Il va sans dire que la France possède les meilleurs formations du monde en ingénierie, robotique, santé et mathématique pour ne citer que quelque domaines. Pourtant, l’écosystème autour de l’éducation reste extrêmement fragmenté. Il n’existe pas de réels fonds dédiés à l’éducation, les réglementations sont trop fortes et le cloisonnement avec les entités nationales trop prononcé. Quand on sait que 138 investissements Edtechs évalués à 1.03 milliards ont été signées aux US en 2016, on pourrait se demander où se positionne la France. Néanmoins, de plus en plus d’initiatives globales se mettent en place pour capitaliser la force du savoir apporté par ces formations : Ed21, le Lab de l’éducation , la French Touch de l’Education, le Edtech World Tour représentée par Svenia Busson , l’Inria Learning Lab etc… L’écosystème bouge petit à petit et je vous invite à lire le superbe article de Victor Wacrenier, CEO de AppScho pour avoir un aperçu global de la Edtech en France.
Les choses bougent, les formations évoluent, Le métier d’enseignant se transforme : l’enseignement en ligne s’impose, peu à peu, dans de nombreuses formations : Supélec vient de signer son nouveau master en partenariat avec OpenClassrooms pour les datascientists, Polytechnique et Télécom Paris affinent leurs MOOcs , HEC vient d’ouvrir un programme 100% digital et Mereos, incubée à l’EM lyon, spécialisée dans la création de concours et la formation en ligne pour les étudiants en école de commerce digitalise les concours de l’IDRAC, l’ESAM, ISTEC, ICD. D’ailleurs, Certaines plateformes de MOOCs comptent plusieurs millions d’inscrits et, même s’il est très difficile d’évaluer précisément l’impact mondial de l’enseignement en ligne, il semble que près de soixante millions d’apprenants se sont inscrits à une formation en ligne en 2016.
Les enjeux de l’enseignement en ligne sont extrêmement variés :
- L’accès de tous à la connaissance en continu : L’enseignement en ligne permet de donner un accès à la connaissance à un très grand nombre de personnes, même dans les pays qui ne disposent pas d’un très grand nombre d’enseignants. Les formations sont désormais accessibles, non seulement sur des ordinateurs, mais aussi sur des tablettes et téléphones. Il n’y a donc plus de contraintes horaires, géographiques et fiduciaires.
- De nouvelles formes d’adaptations : L’enseignement en ligne permet de nouvelles formes de remédiation pour les apprenants en difficulté, en adaptant le rythme de l’enseignement et le niveau des exercices à chacun.
- La compréhension des processus d’apprentissage : Les plateformes d’enseignement en ligne constituent un formidable outil pour observer la manière dont nous apprenons : l’efficacité d’un cours ou d’un exercice peut, par exemple, être observée sur des milliers d’apprenants. Elles constituent ainsi une solution partielle au problème de la difficulté de l’observation dans les sciences de l’éducation et dans les sciences humaines en général. Elles permettent également, de par la collecte et l’analyse des données d’apprentissage sur les apprenants, d’améliorer les méthodes d’enseignements grâce à des feedbacks automatiques sur l’efficacité des contenus pédagogiques.
- Une opportunité économique : L’enseignement en ligne est un enjeu économique. Comme énoncé dans l’article de Victor Wacrenier, il existe de nombreuses startups qui brillent dans ce domaine: Éduclever, Gaya Technologies, NeuralCat, Unow, 360 learning, Datascientest, qu’il importe d’aider à devenir des leaders mondiaux, qui favoriseront, à leur tour, l’émergence de nouvelles pousses grâce à leurs méthodes apprentissages.
L’intelligence artificielle au service de l’éducation ?
