La collaboration intelligence artificielle et intelligence humaine pour la personnalisation de l’expérience d’apprentissage et + avec Jean-Philippe Bradette et Julie Castonguay, co-fondateurs d’ApprentX

16 février 2021

Les étudiants du cours TEN-7006 Design de systèmes d’enseignement et de formation ont reçu la visite de deux cofondateurs d’Apprentx : Jean-Philippe Bradette, président, et Julie Castonguay, directrice de l’expérience. Ils ont partagé leurs perspectives et accomplissements en matière de personnalisation de l’apprentissage et d’intelligence artificielle, via leur application maison B12.

Voici quelques-une des questions que les étudiants leur ont posées.

Comment l’application B12 permet-elle une personnalisation de l’apprentissage?

Julie : La personnalisation se fait avec l’intelligence artificielle (IA). Personnaliser un parcours implique de s’intéresser à chacune des personnes individuellement dans le programme pour choisir les meilleures activités pour elles. Évidemment, c’est un énorme travail à faire dès qu’on dépasse une petite classe; cependant, c’est d’autant plus pertinent avec un grand bassin d’apprenants, car l’on connecte plus de données qui améliorent les prédictions de l’algorithme.

L’IA détecte des « patterns » (patrons, tendances en français) de ce qu’il se passe dans l’apprentissage des participants. Le programme va proposer des activités supplémentaires ou les adapter selon le cheminement de l’apprenant. Par exemple, adapter le niveau de difficulté: ne pas poser des questions trop faciles ou trop difficiles permet d’éviter le décrochage et de maintenir la motivation. L’IA calcule ainsi des taux de succès, et propose des contenus et sujets en fonction.

Évidemment il est aussi toujours possible de segmenter à la main, en faisant des cohortes sans utiliser l’IA par exemple.

Jean-Philippe : En tant qu’entreprise, nous parlons beaucoup avec des dirigeants qui cherchent la performance et ont des employés avec des horaires très chargés. L’IA optimise le temps passé en formation, réduit ainsi les coûts en venant chercher le niveau juste pour chaque apprenant, incluant ceux qui seraient parfois délaissés dans des contextes moins personnalisés.

Y a-t-il une base aux choix de l’algorithme, pour personnaliser le parcours?

Julie : L’algorithme assimile les performances des apprenants dès leurs premières questions, il apprend de l’individu et aussi du groupe. C’est en enregistrant des patterns qui émergent, qu’il va pouvoir faire des prédictions. C’est là que pédagogie et intelligence artificielle travaillent de pair : lorsque l’IA prévoit un échec, on peut appliquer un remède pour l’empêcher.

Jean-Philippe : Il faut garder en tête que dans un projet-type, on travaille à combler un écart de performance, à trouver le meilleur processus pour acquérir la compétence visée. De ce point de vue, l’algorithme nous donne de précieuses informations sur les KPI (key performance indicators, indicateurs clés de performance). On les utilise à un plus haut niveau d’affaires, ça reflète un côté stratégique très important aussi.

Une telle application est un énorme travail de programmation. Les jargons des concepteurs et des intégrateurs peuvent paraître tellement différents, comment développer des habiletés de traducteur?

Julie : C’est un stéréotype assez répandu qu’il est difficile de se comprendre entre nous. En réalité, les programmeurs sont très proactifs pour comprendre notre besoin et trouver une solution. On schématise l’objectif, les données qu’on a, puis on travaille à se comprendre. Évidemment, si notre idée est vague, on ne se comprendra pas. C’est une base de communication avec n’importe quelle collaboration. Il faut que la « commande » soit claire pour que le programmeur la traduise en code. Personnellement j’aime faire des schémas, cela me force à éclaircir, préciser et développer mon idée.

Jean-Philippe : On a aussi tous des personnalités différentes, les concepteurs peuvent être très forts en créativité à haut niveau, mais moins forts sur des détails. Julie et moi travaillons de façon complémentaire : si j’imagine une fonctionnalité B12, Julie va me faire penser à des aspects concrets pour préciser l’idéation. On combine nos forces en tandem pour développer l’idée. Cela facilite la communication avec les programmeurs, et rend les projets très efficaces dès les premiers développements.

A quel point doit-on connaître ou comprendre l’IA pour pouvoir dialoguer dans les termes des programmeurs?

Jean-Philippe : C’est une bonne question, en fait pas tant que ça : cela dépend aussi de la personne aussi de l’autre côté, de sa capacité à poser les bonnes questions pour clarifier les besoins et les arrimer aux solutions qu’elle a dans sa boîte à outils.

Julie : Aussi, il faut démystifier ce que fait l’IA versus des statistiques basiques : l’IA prend des chiffres et prédit, donc l’IA n’invente rien, elle se nourrit de faits. À partir de là, il reste à comprendre de quoi chaque métier a besoin pour pouvoir produire quelque chose. Les programmeurs pensent en termes de données et de fonctionnalités, comme un designer graphique pense avec un moodboard, par exemple. Comprendre de quoi l’autre a besoin pour produire, c’est un réflexe valable à travers tous les métiers.

Quelles sont certaines limites de B12 ?

Jean-Philippe : Tous les outils ont plusieurs limites, évidemment. Par exemple, B12 on ne touche pas à l’apprentissage social, pour lequel on intègre d’autres outils que nous n’avons pas développés nous-mêmes. Une autre limite touche à l’évaluation, et ça c’est une question d’affaires : encore beaucoup d’entreprises au Québec sont frileuses à se confronter à une évaluation, pour diverses raisons. Là-dessus, l’humain prend le relais pour interpréter la situation et parler au client.

Comment gérez-vous l’aspect du respect de la vie privée, la confidentialité des données et celui de l’éthique ?

