Le LMS ne suffit plus : ce qu'un système de formation IA fait de plus

Ce qu'un LMS fait bien

Un LMS centralise les contenus, gère les inscriptions, distribue les modules aux bonnes populations et produit des rapports d'activité : connexions, temps passé, taux de complétion, scores (voir Qu'est-ce qu'un LMS ?). Pour une formation réglementaire à faire suivre à tous, ou un catalogue à mettre à disposition, il reste l'outil adapté.

Les reproches qu'on lui adresse portent rarement sur ce qu'il fait, mais sur ce qu'on attend de lui sans qu'il ait été conçu pour le faire.

Quelles sont les trois limites d'un LMS ?

La personnalisation reste manuelle. Un LMS distribue le même module à toute une population, ou des variantes définies à l'avance par des règles conditionnelles. Produire un parcours distinct pour chaque profil, calé sur ce que la personne maîtrise déjà, suppose un travail de conception qui ne tient pas à l'échelle de centaines de collaborateurs. Un salarié qui connaît déjà la moitié du sujet peut suivre le même parcours que celui qui part de zéro.

La complétion n'est pas l'acquisition. Les données qu'un LMS enregistre par défaut, avec la norme SCORM, se limitent pour l'essentiel au statut, au score et au temps passé. Elles répondent à la question « la formation a-t-elle eu lieu ? », pas à « la compétence a-t-elle été acquise ? ». La norme xAPI (IEEE 9274.1.1-2023) permet d'enregistrer des activités plus riches, mais encore faut-il que le dispositif évalue la compétence. Le sujet est développé dans La mesure de l'acquisition de compétences au-delà du taux de complétion.

Les contenus vieillissent. Un module produit une fois se périme au rythme de son sujet. Sa mise à jour dépend de producteurs internes ou externes, avec des délais peu compatibles avec des domaines qui évoluent vite, comme les usages de l'IA ou la réglementation.

Que dit la recherche sur ce qui fait apprendre durablement ?

Plusieurs résultats solides expliquent pourquoi diffuser un module une fois produit peu d'effet durable.

• L'oubli est rapide après un apprentissage isolé. La courbe de l'oubli décrite par Ebbinghaus a été répliquée par Murre et Dros (2015) : la perte est forte dans les heures et les jours qui suivent, puis ralentit. L'expérience porte sur des syllabes sans signification et un seul sujet ; elle ne se transpose pas en pourcentage à des compétences professionnelles, mais elle montre l'intérêt de revenir sur un contenu.
• Espacer les révisions améliore la rétention. La synthèse de Cepeda et al. (2006), portant sur 317 expériences, montre que des sessions espacées donnent une meilleure rétention que des sessions groupées, et que l'intervalle optimal augmente avec la durée pendant laquelle on veut retenir.
• Se tester fait apprendre. Roediger et Karpicke (2006) montrent qu'après une semaine, des participants qui se sont testés retiennent nettement mieux que ceux qui ont relu le même texte, alors même que la relecture donne plus confiance.
• Le transfert dépend aussi du terrain. La méta-analyse de Blume et al. (2010), sur 89 études, relie l'application de la formation au poste à la motivation, aux capacités et à un environnement de travail favorable.

Un LMS peut héberger des quiz et des rappels, mais il ne les organise pas de lui-même en fonction de ce que chaque personne a retenu.

Ce qu'un système de formation IA ajoute

Un système de formation IA part des compétences visées et du niveau réel de chaque personne. Il génère le parcours qui comble l'écart, sans faire repasser l'apprenant sur ce qu'il maîtrise. Il évalue l'acquisition au fil du parcours, par des questions réparties dans le temps et des mises en situation, et recalcule la suite à chaque étape. Il produit enfin une trace des acquis par compétence, exploitable pour le pilotage, un financeur ou un audit.

Les preuves disponibles portent surtout sur les tuteurs intelligents, qui reposent sur le même principe d'ajustement. La méta-analyse de Kulik et Fletcher (2016), sur 50 évaluations, trouve un effet médian de 0,66 écart-type sur les résultats aux tests, plus faible sur les tests standardisés que sur les tests conçus localement. Ces résultats justifient l'intérêt de la démarche, pas l'efficacité d'un produit donné : elle se vérifie sur vos propres données.

Ce que l'IA ne remplace pas

L'IA ne remplace ni l'accompagnement humain dans les situations complexes, ni la transmission par les pairs et les managers de proximité, ni les conditions de travail qui permettent d'appliquer ce qui a été appris. Les travaux sur le transfert rappellent que l'environnement de travail pèse sur l'application de la formation. Un outil optimise le dispositif ; il ne crée pas, seul, ces conditions. Voir Ce que l'IA ne peut pas faire en formation.

Remplacer ou compléter le LMS ?

La question se pose souvent trop tôt. Un système de formation IA peut s'intégrer à un LMS existant, par API ou via les normes SCORM, xAPI et cmi5, le LMS continuant d'assurer l'accès et la traçabilité. Il peut aussi opérer seul selon l'infrastructure. Le bon critère est ce que l'organisation doit produire : si le besoin est une acquisition mesurée et des parcours individualisés à grande échelle, la diffusion seule ne le couvre pas. Les familles d'outils sont distinguées dans LMS, LXP, adaptive learning, moteur de formation IA : comment les distinguer, et les offres du marché dans le panorama des alternatives aux LMS.