Les récentes annonces du ministère sur la digitalisation de l’orientation scolaire annoncent une transformation imminente : l’émergence d’outils numériques qui remettent en question les modèles théoriques français traditionnels. Face aux approches américaines exploitant massivement les données, on peut s’interroger sur l’avenir de nos conceptions de l’accompagnement professionnel[1].

Des modèles théoriques apparemment divergents

Il faut remarquer d’emblée que la France et les États-Unis semblent développer des approches conceptuelles distinctes en matière d’orientation. L’Hexagone s’appuie principalement sur deux piliers[2] : le modèle RIASEC de Holland, importé mais largement adopté, et l’ADVP (Activation du Développement Vocationnel et Personnel), héritage québécois qui structure encore de nombreux parcours d’accompagnement[3].

Cette approche française privilégie une vision séquentielle et méthodique : explorer, cristalliser, spécifier, réaliser. L’individu progresse de manière ordonnée vers une décision éclairée, guidé par un professionnel qui maîtrise les étapes du processus. Cette conception, rassurante par sa systématisation, reflète une culture de l’accompagnement structuré où l’orientation devient un processus planifiable et rationnel.

Outre-Atlantique, le paysage théorique se révèle plus diversifié et, curieusement, plus contradictoire. Aux côtés du sempiternel RIASEC et de la théorie développementale de Super, émergent des approches post-modernes qui bousculent les certitudes. La théorie de construction de carrière de Savickas privilégie la construction narrative du sens plutôt que l’adéquation traits-environnement[4]. Plus radical encore, la « Happenstance Learning Theory » de Krumboltz valorise l’imprévisibilité et les événements fortuits, s’opposant frontalement à toute planification systématique[5].

Ces divergences ne sont pas anodines. Elles traduisent des conceptions philosophiques différentes du développement professionnel : stabilité versus adaptabilité, accompagnement versus autonomie, processus fini versus construction continue.

La convergence paradoxale des outils numériques

Face à cette diversité théorique, on peut s’interroger sur la traduction pratique de ces différences dans les outils numériques d’orientation. La réalité révèle un paradoxe troublant : malgré les divergences conceptuelles, les plateformes convergent vers des approches remarquablement similaires.

Les contraintes inhérentes au numérique – automatisation, scalabilité, quantifiabilité – favorisent inexorablement des modèles standardisés. Le RIASEC domine ainsi des deux côtés de l’Atlantique, offrant des algorithmes de matching facilement programmables et des questionnaires auto-administrables. Les approches psychométriques classiques (tests de personnalité, d’intérêts, de valeurs) structurent la majorité des plateformes, indépendamment des spécificités culturelles nationales[6].

Cette prédominance de l’adéquationnisme opérationnel contraste singulièrement avec la richesse des approches narratives ou constructivistes évoquées précédemment. Les théories les plus innovantes demeurent largement académiques, leur complexité résistant à l’automatisation[7]. Il est intéressant de noter que cette convergence technologique s’opère par le bas : ce ne sont pas les modèles les plus sophistiqués qui s’imposent, mais les plus facilement opérationnalisables.

Les spécificités nationales se limitent finalement à des aspects périphériques : intégration de données du marché du travail en temps réel côté américain, maintien de parcours séquentiels inspirés de l’ADVP côté français. Ces différences, pour réelles qu’elles soient, restent marginales dans l’écosystème numérique global dominé par les géants technologiques américains.

L’irruption des big data : vers un bouleversement paradigmatique ?

Cependant, l’analyse des évolutions récentes révèle une transformation plus profonde qui pourrait remettre en question cette convergence adéquationniste. L’accès croissant aux données massives transforme radicalement les possibilités d’analyse des parcours professionnels, particulièrement aux États-Unis.

Les plateformes comme LinkedIn, Indeed ou Glassdoor intègrent désormais des données longitudinales qui révèlent des parcours réellement chaotiques : reconversions multiples, trajectoires non-linéaires, émergence de compétences transversales imprévisibles[8]. Ces données remettent en question les fondements mêmes des modèles adéquationnistes traditionnels en révélant des transitions réussies « improbables » selon les critères classiques.

