémas, exercices...), temps passé sur une page ou un quizz, nombre de clics… Ces données gigantesques peuvent servir l’apprentissage.

2. L’analyse de l’apprentissage5 (Learning Analytics) permet, à partir de ces données collectées, de mettre en évidence pour un élève ses manières d’apprendre, ses goûts, ses préférences pour certaines méthodes ou supports, ses niveaux d’apprentissages…

3. Les algorithmes permettent de proposer un parcours d’apprentissage avec des contenus adaptés à l’apprenant sur la base des informations individuelles et collectives qui ont été collectées.

Si l’on découpe le processus d’apprentissage en 3 étapes (assimilation – consolidation – application), l’AA considère la courbe d’oubli de savoirs et propose un processus de révision et consolidation des savoirs qui s’adapte à chaque profil. L’ancrage6 consolide ce qui a été assimilé, optimise la mémorisation durable de savoirs et améliore les impacts de l’apprentissage.  

En savoir plus sur l’intelligence artificielle sur Wikipedia

Où en est-on concrètement ?

A l'école primaire, l'apprentissage adaptatif numérique ne doit évidemment pas être le modèle. Le numérique n'a pas vocation à remplacer nos pratiques pédagogiques mais plutôt les enrichir. La déshumanisation de ce type d’apprentissage et surtout la dématérialisation font que l'enseignant pourrait les réserver à une discipline, une période ou certains aspects de l'apprentissage.
Pour l’instant, l’école est globalement peu ciblée par les sociétés d’adaptive learning qui offrent des solutions plutôt adaptées au monde de l’entreprise, à la formation en ligne, à l’enseignement supérieur et au secondaire mais il est à parier que des solutions pertinentes et spécifiquement adaptées au primaire voient le jour d’ici peu.

Bibliographie

Construire le modèle éducatif du 21e siècle, François-Xavier Hussherr et Cécile Hussherr, FYP Editions, 2017

L’adaptative Learning ? Marion Petipré – Université Paris Descartes
http://www.edu.upmc.fr/ - consulté le 16/01/2019

Définir l’adaptive learning, un regard sur les fondations – Livre blanc - https://domoscio.com/ - consulté le 12/02/2019

Notes de bas de page

1 L'intelligence artificielle (IA ou AI en anglais) est l' « ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l'intelligence humaine. » Source : larousse.fr

2 L'apprentissage automatique (en anglais machine learning) est un « champ d'étude de l'intelligence artificielle qui se fonde sur des approches statistiques pour donner aux ordinateurs la capacité d'apprendre à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. » Source : wikipedia.fr

3 L'apprentissage approfondi (en anglais deep learning) est un « ensemble de méthodes d'apprentissage automatique tentant de modéliser avec un haut niveau d’abstraction des données grâce à des architectures articulées de différentes transformations non linéaires. » Source : wikipedia.fr

4 Le big data, littéralement grosses données, est le « domaine technologique dédié à l’analyse de très grands volumes de données informatiques » et désigne également « ces grands volumes de données ». Source : larousse.fr

5 L’analyse de l’apprentissage (en anglais learning analytics) est la discipline consacrée à la mesure, la collecte, l’analyse et la présentation de rapports basés sur des données des apprenants en contexte d’apprentissage dans le but de comprendre et d’optimiser l’apprentissage et le contexte. Source : wikipedia.fr

6 Des sociétés du domaine de l’AA ont déposé des marques à ce sujet : Domoscio et son Ancrage adaptatif®, Woonoz et son Ancrage mémoriel®