E-learning conversationnel : définition, usages et limites

Définition : apprendre en dialoguant avec le contenu

Une revue sys­té­ma­tique de la lit­té­ra­ture consa­crée aux chat­bots en édu­ca­tion les dé­fi­nit comme des sys­tèmes nu­mé­riques avec les­quels on in­ter­agit en­tiè­re­ment en lan­gage na­tu­rel, par le texte ou par la voix. Ap­pli­qué à la for­ma­tion, l’e-lear­ning conver­sa­tion­nel dé­signe un par­cours dans lequel l’ap­pre­nant peut in­ter­ro­ger un agent sur le conte­nu qu’il est en train d’étu­dier, et re­ce­voir une ré­ponse for­mu­lée pour sa ques­tion.

La nuance avec l’e-lear­ning in­ter­ac­tif est im­por­tante. Un module in­ter­ac­tif pro­pose des ac­tions pré­vues par le concep­teur : cli­quer, choi­sir une ré­ponse, suivre une branche. Ces prin­cipes sont dé­taillés dans notre ar­ticle sur l’e-learning interactif. Dans un par­cours conver­sa­tion­nel, c’est l’ap­pre­nant qui prend l’ini­tia­tive de la ques­tion, au moment où il en a besoin, avec ses propres mots.

Ce qui change par rapport à une vidéo de formation classique

Une vidéo clas­sique est un flux à sens unique : si un pas­sage n’est pas com­pris, l’ap­pre­nant re­vient en ar­rière, cherche ailleurs ou attend une ses­sion avec le for­ma­teur. Le ta­bleau ci-des­sous com­pare les deux si­tua­tions, sans pré­ju­ger du ré­sul­tat pé­da­go­gique, qui dépend de la concep­tion du par­cours.

Les usages où la conversation apporte quelque chose

La conver­sa­tion n’est pas utile par­tout. Elle prend de la valeur lorsque les ques­tions des ap­pre­nants sont nom­breuses, va­riées et dif­fi­ciles à an­ti­ci­per dans un module figé. Quelques si­tua­tions ty­piques :

• Cla­ri­fier une notion au moment où elle bloque, sans quit­ter le module.
• De­man­der un exemple sup­plé­men­taire ou une re­for­mu­la­tion plus simple.
• Ré­vi­ser avant une éva­lua­tion en posant ses propres ques­tions.
• Ac­com­pa­gner des ap­pre­nants à dis­tance qui suivent la for­ma­tion en dehors des ho­raires du for­ma­teur.
• Pro­po­ser la voix comme al­ter­na­tive à l’écrit, lorsque le contexte s’y prête : notre ar­ticle sur l’interaction vocale en formation dé­taille les points d’ac­ces­si­bi­li­té à vé­ri­fier.

Exemple : la conversation pendant une vidéo DidacticBot

Dans Di­dac­tic­Bot, la vidéo se met au­to­ma­ti­que­ment en pause quand l’ap­pre­nant pose sa ques­tion ; l’IA répond à la voix sur les conte­nus pé­da­go­giques, puis l’ap­pre­nant de­mande la re­prise de la vidéo après l’échange. Le prin­cipe est donc de garder la ré­ponse ancrée dans les conte­nus pré­pa­rés pour la for­ma­tion, plutôt que dans des connais­sances gé­né­rales.

Les autres pos­si­bi­li­tés de la pla­te­forme, comme l’import de res­sources, l’or­ga­ni­sa­tion en mo­dules et cha­pitres ou le suivi de la pro­gres­sion, sont pré­sen­tées sur la page Fonctionnalités. Les mo­da­li­tés pré­cises se vé­ri­fient pour chaque projet.

Les limites à examiner avant de se lancer

Un agent conver­sa­tion­nel ne rem­place ni la concep­tion pé­da­go­gique ni le for­ma­teur. Avant de l’in­té­grer, plu­sieurs points mé­ritent un examen at­ten­tif.

La fiabilité des réponses

Une IA peut for­mu­ler une ré­ponse plau­sible mais in­exacte. Res­treindre les ré­ponses aux conte­nus de la for­ma­tion réduit ce risque sans le sup­pri­mer : il faut tester l’agent avec des ques­tions réelles d’ap­pre­nants, y com­pris des ques­tions hors sujet ou mal for­mu­lées, et vé­ri­fier ce qu’il répond lorsqu’il ne sait pas.

Le passage de relais au formateur

Cer­taines ques­tions re­lèvent du ju­ge­ment pro­fes­sion­nel, d’une si­tua­tion per­son­nelle ou d’un point que le conte­nu ne couvre pas. Il faut pré­voir com­ment l’ap­pre­nant ob­tient alors une ré­ponse hu­maine, et dans quel délai. Notre ar­ticle sur la complémentarité entre l’IA et le formateur dé­ve­loppe cette ré­par­ti­tion des rôles.

Les données des apprenants

Les ques­tions posées, à l’écrit ou à la voix, sont des don­nées. Il faut savoir les­quelles sont conser­vées, com­bien de temps, qui y accède et dans quel cadre. Le guide de l’UNESCO sur l’IA gé­né­ra­tive en édu­ca­tion in­siste sur la pro­tec­tion des don­nées et sur la va­li­da­tion éthique et pé­da­go­gique des outils avant leur usage. Ces points se vé­ri­fient auprès de chaque four­nis­seur ; aucun outil n’est conforme par prin­cipe.

La mesure de l’effet

La même revue de lit­té­ra­ture sou­ligne un défi ré­cur­rent : ali­gner l’éva­lua­tion des chat­bots sur les ob­jec­tifs qui ont motivé leur mise en place. Le nombre de ques­tions posées ne dit pas si l’ap­pre­nant a com­pris. Dé­fi­nis­sez dès le départ ce que la conver­sa­tion doit amé­lio­rer, et com­ment vous le vé­ri­fie­rez.

Comment évaluer un projet d’e-learning conversationnel

Avant de dé­ployer un par­cours conver­sa­tion­nel, quelques ques­tions per­mettent de cadrer le projet :

1. Quelles ques­tions les ap­pre­nants posent-ils au­jourd’hui au for­ma­teur, et à quel moment ?
2. Sur quels conte­nus l’agent doit-il s’ap­puyer, et sont-ils à jour ?
3. Que se passe-t-il quand l’agent ne peut pas ré­pondre ?
4. La voix est-elle adap­tée au contexte d’ap­pren­tis­sage, et une al­ter­na­tive écrite existe-t-elle ?
5. Quelles don­nées sont conser­vées, et les ap­pre­nants en sont-ils in­for­més ?
6. Quel in­di­ca­teur mon­tre­ra que la conver­sa­tion a aidé à at­teindre l’ob­jec­tif pé­da­go­gique ?

À retenir

L’e-lear­ning conver­sa­tion­nel permet à l’ap­pre­nant de poser ses ques­tions au moment où il en a besoin et d’ob­te­nir une ré­ponse construite à partir des conte­nus de la for­ma­tion. Il est utile lorsque les ques­tions sont nom­breuses et va­riées, à condi­tion de tester la fia­bi­li­té des ré­ponses, d’or­ga­ni­ser le relais vers le for­ma­teur, d’en­ca­drer les don­nées et de me­su­rer l’effet sur les ob­jec­tifs pé­da­go­giques.