1. INTRO
1.1. 1. Rappel !
1.1.1. Données :
1.1.1.1. c’est le carburant sans quoi l’intelligence artificielle ne peut être mise en pratique. On parle du Big Data, c’est-à-dire des données caractérisées par l’explosion des 3 « V » : Volume, Variété, Vélocité.
1.1.2. Intelligence Artificielle (IA) :
1.1.2.1. la science qui s’intéresse à la simulation des capacités humaines pour réaliser une partie de nos tâches.
1.1.3. Machine Learning :
1.1.3.1. sous-domaine de l’IA, qui apprend à une machine à apprendre. Le lien entre les Données et le Machine Learning s’exprime dans une formule triviale : « garbage in, garbage out » (ordures à l’entrée, ordures à la sortie). A contrario si les données en entrée sont nombreuses et de qualité, ce qui est l’affaire des data scientists, les algorithmes sont plus puissants / pertinents
1.1.4. Deep Learning :
1.1.4.1. sous-domaine du Machine Learning où les algorithmes veulent simuler le fonctionnement du cerveau humain modélisé comme un réseau de neurones (réseaux de neurones artificiels). On parle aussi de Machine Learning non supervisé, car les algorithmes correspondants sont dotés d’une certaine autonomie d’apprentissage
1.2. 2. Définition
1.2.1. Adaptive Learning : une formation qui s’adapte aux clients automatiquement grâce à l’exploitation des données par l’IA.
1.3. 3. Problématiques
1.3.1. En quoi l’IA permet-elle une meilleure adaptation de la formation aux différentes classes de clients ?
1.3.2. Quelles améliorations peut elle apporter aux processus de formation ?
1.3.3. Quels services peut-on attendre de la plateforme digitale qui donne corps à ces promesses ?
1.4. 4. Mots importants
1.4.1. Clients :
1.4.1.1. l’Adaptive Learning doit servir le collaborateur,le métier et l’entreprise tout à la fois et en cohérence. On peut parler de « 3 clients en 1 »
1.4.2. Adaptation :
1.4.2.1. ce sont les offres de formation (contenus, services, parcours) qui doivent être adaptées ; pour ce faire, les processus de formation (conception, production, assemblage, diffusion, évaluation, gestion) doivent aussi être adaptés.
1.4.3. Automatiquement :
1.4.3.1. l’Adaptive Learning vise à décharger les équipes formation d’une partie des tâches nécessaires à l’adaptation de la formation aux besoins des clients, ce qui induit une question :
1.4.3.1.1. en quoi l’IA permet-elle à la formation de dépasser les obstacles habituels qui l’empêchent de s’adapter plus étroitement aux besoins ?
1.5. !
1.5.1. l’IA pour simplifier les processus de gestion ; les analytics pour prendre de meilleures décisions.
2. 1 à 3
2.1. I / S’adapter aux clients
2.1.1. INTRO. Habilitation et mise en conformité :
2.1.1.1. Dans un monde professionnel où la règlementation est toujours plus contraignante et complexe, les formations de compliance constituent un domaine à fort potentiel pour l’Adaptive Learning
2.1.2. 1. COLLABORATEUR
2.1.2.1. A. S’adapter au collaborateur et plus spécifiquement à :
2.1.2.1.1. Son évolution professionnelle : comment mieux ancrer la formation dans ses possibilités d’évolution professionnelle par une connaissance plus fine de son passé et de son potentiel ?
2.1.2.1.2. Son poste : quels sont ses besoins au jour le jour (notamment ceux dûs à la digitalisation du poste), comment améliorer la contextualisation de la formation ?
2.1.2.1.3. Ses contraintes / préférences : comment mieux prendre en compte ses contraintes de planning, voire ses préférences en matière de modalités d’apprentissage et de mise en pratique ou encore ses souhaits de certification ?
