Apprenance et knowledge management : vers une nouvelle culture d’apprentissage ?

Qu’est-ce que l’apprenance?

L’ »apprenance », néologisme barbare, c’est la disposition consciente à apprendre tout au long de sa vie. Une « attitude dynamique consciente à traiter des situations complexes ». C’est une traduction approximative de « learning », qui dépasse de loin la notion d’apprentissage. L’apprentissage fait appel à la capacité cérébrale, à la mémoire, alors que l’apprenance est une posture pour bâitir le futur : il s’agit de vouloir, de savoir et de pouvoir apprendre.

La capacité d’apprendre est très difficile à transmettre. Il faut des stimuli: curiosité, esprit critique, respect de l’autre, expériences, valeurs, réflexes… Le lien avec les autres est toujours au centre. Dans tout processus d’apprentissage, la communauté des pairs joue un rôle central

Apprenance individuelle

Le parcours d’apprentissage, c’est ce qui permet de passer des données à l’information, de l’information à la connaissance, et enfin de la connaissance à la compétence. C’est pourquoi on doit proposer un aller-retour entre l’expérience et la formation. Il faut mettre les apprenants dans l’inconfort. Le stimulus de l’inconfort, c’est l’erreur, et l’inconfort engendre une demande de correction. Mettre en situation d’apprendre, c’est d’abord susciter la curiosité, le questionnement, et le discernement.

L’illettrisme, c’est l’incapacité à distinguer le vrai du faux. Mais comme déterminer ce qui est vrai demande beaucoup de travail et beaucoup d’interactions, il arrive qu’on préfère se limiter à la distinction entre le bien et le mal, ce qui est plus instinctif et plus facile. C’est un des grands dangers de la société actuelle.

Apprenance collective

L’apprenance collective se fonde sur la notion de communauté et de fidélisation: une équipe, une classe, une communauté de praticiens… Elle impose un contact avec la réalité, comme toucher les verres de lunettes et aller voir ce qui se passe dans les usines chez EssilorLuxottica. Elle impose aussi de poser des questions (« à ton avis… ? ) qui doivent susciter des réponses

Apprenance  organisationnelle

Une organisation apprenante n’est pas une somme d’apprentissages individuels. Une organisation n’apprend que si elle propose un projet et un chemin commun, auquel tous ses membres adhèrent. Cela impose beaucoup de créativité et de capacité à mettre l’organisation en mouvement. L’apprentissage résulte alors d’une perception partagée d’un écart entre le chemin proposé et la réalité, et d’une volonté partagée de réduire cet écart. On retrouve cette idée dans les modes d’apprentissage en simple boucle (rectifier un processus établi pour obtenir de meilleurs résultats) et en double boucle (repenser les valeurs et remettre en question les processus)

Les « pas en arrière » qui affectent la capacité d’une organisation à apprendre sont

• le raisonnement exclusivement financier, qui focalise l’attention sur la productivité et la « simple boucle »
• la bureaucratie, qui met l’accent sur le contrôle et qui transforme les employés en maillons d’une chaîne sur laquelle ils n’ont aucun pouvoir
• la toxicité qui détruit la confiance : les «cadavres dans les placards, le harcèlement, le mal-être…

Les grands changements actuels

L’accélération

Il s’agit de l’accélération de l’obsolescence des connaissances, qui se traduit par un besoin d’accélérer l’apprentissage.

Et si en plus de ce phénomène d’accélération, on ajoute la question du renouvellement des générations et de la mobilité croissante des collaborateurs, qui ne restent plus à leur poste que quelques années et changent plus facilement d’employeur, la question de la transmission des connaissances devient un enjeu stratégique majeur pour la plupart des organisations.

L’intelligence artificielle

L’IA engendre une véritable révolution pédagogique. Avant l’IA, on faisait appel à des pédagogues ou à des experts pour enseigner et accompagner les apprenants. Depuis l’apparition de l’IA générative, on peut plus facilement laisser l’apprenant se débrouiller avec ses bases de connaissances et ses « coachs virtuels » , mais on doit l’obliger régulièrement à reprendre contact avec la réalité en le mettant en relation avec d’autres apprenants, via des mises en situation concrète avec un problème à résoudre, et en l’orientant par des questions et des réponses.

