retour au sommaire

Ivan

Ostrowicz

Co-Founder & CEO

 

DOMOSCIO

Learning analytics : vers une révolution de l’éducation ?

Nous sommes une startup Edtech spécialisée dans le Big Data et l’Intelligence Artificielle combinés avec les sciences cognitives afin de proposer des solutions d’apprentissage innovantes d’Adaptive Learning. Fondée en 2013, Domoscio signifie en espéranto « Maison de la Connaissance ». Ce nom révèle beaucoup sur la volonté de la startup d’inventer une nouvelle approche du savoir en transformant le processus d’apprentissage.

 

 

Quel constat faites-vous tout d’abord de la digitalisation de l’éducation ?

Quels sont les enjeux français en termes d’éducation en ligne ?

 

On constate une différence d’évolution entre, d’une part, le marché de l’éducation primaire, secondaire et universitaire, et d’autre part, le marché de la formation professionnelle. Ce dernier, qui s’adresse aux entreprises et organismes de formation, a été poussé à évoluer de par la réforme de la formation.

 

Le marché, il y a encore 4 ans, était très peu actif, mais il doit désormais s’adapter au besoin de personnalisation des méthodes d’apprentissage. Cette personnalisation nécessite de nombreuses ressources, soir 1 formateur par apprenant, soit l’utilisation de la technologie. Aujourd’hui, certains organismes de formations privilégient une approche blending learning, c’est-à-dire une balance équilibrée entre présentiel et distanciel. Nous sommes convaincus que le présentiel a toujours sa place dans le modèle éducatif et de la formation. D’autant plus que nombre d’outils permettent de revigorer le présentiel et de l’animer. De même, coté distanciel, différentes formes de formations sont nées : les MOOC, et surtout l’Adaptive Learning.

 

Les algorithmes permettent un meilleur pilotage de la formation et une réduction des temps de formation. En moyenne, les solutions d’Adaptive Learning nécessitent 37% de ressources en moins pour arriver à un même objectif et trois mois après, les apprenants retiennent en moyenne 79% de ce qu’ils ont appris. C’est la recherche de performance, de résultats et le besoin de KPIs sur les formations qui fait bouger les lignes du secteur.

 

 

Qui sont les précurseurs de cette révolution de l’apprentissage ?

 

Les États-Unis, avec un marché très actif et un investissement de plus de 150 millions de dollars dans des startups, sont naturellement précurseurs sur le sujet. Il faut cependant se confronter à la réalité de marché. La taille du marché implique des solutions très hétérogènes, des plateformes de e-learning très différentes, des visions de la formation et des contenus différents.

 

Le Royaume-Uni, la Norvège et les Pays Bas sont également assez avancés en termes de solutions de Learning Analytics et d’Adaptive Learning, mais le marché français n’est pas forcément en retard et les éditeurs français ont fait un saut énorme ces trois dernières années.

Néanmoins le marché est assez restreint et récent. D’après l’Observatoire de l’EdTech, on recense plus de 254 sociétés françaises sur le marché. Et 75 d’entre elles déclarent faire de l’Adaptive Learning, mais certains utilisent ce terme à des fins purement marketing.

 

Nous constatons également que de nombreuses solutions d’Adaptive Learning fonctionnent avec leur propre plateforme et parfois leur propre contenu. Cela limite largement les interconnexions avec les plateformes de e-learning internes aux entreprises, qui sont en demande de solutions d’Adaptive Learning.

 

 

Quel est le fondement de Domoscio ?

 

L’origine vient d’un besoin particulier de personnalisation de la formation ressenti par Benoit Praly, ingénieur spécialisé en mathématiques à l’ENSIMAG de Grenoble en tant qu’étudiant. La première version de la solution développée, intégrant des algorithmes, était donc à des fins d’utilisation personnelle.

Nous sommes donc partis du premier constat que nous apprenons tous différemment, que chacun apprend à son rythme et à sa manière mais également du second constat que les apprenants vont oublier ce qu’ils ont appris.

Le système scolaire primaire et secondaire, avec un professeur pour 30 élèves, et l’enseignement supérieur, avec un professeur pour 200 élèves ne sont pas adaptés à l’individualité de l’apprentissage et à l’engagement nécessaires de l’apprenant. Le système actuel de l’éducation et de la formation commence à avancer pour proposer des solutions de personnalisation du processus d’apprentissage et consolidation des acquis.

