L’apprentissage et l’interaction quantifiés dans l’éducation

Si un concept est passé, qui a décroché et sur quelle diapositive, quelle question la moitié de la salle gardait pour elle : tout cela s’évapore à l’instant où la séance se termine.

Diaposi existe pour capter cette information. La question de recherche est de savoir si ce qu’il capte vaut réellement quelque chose. Elle a deux moitiés, délibérément. La première est une question de mesure, à laquelle un travail corrélationnel peut répondre, contre un critère que personne n’a choisi après coup. La seconde est une question causale portant sur une intervention, et elle n’a pas de réponse sans essai contrôlé.

La première demande une composante, un semestre et l’accès aux résultats d’évaluation. La seconde demande des groupes randomisés entre un enseignant qui voit le pouls de la salle et un enseignant qui ne le voit pas. Le programme ouvert expose les deux sous forme d’études cadrées.

Les pages de recherche ont tendance à inquiéter les enseignants, et pour de bonnes raisons. Avant les tableaux et les protocoles, voici donc la partie qui compte le plus pour les deux groupes qui doivent vivre avec.

Diaposi ne demande à personne d’enseigner autrement. Vous déposez le diaporama que vous avez déjà fait : le même PDF, le même ordre, le même travail au tableau, la même voix, le même rythme. Il ajoute un canal de retour depuis la salle. C’est toute l’intervention. Personne n’est tenu de ludifier quoi que ce soit, d’adopter une nouvelle pédagogie, ni de restructurer un cours qui fonctionne depuis vingt ans.

Si vous enseignez de la même façon depuis vingt ans

1. E1Vos diapositives actuelles conviennent telles quelles. Rien n’est à refaire dans un outil.
2. E2Vous n’êtes jamais noté, classé, ni comparé à un collègue. Aucun chiffre vous concernant ne quitte votre séance.
3. E3Vous pouvez ignorer chaque signal à l’écran et le cours se déroule exactement comme d’habitude.
4. E4Ce n’est pas un logiciel d’appel. Il ne peut pas vous dire qui est dans la salle, parce qu’il ne sait pas qui est qui.
5. E5Trente secondes du dépôt à la séance en direct. Si cela vous coûte une préparation de cours, c’est déjà raté.

Si vous préférez ne pas être observé

1. P1Pas de compte, pas d’installation, pas de nom. Vous rejoignez avec un code et vous êtes un participant, pas un profil.
2. P2Vos notes et votre encre restent dans votre propre navigateur. Seul leur nombre est rapporté, jamais leur contenu.
3. P3« Pas encore sûr » est une réponse privée : elle n’a aucun équivalent côté serveur.
4. P4Ne rien dire est une réponse valable. Sous un quorum, le système affiche des décomptes et ne rend aucun verdict.
5. P5L’écran montre la salle, jamais une personne. Une question est une question, pas un nom qui y est attaché.

Pour un partenaire de recherche, ce n’est pas une réserve que nous tolérons. C’est une contrainte de conception que nous avons choisie, et elle a des conséquences méthodologiques. Un instrument que les enseignants détestent est un instrument que l’on éteint en troisième semaine, et une étude sans quatrième semaine n’est pas une étude. Le consentement, la faible friction et le droit de se taire sont ce qui rend possible un jeu de données multisite et multisemestre.

Ce qui compte le plus au sujet d’un signal, ce n’est pas ce qu’il mesure mais si l’étudiant a dû choisir de l’envoyer.

Les signaux déclarés sont sémantiquement riches et biaisés vers celles et ceux qui ont assez confiance pour appuyer sur quelque chose, c’est-à-dire la population la moins susceptible d’être perdue. Les signaux dérivés sont pauvres en sens et exempts de ce biais. Une troisième famille n’atteint jamais aucun serveur. La distinction n’est pas une taxonomie pour elle-même : c’est elle qui décide quel signal peut être invoqué pour quelle affirmation.

