La formation peut être conceptualisée comme un système de construction de nouvelles connaissances. Dans le cadre du travail moderne, ce processus n’est plus considéré comme fixe dans le temps (ex. temps d’études puis accès à un poste) mais a pour objectif d’être continu. Ainsi, la formation professionnelle est un enjeu majeur dans la gestion des ressources humaines non seulement pour entretenir la compétitivité de l’organisation, mais également pour garantir l’attractivité envers les talents à recruter ou la rétention parmi ses équipes. Dans ce sens, des outils récents peuvent contribuer à la définition d’une stratégie raisonnée.
La construction de connaissances est constituée par un processus d’assimilation où une nouvelle information est intégrée dans les connaissances (i.e. représentations) d’un individu ; et un processus de redéfinition où des connaissances antérieures sont modulées (modifiées ou confirmées) par de nouvelles informations et expériences. Ces deux processus sont importants à dissocier car le second implique un effort d’information plus important si il contredit des connaissances antérieures (qu’elles soient vraies ou fausses). Une première utilité de l’IA est de pouvoir adapter son contenu à ces différentes situations d’apprentissage en fonction des apprenants.
Du point de vue de la gestion des ressources humaines, trois principes clé constituent le processus de formation :
- L’état de préparation : qui fait référence au fait que « l’enseignement doit porter sur les expériences et les contextes qui rendent l’apprenant désireux et capable d’apprendre ». Cela définit le support de formation.
- L’organisation en spirale : qui signifie que « le contenu doit être structuré de manière qu’il puisse être appréhendé par l’apprenant et le matériel doit être présenté dans les séquences les plus efficaces ». Cela définit les paramètres d’apprentissage.
- La génération : laquelle indique que « l’instruction doit être conçue pour faciliter l’extrapolation et/ou combler les lacunes ». Cela définit le but de la formation.
Cette représentation de la formation permet d’établir les fonctions intéressantes que peuvent produire les outils algorithmiques, dans le but de prendre en compte à la fois l’apprenant et le contexte, pour déterminer des formations plus adaptées : faciliter la définition de supports de formations et des paramètres d’apprentissage pour chaque individu ; évaluer l’adéquation entre l’apprenant et le but de la formation ; redéfinir de manière adaptative les formations, changeant ainsi le contenu…
Pour adapter la formation à l’apprenant, les algorithmes actuels favorisent certains indices qui sont, par fréquence d’utilisation :
- Les résultats d’apprentissages précédents
- La réorganisation des ressources et contenus
- Les préférences des apprenants
- Le profil des apprenants
- Le portfolio des formations précédentes
- Le style d’apprentissage (ex. préférence pour un apprentissage séquentiel, basé sur de la discrimination, sur compétence analytique ou spatiale)
- La perception de la formation au travers de :
o La motivation
o L’efficacité ou la confiance en soi
o La satisfaction ou l’intérêt - La difficulté d’apprentissage
- Les séquences d’apprentissage (i.e. le matériel doit être présenté dans l’ordre le plus efficace)
- Le style cognitif des apprenants (ex. certaines personnes ont de meilleures performances que d’autres dans les scénarios personnalisés, tandis que d’autres préfèrent les scénarios d’apprentissage non personnalisés)
- La personnalisation
Des recherches ont montré qu’en se basant sur les profils et attitudes des apprenants, les connaissances et croyances antérieures, les parcours d’apprentissage adaptatifs personnalisés et environnements d’apprentissage flexibles, il était possible de s’approprier de l’information de manière plus efficiente que dans des contextes uniformisés. Sur ce point, l’IA permet une personnalisation plus poussée des orientations de formation en se basant sur des indices explicites donnés par les personnes (évaluation des formations, explicitation des préférences, etc.) ou l’analyse des comportements dans les contextes de formation.
Cependant l’outil d’algorithmique n’empêche pas la nécessité d’arbitrer entre les besoins individuels et collectifs de l’organisation. Individualiser totalement les plans de formation, même avec un outil totalement efficient, reviendrait à désagréger le commun et donc la construction et l’adaptation de l’organisation sur le temps long.
L’intégration des routines de travail
Lorsqu’il est géré par IA, le système de formation produira un programme, du matériel et des horaires développés personnellement pour chaque collaborateur. Des stratégies peuvent être établies au travers d’IA pour présenter une même information sous différents formats ou sur différents médiums sur une plus longue période afin d’assurer la permanence de l’apprentissage (ex. carte mémorielle).
Cela peut être intégré à l’emploi du temps et être personnalisé en fonction des horaires individualisés les plus propices à la rétention.
Augmenter le taux de complétion des formations
L’apprentissage, notamment au travers des formations en ligne, souffre d’un taux d’abandon élevé. Selon les évaluations, environ 15% des formations en ligne entamées sont complétées.
Développer un programme d’apprentissage basé sur les préférences personnelles de chaque employé peut permettre d’augmenter ce taux.
Proposer des formations par simulation
Dans une vision prospective, combinés à des technologies comme les digital twins (i.e. une réplique numérique d’un objet, d’un processus ou d’un système), des algorithmes peuvent proposer des simulations d’apprentissage en développant des scénarios adaptatifs pour l’apprenant.
L’intérêt des simulations est de proposer un apprentissage actif et plus ludique qui favorise l’intégration des informations.
Les outils de réalité virtuelle et augmentée sont émergents mais offrent un potentiel intéressant pour des programmes de formation en entreprise immersifs.
Evaluer l’efficience de la formation et de l’apprentissage
L’identification de critères pertinents d’évaluation de chaque formation, et donc de son utilité, peut être couteux pour les RH. Des systèmes d’IA peuvent collecter et analyser rapidement les données pour obtenir certaines informations sur l’efficacité de l’apprentissage. Cela permet d’identifier les points ayant requis plus de temps d’attention, ou des retours ayant conduit à une moins bonne intégration des connaissances en moyenne sur les collaborateurs participant à la formation.
Pour les RH ces éléments permettent d’adapter le contenu pour une formation interne, de faire des retours dans le cas de formation externe ou, le cas échéant, de redéfinir les critères de recherche de formation sur la base des difficultés et besoins identifiés.