« L’IA peut aider à enseigner et à apprendre, mais seulement si les données du travail sont fiables et représentatives de l’activité réelle. ». S. Ciavaldini-Cartaut & J-F. Métral, 2022.
Intelligence artificielle et formation professionnelle
L’intelligence artificielle suscite un intérêt croissant dans la formation professionnelle. Elle promet des environnements d’apprentissage personnalisés, des simulations plus réalistes et des systèmes capables d’analyser les performances des apprenants. Pourtant, les recherches montrent que ces promesses se heurtent à des obstacles majeurs. Les données nécessaires pour entraîner les systèmes d’IA sont souvent difficiles à collecter dans les situations réelles de travail. En outre, les activités professionnelles reposent largement sur des raisonnements implicites, des gestes experts et des décisions contextuelles qui ne se réduisent pas à des comportements observables.
Cet article propose une lecture critique de ces enjeux à partir des travaux de Ciavaldini-Cartaut et al. (2022). Il montre que l’IA peut constituer un outil puissant pour la formation professionnelle, mais seulement si elle est pensée comme un instrument au service du travail réel. Dans les métiers complexes – comme ceux de l’aéronautique – la question centrale n’est pas seulement technologique. Elle est pédagogique et épistémologique : comment représenter l’activité professionnelle pour qu’elle puisse être apprise ?
Abstract
Artificial Intelligence is increasingly discussed as a transformative tool for vocational education and training. It promises adaptive learning environments, intelligent tutoring systems and improved analysis of learner performance. However, research highlights several limitations. The data required to train AI systems are difficult to obtain in real work contexts, and professional activities rely heavily on tacit reasoning, contextual decisions and embodied expertise that cannot easily be reduced to observable behaviours.
This article provides a critical analysis of these challenges based on the work of Ciavaldini-Cartaut and Métral (2022). It argues that AI can support professional training only if it remains grounded in the realities of work practices. In complex domains such as aviation, the key issue is not only technological but also pedagogical: how to model professional activity so that it becomes learnable.
L’IA comme instrument d’aide à l’apprentissage
Dans la littérature récente, l’intelligence artificielle est souvent présentée comme un outil capable d’améliorer l’enseignement et l’apprentissage. Dans le contexte de la formation professionnelle, son objectif principal est de soutenir l’analyse des activités d’apprentissage et d’aider les apprenants à progresser. L’IA peut ainsi collecter des traces d’activité, analyser les erreurs et proposer des rétroactions adaptées aux besoins des apprenants.
Les chercheurs soulignent cependant que l’IA doit être comprise comme un instrument pédagogique et non comme un substitut au formateur. Dans une perspective sociotechnique, les technologies numériques prennent sens seulement lorsqu’elles sont intégrées dans une activité professionnelle située. Elles deviennent alors des outils permettant d’accéder à des informations pertinentes, d’étayer les raisonnements et de faciliter la coopération entre formateurs et apprenants.
Cette approche rappelle que l’apprentissage professionnel repose sur l’interaction entre plusieurs dimensions : l’activité réelle, les situations de formation et l’accompagnement pédagogique. L’IA peut soutenir ces processus en facilitant la collecte et l’analyse de données d’apprentissage. Par exemple, un système peut identifier des erreurs récurrentes ou proposer des exercices adaptés au niveau de l’apprenant.
Dans certains domaines, l’IA peut également enrichir les environnements de simulation. Les simulateurs permettent de reproduire des situations professionnelles difficiles ou dangereuses. Dans l’aviation, ils sont utilisés depuis longtemps pour entraîner les pilotes dans des situations critiques. L’IA pourrait permettre d’aller plus loin en adaptant les scénarios aux comportements observés chez les apprenants.
Cependant, ces perspectives reposent sur une condition essentielle : la qualité des données utilisées pour modéliser l’activité professionnelle.
Le problème central : la fiabilité des données du travail
La conception d’un système d’intelligence artificielle suppose de disposer de données fiables sur les activités professionnelles. Or, c’est précisément ce qui pose problème dans la formation professionnelle.