 

Le taux d’engagement du e-learning, avec par exemple, de simples mises à disposition de vidéos de 2h en ligne, est faible. Les Moocs représentent une avancée certaine dans l’élargissement de la formation a une plus large population, mais l’assiduité est également critiquée par le manque de personnalisation au besoin de chacun.

 

En effet, l’objectif d’un apprenant sur un Mooc n’est absolument pas pris en compte. Une personne peut n’avoir pour objectif que l’étude d’un chapitre, on ne devrait alors pas forcément parler d’abandon. La personnalisation permet d’aller plus loin sur la mesure de l’engagement des apprenants.

 

L’éducation présente donc deux challenges prioritaires : comment personnaliser l’expérience d’apprentissage et comment permettre à l’apprenant de retenir ce qu’il a appris.

Nous nous sommes fondés sur les concepts et techniques issus des sciences cognitives, neurosciences et de la psychologie cognitive tels que les courbes de l’oubli ou encore la répétition espacée mais également d’études prouvant l’impact de la personnalisation sur l’apprentissage. Pour appliquer ces méthodes à l’informatique, nous nous basons naturellement sur la donnée. Le Big Data et les algorithmes d’Intelligence Artificielle, spécialement de Machine Learning, sont naturellement au cœur de Domoscio. Nous utilisons des algorithmes de Machine Learning, afin de traiter les données, couplés aux sciences cognitives, pour faire ressortir la meilleure méthode d’apprentissage pour chaque individu.

 

Nous combinons donc trois solutions d’Adaptive Learning pour recommander la bonne méthode à la bonne personne en fonction de son objectif d’apprentissage. Nous envoyons les données vers notre API, qui analyse, fait des calculs, avant de les renvoyer à la plateforme pour faire des recommandations personnalisées.

 

Nous avons donc développé trois solutions technologiques pour trois étapes d’apprentissage :

1 Premier apprentissage : une solution permettant de collecter les données d’apprentissage de l’apprenant et, en retour, de lui proposer à l’instant T, et selon ses objectifs pédagogiques, les contenus, exercices et formations les plus adaptés.

 

2 Consolidation : une solution d’ancrage adaptatif® qui répond au besoin de rétention d’information avec un planning de révisions et des piqûres de rappel adaptés à chaque apprenant. Le système d’Intelligence Artificielle est notamment capable de mesurer à quelle vitesse l’apprenant oublie.

 

3 Application : une solution d’analyse des données présentant toutes les Learning Analytics sous forme de tableaux de bord pour permettre d’analyser l’avancement de l’apprenant, la manière dont le contenu est utilisé et consommé, d’alerter sur les apprenants qui ont bientôt terminé ou au contraire ceux qui sont en risque de décrochage. Ce troisième volet permet des feedbacks indispensables et recherchés dans le domaine de l’éducation et bien sûr de la formation.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Qui sont les acteurs concernés par l’Adaptive Learning ?

 

L’adpative Learning adresse 4 types de publics :

- Les éditeurs de contenus, éditeurs de manuels scolaires ou de formation professionnelle (comme les éditions Hatier, Didier, Hachette, Edebé…)

- Les professionnels de la formation professionnelle : les directions formation, université d’entreprise, RH

- Les Institutions académiques et organismes de formation tels que l’université Paris Descartes, IFIS (santé), Abilways…

- Les plateformes de e.learning, d’apprentissage en ligne et LMS : Xperteam par exemple dans le domaine des plateformes propriétaires ou Moodle pour une plateforme Open Source.

 

En se positionnant comme acteur complémentaire aux acteurs de l’éducation, Domoscio propose ainsi, soit d’utiliser leur plateforme de e-learning, soit de s’interfacer avec les plateformes existantes des clients, propriétaires ou open source.

 

 

Quelles sont les données qui peuvent être récoltées dans l’enseignement ?

Pour quelles applications ?

 

S’il y a des données existantes, nous récoltons en amont toutes les données d’apprentissage, de recherches, les données administratives ou de CRM disponibles dans les universités par exemple qui pourraient être intéressantes pour les solutions d’adaptive learning.

