L’IA en éducation telle que vue par les éditeurs américains: premier retour d’expérience

Comme je vous l’ai raconté dans le dernier billet, je m’intéresse beaucoup depuis quelques mois à l’introduction de l’IA dans les cursus académiques. Dans la mesure où les éditeurs américains se sont penché beaucoup sur la question, je suis allé regarder de près ce qu’ils font, naviguant d’un site à l’autre, et passant un peu de temps au téléphone avec leurs commerciaux: McGrawhill, Pearson, Wiley, tout le monde y est passé. Le résultat de ce petit benchmark est assez instructif, et je vous partage dans ce billet mes réactions à chaud.

Propos liminaire : je me suis intéressé d’abord à l’offre anglophone, enseignant dans un cursus en anglais. L’intérêt est qu’il y a l’embarras du choix. Commençons par Alta, de Knewton, dont l’offre m’a tout de même bien fait rigoler. Pour mémoire, Knewton est la startup qui a levé 130 millions de dollars environ (pour être rachetée pour la malheureuse somme de 17 millions l’année dernière, par Wiley justement). En 2017, l’entreprise a décidé d’effectuer un pivot (à mettre en lien avec un changement de PDG), en s’écartant de sa doctrine habituelle – contractualiser avec des éditeurs pour ce qui est de l’accès au contenu. Ils ont cherché à créer leur propre contenu, et j’ai d’ailleurs eu comme collègues des personnes qui développaient des projets en langues avec eux.

Les équipes de Knewton voulaient attaquer la cible de l’enseignement supérieur, les premières années à l’université, avec des cours qui vont de l’algèbre linéaire à la macroéconomie. Exactement la cible qui m’intéresse. Ils ont rapidement compris que cela coûtait des fortunes de développer tout de novo – après tout c’est comme développer un manuel depuis le début, voir plus compliqué vu qu’il y a davantage de design pédagogique. Du coup, pas folle la guêpe, ils ont décidé d’utiliser du contenu en licence libre, et en particulier le célèbre site de manuels en Creative Commons, Openstax. Ils complètent, selon les disciplines, avec telle ou telle chaîne Youtube pour avoir des vidéos.

Et après avoir intégré le contenu de ces manuels open source à leur technologie, ils demandent 40 dollars par étudiant par an, et par manuel. Puis ils ont inventé un magnifique Alta pass avec « seulement » 80 dollars les deux ans pour pas un, mais PLUSIEURS manuels. Et ce n’est même pas pour l’accès au contenu hein, vu qu’il est gratuit par ailleurs, c’est juste pour le fait qu’ils l’ont intégré avec leur moteur de recommandation. Ah ils ont pas froid aux yeux ces New-Yorkais. Tu m’étonnes qu’avec une stratégie comme celle-là ils n’aient pas révolutionné le marché. Je trouve que beaucoup de projets du domaine ont survendu l’intérêt de l’IA, et cruellement manqué de générosité, de stratégie et d’ambition concernant l’accès au contenu. C’est l’une des raisons pour lesquelles la mayonnaise n’a pas pris, si vous voulez mon avis.

Par ailleurs, quand au final il n’y a pas tant d’exercices que ça dans la banque d’exos, la valeur ajoutée de la personnalisation via un algo devient limitée. D’où cette métaphore, de mon cru : les algos de recommandation pour des exercices, c’est un peu comme un outil de navigation super précis, basé sur des satellites très coûteux. Ok, ça peut avoir son utilité quand l’on est perdu au milieu de l’Atlantique, que l’on navigue dans un océan d’exercices avec une infinité de directions possibles. Quand l’on a trois pauvres exercices qui se battent en duel, c’est un peu comme vouloir utiliser ce système de navigation par temps clair au milieu du lac Léman. Quand l’on voit bien les rivages, la navigation à vue peut faire le job très bien, voir mieux, et pour moins cher.