Le développement de l’IA engendre une démocratisation de la pédagogie. Les formats pédagogiques sont plus riches. On passe du cours magistral à la conversation pédagogique y compris dans le travail.  La réalité virtuelle permet d’élaborer des contenus transmissifs de mise en situation. On peut aussi grâce à l’IA détecter plus facilement des besoins de formation… Ainsi tout le monde peut devenir pédagogue. Le « coach virtuel » peut personnaliser la formation, accompagner pendant les cours, générer des plans de révisions, des QCM…

Il y a cependant un danger avec l’IA lorsqu’elle devient ordinaire, à savoir  l’illusion qu’elle peut donner qu’on maîtrise un domaine en entretenant une confusion entre information et connaissance. Chat GPT est un outil utile pour ceux qui maîtrise leur sujet, car ils sont en mesure de critiquer et amender les réponses à leur requête. Mais c’est un outil extrêmement dangereux pour ceux qui ne maîtrisent pas leur sujet, car il peut leur donner  l’illusion qu’ils le maîtrisent. Le danger réside dans l’autonomisation des plateformes qui au bout du compte décident par elles-mêmes et dont  les utilisateurs deviennent incapables de challenger la véracité des productions.

Idées fortes de la conférence

L’organisation apprenante est fondées sur une hybridation de l’apprenance individuelle et collective. Plus on fait appel à l’IA, plus on a besoin de l’équilibrer par des interactions physiques et affectives entre personnes

Ainsi la dynamique des communautés est centrale dans l’apprenance collective. Non seulement une communauté crée un contexte favorable au partage d’expériences et à l’apprentissage, mais elle crée des liens entre ses membres. L’importance de ces liens interpersonnels est souvent sous-estimée par les grandes organisations qui préfèrent « diviser pour régner » en mettant l’accent sur la performance individuelle et sur le contrat dans le cadre de processus de travail plus ou moins figés. La tentation est alors de reproduire chez les travailleurs du savoir la même logique fordienne de division du travail qui prévaut dans les usines. Mais alors on n’apprend plus. En cas d’échec, on recherche le coupable et on le punit. S’il cherche à se justifier, on répond alors « je ne veux pas le savoir ». CQFD.

KM et IA Générative: quelles relations?

Contexte de l’étude

La question de la création de valeur par le KM reste posée en permanence. Il y a d’un côté les financiers, qui raisonnent « retour sur investissement » (RoI), et qui pensent contrôle et indicateurs chiffrés. Et de l’autre, il y a les sociologues, qui soulignent l’importance de la collaboration ouverte, du partage de connaissances, de l’intelligence collective et de l’apprentissage en continu, dont on peut constater l’efficacité sur le long terme, mais qu’on ne peut pas prévoir, et qu’on ne mesure donc pas le progrès jour après jour. Malgré plus de vingt ans d’existence du KM, les deux courants de pensée sont encore difficiles à réconcilier, alors qu’ils sont tous les deux légitimes.

L’arrivée de l’IA et en particulier l’IA générative (IA Gen) exacerbe le débat en raison des investissements qu’elle engendre. Les financiers exigent que les applications d’IA prouvent a priori leur valeur par le gain de temps qu’elles permettront, alors que les sociologues continuent de mettre l’accent sur leur rôle dans la transmission des connaissances et l’apprentissage (EdTech).

Un groupe de travail CoP-1 s’est réuni à plusieurs reprises pour tenter de mieux comprendre les cas d’usage de l’IA Gen dans nos organisations et de les relier aux actions KM menés actuellement par les membres de la communauté. Il est apparu assez vite que nous en sommes encore au tout début de l’aventure. Les premiers résultats des « proof of concept » de l’IA Gen peinent à prouver leur RoI auprès des contrôleurs de gestion. Aussi, beaucoup de ces premières applications se sont recentrées sur les assistants pour gagner en productivité personnelle (par exemple CoPilot de Microsoft) et dans une moindre mesure sur l’EdTech pour mieux apprendre et mieux transmettre.

Les technologies d’IA Gen

Très vite on a compris qu’il fallait entrer dans le détail des technologies mises en œuvre dans l’IA Gen : transformeurs génératifs pré-entraînés​, RAG​, Prompt Engineering​… Ainsi, on pouvait mieux comprendre que l’IA Générative est certes une technologie très puissante, mais que son efficacité varie selon les cas d’usage. Elle est particulièrement efficace pour créer des interfaces conversationnelles (exemple : chatbots), ou pour générer des contenus de synthèse (exemples : données synthétiques, génération d’images et de vidéos).​ Elle l’est moins en tant qu’outil d’aide à la décision ou en tant que système de recommandation (exemple : support décisionnel, personnalisation des services), car elle présuppose que l’utilisateur connait le sujet.​ Et elle est peu efficace en prédiction et prévision (exemple : prévision des risques, des ventes, de la demande), car, étant de nature probabiliste et fondé sur les chiffres, elle n’interprète pas les données qu’elle consomme.