Nous récoltons par la suite toutes les données de parcours de l’utilisateur. Sur quel contenu l’utilisateur est passé, combien de temps a-t-il passé sur le contenu, le résultat des exercices, s’il a consulté des contenus lorsqu’il faisait un exercice etc…

 

Nous utilisons ensuite des algorithmes de Machine Learning, qui permettent de mettre à jour en continu nos modèles pour fournir des recommandations personnalisées en fonction des nouvelles données recueillies. Pour faire tourner ces algorithmes, nous fonctionnons avec une infrastructure en SaaS. La puissance de calcul nous est offerte par des technologies Microsoft et nous avons fait le choix de serveurs à l’international afin d’être capable de répondre aux besoins à un niveau mondial.

 

L’Adaptive Learning fait aussi du « clustering ». Notre algorithme propose notamment un match-making automatisé pour une mise en relation des personnes de niveaux homogènes ou ayant les mêmes méthodes d’apprentissage afin de générer de l’entraide entre les participants. Mais l’algorithme peut également proposer des profils experts dans certaines catégories ou l’apprenant bloque, dans le but de favoriser la collaboration entre les apprenants.

L’Adaptive Learning peut donc être particulièrement utile :

- À l’apprenant qui grâce aux Learning Analytics peut voir sa progression, ses points forts, ses points à travailler etc.

- Aux éditeurs pour analyser les contenus les mieux compris, les moins utilisés, les adapter si besoin

- Aux ressources humaines et fonctions formation des entreprises pour analyser l’engagement sur la plateforme, les risques de décrochage sur une thématique, les blocages etc… mais également le ROI des investissements dans la formation.

- Aux managers des entreprises. Grâce au Machine Learning, on connait le profil de l’apprenant, sa typologie, on sait quelles formations il suit, qu’est-ce qui a bien fonctionné pour lui dans le passé, et on est en mesure de l’appliquer au présent pour permettre à ses salariés d’acquérir les bonnes compétences, dans un contexte professionnel où la tendance est au turn-over horizontal.

 

 

Quelles seront, selon vous, les futures applications du Big Data et de l’IA dans l’éducation ?

 

Il y aura de plus en plus de numérique dans la formation, dans l’éducation. Cependant, nous sommes convaincus que les modèles présentiels et online ne s’opposeront pas. Les applications interactives, la gamification et la personnalisation de parcours vont être indispensables aux nouvelles méthodes d’apprentissage mais l’humain ne sera pas laissé de côté. Nous envisageons l’humain en symbiose avec le numérique dans le parcours d’apprentissage. Le rôle du professeur et du formateur va naturellement évoluer vers un rôle d’accompagnateur.

 

L’Intelligence Artificielle sera complémentaire, car aujourd’hui, elle n’est pas capable d’interagir avec l’apprenant dans tous les types d’interactions humaines possibles. Il y a par exemple des moments de rencontre incontournables pour compléter l’apprentissage informatique notamment dans les métiers manuels comme l’ébénisterie.

Les algorithmes vont par ailleurs créer des moments de rencontre entre des individus complémentaires ou similaires pour faciliter l’apprentissage.

 

Le Big Data a également vocation à entrer dans la personnalisation de la gamification de l’apprentissage. La gamification peut être liée au contenu et doit être différente en fonction de la cible. Les enfants seront friands de médailles. On va chercher à ce qu’ils s’investissent plus même s’ils font plus d’exercices en privilégiant le côté pédagogique. Dans la formation professionnelle, la gamification doit être orientée vers l’acquisition de compétences, les challenges et la réussite professionnelle entre collègue.

L’Adaptive Learning est plus que jamais d’actualité. Plus on aura de numérique et de technologies, plus on pourra développer de formations numériques et plus les intelligences artificielles seront puissantes et efficaces dans la personnalisation de l’apprentissage.

À propos des Moocs

Une étude de l’université de Pennsylanie donnait déjà l’alarme en 2013 :
le taux de rétention, c’est-à-dire le pourcentage d’inscrits qui suivent un MOOC jusqu’au bout, est particulièrement bas, de l’ordre de 5 % à 10 % en moyenne. La part des inscrits aux MOOC du MIT et de Harvard en 2012-2013 ayant suivi plus de la moitié des cours s’élève à seulement 9% et à peine 5% ont validé leur formation.

Ivan Ostrowicz est ingénieur diplômé de l’Université Polytechnique de Catalogne et de l’ENSIMAG et diplômé du MBA de Neoma BS. Il a une expérience à l’international dans le management des organisations et en des systèmes d’informations en entreprise (La Caixa, SFR, Air France) et en cabinet de conseil (EY).