Cette capacité à traiter des big data fait émerger de nouvelles approches algorithmiques : modèles prédictifs dynamiques basés sur les patterns de transition, recommandations de « bridges » entre secteurs plutôt que d’adéquation directe, analyse de réseaux professionnels et de chemins atypiques. Ces évolutions s’éloignent progressivement de la logique d’adéquation statique pour privilégier la navigabilité et l’adaptabilité continue.

La récente étude de Levy Yeyati et Seyal illustre parfaitement cette évolution en analysant comment les algorithmes de recrutement exploitent désormais les « empreintes numériques » des candidats : données démographiques, comportementales, psychographiques et technographiques[9]. Cette approche dépasse largement les critères traditionnels d’adéquation pour prédire l’ajustement culturel et la performance à partir d’indicateurs apparemment non-pertinents.

Les enjeux pour l’orientation en France et en Europe

Cette évolution soulève des questions cruciales pour l’orientation française. Comment maintenir la richesse de nos approches développementales tout en intégrant les possibilités offertes par l’analyse de données massives ? L’ADVP, avec sa structure méthodique, peut-elle évoluer vers des modèles hybrides combinant accompagnement structuré et analyse prédictive dynamique ?

Au-delà de ces considérations techniques, se pose la question éthique de l’exploitation croissante des données personnelles dans l’orientation. Les réglementations émergentes, notamment le AI Act européen, tentent d’encadrer ces pratiques, mais la rapidité d’évolution technologique rend la régulation complexe[10].

Il faut également s’interroger sur les conséquences sociales de cette évolution. Si les algorithmes américains évoluent vers des modèles prédictifs sophistiqués exploitant les données personnelles, ne risque-t-on pas de voir émerger de nouvelles formes d’inégalités basées sur l’accès aux technologies et la maîtrise des codes numériques ?

Malgré cette évolution, force est de constater que la plupart des outils grand public conservent encore des approches adéquationnistes par facilité algorithmique et attentes des utilisateurs. Les théories narratives et constructivistes, malgré leur pertinence conceptuelle, demeurent difficiles à opérationnaliser dans des systèmes automatisés.

Conclusion : naviguer entre innovation et humanisation

L’analyse de ces évolutions révèle un paradoxe fondamental : tandis que les divergences théoriques franco-américaines restent substantielles, les outils numériques convergent par contrainte technologique vers des approches simplifiées. Cependant, l’accès croissant aux big data pourrait transformer radicalement ce paysage en remettant en question les fondements mêmes de l’orientation professionnelle.

Cette transformation appelle à repenser nos modèles pour intégrer la complexité croissante des parcours tout en préservant la dimension humaine de l’accompagnement. L’enjeu consiste à développer des approches qui exploitent les capacités prédictives des nouvelles technologies dans le respect des principes éthiques et d’équité. La question n’est plus de savoir si les big data transformeront l’orientation, mais comment cette transformation peut préserver la dimension émancipatrice de l’accompagnement professionnel.

Devant tant de mutations, que faire ? Peut-être commencer par reconnaître que l’orientation du XXIe siècle ne sera ni purement technologique ni exclusivement humaine, mais nécessairement hybride. Cette réflexion constitue un défi majeur pour les chercheurs et praticiens français, appelés à inventer de nouveaux modèles d’accompagnement à l’ère numérique.

La préparation de la production de ce texte

Sur LinkedIn, j’ai vu une remarque de Fabien Beltrame que je résume : « les dispositifs d’accompagnement à l’orientation ou à la réorientation utilisent l’ADVP et le RIASEC. Juste pour mémoire, l’ADVP c’est 1974 et pour le RIASEC, même s’il fait l’objet de beaucoup d’actualisations, c’est 1959 … à croire qu’en matière d’outils en orientation « C’est dans les vieux pots qu’on fait la meilleure soupe » ». Du coup je me suis interrogé, ou plutôt j’ai posé la série de question à l’IA Claude que je rapporte ci-dessous.

Ma conversation a commencé par une question sur les modèles sous-jacents aux outils numériques d’orientation. En France, le RIASEC et l’ADVP dominent, et je m’interrogeais sur les modèles américains.

