Vous apprenez, et la machine ne sait pas (encore ?) comment vous faites

43394187_4356788154_zUn ordinateur, c’est très con. C’est pas moi qui le dit, c’est Gérard Berry, dans un entretien avec Xavier de La Porte sur Rue 89. Gérard Berry est informaticien, médaille d’or du CNRS, professeur au Collège de France. Il sait de quoi il parle. L’ordinateur, lui, ne sait jamais de quoi il parle. D’ailleurs, il parle mal. Berry espère qu’un jour la machine comprendra comment fonctionne une langue, mais il sait que ce n’est pas pour demain.

Les machines pour apprendre ne sont pas trop malignes, elles non plus. Audrey Watters, sur son blog Hack Education et sur Medium, s’est lancée dans une histoire des technologies d’apprentissage, avec son mauvais caractère, son expression au rasoir et sa redoutable capacité de démonstration. L’article de la semaine traite du jouet « Speak and Spell » mis sur le marché par Texas Instrument dans les années 80. Objet d’apprentissage behavioriste bête et con lui aussi, mais modifiable, comme l’a si bien démontré E.T. (oui, il « téléphonait maison » avec un appareil Speak and Spell !). A condition d’avoir quelques compétences en bidouillage informatique, évidemment. Mais c’était toujours mieux que rien.

Les algorithmes de recommandation ne brillent pas non plus par leur finesse, et encore moins par leur imagination. Un article de Julien Bordier et Igor Hansen Love publié dans L’Express revient sur ce constat, intéressant, si l’on fait abstraction des formules censées nous attirer mais qui nous donnent surtout envie de retrouver Berry et A. Waters (« faut-il avoir peur de ces algorithmes ? » ). On ne peut que rire devant les recommandations de Twitter sur les personnes à suivre, par exemple. L’algorithme est un vrai bourrin : il semble fonctionner sur une base élémentaire de mots-clés et de langue.

Un dernier exemple de logiciel pas malin : Affectiva. Cette application décrypte vos émotions à partir de l’expression de votre visage face à la machine. Pratique pour savoir si votre pub fait vraiment rire les 25-35 ans, si le final du film fait pleurer les femmes de plus de 50 ans ou si vous restez concentrés devant le cours de monsieur Machin, superstar d’une célèbre université américaine qui vous offre un MOOC d’introduction à la justice – psychologie – informatique – histoire de l’Europe. Allez sur le site, vous pourrez faire un essai et vérifier que vous êtes bien dans la norme de votre tranche d’âge et de genre. A condition de réaliser l’exercice avec sincérité… Notion qui échappe totalement à l’application, évidemment.

Je me plaignais voici peu de la pauvreté des données retournées par les plateformes de MOOC : des données de fréquentation par milliers, mais pas de données d’apprentissage. Tout ce qui se compte est bel et bon pour les algorithmes, mais rien de ce qui se ressent et se comprend. J’espère, sur la base de certains signes encourageants, que les capacités de traitement automatique du langage naturel notamment, vont s’améliorer. Nous perdrons sans doute en spontanéité et en inventivité, mais nous l’accepterons si nous gagnons en compréhension et en vision globale de nos parcours d’apprentissage. Un ami développeur se montrait sceptique devant mes espoirs, arguant du fait que le coût de développement de tels programmes ne serait jamais rentabilisé. Mais il me semble que les articles cités plus haut témoignent d’une certaine lassitude devant les données quantifiables qui ne tiennent pas leurs promesses : elles nous incitent à réduire nos ambitions plutôt qu’à les étendre. Elles triomphent parce qu’elles sont faciles (toutes choses égales par ailleurs) à collecter mais elles ne nous font pas avancer.

Le règne du chiffre est quasiment sans partage dans l’espace public. Un des problèmes majeur de l’école tient au fait que les enseignants passent de plus en plus de temps à noter, à recueillir des données quantifiables, et de moins en moins à parler avec les élèves. Ils n’en ont plus le temps. On ne comprend pas quelqu’un à partir de chiffres, de « acquis – non-acquis » et de courbes de progression.

Je terminerai cet article décousu avec les premières lignes d’un texte d’Henri Boudreault, spécialiste de la formation professionnelle : « (…) Avoir des compétences n’est pas suffisant pour être compétent. Si « avoir » n’est pas suffisant, alors c’est dans « être » que se trouve la piste à explorer ». Les algorithmes seront-ils capables un jour de témoigner de ce que nous sommes, et pas seulement de ce que nous avons ?

Photo : Neil Carey, Flickr, licence CC

A propos Christine Vaufrey

Directrice de MOOC et Cie : http://mooc-et-cie.com/. Je veille, surveille et expérimente toutes les formes d'apprentissage en ligne.
Cet article, publié dans apprendre, Learning analytics, MOOC, est tagué , , , , , . Ajoutez ce permalien à vos favoris.

Un commentaire pour Vous apprenez, et la machine ne sait pas (encore ?) comment vous faites

  1. Ping : Vous apprenez, et la machine ne sait pas (encor...

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s