Nous avons récemment eu le plaisir d’animer un webinar sur l’intelligence artificielle (IA) et sur le Machine Learning (ML) avec Diane Haines, VP Marketing d’OpenSesame. Nous avons discuté des applications pratiques de l’intelligence artificielle et du Machine Learning dans le domaine de la formation et de la formation en entreprise – comme la façon dont vous pouvez utiliser les données dans votre entreprise pour former vos employés et comment les traiter afin d’acquérir des connaissances pratiques qui vous permettront d’améliorer votre personnel.

Pour beaucoup d’entre eux, il n’est pas encore clair comment utiliser l’IA et le Machine Learning ou comment développer une stratégie pour l’utiliser. Pendant le webinar, nous avons mené un sondage en direct et demandé : « Quels sont les obstacles au Machine Learning et à l’IA dans votre organisation aujourd’hui ? » – plus de la moitié de l’auditoire a déclaré qu’il n’y avait pas de cas clair d’utilisation de l’IA ou du Machine Learning dans leur organisation. Deuxièmement, le sondage a révélé que l’auditoire estimait qu’il y avait un manque de stratégie sur la façon d’utiliser cette technologie au sein de son organisation.

Décomposez-le

Pour aborder ces questions liées au manque de compréhension et de stratégie, jetons un coup d’œil sur quelques points que nous avons abordés pendant le webinar. Commençons par définir quelques termes pour nous assurer que nous sommes tous sur la même longueur d’onde.

L’intelligence artificielle est définie comme la théorie et le développement de systèmes informatiques capables d’accomplir des tâches qui requièrent normalement l’intelligence humaine, comme la perception visuelle, la reconnaissance vocale, la prise de décision et la traduction entre les langues. Le Machine Learning fait partie de l’intelligence artificielle. Ce sont des algorithmes dont les performances s’améliorent au fur et à mesure qu’ils sont exposés à de plus en plus de données au fil du temps.

Pour mieux comprendre comment l’intelligence artificielle et le Machine Learning peuvent vous aider, il conviendrait de se focaliser sur les questions à se poser sur ces trois points : automatisation, recommandation et prévention.

Automatisation

Automatisation : Au cours du webinar, Diane a expliqué que l’intelligence artificielle a une machine qui traite l’information pour pouvoir agir et s’adapter comme le ferait un humain dans différentes situations, de sorte qu’elle simule essentiellement l’intelligence humaine sans que l’humain soit impliqué.

• Quelques exemples d’automatisation par apprentissage automatique sont la façon dont les images sont étiquetées par les radiologistes, les documents devant être étiquetés avec des métadonnées, et les projets étiquetés avec un dépassement de budget.
• Chez Speexx, nous utilisons l’automatisation pour planifier dynamiquement des sessions pour notre solution de classe virtuelle globale, en tenant compte de la date et de l’heure préférées de nos étudiants, sujets et formateurs pour mieux adapter les horaires à leurs besoins individuels. Le processus d’automatisation sélectionne également le meilleur coach personnel possible pour un nouvel élève, afin de pouvoir satisfaire les besoins de cet élève spécifique au cours de son parcours d’apprentissage en lui apportant soutien, motivation, corrections et séances individuelles par téléphone ou en classe virtuelle.

Elle a également expliqué plusieurs types différents de Machine Learning, comme l’apprentissage supervisé, non supervisé et le renforcement. Tous les types de Machine Learning sont orientés vers la prédiction de ce qui peut se passer ensuite et vers l’obtention de ces résultats. Le travail du Machine Learning est d’essayer d’automatiser les processus pour que les humains aient moins de travail administratif, puis de recevoir une recommandation sur la meilleure étape suivante ou la meilleure voie à suivre, ou la meilleure façon de trier les données pour obtenir le meilleur résultat – ce qui nous amène à la prochaine étape, la recommandation.

Recommandation

Recommandation : Y a-t-il quelque chose en particulier que vous aimeriez que le système vous recommande, à vous ou à vos équipes, et qui pourrait aider votre entreprise à fonctionner plus efficacement ?

