Publié le 9 septembre 2026 · Mis à jour le 10 octobre 2026 · Par Marie Castelli, Partner, Mentivis
Apprentissage adaptatif (adaptive learning) : définition et preuves
L'apprentissage adaptatif (adaptive learning) est une approche pédagogique dans laquelle un système ajuste en continu le contenu, la difficulté, l'ordre des activités et le moment des révisions en fonction des réponses de chaque apprenant. Il s'appuie sur des mécanismes cognitifs bien établis (récupération active, espacement des révisions) et sur les systèmes de tutorat intelligent, dont l'effet moyen mesuré se situe autour de 0,7 écart-type selon les méta-analyses.
Pilier : Apprentissage adaptatif et personnalisation des parcours : le guide
Qu'est-ce que l'apprentissage adaptatif ?
Un dispositif d'apprentissage adaptatif combine trois éléments. Une description de ce qu'il faut apprendre, généralement un référentiel de compétences découpé en notions et en prérequis. Une estimation, mise à jour à chaque réponse, de ce que l'apprenant maîtrise. Des règles qui décident de l'activité suivante à partir de l'écart entre les deux.
Le terme est souvent employé de façon large. Un parcours qui change seulement d'habillage selon le profil déclaré n'est pas adaptatif au sens strict : l'adaptation suppose une mesure de l'acquisition et une décision pédagogique qui en découle.
Que fait varier un système adaptatif ?
| Dimension ajustée | Exemple concret |
|---|---|
| Point de départ | Un diagnostic initial dispense l'apprenant des notions déjà maîtrisées |
| Difficulté | Les exercices se durcissent quand les réponses sont justes, reviennent aux prérequis sinon |
| Ordre | Une notion qui en conditionne d'autres est vérifiée avant d'avancer |
| Moment des révisions | Une notion acquise revient après un délai, puis un délai plus long |
| Forme de l'aide | Indice, exemple résolu, explication reformulée, selon l'erreur commise |
Sur quels mécanismes cognitifs repose-t-il ?
La récupération active (effet de test). Roediger et Karpicke (2006) ont fait étudier des textes à des étudiants, puis les ont soit relus, soit testés sans correction. Cinq minutes après, la relecture donnait de meilleurs résultats ; deux jours et une semaine après, les étudiants testés retenaient nettement plus. Les étudiants qui relisaient se disaient pourtant plus confiants. Un système adaptatif intègre donc des questions fréquentes qui obligent à rappeler l'information.
L'espacement des révisions. La méta-analyse de Cepeda et al. (2006), qui rassemble 839 mesures issues de 317 expériences, montre que répartir l'apprentissage dans le temps améliore la rétention, et que l'intervalle optimal entre deux sessions augmente avec la durée pendant laquelle on veut retenir. Une étude ultérieure sur plus de 1 350 personnes situe cet intervalle optimal entre 20 et 40 % du délai de rétention visé pour un test à une semaine, et entre 5 et 10 % pour un test à un an (Cepeda et al., 2008). Planifier ces intervalles pour chaque personne et chaque notion est précisément ce qu'un système automatisé sait faire.
La calibration de la difficulté. L'idée, issue des travaux du psychologue Lev Vygotski sur la « zone de développement proximal », est qu'on apprend mieux face à une tâche légèrement au-dessus de son niveau actuel, avec une aide adaptée. Un contenu trop facile n'apprend rien ; un contenu trop difficile décourage.
La revue de Dunlosky et al. (2013), qui évalue dix techniques d'apprentissage, classe la pratique du test et la pratique espacée parmi les plus utiles, et la relecture ou le surlignage parmi les moins utiles.
Que disent les études sur son efficacité ?
En 1984, Benjamin Bloom rapporte que des élèves suivis en tutorat individuel obtenaient des résultats supérieurs d'environ deux écarts-types à ceux d'une classe conventionnelle. Il en fait un défi, le « 2 sigma problem » : trouver des méthodes collectives aussi efficaces. Ce chiffre reste très cité, mais les synthèses ultérieures n'ont pas retrouvé un effet de cette ampleur.
La revue de Kurt VanLehn (2011) mesure un effet de 0,79 écart-type pour le tutorat humain par rapport à l'absence de tutorat, et de 0,76 pour les systèmes de tutorat qui interviennent à chaque étape du raisonnement. Les systèmes qui ne réagissent qu'à la réponse finale atteignent 0,31. La méta-analyse de Kulik et Fletcher (2016) sur 50 évaluations contrôlées trouve un effet médian de 0,66 écart-type, plus élevé sur des tests conçus localement que sur des tests standardisés, et faible lorsque le système était mal implémenté.
Le passage à l'échelle réduit encore les effets. Dans un essai mené dans sept États américains, Pane et al. (2014) n'observent aucun effet du programme Cognitive Tutor Algebra I la première année, puis un gain d'environ huit points de percentile la deuxième année dans les lycées.
En résumé : l'apprentissage adaptatif produit des gains réels et mesurables, de l'ordre de deux à trois fois moins que les « deux sigma » de Bloom, et très dépendants de la qualité de l'implémentation. Le détail des études est présenté dans Apprendre avec l'IA : ce que les études disent vraiment.
Quelles conditions pour que ça fonctionne ?
- Un référentiel structuré. Le système ne peut adapter un parcours que vers une cible décrite : notions, prérequis, niveaux attendus.
- Des évaluations fiables. Une question qui teste la reconnaissance (choisir la bonne réponse) ne mesure pas la même chose qu'une question qui demande de produire ou d'appliquer.
- Une adaptation fine. L'écart entre 0,31 et 0,76 chez VanLehn indique que réagir à chaque étape apporte davantage que corriger le seul résultat final.
- Du temps et de l'engagement. Un apprenant qui répond au hasard pour avancer neutralise la mesure, et les effets mettent du temps à apparaître lors d'un déploiement.
Adaptatif, personnalisé, individualisé : quelle différence ?
La personnalisation désigne tout ajustement d'un parcours à une personne, y compris sur la base de ses préférences déclarées. L'apprentissage adaptatif en est une forme particulière, fondée sur la mesure continue des acquis. L'individualisation est le terme employé en France dans la formation professionnelle pour l'adaptation d'un parcours au profil d'un apprenant, notamment après un positionnement à l'entrée. Ces notions sont détaillées dans Personnalisation des parcours de formation et Individualisation des parcours en organisme de formation et CFA.
Questions fréquentes
Sources
- The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring, Bloom, Educational Researcher, 1984
- 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
- Effectiveness of Cognitive Tutor Algebra I at Scale, Pane et al., Educational Evaluation and Policy Analysis, 2014
- 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
- Improving Students' Learning With Effective Learning Techniques, Dunlosky et al., Psychological Science in the Public Interest, 2013
À lire aussi
- 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
Produits concernés : MentivisOS Entreprise, MentivisOS Open