Je suis du coup rapidement allé naviguer vers d’autres rives. Et notamment les Smartbooks de Mc Grawhill, qu’une collègue qui faisait de la classe inversée au Trinity College de Dublin m’avait chaudement recommandés. Pour commencer, j’ai trouvé que l’interface mériterait d’être un peu rafraîchie. Certes, le fond compte plus que la forme, mais cela un petit parfum de web des années 2000, qui ne me séduit pas outre mesure. Concernant le fond, c’est sûr qu’il y a du contenu. C’est relativement complet sur plusieurs des disciplines qui m’intéressent. Une quarantaine de dollars par manuel par an par étudiant, c’est les prix du marché, avec des tarifs de groupe si l’on a un package pour beaucoup de manuels. Si l’on déploie le tout à l’échelle d’un établissement, cela devient vite très cher, surtout quand l’on sait que les enseignants, de base, utilisent déjà des manuels équivalents pour proposer leurs exercices, généralement glanés gratuitement par des moyens plus ou moins détournés.

Après, je me suis un peu penché sur leur méthode de personnalisation, et cela reste encore trop sommaire, mettant en doute le bien-fondé de l’utilisation du terme « adaptive learning » (mais peut-être ai-je échoué à saisir toutes les subtilités de leur offre). On lit le contenu, et quand sur certains paragraphes une question est associée pour vérifier qu’on l’a bien compris, le texte est surligné en jaune. Répondez correctement à la question, et il devient souligné en vert. Je n’ai pas beaucoup creusé, mais les exercices m’ont paru très faciles. Sur les cours de préparation aux maths universitaires, on en revenait aux calculs de fraction (programme du collège). C’est là que l’on perçoit les différences culturelles entre pays. Ce n’est pas qu’une question de langues.

En France, on est clairement plus exigeant en maths en début d’université. La différence était moins flagrante sur d’autres points, comme l’économie. Ensuite, dire que l’étudiant « maîtrise » le contenu parce qu’il a répondu correctement à quelques quizz de base, c’est un tantinet tiré par les cheveux. Dans le meilleur des cas, cela certifie que l’étudiant a lu le contenu (en tant que prof, on a de la visibilité là-dessus, le Smartbook jouant le rôle de petit LMS), il faudrait plus d’exercices, et de niveau plus exigeant, pour commencer à parler de maîtrise. Ils ont certes des petites fonctionnalités supplémentaires de prise de notes, mais il faut que l’étudiant soit véritablement sérieux pour qu’elles lui bénéficient. On peut aussi proposer des devoirs, fixer des dates, etc., comme dans tout LMS normal. L’intérêt est qu’il y a des devoirs tout préparés.

Mais ce n’est pas tout, Mc Grawhill a aussi développé une « IA » pour l’apprentissage, Aleks, qui fleure aussi bon les années 2000 en termes d’interface (mais allez, on va dire que ce n’est pas grave). Ils utilisent Aleks sur un sous-ensemble de leurs manuels, mais l’offre reste encore assez conséquente. Ce que j’ai aimé, c’est le côté diagrammes radar (où l’on voit les compétences d’un étudiant évoluer sur plusieurs axes), avec une personnalisation des exercices qui semblait tenir à peu près la route. Ce que j’ai moins aimé, c’est que l’on ne peut pas personnaliser autant que je le voudrais la méthode de distribution des exercices. Et je ne vais pas imposer des exercices de fraction niveau collège à mes étudiants, même pour des tests de positionnement. Cela pose moins problème sur les disciplines où ils n’y connaissent rien, comme l’économie pour des scientifiques, mais tout de même.

Ensuite, je n’arrive pas vraiment à comprendre comment fonctionne leur algo, et vu que je m’intéresse de près à la question, cela me chagrine un peu. Du coup, pour le moment je n’ai fait qu’effleurer la surface, il faudrait que j’y consacre quelques jours de plus pour faire une analyse en profondeur des différentes problématiques que soulèverait l’utilisation de ces technologies en cursus. Mais le billet commence à être un peu long. Du coup je propose que l’on repousse à une autre fois la suite de cette réflexion. En attendant, si vous voulez aller jeter un œil aux différents sites dont nous avons parlés ici, et partager vos impressions, je suis tout ouïe. Mon avis ne vaut guère plus que celui d’un autre.