Dans de nombreux métiers, le travail réel ne correspond pas exactement aux procédures décrites dans les manuels ou les référentiels. Les professionnels adaptent leurs actions en fonction du contexte, des contraintes et de leur expérience. Une grande partie de cette activité reste implicite et difficile à formaliser.
Les auteurs illustrent ce problème par une étude consacrée à la fabrication du fromage de Comté. Ce processus est extrêmement documenté : on dispose de nombreuses données scientifiques sur le lait, les bactéries, la maturation ou les conditions de production. Pourtant, ces données ne suffisent pas à expliquer pourquoi certains fromages sont meilleurs que d’autres. La qualité finale dépend aussi de décisions prises par le fromager en situation : perception de la texture du lait, ajustement des gestes, interprétation de signaux faibles.
Ces éléments relèvent d’un savoir pratique difficile à traduire en données exploitables par une machine. Pour concevoir une IA capable de soutenir la formation, il faudrait donc accéder aux raisonnements des professionnels et aux variables qu’ils mobilisent dans leur activité.
Ce problème est bien connu dans les industries à risque comme l’aéronautique. Les procédures y sont fortement formalisées, mais les décisions en situation reposent aussi sur l’expérience et l’interprétation du contexte. L’apprentissage ne consiste pas seulement à appliquer des règles. Il implique la capacité à diagnostiquer une situation et à prendre une décision adaptée.
Dans cette perspective, la question centrale devient : quelles données doivent être collectées pour représenter l’activité professionnelle ?
Simulation et modélisation : entre réalisme et apprentissage
Les environnements de simulation constituent un domaine où l’IA pourrait apporter une contribution importante à la formation professionnelle. Ils permettent de reproduire des situations complexes qui seraient difficiles ou dangereuses à expérimenter dans la réalité.
Un exemple présenté dans la recherche concerne la gestion forestière. Dans ce domaine, les décisions prises aujourd’hui peuvent produire leurs effets plusieurs décennies plus tard. Les chercheurs ont développé un environnement numérique permettant aux apprenants d’explorer différents scénarios de gestion. Ce système modélise la croissance des arbres et l’évolution de la forêt.
Cependant, la conception de ce type d’environnement pose un dilemme pédagogique. Une simulation très réaliste n’est pas toujours la plus efficace pour apprendre. Lorsque l’environnement reproduit trop fidèlement la complexité du réel, les apprenants peuvent avoir du mal à identifier les variables importantes pour agir.
Les didacticiens parlent alors de « fidélité épistémique ». Une simulation utile pour la formation doit sélectionner certaines variables et simplifier le réel afin de rendre les processus intelligibles.
Ce principe est bien connu dans la formation aéronautique. Les simulateurs de vol reproduisent certaines caractéristiques de l’avion et de l’environnement, mais ils simplifient d’autres aspects pour concentrer l’attention sur les compétences à développer.
L’IA pourrait contribuer à améliorer ces environnements en adaptant les scénarios aux actions des apprenants. Elle pourrait également proposer des informations pertinentes au moment opportun, afin de soutenir le raisonnement professionnel. Enfin, l’IA pourrait contribuer à enrichir les débriefing pour les rendre plus réflexifs (techniques de facilitation). Toutefois, ces possibilités dépendent encore une fois de la capacité à représenter correctement l’activité professionnelle.
L’illusion du tuteur intelligent
Une idée souvent avancée dans la littérature est celle du « tuteur intelligent ». Dans ce modèle, un système d’intelligence artificielle observerait les actions de l’apprenant, analyserait ses performances et fournirait une assistance personnalisée. En théorie, un tel système pourrait adapter les exercices, détecter les erreurs et proposer des conseils individualisés. Certains chercheurs envisagent même des systèmes capables d’accompagner les apprenants tout au long de leur parcours de formation.
