Défis et opportunités : redéfinir les indicateurs du L&D moderne avec l'IA

L'IA n'est plus une perspective lointaine pour la formation et le développement (L&D). Elle est déjà là. Cinquante-huit pour cent¹ des équipes RH déclarent une hausse du chiffre d'affaires grâce à l'adoption de l'IA.

À mesure que nous accompagnons l'évolution technologique du L&D, l'analyse de données propulsée par l'IA devient un moteur majeur des initiatives L&D modernes. Aujourd'hui, l'analytique n'est plus seulement un moyen de mesurer l'impact de la formation en entreprise (même si l'IA transforme aussi l'analytique de l'apprentissage) : elle devient le socle de parcours d'apprentissage guidés par les données.

Voyons comment l'analytique propulsée par l'IA transforme notre façon d'interpréter et d'utiliser les données, et pourquoi elle est décisive en 2024.

Défis et limites des méthodes traditionnelles de mesure de l'efficacité de la formation

Les méthodes d'analyse L&D traditionnelles ne suivent plus l'évolution des besoins et des objectifs des organisations modernes. Il devient donc nécessaire de redéfinir nos stratégies de mesure de l'impact de la formation.

Des indicateurs en décalage avec les objectifs du L&D moderne

Aujourd'hui encore, les professionnels du L&D s'appuient sur des indicateurs de façade pour mesurer l'impact de la formation des collaborateurs. Parmi les principaux indicateurs² utilisés pour évaluer le succès du L&D figurent la satisfaction des collaborateurs, le nombre de collaborateurs formés, les scores aux évaluations post-formation et le nombre de cours suivis.

Le problème, c'est que si l'analytique de l'apprentissage aide à cerner l'engagement des collaborateurs dans les programmes de formation, elle ne reflète pas la contribution du L&D à la performance de votre entreprise.

Peinant à mesurer l'impact de la formation, 95 % des responsables L&D³ souhaitent pouvoir suivre la corrélation entre la progression des collaborateurs et la performance de l'entreprise. Comme les méthodes d'analyse de données traditionnelles ne permettent pas de combler cet écart, l'analytique propulsée par l'IA a un fort potentiel pour changer notre manière de mesurer l'impact du L&D.

« Selon moi, le problème le plus important est que le L&D semble aborder le potentiel de l'IA avant tout comme un moyen de produire davantage de contenus de formation formels.
L'IA servirait mieux le L&D si nous l'utilisions pour rapprocher l'apprentissage et le travail, avec l'analytique métier comme moteur, et non l'analytique de l'apprentissage.
Le potentiel de l'IA pour offrir un « support à la performance surpuissant » et intégrer l'apprentissage et l'amélioration continue dans le flux de travail (en adoptant un état d'esprit de performance plutôt qu'un état d'esprit d'apprentissage) est énorme. Il dépassera de loin sa simple utilisation comme moteur de contenu ou d'analytique dans un modèle L&D du XXe siècle centré sur le contenu. »
Charles Jennings
Managing Director | Duntroon Consultants

Trop de données, trop peu de ressources

Chaque jour, nous agrégeons quantité d'informations issues des systèmes RH, des enquêtes auprès des collaborateurs et des rapports du système de gestion de l'apprentissage (LMS). Pourtant, nous ne savons pas vraiment quoi faire de toutes ces données : nous les laissons donc prendre la poussière et nous concentrons sur des indicateurs de façade (parce qu'ils sont faciles à interpréter).

L'un des moyens les plus courants d'interpréter de grands volumes de données consiste à créer des tableaux de bord censés dire quelque chose de la performance du L&D. Mais beaucoup ne parviennent pas à transformer l'analyse de données en un récit qui pousse les parties prenantes à agir.

« Les équipes data et analytics ont toujours créé des tableaux de bord et des visualisations, mais beaucoup ne savent pas intégrer ces éléments dans un récit. »
James Richardson
Senior Director Analyst | Gartner⁴

Données accessibles ≠ données pertinentes

Qu'est-ce qui nous empêche de collecter les données qui reflètent les résultats réels de la formation dispensée ? Ce n'est pas que les équipes L&D choisissent délibérément les mauvais indicateurs. C'est l'accessibilité des données qui nous pousse vers de mauvaises décisions.

« [...] lorsque nous nous fions à des données faciles à collecter plutôt qu'à des données qu'il est pertinent de collecter, nous courons à l'échec.
Pendant mon MBA, j'ai découvert le problème classique du commercial : on collecte des données sur le chiffre d'affaires qu'il rapporte, en oubliant de mesurer le bénéfice qu'il génère. En mesurant l'un et pas l'autre, on récompense les ventes tout en espérant des bénéfices. Serait-il impoli de ma part de souligner que votre rémunération est sans doute liée à des éléments plus faciles à mesurer (comme les bénéfices du moment ou le cours de l'action) au détriment d'autres éléments qu'il est important de mesurer (comme la solidité et la capacité d'innovation de votre équipe R&D) ? »
Will Thalheimer
Consultant, Speaker, and Researcher | Work-Learning Research⁵

L'IA change notre façon de former et d'évaluer

Face à l'incapacité des solutions traditionnelles à résoudre les grands défis du L&D, l'IA apporte de nouveaux moyens d'analyse des données (et cela tombe à point).

