Ce qui semblait si nouveau et étonnant au début a soudainement commencé à attiser les craintes. Les outils alimentés par l’IA connus sous le nom de grands modèles de langage, ou LLM, dont le plus connu est ChatGPT, ont soulevé le spectre de l’obsolescence des connaissances humaines. Une telle nervosité est compréhensible. Après tout, les dernières avancées ont amené l’IA dans le domaine du langage humain. Et cela semble inconfortablement proche de chez nous. C’est comme si ChatGPT et d’autres LLM avaient réussi le test de Turing, qui a longtemps été le Saint Graal pour que les ordinateurs « passent » comme humains en faisant preuve d’intelligence. La peur de l’IA nie un point beaucoup plus important et plus convaincant. Comme nous le constatons actuellement dans les modèles d’apprentissage adaptatif de pointe, la prochaine génération d’IA ouvre davantage de potentiel pour les humains, et non contre eux. En particulier, l’IA a le potentiel de révolutionner la façon dont les humains apprennent grâce à une plus grande personnalisation. Voici cinq percées de l’IA qui changeront la façon dont les humains développent leurs connaissances et leurs compétences pour devenir plus compétents, en particulier sur le lieu de travail. Les quatre premiers traitent de l’IA spécifiquement développée pour l’éducation, tandis que les derniers montrent comment les LLM tels que Chat-GPT transformeront notre capacité à bénéficier des quatre premiers.
Les modèles éducatifs alimentés par l’IA et spécifiques à un domaine permettent une plus grande personnalisation et une maîtrise à 100 %
Les premières tentatives d’utilisation de l’IA pour dispenser un apprentissage spécifique à un domaine ont souvent dépassé les apprenants. En substance, l’IA a sauté sur le sujet d’une manière confuse. Rapidement, il est devenu évident que cette technologie devait présenter le contenu d’une manière beaucoup plus proche du fonctionnement du cerveau humain.
Aujourd’hui, les derniers outils d’apprentissage basés sur l’IA peuvent séquencer le contenu en fonction du rythme et des performances d’un individu de manière intelligente et réactive. C’est ce qu’un tuteur expérimenté peut faire, en identifiant où un apprenant a du mal et a besoin de plus de soutien, et où cet apprenant a déjà maîtrisé le contenu et n’a pas besoin d’un examen plus approfondi. Ce niveau de personnalisation permet à chacun de construire ses connaissances et d’acquérir des compétences.
Presque tous les apprenants peuvent atteindre une maîtrise à 100 % du contenu, pour chaque objectif d’apprentissage. Cela va juste prendre plus de temps à certaines personnes qu’à d’autres. Dans un grand groupe d’apprenants en entreprise, par exemple, nous avons constaté que les apprenants les plus rapides atteignaient 100 % des compétences en 12 minutes, tandis que les apprenants les plus lents prenaient 2 heures ou plus. Ce différentiel était significatif en termes d’ordre de grandeur – mais qu’en est-il? Ce qui importait le plus, c’était d’amener tout le monde à la pleine compétence.
Plus récemment, avec une autre de nos entreprises clientes, nous avons constaté un rétrécissement de l’écart entre les apprenants les plus rapides et les plus lents à atteindre la compétence. Nous étudions ces résultats pour savoir pourquoi. Peut-être que ce groupe d’apprenants est simplement plus homogène. Cela pourrait également refléter le fait que le sujet est simplement plus facile. Cependant, nous sommes curieux de savoir s’il est possible que les modèles s’améliorent de sorte que même les apprenants les plus lents puissent parcourir le matériel plus rapidement, avec la même compétence de 100 %.
Une IA qui agit comme une “grand-mère infiniment patiente”
Imaginez une grand-mère assise pour enseigner quelque chose à un petit-enfant bien-aimé, sans jamais se précipiter ni abandonner et passer à autre chose. Au lieu de cela, elle continue d’expliquer, de présenter du matériel supplémentaire, de réviser et d’encourager, tout en s’assurant que ce petit-fils reste motivé et engagé. C’est ce qu’un modèle éducatif alimenté par l’IA peut faire. La technologie apprend de l’apprenant, répondant et s’adaptant à l’humain (par opposition à l’inverse).
En même temps, cette approche « grand-mère » peut également être utilisée pour repérer les apprenants à risque qui ont besoin d’une attention supplémentaire. Nous le voyons dans le lien humain entre un enseignant et un étudiant ou un mentor et un mentoré. Plutôt que de passer entre les mailles du filet et d’être laissé pour compte, cet apprenant est engagé et connaît des progrès progressifs. C’est très efficace pour découvrir le potentiel inexploité des gens, mais aucune organisation ne peut se permettre de mettre en œuvre le tutorat à grande échelle. Cependant, avec des modèles alimentés par l’IA qui reproduisent l’approche du tuteur, ils le peuvent.
