Prédire l’échec d’un élève afin de l’empêcher de décrocher ? Certaines universités, mais aussi des écoles, des collèges ou des lycées utilisent déjà des algorithmes pour adapter l’apprentissage et aider les élèves en difficulté.

Les algorithmes, ces suites d’opérations ou d’instructions permettant de résoudre un problème donné, sont déjà capables de prédire de nombreuses choses – des catastrophes naturelles à la délinquance, en passant par les crimes, les maladies rares, voire la mort… Pourraient-ils aussi permettre de prédire le taux d’échec d’un élève, afin de l’aider au moment opportun ?

C’est là tout le concept de l’ « adaptive learning » (apprentissage adaptatif), sur lequel des chercheurs du monde entier planchent depuis environ 6 ans. Celui-ci consiste à utiliser des algorithmes pour mieux mesurer le niveau d’apprentissage des élèves et proposer automatiquement des exercices adaptés. Aux États-Unis, l’entreprise d’apprentissage adaptatif Knewton propose depuis 2014 un logiciel, dont l’algorithme propose ainsi des cours calqués sur le niveau de l’élève. Parmi les clients de la société américaine, des éditeurs comme Pearson Education, mais aussi des universités nord-américaines, comme celles de New-York et de Tucson en Arizona.

À l’Université de Stanford, des chercheurs sont allés plus loin. En 2015, ils ont conçu un algorithme – d’après des données de la Khan Academy – leur permettant de détecter à partir d’une série d’exercices, les élèves susceptibles de répondre correctement aux questions suivantes, et ceux susceptibles d’échouer. L’objectif n’est pas, assurent-ils, de distinguer les « bons » des « mauvais », mais de comprendre pourquoi certains sont capables de se tromper, afin de mieux les aider.

Une détection des élèves « à risque »

De leur côté, de nombreuses universités anglo-saxonnes – comme l’Open University au Royaume-Uni et l’Université de Ball aux États-Unis – utilisent de plus en plus de données pour prédire les résultats des élèves aux examens en analysant ce que regardent ou font les étudiants sur les sites d’e-learning, ou pour identifier ceux qui risquent de décrocher. Comme 130 autres universités nord-américaines, l’Université de Ball utilise ainsi Skyfactor, un système algorithmique d’analyse prédictive qui permet d’identifier les étudiants en difficulté, en se basant sur leurs notes et leur assiduité. Des « alertes » sont déclenchées dès qu’un étudiant semble en difficulté, afin que les enseignants puissent réagir rapidement.

En France aussi des établissements du supérieur testent ce genre de système. Des universités de Nancy, Metz et Strasbourg poursuivent un projet de « learning analytics », qui consiste à utiliser les « traces » de l’apprentissage d’un étudiant (fréquence de connexion à Moodle – la plateforme d’apprentissage en ligne -, consultation des ressources pédagogiques, etc.) afin de prédire s’il est ou non susceptible de décrocher en première année de Licence. Dans le cas où un élève « à risque » aurait été détecté, « on pourrait renforcer son accompagnement, lui proposer un tutorat individualisé et travailler de manière rapprochée avec lui, ou même l’aider à revoir son orientation », explique Benjamin Seclier, de l’Université de Lorraine.

« L’algorithme de la réussite »

L’utilisation de tels systèmes algorithmiques ne se borne pas aux universités. Comme le note Germain Chastel, fondateur de NewtonX, société new-yorkaise d’IA, sur The Next Web,  des entreprises tech comme Microsoft et Hoonuit commencent aussi à fournir des systèmes similaires aux collèges et aux lycées américains, afin de les aider à réduire le taux de décrochage scolaire.

Dans le même registre, au Québec, l’enseignant-chercheur en « adaptation scolaire » Égide Royer, de l’Université de Laval, a conçu un « algorithme de la réussite », qui permettrait d’identifier les élèves (de primaire et de secondaire) « à risque », afin de les empêcher de décrocher. Son système se base sur « une liste de sept critères qui permet d’évaluer, en leur attribuant une cote de 0 à 3, les aptitudes de l’élève en lecture et en mathématiques, mais aussi sa capacité à suivre les consignes et, le cas échéant, ses problèmes de comportement. Si l’élève obtient un score en bas de 13 points, il sera à surveiller et aura besoin d’aide ponctuelle. Si l’élève récolte moins de huit points, il y a urgence », explique Le Journal de Montréal.

Ce genre d’algorithmes reste toutefois loin de faire l’unanimité. Car, sans parler de la protection de la vie privée, confier à une machine la mission de détecter si un élève est en difficulté ou non pourrait être contre-productif, réducteur, voire dangereux et discriminant. Germain Chastel, s’il défend l’utilisation de tels systèmes prédictifs, reste ainsi conscient que les algorithmes ne sont pas neutres et peuvent être biaisés – et qu’ils peuvent donc perpétuer un certain nombre de préjugés, ceux des enseignants, en particulier.

Auteur : Fabien Soyez