Formation en entrepriseDécryptage

Formation interactive : ce que montrent les recherches sur l’apprentissage actif

Les re­cherches sur l'ap­pren­tis­sage actif ap­portent des ré­sul­tats in­té­res­sants, mais ne prouvent pas que toute for­ma­tion in­ter­ac­tive amé­liore la per­for­mance en en­tre­prise. Une méta-ana­lyse de 225 études porte sur des cours uni­ver­si­taires de sciences, tech­no­lo­gie, in­gé­nie­rie et ma­thé­ma­tiques. Voici ce qu'elle mesure, ses li­mites de portée et des pistes d'éva­lua­tion pru­dentes.

DidacticBotPublié le 8 min de lecture
Entraînement avec un mentor, application au poste et retour d’une collègue sur le travail réalisé.
Illustration pédagogique originale : représentation conceptuelle, pas une capture du produit.

Les fondements scientifiques

Free­man et ses col­lègues ont syn­thé­ti­sé 225 études com­pa­rant cours ma­gis­traux et ap­pren­tis­sage actif dans l’en­sei­gne­ment su­pé­rieur en sciences, tech­no­lo­gie, in­gé­nie­rie et ma­thé­ma­tiques. Leur syn­thèse rap­porte des scores aux exa­mens amé­lio­rés d’en­vi­ron 6 % et un risque d’échec 1,5 fois plus élevé en cours ma­gis­tral [1]. Ces ré­sul­tats concernent ce contexte uni­ver­si­taire et ne dé­montrent pas un gain équi­valent en en­tre­prise.

Les ré­sul­tats d'une ac­ti­vi­té dé­pendent de sa concep­tion, de l'ap­pre­nant et du contexte. Un feed­back utile peut aider à cor­ri­ger une ré­ponse, mais il ne permet pas à lui seul de conclure à une meilleure per­sé­vé­rance, à l'achè­ve­ment du module ou à la per­for­mance pro­fes­sion­nelle.

Définir des indicateurs liés à l’objectif

Les ré­sul­tats uni­ver­si­taires cités ne jus­ti­fient pas les pour­cen­tages de ré­ten­tion, de temps gagné ou d’en­ga­ge­ment an­cien­ne­ment avan­cés, ni une hausse de ren­ta­bi­li­té des en­tre­prises. Construi­sez un suivi adapté avec les cinq indicateurs d’évaluation d’une formation interne.

  • Ob­ser­ver la ca­pa­ci­té à réa­li­ser une tâche avec des cri­tères dé­fi­nis à l’avance.
  • Com­pa­rer des si­tua­tions com­pa­rables et do­cu­men­ter les autres fac­teurs qui peuvent ex­pli­quer une évo­lu­tion.
  • Re­cueillir les re­tours pour com­prendre l’usage, sans les trai­ter comme une preuve di­recte de per­for­mance.

Les mécanismes de l'impact

La pra­tique de ré­cu­pé­ra­tion, les oc­ca­sions d'ap­pli­quer une notion et un feed­back ex­pli­ca­tif sont des choix pé­da­go­giques à consi­dé­rer selon l'ob­jec­tif. Leur pré­sence ne ga­ran­tit pas une com­pé­tence du­rable. Une in­ter­face conver­sa­tion­nelle peut four­nir un autre moyen de poser des ques­tions ; son uti­li­té doit être éva­luée dans le par­cours. Voir interaction vocale en formation.

Déployer efficacement

Dé­fi­nis­sez une tâche ob­ser­vable, choi­sis­sez une ac­ti­vi­té adap­tée, testez-la sur un pé­ri­mètre limité et com­pa­rez les ré­sul­tats à une ré­fé­rence per­ti­nente. Une évo­lu­tion ob­ser­vée ne prouve pas à elle seule que le dis­po­si­tif en est la cause. Dé­cou­vrez l’offre pour les entreprises.

Lire un résultat de recherche sans changer de question

Dans la méta-analyse de Freeman et al. publiée en 2014, les deux prin­ci­pales fa­milles de ré­sul­tats sont les scores à des exa­mens ou in­ven­taires concep­tuels et les taux d’échec. Les in­ter­ven­tions ac­tives sont di­verses : ré­so­lu­tion de pro­blèmes, échanges entre pairs ou ac­ti­vi­tés en ate­lier. La ca­té­go­rie étu­diée n’est donc pas sy­no­nyme de lo­gi­ciel in­ter­ac­tif, de vidéo conver­sa­tion­nelle ou d’in­tel­li­gence ar­ti­fi­cielle. La date, le public et les ac­ti­vi­tés doivent ac­com­pa­gner toute re­prise de ses conclu­sions.

Un ré­sul­tat agrégé décrit en moyenne les com­pa­rai­sons in­cluses, pas chaque si­tua­tion ni un mé­ca­nisme unique. Avant de citer une étude, écri­vez la pro­po­si­tion exacte qu’elle peut sou­te­nir et celle qu’elle ne peut pas sou­te­nir. Un effet moyen fa­vo­rable ne se trans­pose pas au­to­ma­ti­que­ment à votre ac­ti­vi­té.