2.1.2.2. B. L’Adaptive Learning, ce n’est pas seulement une formation personnalisée ; il faut aussi qu’elle soit pertinente. On peut poser cette formule : Adaptive Learning = formation à la fois personnalisée et pertinente, rendue possible par l’usage de l’IA
2.1.3. 2. METIER
2.1.3.1. S’adapter au métier
2.1.3.1.1. Le deuxième grand client auquel la formation doit s’adapter est le métier et ses contraintes
2.1.3.1.2. Comment s’assurer que la formation réponde juste à temps à notre besoin (adaptation au timing du métier) ?
2.1.3.1.3. Comment savoir si elle a atteint l’impact souhaité initialement ?
2.1.4. 3. ENTREPRISE
2.1.4.1. S’adapter à l’entreprise (gestion HCM à plus long terme)
2.1.4.1.1. Attention
2.1.4.1.2. Important
2.1.4.1.3. CC
2.2. II / Expliciter l’implicite
2.2.1. 1
2.2.1.1. 1. Quand il négocie la formation avec son client interne ou externe, le responsable formation est confronté à la difficulté de mettre en évidence « l’implicite du commanditaire ». Un apport majeur de l’IA serait de transformer l’implicite en explicite.
2.2.2. 2
2.2.2.1. 2. Cela vaut aussi pour « l’implicite de l’apprenant », car les données produites par le collaborateur dans ses interactions avec le digital dessinent un portrait dont le collaborateur n’a pas toujours luimême conscience
2.2.3. 3
2.2.3.1. 3. Détecter l’implicite, ce peut être aussi détecter des anomalies dans une demande de formation, dans la solution mise en œuvre, connaître des préférences qui n’ont pas été déclarées par les apprenants, des contraintes de planning liées à une charge de travail prévisible dans l’agenda du service sur lequel le collaborateur n’aurait pas de vision, identifier aussi les apprenants qui se désengagent de leur formation…
2.2.4. CC
2.2.4.1. CC : Il y a un risque réel de «conformisme des données» : l’utilisation exclusive des données qu’un individu produit serait une forme de célébration du nombril ! S’observer (indirectement, grâce aux données) en permanence, partir de ce que disent ces données, annihiler la part laissée au hasard… voilà qui réduirait fortement les chances d’innover ! Cette conception de l’Adaptive Learning s’opposerait au courant qui veut que «l’on doive penser en dehors de la boîte» ou que l’on «sorte de sa zone de confort».
2.3. III / Adapter les processus de formation
2.3.1. 1. L’IA permettra aussi de renforcer et d’optimiser tous les processus de la formation pour qu’elle s’adapte mieux à ses clients :
2.3.1.1. 1
2.3.1.1.1. Le processus d’analyse de la demande pourra bénéficier d’une meilleure connaissance des clients via l’approche holistique déjà mentionnée.
2.3.1.2. 2
2.3.1.2.1. Le processus de conception sera éclairé par l’IA : meilleure articulation avec l’impact attendu de la formation, durée et modalités adaptées, prise en compte des conditions de mise en application… Des remarques qui valent pour l’ensemble du dispositif, comme pour le portail de formation où il sera par exemple possible d’utiliser l’A/B testing automatique pour décider quelles formations il faut pousser en fonction de leur audience… Des outils apparaissent et permettent de donner corps au concept de contenu pédagogique digital intelligent automatiquement créé à partir des ressources propres à l’entreprise ou récupérées sur le web.
2.3.1.3. 3
2.3.1.3.1. Le processus de diffusion est déjà grandement simplifié avec les plateformes LMS, mais certaines fonctionnalités comme l’attachement d’une formation à un groupe d’apprenants suppose trop souvent encore l’intervention d’un administrateur. Demain, l’IA automatisera totalement ce processus en poussant automatiquement des programmes selon le contexte du salarié.
2.3.1.4. 4
2.3.1.4.1. Le processus d’évaluation sera aussi largement automatisé, en particulier grâce une meilleure prise en compte de l’implicite (avant, pendant et après la formation) déjà évoqué, alors que nous en restons actuellement le plus souvent au déclaratif apprenant (l’apprenant renseigne de lui-même un quiz).
