Formation professionnelle : révolutionnée, à son tour, par l’intelligence artificielle ?

Comme de nombreux secteurs avant elle, la formation professionnelle pourrait bien être réinventée par les nouvelles technologies, tant au niveau des pratiques que des modèles économiques.

La formation accessible à tous

Le développement des cours en ligne, des MOOC (Massive Open Online Course ou formation en ligne ouverte à tous) et des tutoriels sur les réseaux sociaux a déjà commencé à modifier le secteur de la formation. Aujourd’hui, tout le monde peut partager ses connaissances de façon monétisée ou non en publiant des vidéos sur YouTube, en mettant en place un système d’abonnement et d’envoi de formations par MailChimp ou en créant son propre MOOC.

On est ainsi passé d’un cadre classique formateur-apprenant à une émergence de l’application de l'intelligence collective dans le domaine de la formation. Le rôle des formateurs, la qualité et le contenu des formations sont ainsi remis en question, tout comme le cadre. Aujourd’hui, on peut facilement se former en dehors des heures de travail grâce à son seul smartphone pour développer ses compétences professionnelles, découvrir un nouveau métier ou simplement pour le plaisir d’apprendre.

Le fait que des “amateurs” puissent enseigner (par amateurs, nous entendons le fait que les formateurs n’ont parfois aucune certification mais ne remettons aucunement en doute leurs compétences, ce n’est pas l’objet de cet article) sont la preuve que la formation professionnelle a déjà commencé à être ubérisée. Toutefois, les professionnels du secteur ne sont pas remplacés, loin de là, et doivent au contraire s’inspirer de ces tendances pour améliorer leurs formations et mettre en avant leurs compétences en matière d’ingénierie pédagogique.

De l’évolution à la révolution

Si les MOOC n’ont pas constitué à proprement parler une révolution mais plutôt une évolution de la formation professionnelle, il en est autrement de l'intelligence artificielle et du concept de deep learning.

Le deep learning, ou apprentissage profond, est une forme d’intelligence artificielle, dérivée du machine learning, qui repose sur des réseaux de neurones artificiels mais aussi des technologies comme la reconnaissance d’images ou la vision robotique. Les réseaux de neurones artificiels sont inspirés par ceux du cerveau humain avec plusieurs neurones artificiels connectés entre eux. Ainsi, plus le nombre de neurones est élevé, plus le réseau est  « profond ».
 

Source image : Pixabay

Dans les domaines de l’éducation et de la formation professionnelle, certaines applications peuvent améliorer la qualité de l’apprentissage et favoriser la transmission des savoirs et compétences en aidant les enseignants à détecter les différents modes d’apprentissage de leurs élèves et à adapter leur façon d’enseigner. Les algorithmes analysent ainsi comportements des apprenants pour s’enrichir et proposer une expérience de formation adaptée à leurs besoins. Ils ne sont en revanche pas encore utilisés de façon indépendante et sont davantage un outil d’aide pour le formateur. Toutefois, couplé à l’e-learning, le deep learning permettra de créer des solutions d’apprentissage de plus en plus poussées.

Des systèmes pas encore autonomes

Adapter le machine learning et le deep learning à l’éducation est aujourd’hui tout à fait possible. Ces solutions doivent bien entendu être améliorées mais l’objectif est de faire en sorte qu’elles s’adaptent automatiquement au profil de l’utilisateur. Par exemple, certains apprenants préfèrent engranger des connaissances et avoir accès à beaucoup de contenu avant de passer à la mise en pratique tandis que d’autres progressent davantage en faisant beaucoup d’exercices. Un système de machine learning peut ainsi s’adapter de façon naturelle aux attentes et caractéristiques des utilisateurs.

L’intelligence artificielle associée aux données des individus permet de mettre à jour de façon automatique les profils des apprenants afin de proposer une formation sur-mesure, presque exclusive. Les principales caractéristiques (points forts, temps de travail, difficultés) sont analysées et placées au cœur du processus pédagogique. Un principe que les professionnels souhaitent appliquer lors de leurs sessions de formation mais qui est bien difficile à mettre en place lorsque ces sessions impliquent de nombreux apprenants. Si un formateur ne peut donc pas adapter son cours ou sa formation à chacun des apprenants, il peut par contre mettre à profit les technologies de machine learning pour mettre en place des moments de travail plus personnels où chacun pourra travailler sur des exercices spécifiques recommandés pour lui. L’idée principale est de trouver des synergies et non de remplacer le formateur.
 

Source image : Esia.fr

L’intelligence artificielle peut même intervenir avant la formation, au moment de la recherche d’informations. La mise en place de chatbots est indiquée pour commencer à recueillir des informations sur les individus et les orienter de la meilleure des façons possibles en lui recommandant des MOOC ou des formations sur-mesure avec un professionnel. 

Les outils de machine learning, basés sur l’intelligence artificielle, doivent au final être considérés comme des assistants pour les formateurs professionnels qui peuvent se concentrer sur leur cœur de métier plutôt que comme un outil de formation autonome. Les systèmes d’apprentissage automatisés ne sont en effet pas encore assez indépendants. Ils peuvent certes répondre aux questions courantes mais pas encore à une question poussée ou trop personnalisée. Enfin, si de nombreuses personnes utilisent les MOOC pour se former, le recours à un formateur correspond aussi à une attente sociale que ne peuvent pas combler les outils de machine learning.