Les premières plateformes d’enseignement en ligne se contentaient de délivrer des cours, sous forme de vidéos, et de proposer des exercices sous forme de QCM. Je ne parlerai pas ici d’intelligence artificielle dite générale qui aurait pour vocation de “remplacer” l’humain dans les taches éducatives mais seulement d’une intelligence capable d’épauler les parties prenantes de l’éducation et qui vont améliorer la qualité de leurs formations. Cette intelligence artificielle permet notamment de rendre ces enseignements plus diversifiés, plus adaptatifs et plus efficaces :
- La diversité des exercices: l’apprentissage passe par la réalisation d’exercices, comme des questions fermées ou ouvertes. Par exemple, après avoir étudié le machine learning, un étudiant peut se voir proposer une question fermée « Quel modèle est le plus adapté pour ce type de problèmes? », suivie de plusieurs réponses possibles : un algorithme de classification, de régression ou de deep learning. Mais les mêmes connaissances peuvent être testées de manière plus approfondie par question ouverte « Pourquoi, l’algorithme de régression est il plus adapté que celui de classification dans ce cas précis?». Cette dernière question est pédagogiquement beaucoup plus intéressante, car, dans sa réponse, l’étudiant doit mentionner sa compréhension du modèle, là où, dans la question à choix multiples, il lui suffisait de cocher une case. Aujourd’hui, ces questionnaires sont la plupart du temps réalisés par les enseignants eux-mêmes. Pour améliorer leur efficacité, les enseignants doivent être accompagnés dans leur construction. Une première démarche serait d’aider l’enseignant à créer des questions ouvertes en histoire ou en SVT par exemple grâce à une grosse base de données et une intelligence artificielle qui comprendrait la sémantique de la matière. Ce type de technologie existe déjà, Syllabs, une start up d’expertise sémantique et de génération automatique de contenu incubée au sein de NUMA, a conçu des robots capable de rédiger automatiquement toutes sortes de contenus. Ils ont d’ailleurs écrit 36 000 articles en une soirée pour Le Monde et L’Express afin de couvrir les elections régionales de 2017. Une deuxième démarche serait de faciliter la correction automatique de questions ouvertes de la même manière. Skype dévoilait récemment son intelligence de traduction en temps réel, on peut facilement imaginer l’application de cette technologie dans les matières linguistiques par exemple. Dernier exemple, on pourrait aider les professeurs à corriger les copies de philosophie au Bac (pour éviter les injustices…) . L’idée serait de trouver des bases de copies représentatives de chaque note en fonction du style, du nombre de mots, du type de citations etc.. et de l’appliquer à de nouvelles copies. Pour ceux qui se demandent comment uniformiser les notes alors que chaque professeur a un style de notation particulier, il existe des grilles de corrections uniformes que l’on pourrait faire apprendre à l’intelligence artificielle et pour ceux qui sont très pointus il existe une méthode qu’on appelle le transfer learning qui permet de concilier des donnés qui proviennent de différentes sources possédant des structures différentes. Les sources étant ici les professeurs, les donnés: leurs notes, la structure de leurs donnés: le style de notation, le nombre de mots etc..
- Une compilation et indexation des ressources: L’efficacité d’un processus d’enseignement en ligne dépend beaucoup de la capacité à proposer à chaque personne une liste de cours adaptés à son profil et son parcours. Pour cela, il est essentiel que les ressources pédagogiques soient référencées et décrites précisément. Impala, est une start up qui utilise l’intelligence artificielle pour améliorer l’orientation scolaire. L’approche est simple : Des étudiants sont passés avant vous, des personnes avec les memes centres d’intérêts et parfois les memes envies. Pourquoi ne pas capitaliser cette donnée pour aider les personnes à s’orienter ? Dans la meme idée, Clustree oriente les DRH dans leurs décisions métiers grace à une intelligence artificielle qui permet de capitaliser les données internes et externes des entreprises.
- Une gestion personnalisée des questions: Quand une formation en ligne s’adresse simultanément à plusieurs dizaines de milliers d’apprenants, le nombre de questions posées par ces apprenants peut se compter en milliers. Il faut alors trouver des moyens pour y répondre. Les systèmes d’apprentissage automatique peuvent aider les enseignants à répondre, voire répondre à leur place, en exploitant des réponses passées à des questions similaires. Ainsi, plus les enseignants répondent, plus le système apprend à répondre à leur place et plus il les aide. Celui-ci peut alors se concentrer sur les questions les plus complexes sur lesquelles son expertise est utile.
- Une formation adaptable et sur mesure: En construisant des profils, en choisissant des parcours, en répondant à des évaluations, en posant des questions, etc., les apprenants laissent des traces sur les plateformes. Ces traces constituent des observations essentielles pour comprendre la manière dont les humains apprennent, mais aussi la manière dont chaque apprenant singulier apprend. Modéliser chaque apprenant en analysant ses traces, permet par exemple de détecter les apprenants en risque de décrochage. Cela permet aussi de proposer aux apprenants une formation sur mesure. Il’ s’agit là l’un des objectifs clé de la mise en place des plateformes d’adaptive learning. L’adaptive learning est une forme d’intelligence artificielle qui va permettre la personnalisation de chaque parcours, concours ou formation en fonction du niveau de chaque apprenant. Domoscio ou encore Mereos sont des start-ups spécialisées dans les solutions d’adaptive learning, qui allient sciences cognitives, big data et algorithmes pour présenter des solutions d’apprentissage adaptées à chacun.