Chaîne de preuve à conserver dans une note de lecture
ÉlémentCe qu’il faut releverExtrapolation à éviter
Po­pu­la­tionÉtu­diants et dis­ci­plines étu­diéesTous les sa­la­riés ap­prennent de la même ma­nière
In­ter­ven­tionAc­tions réel­le­ment pro­po­séesTout clic consti­tue un ap­pren­tis­sage actif
Com­pa­ra­teurCours ou pra­tique de ré­fé­renceLa com­pa­rai­son porte sur tous les for­mats pos­sibles
Ré­sul­tatÉva­lua­tion et moment de mesureUn score im­mé­diat éta­blit un gain du­rable de pro­duc­ti­vi­té

Le li­vrable est une fiche de lec­ture ex­ploi­table par un dé­ci­deur : ré­fé­rence com­plète, ques­tion étu­diée, po­pu­la­tion, in­ter­ven­tion, com­pa­rai­son, ré­sul­tat et li­mites. Ajou­tez une co­lonne « im­pli­ca­tion pour notre projet ». Elle doit conte­nir une hy­po­thèse à tester, pas une pro­messe de ré­sul­tat. Cette sé­pa­ra­tion permet d’uti­li­ser la re­cherche sans la trans­for­mer en ar­gu­ment d’au­to­ri­té.

Séparer effort ressenti, préférence et apprentissage

L’étude de Deslauriers et al., publiée en 2019, com­pare ap­pren­tis­sage mesuré et sen­ti­ment d’ap­prendre dans des cours uni­ver­si­taires in­tro­duc­tifs de phy­sique. Dans les condi­tions ex­pé­ri­men­tales étu­diées, les étu­diants de la mo­da­li­té active ap­prennent da­van­tage tout en ayant un sen­ti­ment d’ap­pren­tis­sage moins fa­vo­rable. Les au­teurs re­lient no­tam­ment ce dé­ca­lage à l’effort cog­ni­tif. Ce ré­sul­tat ne si­gni­fie ni que toute dif­fi­cul­té est bé­né­fique ni qu’il faut igno­rer l’avis des par­ti­ci­pants.

En en­tre­prise, une éva­lua­tion de sa­tis­fac­tion garde une fonc­tion utile : re­pé­rer une consigne confuse, une charge ex­ces­sive, un manque de dis­po­ni­bi­li­té ou un pro­blème d’accès. Elle ne rem­place pas une épreuve de com­pé­tence. À l’in­verse, un score cor­rect ne rend pas ac­cep­table un par­cours in­uti­le­ment dif­fi­cile à uti­li­ser. Conser­vez ces di­men­sions sé­pa­rées au lieu de les fu­sion­ner dans un in­di­ca­teur d’en­ga­ge­ment qui mas­que­rait leurs dif­fé­rences.

Pré­pa­rez trois ques­tions dis­tinctes après une ac­ti­vi­té : que pouvez-vous main­te­nant réa­li­ser, quel obs­tacle vous a gêné et quelle aide vous a été utile ? Confron­tez les ré­ponses à une pro­duc­tion ob­ser­vable. Un ap­pre­nant peut se sentir à l’aise parce qu’il re­con­naît les exemples, puis échouer devant un cas nou­veau ; un autre peut se sentir moins sûr parce qu’il a enfin iden­ti­fié la com­plexi­té de la tâche.

  • Livrer un ques­tion­naire bref consa­cré à l’ex­pé­rience, avec des ques­tions qui ap­pellent des cor­rec­tions concrètes.
  • Conser­ver une grille dis­tincte pour la com­pé­tence, avec er­reurs cri­tiques et cri­tères ob­ser­vables.
  • Pré­sen­ter les di­ver­gences entre res­sen­ti et ré­sul­tat comme des points à com­prendre, non comme la preuve qu’un des deux in­di­ca­teurs serait in­utile.

Construire un protocole local de transfert

For­mu­lez une hy­po­thèse li­mi­tée : une ac­ti­vi­té de jus­ti­fi­ca­tion aidera les par­ti­ci­pants à re­pé­rer une ex­cep­tion dans une pro­cé­dure donnée. Dé­fi­nis­sez en­suite une épreuve de départ et une épreuve finale équi­va­lentes, sans ré­pé­ter exac­te­ment les mêmes dos­siers. Si deux groupes sont pos­sibles, do­cu­men­tez leur ex­pé­rience, leurs condi­tions de tra­vail et les aides dis­po­nibles. Une af­fec­ta­tion aléa­toire peut ren­for­cer la com­pa­rai­son lorsque l’or­ga­ni­sa­tion et l’éthique le per­mettent ; elle ne dis­pense pas de vé­ri­fier les écarts réels.