Les approches d’adoption

Les différentes approches de développement d’applications d’IA Gen ont été analysées, depuis la simple consommation d’applications sur étagère commercialisées par licence d’utilisation jusqu’à la création ex nihilo de nouveaux modèles de langage entièrement personnalisés aux données et domaines d’activité de l’organisation, en passant par les approches hybrides consistant à personnaliser des modèles existants pré-entraînés avec de nouvelles données pour intégrer des connaissances supplémentaires sur le domaine ou améliorer les performances sur des tâches spécifiques.

Exemples de cas d’usage

Ci-après un tableau de cas d’usages réels, évoqués par les membres du groupe. a chaque fois, on a tenté de les relier à des activités KM

		Exemple de cas d’usage	Organisation citée
Activités KM	Transmission des connaissances	Diagnostic d’interactions entre compléments alimentaires, médicaments, plantes… : précautions d’emploi, posologies etc.	ANFPPP
		Diagnostic du contenu d’un nouveau projet, évaluation de sa qualité, et rapprochement avec d’autres projets comparables	AFD
		Assistance à la création de modules e-learning	Framatome
		Aide personnalisée aux activités de révision de cours	SKEMA
		Conception de cursus personnalisé d’apprentissage et de formation	ANFPPP
		QCM automatisé	ANFPPP
	Partage du savoir	Design Thinking et Idéation : l’IA Gen sert à aider un groupe à réfléchir en lui rappelant ce qui existe déjà	SKEMA
	Explicitation	Cartographie des ODD (Objectifs de Développement Durable) de plus de 230 banques et analyse des efforts et des cohérences des différentes stratégies adoptées.	AFD
		Cartographie des connaissances : génération de mots clés à partir de CR d’interviews d’experts et proposition d’usage en indexation	Framatome
		CR de réunion automatique avec actions décidées et responsables	Amallte
	Capitalisation	Utilisation du modèle de langage Mistral pour les activités de recherche / apprentissage sur des domaines spécifiques	Ariane Group
	Diffusion	RAG : Moteur de recherche de type Question/Réponse incluant des synthèses, des traductions, des rédactions de mail…	Framatome
	Gouvernance
Leviers KM	Personnel / Culture	Synthèse des retours utilisateurs de CoPilot	Framatome
	Gestion des contenus	Aide au classement des contenus, génération de métadonnées, de taxonomies, d’ontologies..	Framatome
	Processus	Synthèse automatique de retours d’expérience de projets passés, à intégrer dans le processus de gestion de projet	Framatome
	Technologie	(IA Gen, bien sûr)
	Gouvernance	Cohérence et qualité des données d’apprentissage	Tous

On voit que, si on exclut les comptes-rendus automatisés de réunions de travail qui sont probablement une des premières applications de productivité de l’IA Gen, la plupart des applications d’IA Gen citées se concentrent sur l’individu plutôt que sur le collectif, et sur l’apprentissage et sur la diffusion plutôt que sur la décision.

Responsabilités nouvelles pour les Knowledge Managers ?

Le groupe de travail a conclu de son analyse que les responsables KM auront indubitablement un rôle central pour assurer la qualité des applications d’IA Gen, car si l’IA Gen apportera une aide considérable pour :

• améliorer la structuration et la qualité des contenus de connaissance,
• faciliter la recherche et la récupération de savoirs existants,
• automatiser la capitalisation des connaissances des experts,​
• proposer des parcours d’apprentissage personnalisés.

elle suscitera aussi de nouveaux sujets de gouvernance pour assurer un contrôle permanent de la qualité des données d’entrée et des connaissances générées par l’IA Gen.​ Et gérer les risques liés à l’utilisation de l’IAG, tout particulièrement lorsque les utilisateurs ne maîtrisent pas le sujet.​

De nouvelles politiques et procédures seront donc nécessaires pour guider l’utilisation de l’IA Gen pour la gestion des connaissances. Il faudra notamment s’assurer que la production d’objets de connaissance sera validée par des facilitateurs rompus aux méthodes de REX et de production de « bonnes pratiques », et que les producteurs de savoir seront formés aux bonnes pratiques de rédaction et de classification.

Les responsables de bases de connaissances devront, encore plus que par le passé :

• retirer les doublons et les documents obsolètes : nettoyage du vrac numérique, archivage de certains docs, destruction d’autres​
• revoir les droits d’accès pour ouvrir par défaut, et ne restreindre que ce qui est nécessaire de protéger​

Et les responsables KM devront savoir :

• normaliser le vocabulaire, les conventions de nommage des fichiers, l’ontologie​
• mettre en place des processus de mise à jour du contenu au fil de l’eau : via les communautés, les équipes projet, etc.​
• publier des règles et des bonnes pratiques à destination des knowledge workers et des knowledge owners ​
• utiliser eux-mêmes l’IA Gen. pour aider à l’indexation des documents sur des plans de classement normalisés.