2.3.1.5. 5
2.3.1.5.1. Les services d’accompagnement pourront aussi être en partie assurés par des systèmes de tutorat intelligent qui répondent aux difficultés individuelles des apprenants (par exemple le système « Sherlock » qui accompagne les techniciens dans le diagnostic des pannes électriques du domaine aérien).
2.3.1.6. !
2.3.1.6.1. Certaines plateformes (Coursera) reconnaissent le style de frappe d’une personne, ce qui leur permet de contrôler que c’est bien cette personne qui passe l’examen en ligne !
2.3.2. 2. Points forts de l’IA appliquée aux processus de formation…
2.3.2.1. 1. Continuité
2.3.2.1.1. Continuité : c’est surtout dans l’articulation de tous ces processus (souvent encore pensés et exécutés séparément), dans leur mise en continuité, que l’IA peut permettre à la formation de progresser, en facilitant la circulation des informations entre les divers processus, avec des effets de boucle positifs : meilleure connaissance du client, meilleure conception / production / diffusion de la solution de formation, meilleur impact… ainsi de suite
2.3.2.2. 2. Ouverture
2.3.2.2.1. Ouverture : les données d’apprentissage sont complétées par toutes les données du salarié provenant de sa messagerie, de l’Internet, des applicatifs métiers, de la bureautique… Cette ouverture débouche sur l’extension possible de la formation au-delà de son pré carré : intervention dans la phase de transfert des savoirs en situation de travail, développement du modèle 70/20/10, etc. Le développement du BYOD (Bring Your Own Device) ou de l’IoT (Internet of Things) peut étendre le champ des données exploitables par la formation aux données personnelles du collaborateur. Un potentiel qui devra compter avec la protection juridique des données personnelles… Le RGPD est à juste titre passé par là !
2.3.3. 3. L’objectif de productivité
2.3.3.1. 1. Promesse de l'IA
2.3.3.1.1. par exemple la production de parcours de formation différenciés qui s’auto-contruisent et permettent d’accroître l’empreinte mémorielle - sont alléchantes. Encore faudrait-il que les Directions formation aient une capacité de production de contenus suffisante, car cette approche suppose d’avoir beaucoup de matière pédagogique digitalisée.
2.3.3.2. 2. RH et management
2.3.3.2.1. la priorité des RH et du top management des grands groupes est d’utiliser les moteurs d’IA pour augmenter la productivité administrative (faire autant avec moins de main d’œuvre administrative). Par exemple demander à l’IA de répondre à une question du type : « Puisque j’ai tel diplôme, que je suis passé par telle BU et que j’ai déjà validé telle certification, alors quel parcours de formation me propose-t-on ? »…
2.3.3.3. 3. Rentabilité
2.3.3.3.1. Plutôt que de mobiliser une ou plusieurs personnes chargées des demandes d’inscription au plan de formation. Bref : la rentabilité de l’IA !
2.3.3.4. 4. administratrif
2.3.3.4.1. La productivité administrative de la formation semble d’ailleurs inscrite dans la récente réforme de la formation, qui vise à la simplification du plan de formation.
2.3.3.5. 5. Défi
2.3.3.5.1. Un défi s’ensuit (qui ne vaut pas que pour la formation) : comment utiliser au mieux le temps gagné par les équipes formation grâce à l’optimisation des processus ? Il faudra souvent se remettre individuellement en question, et accepter de perdre les bénéfices secondaires qu’on finit par trouver dans l’exercice des tâches routinières
2.3.3.6. CHIFFRES
2.3.3.6.1. C’est aussi l’opinion générale des dirigeants d’entreprise : 74% considèrent que l’IA vise à réduire les coûts par une amélioration de la roductivité et de l’efficacité (source : L’IA en France, par IDC). Autres chiffres : 62% des Directions Learning & Development anglo saxonnes pensent que l’IA va avoir un impact important ou très important dans leur métier, elles sont 57% à admettre qu’elles en savent très peu sur l’IA (Capability Café Survey, 2018 signalée par Avado).
