L’adaptativité ne commence pas par « plus facile ou plus difficile »
Plus facile ou plus difficile n’est qu’une dimension. Pourquoi une véritable adaptativité change la nature de l’accès – de la micro-adaptativité à l’échelle d’aides et au dilemme de l’assistance.
De nombreuses plateformes d’apprentissage se décrivent comme adaptatives. Il s’agit le plus souvent d’un principe simple :
Les élèves qui résolvent correctement plusieurs exercices reçoivent des exercices plus difficiles. Ceux qui font des erreurs en reçoivent de plus faciles.
Cette logique se comprend, mais elle ne suffit pas à individualiser l’apprentissage des mathématiques de manière pertinente. Car une réponse fausse n’indique pas encore ce qui devrait être plus facile ensuite.
La difficulté a plusieurs dimensions
Un exercice peut être difficile pour des raisons très différentes : le domaine numérique est trop grand, la langue est inutilement compliquée, la représentation est inhabituelle, une image mentale solide fait défaut, ou trop d’informations doivent être traitées en même temps.
Deux exercices échoués avec la même fréquence statistique peuvent donc poser des exigences totalement différentes.
De même, deux enfants obtenant le même résultat n’ont pas nécessairement besoin du même exercice suivant.
L’enfant A comprend le concept mathématique, mais calcule avec peu d’assurance. L’enfant B maitrise la procédure, mais ne parvient pas à la relier à une représentation. L’enfant C a mal compris l’énoncé.
Ramener les trois à un « niveau plus facile » ne serait pas une véritable adaptativité, mais simplement un tri par taux de réussite.
Deux niveaux : macro-adaptativité et micro-adaptativité
Mazio Maths distingue deux niveaux d’adaptation.
La macro-adaptativité concerne le parcours d’apprentissage à plus long terme : quels contenus se suivent ? Quelle compétence faudrait-il retravailler ? Quelle famille d’exercices correspond au niveau atteint jusqu’ici ?
Dans Mazio Maths, ce niveau n’est pas dissimulé dans le système. Les enseignants voient dans les analyses de leur tableau de bord où en est leur classe et pilotent eux-mêmes le parcours à plus long terme sur cette base.
La micro-adaptativité concerne le moment précis à l’intérieur d’un exercice : quelle réaction est utile après cette saisie-là ?
À l’école élémentaire en particulier, le second niveau est souvent le plus déterminant.
Un enfant n’a souvent besoin ni d’un autre thème ni d’un nouveau niveau de difficulté, mais d’un autre accès au même problème.
Mazio Maths permet donc différentes réactions adaptatives :
- Réduire la complexité : des nombres plus petits ou moins d’étapes simultanées,
- Changer de représentation : des symboles vers le matériel, l’image, la droite numérique ou l’action,
- Isoler un sous-problème : ne travailler que l’étape critique,
- Créer un contraste : comparer deux cas semblables,
- Activer une stratégie : rappeler une décomposition ou une relation connue,
- Différer la rétroaction : permettre une deuxième tentative autonome,
- Augmenter l’étayage : passer d’une relance ouverte à une aide plus concrète.
L’exercice ne devient pas seulement plus facile ou plus difficile — c’est la nature de l’accès qui change.
Un exemple : une autre représentation plutôt que des nombres plus petits
Supposons qu’un enfant se trompe sur l’exercice 42 − 17.
Une plateforme adaptative classique pourrait ensuite proposer 32 − 11. Les nombres sont plus petits. Le problème sous-jacent, lui, reste peut-être inchangé.
Si l’enfant ne comprend pas pourquoi une dizaine est décomposée lors du passage de la dizaine, un exercice symbolique plus petit n’est pas nécessairement utile.
Une réaction plus pertinente pourrait être de représenter 42 comme quatre dizaines et deux unités. L’enfant transforme une dizaine en dix unités, puis effectue la soustraction dans cette représentation.
L’exigence mathématique demeure ; elle est seulement rendue accessible. C’est là une différence essentielle :
Une bonne adaptativité ne réduit pas automatiquement les mathématiques. Elle modifie l’étayage de sorte que l’enfant puisse continuer à travailler sur les mathématiques.
Le dilemme de l’assistance
Les systèmes tutoriels sont confrontés à un problème fondamental : quelle quantité d’aide est pertinente ?
Trop peu d’aide peut conduire à la frustration et à un blocage improductif. Trop d’aide peut prendre en charge le travail de réflexion lui-même.