• Un exemple que l’on voit souvent dans la formation est le fait que de nombreux gestionnaires de talent veulent des recommandations pour des parcours d’apprentissage personnalisés. Chaque membre d’une équipe peut avoir des objectifs de carrière différents, et chacun a un cheminement de carrière différent pour gravir les échelons de l’organisation. Une équipe peut avoir deux ou trois personnes très performantes qui ont gravi les échelons jusqu’à la haute direction. Si les gestionnaires de talent peuvent comprendre les parcours d’apprentissage et la formation que ces personnes très performantes ont suivie pour les amener là où elles sont, le même parcours pourrait alors être proposé aux autres membres de l’équipe qui veulent améliorer leur rendement.
• Un autre exemple serait la façon dont Speexx utilise l’IA pour prédire le comportement des utilisateurs et pour ensuite donner des recommandations basées sur ces modèles de comportement, pour ensuite prendre des mesures personnalisées pour empêcher ces utilisateurs d’abandonner. Notre système analyse également le comportement des utilisateurs – comme les différentes formations qu’ils suivent, le travail qu’ils ont fait, les domaines dans lesquels ils ont des difficultés ou dans lesquels ils excellent, et ensuite il donne des recommandations pour un parcours d’apprentissage personnalisé.
• Nous utilisons également un algorithme de recommandation de filtrage collaboratif pour envoyer un contenu personnalisé d’intérêt à nos étudiants sur une base hebdomadaire.

Prévention

Prévention : L’application finale est la prévention. Nous voulons que les algorithmes d’apprentissage empêchent que quelque chose ne se produise avant que quelque chose de mal n’arrive.

Lorsqu’il s’agit de la dernière étape de la prévention, demandez-vous ce qui peut mal tourner. Un exemple classique d’application pratique pour la prévention serait les alertes aux employés à risque.
En analysant régulièrement vos données historiques de formation et de communication, vous pouvez recevoir des alertes aux employés à risque lorsqu’un employé est « à risque » de problèmes de conformité. Vous pouvez alors aller de l’avant dans la bonne direction et suggérer à l’employé de prendre des mesures pour prévenir un résultat négatif ou défavorable.
Chez Speexx, nous détectons quand un étudiant ne fait pas assez d’efforts dans le parcours d’apprentissage, afin d’éviter qu’il abandonne le cours ou échoue.

Expériences d’apprentissage personnalisées

Afin d’offrir un entraînement de prononciation efficace, Speexx a développé un logiciel propriétaire de reconnaissance vocale conçu spécifiquement pour l’apprentissage des langues. Dans une interview avec Android Pit, Armin Hopp a expliqué comment le flux d’apprentissage de Speexx utilise l’IA pour fournir des expériences d’apprentissage personnalisées, des répétitions espacées pour l’apprentissage du vocabulaire, ainsi que pour la rédaction, l’écoute et la prononciation.

Vous pouvez fournir des expériences d’apprentissage plus personnalisées avec l’IA et le Machine Learning en suivant les schémas de formation et les comportements d’apprentissage des apprenants actuels afin d’identifier le parcours d’apprentissage idéal, puis le répéter et le renforcer avec votre équipe. Il s’agit de comprendre quelles données sont déjà présentes dans votre système, telles que le développement des performances, puis de trouver le meilleur cas d’utilisation pour cela. Cela peut sembler très long, mais la réalité est que les données de nombreuses recommandations différentes sont déjà dans votre système – il suffit de suivre la formation que vos employés actuels suivent pour pouvoir ensuite prendre cette information et l’analyser et demander aux algorithmes de recommander des parcours d’apprentissage personnalisés aux futurs employés.

En fin de compte, Diane a été en mesure de distiller une partie du battage médiatique et de la confusion entourant l’intelligence artificielle et le Machine Learning et elle nous a aidés à mieux comprendre comment les entreprises peuvent mieux exploiter les monticules de données de leurs programmes de formation et de L&D, afin de prendre des décisions commerciales plus intelligentes.

Nous attendons avec impatience de pouvoir approfondir ce sujet lors du Speexx Exchange Berlin en novembre prochain. Rejoignez-nous avec Tom Turnbull, VP Partenariats et co-fondateur d’OpenSesame, pour discuter des applications pratiques de l’intelligence artificielle dans les ressources humaines et l’apprentissage et le développement.

A propos d’OpenSesame

OpenSesame aide les entreprises à développer la main-d’œuvre la plus productive et la plus admirée au monde. Avec le catalogue le plus complet de cours e-learning des plus grands éditeurs mondiaux, OpenSesame vous aide à chaque étape du processus. Depuis la recherche de cours jusqu’à l’amélioration de vos programmes L&D, en passant par leur mise en correspondance avec vos compétences clés, leur synchronisation avec votre LMS et leur utilisation croissante.