3. 4 à 6
3.1. IV / PAS D’ADAPTIVE LEARNING SANS PLATEFORME
3.1.1. INTRO : Les plateformes ne sont rien sans les données pour alimenter leurs algorithmes ; les données ne sont rien sans les plateformes qui permettent de les analyser
3.1.2. 1. Les données sont toujours plus nombreuses, variées, véloces…
3.1.2.1. 1
3.1.2.1.1. Les plateformes sont utilisées par un nombre toujours plus important d’utilisateurs
3.1.2.2. 2
3.1.2.2.1. Les plateformes capturent les informations non structurées
3.1.2.3. 3
3.1.2.3.1. Les données sont capturées à partir d’un nombre de sources / d’équipements toujours croissant
3.1.2.4. 4
3.1.2.4.1. Utilisées dans le Cloud, ces plateformes sont facilement intégrables dans un vaste écosystème qui va jusqu’à inclure les SI métiers (eux-mêmes dans le Cloud)
3.1.3. 2. Directions Formation : lancez votre « plan Données formation »
3.1.3.1. Les Directions Formation doivent se pencher sérieusement sur leurs données. Une importance qui se double d’une urgence relative pour deux raisons :
3.1.3.1.1. 1
3.1.3.1.2. 2
3.1.4. 3. Les plateformes ont des fonctionnalités toujours plus puissantes et étendues…
3.1.4.1. 1
3.1.4.1.1. . Les training management systems déjà évoqués font bien ce qu’ils font (gestion des ressources de la formation, planification, reporting, déclarations légales) ; mais leur périmètre fonctionnel reste relativement restreint (en tous les cas hautement spécialisé).
3.1.4.2. 2
3.1.4.2.1. . Les plateformes LMS se spécialisent elles aussi, mais dans des domaines plus ouverts (diffusion voire conception de modules e-learning, assemblage de parcours de formation, blended learning, reporting, évaluation des formations) touchant, on l’a dit, un nombre important d’utilisateurs (les apprenants).
3.1.4.3. 3
3.1.4.3.1. . Les plateformes xAPI s’ouvrent à de nouvelles informations qui peuvent être déclarées par les apprenants, bien au-delà des données exploitables par la norme Scorm
3.1.4.4. 4
3.1.4.4.1. La réunion de deux ensembles fonctionnels - la formation / le learning et les grands processus de gestion des talents (onboarding, gestion de la performance, mobilité, etc.) - ouvrent encore le spectre des possibles, en mettant le « talent » au cœur du jeu (apprenant et talent ne font qu’un, j’apprends quand je travaille et l’apprentissage c’est aussi du travail ; je dois « performer » au quotidien tout en travaillant à mon évolution professionnelle)
3.1.4.5. 5
3.1.4.5.1. . La gestion unifiée de la formation et des talents prend conscience que le volume et la variété des données auxquelles elle a accès et qu’elle participe à créer lui ouvre les clés du Big Data. Elle se dote des fonctionnalités d’IA qui lui permettent d’envisager une meilleure exploitation de ces données.
3.1.4.6. 6
3.1.4.6.1. Mieux vaudrait aujourd’hui parler d’écosystème que de plateforme, la plateforme de formation unique (provenant d’un éditeur unique) ne suffit plus à répondre aux besoins de l’entreprise : dans le seul domaine formation, une seule plateforme ne peut couvrir tous les périmètres fonctionnels apparus ces dernières années ; la formation ne se suffit pas à elle-même, elle oeuvre au profil du capital humain dont la gestion suppose l’utilisation d’un Talent Management System - lequel doit être intégré avec les SI métiers, car ce sont eux qui tracent l’impact de la formation sur la performance des collaborateurs…
3.1.5. 4. Des possibilités d’exploitation accrues
3.1.5.1. Cette trajectoire des plateformes débouche sur des opportunités toujours plus grandes :
3.1.5.1.1. 1
3.1.5.1.2. 2
3.1.5.1.3. 3
3.2. V / Pas d’adaptive learning sans contenus
3.2.1. INTRO
3.2.1.1. La question des contenus mérite qu’on y revienne. Disposer d’une plateforme moderne capable d’analyser les multiples données produites par les talents / apprenants pour recommander les formations les plus adaptées, c’est bien… mais parfaitement inutile si les contenus de formation sont en nombre insuffisant pour nourrir ces recommandations !