Au-delà de la mesure de l'engagement des apprenants, l'analytique propulsée par l'IA ouvre l'accès à des jeux de données complexes, au big data et aux algorithmes de machine learning. Avec ces outils, nous réduirons le travail manuel, obtiendrons des insights pertinents sur l'efficacité de nos actions de formation et personnaliserons davantage les programmes L&D.

Cas d'usage de l'IA dans la formation et le développement en 2024

L'analytique propulsée par l'IA transforme la formation et le développement en 2024, et les professionnels du L&D vont avoir fort à faire pour mettre en œuvre ces sept applications de l'IA dans l'apprentissage en entreprise. Voici comment.

1. Création de contenus de formation

Moins d'un an après l'apparition de l'IA générative, un tiers⁶ des organisations déclarent qu'au moins une de leurs fonctions métier l'utilise régulièrement.

Les outils d'IA générative analysent d'immenses volumes de données pour produire des supports de formation en un rien de temps. Transformer des PDF en contenus engageants, traduire des programmes de formation en plusieurs langues, mettre en voix des textes écrits grâce à l'IA : toutes ces tâches sont déjà prises en charge par l'IA dans les produits Attensi.

Grâce à la solution de formation aux outils informatiques d'Attensi, Equiniti a conçu 15 modules de formation jouables et obtenu un retour sur investissement de 3x en réduisant les temps de formation et le turnover. Pour en savoir plus, consultez l'étude de cas.

2. Recherche d'informations par l'IA générative

Quarante-sept pour cent⁷ des travailleurs du numérique ont du mal à trouver les informations dont ils ont besoin pour bien accomplir leurs tâches. Noyés sous la masse d'informations et d'applications utilisées au travail, les collaborateurs perdent des heures à chercher les données nécessaires. La recherche propulsée par l'IA va y remédier.

McKinsey a récemment lancé « Lilli »⁸, sa propre solution d'IA générative, qui extrait les informations utiles de l'immense base de connaissances du cabinet et accélère la recherche. Lorsqu'un utilisateur saisit une question, Lilli parcourt l'ensemble de la base de connaissances de McKinsey et identifie de cinq à sept contenus. Elle en restitue ensuite les points clés, avec des liens et même les experts des domaines concernés, dans le document généré. Plus besoin de parcourir manuellement des milliers de documents.

Et oui, vous pouvez aussi obtenir des réponses générées par l'IA dans Attensi.

3. Évaluation des écarts de compétences par l'IA

Même si nous utilisons depuis longtemps des technologies RH pour analyser les écarts de compétences, cela demande encore beaucoup de travail manuel. L'analytique par l'IA automatise la cartographie des compétences et comble ces écarts plus efficacement.

En analysant de grands jeux de données issus de sources variées, l'IA garantit une analyse complète des compétences à travers les différents rôles et fonctions. Les spécialistes L&D peuvent ainsi non seulement combler les écarts de compétences, mais aussi les anticiper.

4. Interprétation des données

Avec l'essor de l'IA générative, les professionnels du L&D accèdent à des insights exploitables sans avoir à décortiquer graphiques, camemberts et nuages de points. Parce qu'elle sait transformer les données en récits riches et utiles, l'IA nous permet enfin de convertir de grands jeux de données en plans d'action.

5. Mobilité interne et développement des collaborateurs

Les solutions d'IA modernes savent adapter les ressources et les parcours d'apprentissage pour favoriser l'évolution de carrière des collaborateurs et soutenir la mobilité interne. À partir de données historiques, l'IA peut prédire des trajectoires de carrière possibles en fonction de la performance et des aspirations d'un collaborateur. Les algorithmes d'IA peuvent aussi analyser les exigences des postes et les rapprocher des profils des collaborateurs, en proposant des postes internes adaptés aux personnes qui ont les compétences requises.

Par exemple, pour offrir des perspectives d'évolution à ses collaborateurs, Spotify a lancé une place de marché interne des talents baptisée Echo⁹. Cette technologie propulsée par l'IA aide les collaborateurs à développer leurs compétences tout au long de leur parcours chez Spotify, à enrichir leur portfolio professionnel et à trouver des opportunités d'évolution via la plateforme.

6. Analyse des retours

Les scores de satisfaction des apprenants ne permettent guère d'évaluer l'efficacité de la formation. Plutôt que de s'en remettre uniquement à des impressions subjectives, l'analyse des retours pilotée par l'IA examine en profondeur les aspects qualitatifs des feedbacks des apprenants.

Les algorithmes de traitement automatique du langage naturel (TALN, ou NLP en anglais) analysent automatiquement les réponses des apprenants. Ils révèlent non seulement ce que les apprenants ont aimé ou non, mais aussi pourquoi certains aspects ont suscité l'adhésion ou posé des difficultés.