Les travaux de Ciavaldini-Cartaut et Al. invitent cependant à la prudence. Dans les activités professionnelles, plusieurs stratégies peuvent conduire à un résultat acceptable. Une action correcte ne garantit pas nécessairement que l’apprenant ait compris les concepts sous-jacents. Prenons l’exemple d’un environnement de simulation forestière. Un apprenant peut obtenir un bon résultat – une forêt bien gérée – sans avoir réellement compris les principes de la gestion sylvicole. Son succès peut être dû à un enchaînement de décisions approximatives ou au hasard.
Dans ce cas, un système d’IA pourrait interpréter la performance comme un signe de compétence, alors que la compréhension reste superficielle. Plus généralement, la formation professionnelle repose souvent sur une démarche de questionnement et de réflexion guidée par le formateur. Cette maïeutique pédagogique consiste à confronter l’apprenant aux écarts entre son raisonnement et la réalité du travail.
Or les systèmes d’IA fonctionnent principalement en recherchant des régularités dans les données. Ils détectent des concordances plutôt que des discordances. Cette logique est très différente de celle de l’enseignement professionnel. Pour cette raison, l’idée d’un tuteur intelligent capable de remplacer le formateur reste aujourd’hui largement théorique.
L’IA et le risque d’invisibiliser le travail humain
Un dernier enjeu concerne les effets organisationnels de l’intelligence artificielle dans les métiers.
Dans certains secteurs, l’introduction d’outils numériques peut conduire à invisibiliser une partie du travail humain. Les auteurs évoquent par exemple le cas des garages automobiles équipés de systèmes de diagnostic numérique. Ces outils permettent d’identifier rapidement certaines pannes à partir des données collectées par les capteurs du véhicule.
Dans la majorité des cas, les mécaniciens suivent simplement les procédures proposées par la machine. Mais lorsque la panne est complexe, le diagnostic automatisé devient insuffisant. Les mécaniciens doivent alors mobiliser leur expertise pour analyser la situation et croiser différentes informations : bruits du moteur, traces d’huile, conditions d’utilisation du véhicule.
Cette activité d’enquête constitue une compétence essentielle du métier. Pourtant, elle reste souvent invisible dans les systèmes numériques. Un phénomène comparable peut apparaître dans d’autres secteurs. Si les systèmes d’IA prennent en charge certaines tâches, les professionnels peuvent progressivement perdre l’occasion de développer leur expertise.
Dans les industries à haut niveau de sécurité, comme l’aéronautique, ce risque est bien identifié. Les pilotes doivent apprendre à utiliser l’automatisation sans en devenir dépendants. L’objectif de la formation est précisément de permettre aux professionnels de « dominer la machine » plutôt que de se laisser dominer par elle. Cette logique s’applique également à l’intelligence artificielle dans la formation professionnelle.
Conclusion : une technologie prometteuse mais exigeante
L’intelligence artificielle ouvre des perspectives intéressantes pour la formation professionnelle. Elle peut faciliter l’analyse des apprentissages, enrichir les environnements de simulation et aider les formateurs à suivre la progression des apprenants.
Cependant, ces possibilités reposent sur une condition essentielle : la capacité à documenter le travail réel. Les données nécessaires à l’entraînement des systèmes d’IA doivent être fiables, pertinentes et représentatives de l’activité professionnelle. Dans les métiers complexes, cette tâche est loin d’être simple. Les compétences reposent souvent sur des raisonnements implicites, des gestes experts et des décisions contextuelles. Une partie de cette intelligence professionnelle échappe encore largement aux systèmes numériques.
Pour cette raison, l’IA ne peut pas être pensée comme un substitut au formateur. Elle doit être conçue comme un instrument au service de l’apprentissage. Dans les années à venir, le véritable défi ne sera probablement pas technologique. Il sera pédagogique : comprendre comment représenter l’activité professionnelle pour qu’elle puisse être apprise et transmise.
Bibliographie (APA)
Ciavaldini-Cartaut, S., Métral, J.-F., Olry, P., Guidoni-Stoltz, D., & Gagneur, C.-A. (2022). L’IA en formation professionnelle : usages, fiabilité des traces d’apprentissage et problèmes posés aux concepteurs et aux enseignants-formateurs. Livre blanc Enseigner et apprendre à l’ère de l’IA.