Comment l'IA va remodeler le e-learning

Les professionnels du L&D doivent surveiller deux grandes tendances macroéconomiques (qu'ils s'intéressent ou non à l'IA) :

1. Les personnes employables diminuent en pourcentage de la population.

2. La productivité globale de la main-d'œuvre est en baisse. 

Par conséquent, les stratégies de rétention des employés et d'acquisition de talents sont plus importantes que jamais. Il a toujours été essentiel de conserver les employés plus longtemps, d'augmenter leur productivité et d'attirer les meilleurs talents, mais si l'on tient compte de ces tendances macroéconomiques, les enjeux sont encore plus importants. 

Les équipes de L&D sont responsables de l'amélioration de la rétention et de la productivité des employés, ainsi que de l'acquisition de talents. Ce n'est pas nouveau. Ce qui est nouveau, c'est la façon dont l'IA peut les aider à atteindre ces objectifs. Les équipes L&D peuvent tirer parti de l'IA et des outils d'apprentissage automatique pour améliorer les opérations de la manière suivante :

• Automatisation des tâches fastidieuses, libérant du temps administratif et améliorant la précision.

• Hyper-personnalisation du matériel de L&D, en faisant correspondre les personnes et les besoins plus rapidement et plus efficacement.  

• Génération de contenu permettant de réduire les frais généraux et d'améliorer l'accessibilité 

• Business Intelligence conversationnelle, qui permet d'accéder plus rapidement et plus efficacement aux informations.

 

Exemples du rôle croissant de l'IA dans l'amélioration des opérations de L&D

Automatisation

Les premières utilisations commerciales majeures de l'IA et du ML concernent généralement l'automatisation et poseront les bases de l'adoption de ces technologies pour les années à venir. 

Dans le domaine de la formation et du développement, l'automatisation via l'IA pourrait prendre les formes suivantes :

• Tagging automatique. Les humains sont très doués pour classer 12 éléments de contenu. Mais pour en classer 12 000, il est préférable d'utiliser un algorithme. 

• Transcription. L'apprentissage par vidéo est très important, mais la transcription manuelle prend du temps. L'IA moderne peut effectuer des transcriptions de vidéo en texte avec une précision et une rapidité impressionnantes.

• Traduction. Si vous devez convertir un cours complet en plusieurs langues, l'IA peut créer de très bonnes premières ébauches que les locuteurs natifs pourront réviser, ce qui permet d'économiser beaucoup de temps et d'argent.

• Indexation des recherches. Faciliter la recherche n'est pas une mince affaire lorsqu'il s'agit de données et de contenu. L'apprentissage social peut être particulièrement désordonné, étant donné qu'une grande partie de la valeur est créée organiquement avec une structure minimale. Les outils d'IA et de ML peuvent travailler en arrière-plan pour créer de l'ordre à partir du chaos, réduisant ainsi le temps nécessaire pour trouver les informations dont un humain (ou un autre système) a besoin.

L'automatisation est plus qu'un simple gain de temps. Elle permet d'optimiser l'attention et les compétences humaines. La plupart des gens n'aiment pas les tâches banales et répétitives (et nous pouvons nous fatiguer et faire des erreurs). Le fait de confier les tâches numériques fastidieuses à des machines permet de libérer l'attention et les compétences humaines.  

 

Hyperpersonnalisation

Les solutions uniques ne sont pas créées parce que les gens les veulent ; elles sont créées parce qu'elles sont à l'échelle. Dans le domaine de la formation et du développement, cela se traduit par un instructeur qui essaie de gérer 35 étudiants. Ou 3 500 employés qui suivent exactement la même formation en matière de sécurité.

La plupart des gens bénéficieraient d'un coaching et d'un mentorat individuel par rapport à l'approche de la "salle de classe bondée". Mais le coût de cette approche est souvent prohibitif. 