Je me suis alors demandé s’il existait des modèles « réellement divergents ».

J’ai ensuite recadré en rappelant que ma question portait spécifiquement sur les outils numériques d’orientation.

J’ai formulé ensuite cette question : « Est-ce que la capacité américaine à intégrer des datas intégrant des parcours professionnels de plus en plus chaotiques, ne va pas éloigner ces outils d’un modèle adéquationniste ? »

J’ai demandé des références académiques, ce qui a amené l’IA à effectuer des recherches approfondies.

Cette analyse confirme mon intuition initiale : la capacité américaine à traiter des données massives sur les parcours professionnels pousse effectivement vers de nouveaux paradigmes centrés sur la navigabilité plutôt que sur l’adéquation statique. Confirmée par les résultats des recherches de l’IA.

Ensuite je suis passé à la demande d’écriture avec encore plusieurs échanges et qui a abouti à ce post avec quelques réécritures marginales et le repérage de la ressource belge sur la « Happenstance Learning Theory ».

 

Dernière remarque, sur le fond, cette fois-ci. L’approche sous-jacente que l’on peut repérer repose sur l’idée que l’accompagnement est fondamentalement émancipateur. Il y a un autre courant, celui de la sociologie critique, qui aborderait l’accompagnement comme une forme de normalisation. Une piste à suivre et à explorer.

N’hésitez pas à commenter !

Bernard Desclaux

Notes

[1] Ce texte fut rédigé avec l’aide de l’IA Claude. Voir en fin d’article : La préparation de la production de ce texte.

[2] Voir mon post précédent : La permanence de RIASEC et ADVP dans l’orientation numérique : enquête sur une persistance surprenante https://blog.educpros.fr/bernard-desclaux/2025/07/01/la-permanence-de-riasec-et-advp-dans-lorientation-numerique-enquete-sur-une-persistance-surprenante/

[3] Guichard, J. (2013). Career guidance, education, and dialogues for a fair and sustainable human development. In Proceedings of the Inaugural Conference of the UNESCO Chair of Lifelong Guidance and Counseling, Wroclaw, Poland, 26-27 November 2013. https://cnam.hal.science/hal-03240556v1

[4] Savickas, M. L. (2013). Career construction theory and practice. In S. D. Brown & R. W. Lent (Eds.), Career development and counseling: Putting theory and research to work (2nd ed., pp. 147-183). Hoboken, NJ: Wiley.

[5] Wang, D., & Yang, H. (2024). Career construction theory: tools, interventions, and future trends. Frontiers in Psychology, 15, 1381233. https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2024.1381233/full . Pour une présentation rapide de cette théorie, voir : ijbxl, ton espace info. (2025, 20 mars) L’Happenstance – Et si le hasard jouait un rôle dans ton choix d’orientation. https://ijbxl.be/etude_formation/lhappentance-et-si-le-hasard-jouait-un-role-dans-ton-choix-dorientation/

[6] Zhang, Y., et al. (2021). Big data and human resource management research: An integrative review and new directions for future research. Journal of Business Research, 131, 516-534. https://www.sciencedirect.com/science/article/abs/pii/S0148296321002563

[7] Leung, S. A. (2022). New frontiers in computer-assisted career guidance systems (CACGS): Implications from career construction theory. Frontiers in Psychology, 13, 786232. https://www.frontiersin.org/articles/10.3389/fpsyg.2022.786232/full ; https://doi.org/10.3389/fpsyg.2022.786232  

[8] Collings, D. G., McDonnell, A., & Nyberg, A. J. (2024). Navigating career stages in the age of artificial intelligence: A systematic interdisciplinary review. Journal of Vocational Behavior, 141, 103856. https://www.sciencedirect.com/science/article/pii/S000187910900058X https://doi.org/10.1016/j.jvb.2024.103856

[9] Levy Yeyati, E., & Seyal, I. (2025). Digital footprints and job matching: The new frontier of AI-driven hiring. Brookings Institution. https://www.brookings.edu/articles/digital-footprints-and-job-matching-the-new-frontier-of-ai-driven-hiring/

[10] Regulation (EU) 2024/1689 of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689, 12 July 2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng