Publié le 26 septembre 2026 · Mis à jour le 10 octobre 2026 · Par Marie Castelli, Partner, Mentivis
Au-delà du LMS : comprendre et choisir ses outils de formation
Un LMS gère et diffuse la formation : catalogue, inscriptions, suivi. Il ne mesure pas, à lui seul, ce qui a été appris, n'adapte pas finement le parcours à chaque personne et ne met pas les contenus à jour. Ce guide présente les familles d'outils (LMS, LXP, outils auteurs, adaptive learning, systèmes de formation IA), les données sur la complétion, les modèles de prix et les critères pour choisir.
Qu'est-ce qu'un LMS et à quoi sert-il ?
Le LMS (Learning Management System) est la plateforme où une organisation range ses formations, désigne qui doit les suivre et vérifie qu'elles ont été suivies. Il lit des contenus produits ailleurs, aux normes SCORM, xAPI ou cmi5, et produit les rapports attendus pour le pilotage, les audits et les financeurs. Il en existe en open source, comme Moodle (licence GNU GPL v3, sans frais de licence), et en SaaS, facturés par utilisateur inscrit ou actif.
Fonctions, normes et grilles de prix publiques sont détaillées dans Qu'est-ce qu'un LMS ? Définition, fonctions et prix.
Quelles familles d'outils distinguer ?
Le vocabulaire du marché est confus, car les éditeurs ajoutent des fonctions d'une catégorie à l'autre. Le critère utile est la fonction :
| Famille | Ce qu'elle fait | Ce qu'elle mesure |
|---|---|---|
| LMS | Gérer et diffuser | Activité, complétion, scores |
| LXP | Agréger et recommander des contenus | Engagement |
| Outil auteur avec IA | Produire des modules plus vite | Rien en propre : il alimente le LMS |
| Adaptive learning | Ajuster le parcours aux réponses | Performance dans le parcours |
| Système de formation IA | Générer le parcours à partir de l'écart de compétences | Acquisition des compétences visées |
La distinction complète figure dans LMS, LXP, adaptive learning, moteur de formation IA : comment les distinguer. Le panorama des éditeurs par catégorie, au 10 octobre 2026, est dans Alternatives aux LMS pour former avec l'IA : panorama par catégories.
Pourquoi la diffusion ne suffit-elle pas ?
Trois limites tiennent à la catégorie de l'outil, pas à son paramétrage. La personnalisation repose sur des règles définies à l'avance. La complétion atteste une exposition au contenu, pas une capacité. Les contenus vieillissent au rythme de leur sujet.
La recherche en sciences de l'apprentissage éclaire ces limites. L'oubli est rapide après un apprentissage isolé (réplication de la courbe d'Ebbinghaus par Murre et Dros, 2015). Espacer les séquences et se tester améliorent la rétention (Cepeda et al., 2006 ; Roediger et Karpicke, 2006). Un module diffusé une fois, sans révision ni évaluation répartie, exploite peu ces mécanismes. Le raisonnement est développé dans Le LMS ne suffit plus : ce qu'un système de formation IA fait de plus.
Que valent les taux de complétion ?
Les seules données publiques à grande échelle portent sur les MOOC : médiane de 12,6 % sur 221 cours (Jordan, 2015), 3,13 % pour les participants aux MOOC du MIT et de Harvard en 2017-2018, contre 46 % pour ceux qui avaient payé un certificat (Reich et Ruipérez-Valiente, 2019). Ces chiffres ne se transposent pas à l'entreprise, où aucune statistique publique comparable n'existe. Les leviers étayés et leurs limites sont présentés dans Taux de complétion e-learning : ce que disent vraiment les études.
Un taux élevé reste un signal d'usage. Pour savoir si la formation a produit une compétence, il faut la mesurer : voir La mesure de l'acquisition de compétences au-delà du taux de complétion.
Que peut-on attendre de l'adaptation et de l'IA ?
Les preuves les plus solides concernent les tuteurs intelligents : la méta-analyse de Kulik et Fletcher (2016) relève un effet médian de 0,66 écart-type sur les résultats aux tests, plus faible sur les tests standardisés. Le principe est expliqué dans Qu'est-ce que l'apprentissage adaptatif et pourquoi ça fonctionne. Ces résultats justifient la démarche, pas un produit en particulier. L'IA ne remplace ni l'accompagnement humain ni les conditions de travail qui permettent d'appliquer ce qui a été appris : voir Ce que l'IA ne peut pas faire en formation.
Comment choisir sans se tromper de catégorie ?
- Partir du besoin : tracer, recommander, produire, adapter ou générer.
- Vérifier ce que l'outil mesure : complétion ou acquisition.
- Comparer les modèles de prix (par inscrit, par actif, par palier, sur devis) et le coût total sur trois ans : voir Combien coûte un système de formation IA en entreprise.
- Comparer les éditeurs sur une grille identique : voir Alternatives à 360Learning : comparatif des plateformes de formation.
- Tester sur ses propres contenus et profils, avec les questions de Comment choisir un système de formation IA : les bonnes questions à poser.
Remplacer le LMS n'est pas toujours nécessaire : la plupart des briques (outil auteur, adaptive learning, système de formation IA) peuvent s'y connecter, le LMS continuant d'assurer l'accès et la traçabilité.
Les articles de ce pilier
- Qu'est-ce qu'un LMS ? Définition, fonctions et prix
- LMS, LXP, adaptive learning, moteur de formation IA : comment les distinguer
- Le LMS ne suffit plus : ce qu'un système de formation IA fait de plus
- Taux de complétion e-learning : ce que disent vraiment les études
- Alternatives aux LMS pour former avec l'IA : panorama par catégories
- Alternatives à 360Learning : comparatif des plateformes de formation
- Comment choisir un système de formation IA : les bonnes questions à poser
- Combien coûte un système de formation IA en entreprise ?
- Comment construire un business case pour un système de formation IA
- Ingénierie pédagogique : pourquoi tant de formations ne marchent pas
- Organisation apprenante : définition et implications pour les DRH
Questions fréquentes
Sources
- About Moodle, Moodle Docs, 2026
- IEEE 9274.1.1-2023, Standard for Learning Technology: JSON Data Model Format and RESTful Web Service for Learner Experience Data Tracking and Access, IEEE, 2023
- Jordan, K., Massive open online course completion rates revisited: Assessment, length and attrition, IRRODL, 2015
- Reich, J. et Ruipérez-Valiente, J. A., The MOOC pivot, Science, 2019
- Murre, J. M. J. et Dros, J., Replication and Analysis of Ebbinghaus' Forgetting Curve, PLOS ONE, 2015
- Cepeda, N. J. et al., Distributed practice in verbal recall tasks: A review and quantitative synthesis, Psychological Bulletin, 2006
- Roediger, H. L. et Karpicke, J. D., Test-enhanced learning: Taking memory tests improves long-term retention, Psychological Science, 2006
- Kulik, J. A. et Fletcher, J. D., Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review, Review of Educational Research, 2016
Produits concernés : MentivisOS Entreprise, MentivisOS Education