7. Personnalisation des expériences d'apprentissage

Alors que les méthodes de formation traditionnelles, identiques pour tous, ne répondent pas aux besoins individuels des apprenants, l'IA vient à la rescousse.

Grâce à sa capacité unique à s'adapter sans effort aux besoins spécifiques de chaque apprenant, l'IA crée des parcours d'apprentissage personnalisés qui permettent à chaque collaborateur d'exprimer son potentiel et de suivre ses centres d'intérêt. La personnalisation pilotée par l'IA permet aux apprenants de prendre en main leur montée en compétences ou leur reconversion, en explorant leur propre trajectoire d'apprentissage tout au long de la vie.

Parmi les exemples les plus courants d'expériences d'apprentissage pilotées par l'IA figurent le microlearning, les simulations en réalité augmentée et virtuelle, les mini-jeux et les personnages animés par l'IA.

Les scénarios d'apprentissage immersifs d'Attensi invitent les collaborateurs à apprendre en faisant, grâce à une formation réaliste et percutante adaptée à leurs besoins. Grâce à l'IA, nous créons des parcours d'apprentissage personnalisés qui répondent aux besoins de chacun, optimisent la rétention des connaissances et facilitent la mise en pratique des compétences. L'expérience d'apprentissage qui en résulte se traduit immédiatement par des améliorations mesurables des indicateurs de performance.

Points de vigilance pour déployer l'analytique propulsée par l'IA

Lorsque vous confiez des données à l'IA, gardez à l'esprit vos responsabilités éthiques et réglementaires :

1. Les implications éthiques de l'utilisation de l'IA

Si l'IA offre un potentiel considérable pour la formation et le développement en entreprise, sa mise en œuvre comporte aussi un risque de biais et soulève des questions éthiques. N'oublions pas que cette technologie est conçue pour compléter les compétences humaines, pas pour les remplacer.

L'IA n'est pas là pour prendre des décisions sans supervision, mais pour nous aider à collecter et optimiser des données que nous pouvons croiser avec des considérations éthiques, morales et humaines avant d'agir.

Bryan Hancock, associé chez McKinsey, a expliqué¹⁰ que dans son rôle d'évaluateur chez McKinsey, il associe l'IA et l'intelligence humaine pour les entretiens d'évaluation :

« L'un de mes usages préférés de l'IA générative côté RH, ce sont justement les entretiens d'évaluation. Écoutez-moi bien : je ne veux pas que l'IA générative rédige elle-même l'évaluation de quelqu'un. Cela exige un humain dans la boucle, du jugement humain, de l'empathie. »

Bryan Hancock explique que l'IA générative l'aide à transformer les feedbacks écrits sur chaque personne en une première ébauche, à partir de laquelle il entame une relecture manuelle. Cette synthèse lui fait gagner du temps sur l'organisation manuelle des données et lui permet « d'aller plus vite à ce que j'ai vraiment besoin d'approfondir pour le développement et l'évolution de cette personne ».

2. Réglementation sur la confidentialité et IA

Associer l'IA et l'intelligence humaine n'est pas seulement bénéfique : cela va bientôt devenir obligatoire partout dans le monde. Pour la première fois de l'histoire, l'utilisation de l'IA sera encadrée par la loi. Le Parlement européen a approuvé l'AI Act, qui fixe des lignes directrices et des exigences de transparence pour tous les acteurs impliqués dans le développement ou l'utilisation de l'IA.

Le nouveau règlement stipule que « les systèmes d'IA doivent être supervisés par des personnes plutôt que par l'automatisation, afin d'éviter des conséquences préjudiciables ».

L'UE est la première à annoncer une loi globale sur l'IA, mais le reste du monde devrait lui emboîter le pas¹¹ dans les prochaines années. Et même si les lois sur l'IA doivent encore entrer en vigueur, nous devons déjà respecter d'autres règles de confidentialité :

« Demander à l'IA générative, par exemple, de résumer des données privées ou sensibles et d'en tirer des statistiques peut revenir à enfreindre la loi (comme la loi HIPAA pour les données médicales ou le RGPD pour les données personnelles). À tout le moins, partager des informations personnelles est probablement contraire à l'éthique. Si vos données sont privées ou sensibles, vous devez vérifier si vous pouvez utiliser l'IA générative de manière éthique pour l'usage que vous envisagez. »
Patti Shank
Author and Founder | Learning Peaks

L'IA enrichit l'apprentissage grâce à l'analyse de données

L'analytique propulsée par l'IA ne se contente pas de mesurer l'impact des programmes L&D : elle transforme de vastes jeux de données en récits exploitables et propose des parcours d'apprentissage personnalisés aux apprenants.

Tout en tirant parti des avantages de l'IA, n'oublions pas l'importance du jugement humain dans la prise de décision. Une intégration équilibrée de l'IA, de l'expertise et de l'empathie humaines est la clé pour libérer tout le potentiel de la formation et du développement.

Demandez une démo à Attensi pour découvrir comment les scénarios d'apprentissage propulsés par l'IA s'intégreront dans votre organisation.