L'IA et le ML peuvent contribuer à réduire le problème de la mise à l'échelle grâce à l'hyperpersonnalisation. Bien que cela ne puisse pas (encore) remplacer le coaching 1:1, cela peut aider à filtrer une grande partie du contenu superflu et non pertinent qu'un apprenant ne veut pas ou n'a pas besoin, et cela peut s'adapter au comportement de l'utilisateur et s'ajuster dynamiquement en réponse.

Voici un exemple de ce que cela pourrait donner dans le domaine de la formation et du développement :

Une développeuse UX/UI navigue dans le système de formation et de développement de son entreprise. En se basant sur les taux d'achèvement des cours précédents, sur son titre, sur les activités de ses pairs et sur les objectifs qu'elle s'est fixés, l'IA lui recommande un programme d'études personnalisé. Au fur et à mesure qu'elle suit ces cours, l'IA détecte un biais pour un certain type de langage de programmation (par exemple, le temps passé sur les articles, les résultats d'évaluation, etc.)

En fonction de la programmation de l'IA, le biais peut être renforcé (lui montrer plus de cours qui utilisent ce langage) ou contré - en fonction de la stratégie globale de formation et de développement. Le biais peut également être simplement signalé comme une observation.

 

Génération de contenu

Vous pouvez demander à ChapGPT de vous donner 7 sujets de blog sur les plus grands défis du développement professionnel et en quelques secondes, vous aurez de bonnes idées devant vous.

Les développeurs de contenu L&D feraient bien de comprendre comment ils peuvent tirer parti de ces outils pour améliorer (et non remplacer) leur production. Les résultats de l'IA générative peuvent même être utilisés pour alimenter d'autres outils d'IA générative, comme Shape, l'outil de création de contenu alimenté par l'IA de Docebo. Voici comment cela se passe :

Vous demandez à ChatGPT de rédiger un court article sur "les choses les plus importantes qu'un nouveau concepteur UX/UI doit savoir". L'IA génère un article en quelques secondes. Vous examinez le résultat de l'IA pour vérifier les faits, corriger et peaufiner le langage, puis vous introduisez le contenu dans Docebo Shape et définissez la longueur de l'article. L'IA de Docebo Shape crée une présentation attrayante en quelques minutes. Vous relisez la présentation (et modifiez la conception et le contenu si nécessaire). Ensuite, vous utilisez Shape AI pour créer une voix off audio pour la présentation (pour améliorer l'accessibilité) et pour traduire la présentation dans plusieurs langues.

À partir d'une seule requête, vous disposez désormais de plusieurs jeux de données en plusieurs langues, accompagnés de fichiers de voix off. Si vous faisiez ce travail manuellement, cela prendrait des jours (ou plus, dans de nombreux cas). Avec l'IA, cela ne prend que quelques minutes. Et le plus intéressant, c'est qu'en dehors de l'invite initiale et de quelques révisions rapides, l'IA se charge du gros du travail. 

Business Intelligence conversationnelle

Rapports, tableaux de bord, analyses... Ce sont les éléments essentiels de la veille stratégique (BI) qui sous-tendent de nombreuses décisions importantes. 

La BI conversationnelle fait référence à l'utilisation de requêtes d'IA pour calculer des chiffres et faire apparaître des données visuelles facilement, réduisant ainsi le temps perdu à demander et à attendre des rapports.

Un administrateur L&D pourrait utiliser la BI conversationnelle de la manière suivante :

Il pourrait demander à un outil d'IA de lui montrer les cours suivis le mois dernier dans toutes les catégories principales, à l'exception de la formation à la sécurité. L'outil produirait un tableau précis. L'administrateur pourrait reformater le tableau en diagramme à barres ou en diagramme circulaire d'un simple clic, ou même demander à l'outil d'IA d'extrapoler les données et de les comparer aux résultats de l'année dernière. 

Bien entendu, pour que tout cela fonctionne, la base de données sous-jacente doit être bien gérée et précise (ce qui est encore une autre tâche pour laquelle l'IA peut apporter son aide !)