

Individualisation de la formation : le 1:1 pour tous n'est plus une utopie budgétaire
5
min
À chaque vague technologique, la même promesse revient : des parcours individualisés, pour tous. Les premiers LXP juraient du sur-mesure. On a récolté des moteurs de recommandation. 12 ans plus tard, l'IA conversationnelle rouvre le dossier, et le secteur entier veut y croire. Avant de re-signer la même promesse, posons la vraie question : pourquoi a-t-elle tenu si longtemps sans jamais se réaliser à l'échelle, et qu'est-ce qui, cette fois, change de nature ? Spoiler : ce n'est pas que les modèles recommandent un peu mieux.

@Blify
Le vieux rêve du L&D : un tuteur pour chacun
En 1984, le psychologue Benjamin Bloom mesure quelque chose de troublant. Les élèves suivis en tutorat individuel, avec une pédagogie de maîtrise, dépassent en moyenne 98 % des élèves d'une classe ordinaire. C'est le fameux problème des 2 sigma. Soyons honnêtes : l'effet exact n'a jamais été répliqué tel quel, et les chercheurs en discutent encore. La direction, elle, ne fait aucun doute. Le 1:1 reste la meilleure condition d'apprentissage que nous sachions créer.
Bloom pose lui-même le hic : un tuteur par tête coûte trop cher pour tenir à grande échelle. Depuis 40 ans, toute l'histoire du L&D se résume à une seule quête, rendre ce 1:1 abordable.

Deux promesses, pas une, et deux échecs
Pour y parvenir, 2 courants ont coexisté. D'un côté, les LXP, nés vers 2012, premier du genre. Ils promettaient un parcours sur mesure pour chacun ; ils ont surtout livré un moteur de recommandation greffé sur un profil utilisateur. Or recommander n'est pas adapter. De l'autre, une vision autrement plus ambitieuse, et vite oubliée : l'adaptive learning. Dès 2008, l'américain Knewton voulait cartographier les forces et les faiblesses de chaque apprenant pour lui injecter le bon contenu, sans intervention humaine. Smart Sparrow en Australie (2011), puis Domoscio en France (2013), poursuivent la même obsession : non plus suggérer, mais ajuster en temps réel.
Aucun n'est passé à l'échelle. Knewton, après avoir beaucoup promis, finit racheté par Wiley en 2019, très loin des montants qu'il avait levés. Ses homologues sont absorbés par d’autres acteurs. Le réflexe de l'ingénierie de formation, lui, n'a pas bougé d'un cran. Les travaux de Donald H. Taylor et Egle Vinauskaitė le montrent : l'IA en L&D sert encore aujourd'hui de super-usine à contenus, bien plus que d'outil d'individualisation. Les technologies ont changé deux fois. Nos habitudes, jamais.

Le vrai diagnostic : 2 verrous, pas un
On résume souvent ces échecs d'une formule : trop cher, trop tôt. C'est incomplet. Il y avait 2 verrous. Le premier, technique : l'IA des années 2010 était tout simplement trop limitée. Modèles faibles, puissance de calcul insuffisante, et surtout ce démarrage à froid qui réclamait des montagnes de données labellisées avant de produire la moindre recommandation pertinente.
Le second verrou, plus profond, découle du premier. Faute de pouvoir vraiment dialoguer ou évaluer en continu, ces outils restaient prisonniers d'un modèle centré contenu : apparier un profil mesuré une fois à un contenu pré-existant, un trajet de A vers B en ligne droite, sans boucle de correction. Or personne n'apprend en ligne droite. Un catalogue intelligent reste un catalogue. Bon objectif, mauvais moteur ; et un moteur bridé par son époque.
Webinaire
Avec 2 milliards d'échanges hebdomadaires sur ChatGPT, le "Shadow IA" formation est une réalité massive. Vos collaborateurs n'attendent plus le LMS. Découvrez comment transformer ces usages informels en stratégie L&D pilotée et performante.

Ce que l'IA conversationnelle change, vraiment
Cette fois, les modèles ont franchi un cap. Mais le vrai basculement ne tient pas à de meilleures recommandations. Il tient à ce que l'ancienne IA ne savait pas faire : dialoguer. On passe d’une logique de la recommandation à une nouvelle de la conversation. L'évaluation devient continue, dans le flux de l'échange, et le parcours devient une boucle au lieu d'une ligne droite. L'escalier se transforme en escalator.

Les chiffres commencent à suivre. À Harvard, l'équipe de Gregory Kestin a comparé en 2024 un tuteur IA bien conçu à un cours en active learning, sur près de 200 étudiants en physique. Résultat : ils apprennent plus du double, en moins de temps, avec le tuteur IA. Pour la première fois, les deux verrous sautent ensemble. Le 1:1 de Bloom devient adressable à l'échelle. On quitte le 1-to-Many pour viser le 1:1 pour tous.
La promesse ne tiendra qu'à 3 condition
Le signal d'abord : pas d'individualisation pertinente sans matière vivante pour nourrir la boucle. La formation doit être branchée en direct sur les outils de l'entreprise et ses bases de connaissance, les fameux systems of records, là où circule la donnée à jour. Mais y brancher l'IA ne suffit pas : cette donnée doit être structurée et labellisée, faute de quoi l'adaptation s'appuie sur du bruit et retombe en simple recommandation déguisée.
La mesure ensuite : continue, dans le flux de l'échange, jamais reléguée à un examen de fin de parcours. Et cette mesure n'est pas qu'un tableau de bord, elle est elle-même une source primordiale de signal : ce qu'on observe en temps réel renourrit la boucle et ajuste le parcours au plus près du travail. Encore faut-il mesurer la bonne chose. Pas le seul engagement de surface, l'angle mort du taux de complétion, mais ce que l'apprenant comprend et sait refaire : où il bute, les questions qu'il pose, sa capacité à appliquer une notion à un cas réel. Cela passe par le dialogue et la mise en situation, pas par un QCM de sortie.
Le renforcement enfin : une IA qui répond à votre place n'est pas un tuteur, c'est une béquille. Elle livre la solution, vous épargne l'effort, et vous laisse tout aussi démuni la fois suivante. Une bonne IA fait l'inverse : elle vous fait chercher, reformuler, pratiquer, quitte à vous renvoyer la question plutôt que la réponse. Elle muscle au lieu d'assister, c'est tout l'enjeu de la dette cognitive.
Conclusion
La promesse de 1984 est enfin techniquement à portée. Elle ne se tiendra pas toute seule. Tout dépend d'un choix : revendre le rêve pour livrer, encore, un catalogue déguisé, ou bâtir des parcours qui s'adaptent pour de vrai, dans une logique conversationnelle, ancrée dans le flow of work, où l'agent vous fait travailler au lieu de penser à votre place. Le 1:1 pour tous n'est plus une utopie budgétaire. C'est devenu une décision d’architecture de votre stratégie L&D.
Auteur(s)

Equipe de rédaction
Blify
Partager cet article