An­non­cez le cri­tère prin­ci­pal avant la col­lecte : par exemple, iden­ti­fier cor­rec­te­ment une ano­ma­lie cri­tique et jus­ti­fier la suite à donner. Les temps de connexion, de­mandes d’aide et ap­pré­cia­tions res­tent des in­for­ma­tions se­con­daires. Fixer ce cadre en amont limite la ten­ta­tion de choi­sir après coup l’in­di­ca­teur le plus flat­teur. Dé­cri­vez aussi les ab­sences et don­nées man­quantes : elles font partie des ré­sul­tats du pilote.

Le trans­fert pro­fes­sion­nel de­mande une autre ob­ser­va­tion. Pré­voyez un contrôle lorsque la per­sonne a réel­le­ment eu l’oc­ca­sion d’uti­li­ser la com­pé­tence, avec les au­to­ri­sa­tions et pro­tec­tions né­ces­saires. Notez le volume de dos­siers et leur dif­fi­cul­té. Une baisse brute d’er­reurs peut venir d’un tra­vail plus simple ou d’une vé­ri­fi­ca­tion sup­plé­men­taire par le ma­na­ger. Sans cette in­for­ma­tion, vous ne saurez pas si la com­pé­tence a changé ou si l’en­vi­ron­ne­ment a com­pen­sé les dif­fi­cul­tés.

Le li­vrable est un pro­to­cole validé par le res­pon­sable métier : hy­po­thèse, po­pu­la­tion, ac­ti­vi­tés com­pa­rées, cri­tères, ca­len­drier, don­nées né­ces­saires et règle de dé­ci­sion. L’ef­fec­tif utile dépend de la va­ria­bi­li­té et de la cer­ti­tude re­cher­chée. Sur un petit pilote, pri­vi­lé­giez les ob­ser­va­tions pré­cises plutôt qu’une preuve gé­né­ra­li­sable.

Exemple d’analyse : orienter des demandes d’assistance

Hugo pré­voit de lire sé­pa­ré­ment les er­reurs de qua­li­fi­ca­tion, les jus­ti­fi­ca­tions et les de­mandes d’aide. Si les ré­ponses s’amé­liorent uni­que­ment sur les ti­ckets déjà ren­con­trés, il devra mo­di­fier les exer­cices pour exa­mi­ner la gé­né­ra­li­sa­tion. Si les par­ti­ci­pants ré­pondent cor­rec­te­ment mais n’ap­pliquent pas la règle au tra­vail, il vé­ri­fie­ra les contraintes opé­ra­tion­nelles : délai de trai­te­ment, accès à l’in­for­ma­tion ou consignes contra­dic­toires.

Conclusion fictive à éviter et conclusion défendableScénario pédagogique fictif — pas un témoignage client

Avant

L’ap­pren­tis­sage actif fonc­tionne à l’uni­ver­si­té, donc notre outil aug­men­te­ra la per­for­mance de tous les agents.

Après

Les re­cherches mo­tivent une hy­po­thèse ; notre pro­to­cole vé­ri­fie une com­pé­tence pré­cise dans un contexte décrit et conserve les ex­pli­ca­tions concur­rentes.

La note finale peut re­com­man­der de pour­suivre, mo­di­fier ou ar­rê­ter. Elle doit donner les dé­no­mi­na­teurs, les condi­tions du test, les ob­ser­va­tions dé­fa­vo­rables et les li­mites. Une ab­sence de dif­fé­rence nette n’est pas au­to­ma­ti­que­ment un échec : le pilote peut avoir révélé un pro­blème d’éva­lua­tion ou une ac­ti­vi­té mal ciblée. Mais elle ne doit pas être ré­écrite en succès sur la seule base d’un retour en­thou­siaste.

À retenir

L’ap­pren­tis­sage actif pré­sente des ré­sul­tats en­cou­ra­geants dans cer­tains contextes uni­ver­si­taires. En en­tre­prise, for­mu­lez une hy­po­thèse, me­su­rez les acquis et leur uti­li­sa­tion, puis do­cu­men­tez les li­mites de la com­pa­rai­son. Aucun gain uni­ver­sel ni ré­sul­tat Di­dac­tic­Bot n’est établi par la ré­fé­rence citée.

Sources et portée des références

  1. [1] Active learning increases student performance in science, engineering, and mathematicsScott Freeman et al., PNAS, 2014.

    225 études en enseignement supérieur STEM ; pas un essai de DidacticBot ni une mesure de performance d’entreprise.

  2. [enrichment-deslauriers] Measuring actual learning versus feeling of learning in response to being actively engaged in the classroomLouis Deslauriers et al., PNAS, 2019.

    Expérimentation en cours universitaire introductif de physique ; distinguer ressenti et apprentissage, sans extrapoler un effet universel.

Échangeons sur votre projet de formation en entreprise.

Présentez vos objectifs et vos supports à l’équipe pour examiner le fonctionnement et les modalités à confirmer pour votre projet.

Demander une démo