3.2.2. 1. Digitaliser les contenus de formation
3.2.2.1. Une question de fond pour toute direction formation, c’est donc celle du niveau de digitalisation des contenus de formation dans l’entreprise. Une question d’autant plus cruciale que les contenus, en particulier les contenus métiers sur mesure, ont longtemps été le goulet d’étranglement du digital learning. Ce problème est en voie d’être résolu par les nouvelles politiques de production / curation :
3.2.2.1.1. 1
3.2.2.1.2. 2
3.2.2.1.3. 3
3.2.2.1.4. 4
3.2.3. Important
3.2.3.1. Les contenus de formation peuvent être à leur tour considérés comme des données qui doivent être libérées en Volume et en Variété, le plus rapidement possible, en multipliant les initiatives qui permettent d’en accroître rapidement la production.
3.2.4. 2. Deux écueils à éviter
3.2.4.1. Il faut toutefois mentionner que la stratégie de formation de l’entreprise se saurait se limiter à multiplier les contenus pédagogiques digitaux. On a pu mentionner ailleurs (Plateforme de formation Netflix Like : déclin programmé ?) les limites du modèle Netflix appliqué à la formation, même si le portail de formation contient suffisamment de contenus et dispose de fonctionnalités d’IA. La production des contenus suppose une stratégie globale. Il ne s’agit pas de butiner entre les divers systèmes de production évoqués ; il faut les articuler entre eux dans le respect de règles qui permettront leur optimisation au service d’un cap à fixer préalablement. Il faut aussi les inscrire dans une problématique plus vaste qui intègre la question de la maintenance et de la diffusion des contenus. Outils auteurs, outils UGC, LCMS… on pourra parler là aussi d’un écosystème (authoring ecosystem).
3.3. VI / AU-DELÀ DE L’ADAPTIVE LEARNING
3.3.1. Les applications de l’IA dans la formation sont potentiellement immenses :
3.3.1.1. 1. La reconnaissance faciale permettra d’analyser les émotions / réactions de l’apprenant face à une ressource de formation ;
3.3.1.2. 2. | La reconnaissance vocale permettra d’analyser le niveau de langue de l’apprenant, les progrès qu’il lui reste à accomplir
3.3.1.3. 3. L’analyse textuelle permettra d’améliorer et de normaliser les textes des formations, de réduire les barrières linguistiques, de mieux comprendre les demandes des commanditaires ;
3.3.1.4. 4. L’analyse des commentaires sur les réseaux sociaux permettra de proposer des formations en prise avec l’actualité, les tendances ;
3.3.1.5. 5. Le moteur de recommandation pourra proposer des push selon le contexte des besoins et le moment de carrière du collaborateur ;
3.3.1.6. 6. L’IA permettra de savoir comment le collaborateur a transféré ses savoirs au travail, et quel complément de formation il lui faudra
3.3.1.7. 7. On ne reviendra pas sur le système de tutorat intelligent, mais on pourrait tout aussi bien parler du coach virtuel, de l’assistant personnel numérique, d’une conciergerie virtuelle inspirée de celle d’un palace (trouver les bonnes formations).
3.3.2. Les exemples d’absurdités d’un mauvais usage de l’IA ne manquent pas. L’un des plus emblématiques provient d’Amazon qui a fait fortune avec l’exploitation des données. Amazon : l’IA qui n’aime pas les femmes (Source : NouvelObs, Reuters)… Amazon a le projet d’utiliser l’IA pour analyser les candidatures à des postes de développeurs informatiques. Constat : l’IA est partiale dans l’évaluation des candidatures féminines, car les modèles qu’elle identifie étaient principalement construits à partir des CV masculins reçus depuis 10 ans, donc considérés comme préférables par l’IA - les CV contenant les termes «de femmes» ou «féminin», comme dans «présidente d’un club d’échecs féminin» étaient moins bien notés.