Jean-Philippe : C’est une préoccupation majeure évidemment, c’est très important. D’abord, toutes les données sont sécurisées, l’algorithme les cloisonne par client et même par projet, puisque cela ne fait pas de sens pédagogiquement parlant de partager ces données. Ensuite, chaque utilisateur a un user id sur la plateforme, de telle façon qu’aucune donnée personnelle ou démographique n’est recueillie par l’algorithme. Ceci n’aurait pas non plus de sens pédagogiquement parlant : on veut voir comment la personne apprend et répond aux questions, son âge ou son genre n’est a priori par utile sauf si cette analyse est pertinente dans un projet particulier.

Comment déterminer les variables pertinentes pour l’algorithme ?

Jean-Philippe : Il existe des modèles mathématiques et statistiques pour déterminer quelles variables sont pertinentes à la prédiction. Les variantes expliquent ensuite la performance ou la prédiction. Par exemple, l’IA peut déterminer si l’apprenant va obtenir de bons résultats à telle ou telle question selon ses résultats précédents sur le même sujet ou non, le niveau de confiance, mais pas son genre ni son âge!

Comment est venue cette idée du capital confiance, et comment le calcule-t-on?

Julie : Dans les premières fonctionnalités qu’on a imaginées pour B12, nous avons intégré le confidence-based learning pour mieux cerner le niveau de connaissance de l’apprenant : par exemple, une bonne réponse donnée par hasard, ou au contraire, une idée préconçue qui pousse vers une réponse fausse donnée trop vite. L’IA permettra de corriger la situation. On calcule le capital de confiance tout simplement, en demandant à l’apprenant de se prononcer sur son niveau de confiance avant chaque question.

Jean-Philippe : Pour ceux intéressés à pousser plus loin, voici les chercheurs d’inspiration pour le confidence-based learning: Darwin Hunt, Dieudonne LeClerq, Emir Shuford, et James E. Bruno.

Quelles variables autres que pédagogiques, mais impactant la performance, peuvent être intégrées ou non par l’IA?

Julie : Il y a ici une limite car nous n’avons pas toutes sortes de données possibles. Par exemple, si quelque chose se passe différemment dans un département de l’entreprise versus un autre, l’IA ne reconnaîtra pas l’impact à moins d’avoir intégré l’appartenance à tel ou tel département comme une variable dans l’algorithme. En revanche, l’IA pourra prédire les conséquences à partir de l’activité enregistrée dans l’application. Un autre exemple est l’heure à laquelle les gens répondent à leurs questions, qui pourrait avoir une influence. On ne peut colliger dans B12 que les variables auxquelles on a accès.

En éducation, un enseignant peut travailler fort avec les apprenants plus faibles, et moins à aiguiser et élever les connaissances des apprenants performants. Est-ce que l’IA pourrait permettre d’augmenter la motivation des apprenants doués en les nourrissant davantage?

Jean-Philippe : C’est une hypothèse qu’on a, en effet. Nous avons un gros projet de français avec le Collège St-Anne, du primaire au collégial, sur l’IA pour entre autres continuer à aider, renforcer les étudiants les plus motivés, mais aussi aider les enseignants à identifier ceux plus en difficulté ou de « mi-peloton » qui pourraient devenir meilleurs.

Est-ce qu’intégrer B12 dans une formation demande un grand budget pour le client?

Jean-Philippe : Créer la formation demande un bon budget, mais intégrer B12, non : l’outil est distribué sous forme de licence, ensuite cela varie selon le contenu, mais les coûts sont diminués car l’implantation elle-même est simple.

Serait-il envisageable d’étendre l’utilisation de l’IA dans le système scolaire pour assister les enseignants?

Jean-Philippe : Le réseau de l’éducation est un milieu plus difficile à rejoindre, plus que le milieu corporatif. Il y a une structure plus politique et rigide qui rend complexe les prises de décision : par exemple, nous avons contacté le cabinet du ministre de l’éducation, mais on nous a répondu que ce sont les commissions scolaires qui décident. Il y a aussi le problème du manque de ressources, bien que B12 représenterait une aide précieuse plus que bienvenue pour les enseignants, qui ont énormément de travail en ce moment.

Qu’est-ce qui fait qu’une plateforme peut faire face à la concurrence : est-ce la technologie utilisée, l’idée innovante de traitement des données, ou la performance des programmeurs?

Jean-Philippe : Cela va paraître cliché, mais pour nous c’est l’équipe qui fait la différence. On compétitionne avec des centaines de plateformes dans le monde, littéralement! On entend très souvent parler de nouvelles plateformes que l’on ne connaissait pas. Cependant chez nous, la pédagogie est très forte, notre expérience est éprouvée. Environ 16 000 apprenants ont utilisé B12, et le retour général est que l’on arrive à faire paraître l’application simple et efficace, bien que le « moteur » soit complexe. Donc ce qui fait la différence, ce sont les humains en arrière de la bête!

Dernière question pour la route : quel est selon vous le meilleur candidat pour rejoindre votre équipe? Quelles attentes et compétences avez-vous pour vos recrues?

Jean-Philippe : La première question est évidemment : quelle musique il écoute ?! (rires). Chez Apprentx, nous avons différents profils de concepteurs, les orientations peuvent être différentes selon les intérêts. L’essentiel est d’être capable d’apprendre très rapidement, de savoir parler au client, d’être habile dans le relationnel. Pour nous, c’est préférable à quelqu’un avec un background impressionnant mais qui stagne. On aime les gens curieux, qui ont le goût de s’amuser. Évidemment il faut avoir une base pédagogique solide et à jour. L’affinité avec la technologie doit être là, mais il ne faut pas en avoir peur, c’est la curiosité qui est primordiale.

Autrice