Publié le 26 septembre 2026 · Mis à jour le 10 octobre 2026 · Par Marie Castelli, Partner, Mentivis
Apprentissage adaptatif et personnalisation des parcours : le guide
L'apprentissage adaptatif ajuste le contenu, la difficulté, l'ordre et le moment des révisions d'un parcours à partir des acquis mesurés de chaque apprenant. Il repose sur des mécanismes cognitifs solides (effet de test, pratique espacée) et sur des systèmes de tutorat dont l'effet moyen avoisine 0,7 écart-type. Ce guide rassemble ce qu'il faut savoir : définition, fonctionnement, preuves, limites, attentes des apprenants et obligations des organismes de formation.
De quoi parle-t-on ?
Trois termes se recouvrent en partie. La personnalisation désigne tout ajustement d'un parcours à une personne, y compris sur la base de ses préférences déclarées. L'apprentissage adaptatif (adaptive learning) en est la forme fondée sur une mesure continue des acquis : à chaque réponse, le système estime ce que l'apprenant maîtrise et décide de l'activité suivante. L'individualisation est le terme employé dans la formation professionnelle française, notamment par le référentiel qualité Qualiopi, pour l'adaptation d'un parcours après un positionnement à l'entrée.
Voir la définition détaillée de l'apprentissage adaptatif.
Pourquoi ça fonctionne
Deux résultats de la psychologie cognitive fondent l'approche. Être testé sur une information la consolide davantage que la relire (Roediger et Karpicke, 2006). Répartir l'apprentissage dans le temps améliore la rétention, avec un intervalle optimal qui croît avec la durée pendant laquelle on veut retenir (Cepeda et al., 2006 et 2008). Un système adaptatif applique ces deux principes pour chaque personne et chaque notion, ce qu'aucun formateur ne peut faire à la main pour un groupe entier.
Ce que disent les preuves
Le « 2 sigma problem » de Bloom (1984), qui attribuait deux écarts-types de progrès au tutorat individuel, n'a pas été retrouvé à cette ampleur. La revue de VanLehn (2011) mesure 0,79 écart-type pour le tutorat humain et 0,76 pour les systèmes de tutorat qui interviennent à chaque étape ; la méta-analyse de Kulik et Fletcher (2016) trouve un effet médian de 0,66 sur 50 évaluations. Ces effets sont importants, mais ils dépendent de la qualité de l'implémentation et diminuent lors d'un déploiement à grande échelle.
L'IA générative ajoute un risque nouveau. Dans un essai publié dans PNAS en 2025, des lycéens qui utilisaient librement GPT-4 réussissaient mieux leurs exercices, puis obtenaient 17 % de moins à l'examen sans IA. À l'inverse, un tuteur IA conçu pour guider sans donner la réponse a plus que doublé les gains médians d'étudiants de Harvard par rapport à un cours d'apprentissage actif. Voir ce que les études disent vraiment.
Comment l'IA personnalise un parcours
Le fonctionnement suit quatre temps : diagnostic du niveau de départ, construction de la suite à partir de l'écart avec le référentiel de compétences, ajustement de la difficulté et de l'ordre à chaque réponse, révisions espacées. Les systèmes qui réagissent à chaque étape du raisonnement font nettement mieux que ceux qui corrigent la seule réponse finale. Voir comment l'IA adapte un parcours.
Distinguer le mécanisme de la façade
Beaucoup d'offres parlent de personnalisation pour un simple filtrage de catalogue ou des chemins conditionnels prévus à l'avance. Quatre questions permettent de trier : le parcours est-il recalculé à partir des réponses ? L'acquisition est-elle mesurée tout au long du parcours et à distance ? Le système s'appuie-t-il sur un référentiel structuré ? Les évaluations demandent-elles d'appliquer, ou seulement de reconnaître ? Voir personnalisation des parcours de formation et les catégories d'outils.
Ce que les apprenants attendent
En 2025, 48 % des Français de 12 ans et plus utilisaient l'IA générative selon le Baromètre du numérique, et 72 % des actifs qui l'utilisent au travail disaient avoir besoin d'une formation sur le sujet selon Centre Inffo et CSA. La progression de carrière reste la première motivation à se former selon LinkedIn. Voir les attentes des apprenants.
Concevoir des formations qui tiennent
L'adaptation ne compense pas une conception défaillante. Sessions concentrées, absence de rappel, contenu sans lien avec le poste : les causes d'échec et les principes d'une conception efficace (espacement, récupération active, charge cognitive, transfert) relèvent de l'ingénierie pédagogique. À l'échelle de l'entreprise, l'apprentissage dépend aussi de l'organisation du travail : voir organisation apprenante.
Organismes de formation et CFA : une obligation
Pour les prestataires certifiés Qualiopi, l'individualisation n'est pas une option. Le Référentiel national qualité exige des procédures de positionnement et d'évaluation des acquis à l'entrée (indicateur 8), l'adaptation de la prestation (indicateur 10), l'évaluation de l'atteinte des objectifs (indicateur 11) et des mesures contre les ruptures de parcours (indicateur 12). Un référentiel actualisé, issu du décret n° 2026-728 du 1er août 2026, s'applique au 1er novembre 2026. Voir individualisation des parcours en organisme de formation et CFA.
Les limites à garder en tête
L'apprentissage adaptatif est surtout validé sur des domaines structurés et évaluables. Il ne remplace ni l'évaluation humaine des compétences comportementales, ni le temps dédié, ni l'implication du manager dans l'application au poste. Voir ce que l'IA ne peut pas faire en formation et le rôle d'un agent IA auprès de l'apprenant.
Les articles de ce pilier
- Apprentissage adaptatif (adaptive learning) : définition et preuves
- Personnalisation des parcours de formation : mythe ou réalité en 2026 ?
- Comment l'IA personnalise et adapte un parcours de formation
- Individualisation des parcours en organisme de formation et CFA : obligations et méthodes
- Apprendre avec l'IA : ce que les études disent vraiment
- Comment un agent IA accompagne un apprenant sans le remplacer
- Ce que les apprenants attendent d'une plateforme de formation IA en 2026
Questions fréquentes
Sources
- The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems, VanLehn, Educational Psychologist, 2011
- Effectiveness of Intelligent Tutoring Systems, Kulik et Fletcher, Review of Educational Research, 2016
- Test-Enhanced Learning, Roediger et Karpicke, Psychological Science, 2006
- Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis, Cepeda et al., Psychological Bulletin, 2006
- Spacing Effects in Learning, Cepeda et al., Psychological Science, 2008
- Generative AI without guardrails can harm learning: Evidence from high school mathematics, Bastani et al., PNAS, 2025
- AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting, Kestin et al., Scientific Reports, 2025
- Baromètre du numérique : la moitié de la population utilise l'IA générative, Arcep, 2026
- Baromètre de la formation et de l'emploi 2025, Centre Inffo et CSA, 2025
- Décret n° 2026-728 du 1er août 2026 relatif au référentiel national sur la qualité des actions concourant au développement des compétences, Légifrance, 2026
Produits concernés : MentivisOS Entreprise, MentivisOS Open