La recherche sur les systèmes tutoriels intelligents parle à ce sujet d’« assistance dilemma ». Le recours aux aides n’est pas non plus automatiquement positif. Une aide peut favoriser l’apprentissage lorsqu’elle est utilisée de manière ciblée à une étape exigeante. En revanche, le simple fait de cliquer rapidement à travers les aides peut être associé à un apprentissage plus faible.
Pour Mazio, cela signifie qu’une bonne aide ne doit pas seulement être juste sur le plan disciplinaire : elle doit aussi apparaitre au bon moment et au bon niveau.
Mazio Maths travaille donc avec une échelle d’aides :
- attirer l’attention sur l’aspect pertinent,
- poser une question sur la démarche suivie jusque-là,
- proposer une représentation adaptée,
- activer une stratégie connue,
- enfin, réduire suffisamment la prochaine étape pour que l’enfant puisse la franchir seul.
Mazio ne donne jamais de solution complète. Même au niveau le plus élevé, la dernière étape reste à l’enfant : c’est lui qui résout l’exercice au bout du compte.
L’objectif n’est pas d’arriver le plus vite possible à la bonne réponse, mais de rendre de nouveau possible une pensée autonome avec le moins d’étayage possible.
Modèle de l’apprenant et modèle de la tâche
De nombreux systèmes évoquent un modèle de l’apprenant : ils estiment quelles compétences un enfant maitrise et lesquelles il ne maitrise pas.
C’est pertinent, mais incomplet.
Un modèle de la tâche précis est tout aussi important :
- Quelles sous-compétences sont nécessaires ?
- Quelles représentations interviennent ?
- Quelles étapes sont possibles ?
- Quels paramètres déterminent la difficulté ?
- Quelles erreurs sont interprétables sur le plan disciplinaire ?
- Quelles aides conviennent à quelle étape ?
- Quelles réponses sont correctes, mais inattendues ?
Sans ce modèle de la tâche, un système peut certes repérer des régularités statistiques, mais il ne comprend pas suffisamment à quoi il doit réagir.
Dans Mazio Maths, l’adaptativité est donc intégrée à la structure des familles d’exercices et non séparée des contenus sous la forme d’un algorithme surplombant. Cela demande plus de travail, mais c’est plus contrôlable et plus précis sur le plan disciplinaire.
L’IA à l’intérieur de règles disciplinaires fixes
Les grands modèles de langage peuvent formuler des explications souples et traiter des saisies libres. Ils peuvent cependant aussi produire des réponses plausibles, mais fausses ou didactiquement inadaptées.
C’est pourquoi toutes les décisions adaptatives ne sont pas déléguées à un modèle de langage.
Dans Mazio Maths, des règles disciplinaires fixes définissent l’espace des réactions admissibles. L’IA travaille à l’intérieur de cet espace :
- Elle peut adapter la formulation d’une explication.
- Elle peut rattacher une réponse ouverte à une démarche de résolution connue.
- Elle peut formuler des questions de relance.
- Elle peut choisir entre plusieurs aides validées sur le plan didactique.
Elle ne décide cependant pas spontanément quel concept mathématique sera enseigné ensuite lorsqu’il n’existe aucune base contrôlée pour cela.
L’IA élargit ainsi la flexibilité du système ; sa fiabilité, elle, vient du modèle didactique.
L’étayage est retiré peu à peu
Un système en permanence adapté au maximum semble d’abord idéal. Mais apprendre signifie aussi pouvoir agir de plus en plus sans étayage. Une bonne adaptativité retire donc ses aides.
Une représentation est d’abord proposée, puis retirée. Une aide n’est pas montrée automatiquement lors de l’exercice similaire suivant. Une étape est d’abord soutenue, puis de nouveau laissée à l’enfant.
L’objectif n’est pas que le système s’adapte toujours plus finement à la dépendance de l’enfant, mais que l’enfant ait de moins en moins besoin du système.
Des méta-analyses montrent que les systèmes tutoriels intelligents peuvent améliorer les résultats d’apprentissage. Elles ne montrent pas que toute forme de personnalisation est efficace. L’effet dépend de la conception concrète, du contenu et de son intégration.
Pour Mazio Maths, l’adaptativité n’est donc pas une fonctionnalité isolée, mais la capacité à rendre possible, après une action concrète, une action d’apprentissage suivante justifiée sur le plan disciplinaire – et à retirer progressivement l’étayage.