Les neurosciences nous enseignent que, même si nous avons des préférences, notre apprentissage s’améliore lorsque nous utilisons différents, et idéalement tous les styles d’apprentissage !
Ainsi, si l’adaptation au style d’apprentissage préféré peut être efficace à court terme, son utilisation excessive peut être contre-productive à long terme! Cela signifie que nous devons équilibrer l’apprentissage « à court terme », basé sur les préférences, avec le développement « à long terme », en utilisant tous les styles, pour devenir un « apprenant adaptatif » …
Selon Philippe Carré, « on apprend toujours seul, mais jamais sans les autres ». Les algorithmes ont le potentiel « d’augmenter » cette dimension sociale essentielle de l’apprentissage, comme le démontre le nombre de startups et de solutions RH innovantes dans ce domaine.
Allons plus loin : certains algorithmes permettent d’activer des « coachs virtuels », combinant questionnement en ligne et recommandations, en s’appuyant d’une part sur une certaine vision du rôle du manager, d’autre part sur le profil de l’apprenant et ses interactions avec la machine, et enfin sur les données accumulées sur l’ensemble des apprenants et leurs interactions.
La technologie « chat bot » permet, de plus en plus fréquemment, de compléter le texte par du langage parlé. C’est le cas par exemple de la solution proposée « mentoring digitalisé » proposé par Inergens qui repose sur un concept de « Tonicité Managériale » (le juste équilibre dans la répartition dynamique du temps et de l’énergie), avec un avatar opérant un premier niveau de questionnement, et laissant ensuite la main à un « coach humain » à distance.
On voit que ces solutions ne se substituent pas à l’intelligence humaine – et émotionnelle – d’un coach ou d’un mentor, mais visent à réaliser un rêve : rendre accessibles au plus grand nombre, même de façon simplifiée – à travers une aide régulière et de « premier niveau » – des approches réservées jusqu’à présent à une élite.
L’apprentissage social est aussi le territoire des communautés de pratiques et du « management des connaissances ». Depuis longtemps, des entreprises ont tenté de mettre en place des systèmes de « knowledge management », en capitalisant les savoir-faire dans des bases de données. Ces dispositifs ont été rarement efficaces, soit parce que la technologie n’était pas assez simple, soit parce que la culture du partage, et surtout de la « copie » était peu répandue.
De plus, capitaliser les savoirs est de moins en moins pertinent, sauf dans certaines industries à cycle de vie long, du fait de l’obsolescence rapide des compétences.
Enfin, la contextualisation dans la mise en œuvre de ce que l’on appelle souvent les « bonnes pratiques », est primordiale : une pratique efficace dans le contexte d’une entreprise ou une unité, ne le sera pas forcément dans les mêmes conditions ailleurs.
C’est pourquoi, il est bien plus efficace de faciliter les connexions entre les personnes, que d’investir dans une capitalisation « déshumanisée ».
Là encore, la technologie, et les algorithmes, permettent une « augmentation » de l’apprentissage social au sein de « communautés de pratiques » :
• Possibilité pour les collaborateurs de surmonter un obstacle au moment où il survient, en recevant rapidement des conseils d’experts et de pairs ayant été confrontés à la même difficulté, en réponse à des questions postées sur une plateforme de type « réseau social », tel le dispositif mis en place par GENERALI France dans son réseau de distribution
• L’utilisation de « chatbot » pour répondre aux questions les plus fréquentes, l’algorithme étant entraîné par les réponses des experts, mais aussi par tous les contributeurs au dispositif
• En allant plus loin, la proposition automatique, dans le « flux » d’activité, de s’inspirer d’une expérimentation réussie ailleurs, ou / et de contacter un expert identifié dans le réseau.