Lire aussi : Comment utiliser Chat gpt pour atteindre vos objectifs en entreprise
Améliorer la rétention et repenser le recyclage
Une fois que les organisations ont déployé les efforts et les dépenses nécessaires pour former les gens en premier lieu, la dernière chose qu’elles veulent faire est de les recycler, juste pour les tenir à jour. Et pourtant, nous savons qu’une grande partie de ce que les gens apprennent à l’aide d’approches traditionnelles – assistez à ce séminaire ou cliquez sur ces diapositives et répondez aux questions à la fin – ne se traduit pas par une rétention des connaissances à long terme. Cependant, comme nous le constatons dans des domaines allant de la médecine à l’industrie de la défense, les modèles adaptatifs qui utilisent l’IA éducative pour personnaliser l’apprentissage améliorent également la rétention des connaissances.
Un exemple est l’American Heart Association (AHA), qui certifie les professionnels de la santé dans les compétences qui sauvent des vies. Dans le passé, ces professionnels devaient fréquemment se recycler. Ce qui représentait un coût important pour le système hospitalier. Et signifiait également que les gens devaient s’absenter de leur travail pour recevoir la formation. Cependant, en adoptant une approche d’apprentissage personnalisée et adaptative, AHA peut permettre aux personnes de rester certifiées en actualisant leurs connaissances et en apprenant les dernières techniques de manière continue.
Utiliser l’IA éducative pour aider à former les gens pour utiliser plus d’IA
Sans aucun doute, l’IA continue de faire des percées dans la façon dont les tâches sont exécutées. Comme l’automatisation des tâches. Les effets ne seront pas limités au sol de l’usine; les travailleurs du savoir ressentiront également l’empiétement de l’IA. Comme le magazine Time l’a récemment observé, « Ces outils d’IA rationaliseront sûrement notre travail et nous éviteront une partie de l’ennui et du temps liés à la rédaction de mémos, à la réponse aux e-mails et à l’écriture de code informatique. Ils nous aideront à digérer plus rapidement des informations telles que des rapports de recherche et à rendre de puissants outils d’édition multimédia utilisables via de simples commandes textuelles.
Plutôt que de craindre la perturbation de la façon dont le travail est effectué, c’est une opportunité pour les humains de remonter plus loin dans la chaîne des connaissances. L’IA jouera un grand rôle dans cette transformation. Premièrement, l’IA peut assumer certaines tâches de niveau inférieur qui, très franchement, ne nécessitent pas la pensée critique, la créativité et la communication pour lesquelles les humains sont connus. Deuxièmement, comme nous en avons discuté, l’IA aidera les humains à acquérir des compétences plus avancées. Voici un exemple de notre propre entreprise. Jusqu’à récemment, nous avons constaté que GPT n’était pas suffisamment précis pour utiliser le contenu qu’il générait dans des modèles d’apprentissage.
Maintenant, cependant, la dernière itération – GPT-4, qui est créditée de “réponses plus sûres et plus utiles” – peut générer un contenu équivalent à ce qu’un ingénieur en apprentissage de base pourrait produire. Alors, qu’arrive-t-il à ces ingénieurs ? Ils peuvent être perfectionnés à l’aide de l’apprentissage adaptatif basé sur l’IA pour devenir plus productifs dans des domaines tels que la prise de décision et l’évaluation d’appels plus nuancés sur le contenu.
Les grands modèles de langage, comme ChatGPT, réduiront considérablement le coût de création de contenu pour les modèles d’IA éducatifs
Le principal obstacle à l’utilisation de l’IA éducative, même à plus grande échelle, a été le coût des curations de contenu pour cette méthode de diffusion. Des éditeurs à grande échelle comme McGraw-Hill et Collins ont transformé leurs processus de développement de contenu depuis plusieurs années. Cela a nécessité des investissements massifs et des changements radicaux dans les processus éditoriaux. Il en va de même pour d’autres acteurs à grande échelle. Tels que la certification par l’AHA de millions de travailleurs de la santé chaque année, ou la dernière initiative du groupe CITI en matière d’apprentissage adaptatif impliquant des centaines de personnes à l’origine de ces changements. Cependant, ChatGPT a déjà prouvé que le contenu peut être organisé et diffusé à une fraction du coût actuel. Et cela ouvrira les vannes pour transformer l’éducation existante en plates-formes d’IA éducatives.
À l’avenir, les dernières percées nous permettront de déployer plus efficacement les technologies existantes. Nous serons en mesure de créer du contenu, d’améliorer les systèmes, d’anticiper et de détecter les problèmes plus rapidement.
Dans le domaine de l’éducation, et de l’apprentissage en milieu de travail en particulier, cela signifie que les modèles alimentés par l’IA peuvent améliorer les connaissances humaines. Et améliorer le développement des compétences et des compétences. Plutôt que de voir cette technologie comme une menace, il est temps de considérer l’IA comme un large éventail d’outils avec une plus grande sophistication et plus d’utilisations que nous n’aurions jamais cru possibles.