Le tableau 1 donne les dix-huit et ce que chacun lit. Deux d’entre eux méritent une note ici plutôt qu’une ligne dans le tableau. Les retours en arrière comptent un étudiant qui remonte vers une diapositive antérieure après que l’enseignant est passé à la suite ; personne ne relit une diapositive qu’il a comprise, et contrairement à une pression, cela ne demande aucun consentement préalable. Le pouls de la salle calcule la même idée sur une fenêtre glissante courte, la garde en mémoire et ne l’écrit jamais.

Le tableau 1 nomme ce que chaque signal lit, pas le champ dans lequel il est stocké. Le schéma d’export, les seuils exacts derrière les verdicts et les pondérations derrière le score sont communiqués aux partenaires de recherche sous accord, en même temps que les données brutes elles-mêmes. Rien dans l’argumentaire qui suit ne repose sur une confiance aveugle : ce qu’un partenaire reçoit, ce sont les lignes, et les lignes se recalculent.

Le texte des notes et l’encre des étudiants ne quittent véritablement jamais l’appareil, et aucun point de collecte ne les reçoit. Leur décompte, lui, parvient au rapport : combien de notes un étudiant a écrites, combien de diapositives il a annotées. Un décompte reste une donnée, il figure comme telle au tableau 1, et la nuance relève d’une analyse de protection des données plutôt que d’une note de bas de page.

Il travaille sur le texte des diapositives, avant que quiconque rejoigne. Aucun écrit d’étudiant, aucune question, aucune note et aucune réaction ne lui est jamais transmis. Le texte est extrait au dépôt puis résumé en sujet, niveau, prérequis et découpage en chapitres ; une diapositive portant « 6 CO₂ + 6 H₂O → C₆H₁₂O₆ » ne veut rien dire seule, et beaucoup une fois que l’on sait que le cours porte sur la photosynthèse.

A1

Il lit le diaporama, une fois.

Le texte est extrait au dépôt puis résumé en sujet, niveau, prérequis et découpage en chapitres. Une diapositive isolée portant « 6 CO₂ + 6 H₂O → C₆H₁₂O₆ » ne veut rien dire seule ; elle veut dire beaucoup une fois qu’on sait que le cours porte sur la photosynthèse.

A2

Les brouillons de sondage arrivent avant le cours.

La rédaction se fait en amont de la séance, jamais pendant qu’un enseignant est debout devant une salle. Et une question portant sur une diapositive donnée ne peut puiser que dans ce qui a été montré jusque-là, de sorte qu’un brouillon ne peut pas dévoiler une diapositive que la classe n’a pas atteinte. Cela tient par construction, et non par une vérification en aval.

A3

Les quiz se construisent à la demande.

Contrôles de prérequis, contrôles de chapitre et épreuve finale, à une difficulté choisie par l’enseignant. Chaque item généré porte la trace du matériau dont il est issu, et c’est ce qui le rend auditable après coup.

A4

Rien n’atteint un étudiant sans relecture.

Chaque brouillon est modifiable et rien ne part sans qu’un enseignant appuie sur un bouton. Le chemin ne peut pas faire échouer un dépôt : quand le modèle ne répond pas, l’appel ne renvoie rien et la séance se déroule exactement comme elle l’aurait fait.

Pour un partenaire de recherche, c’est une chaîne instrumentée, pas une boîte noire. La psychométrie au niveau de l’item sur des questions écrites par une machine, à l’échelle d’une salle de classe, avec la provenance sur chaque item, est une étude que personne n’a pu mener à cette résolution. C’est l’étude S7.

D1

Le score d’engagement est décomposé, pas asséné.

Le score se résout en trois composantes pondérées, participation, compréhension et intensité d’interaction, et chacune est affichée à côté des décomptes bruts dont elle est issue. Un enseignant peut suivre l’arithmétique depuis les nombres présents sur son propre écran. Il n’y a pas de modèle au milieu, et rien à auditer qui ne soit déjà devant lui.

D2

Sous un quorum, le système refuse de juger.

Le verdict d’une diapositive doit franchir un plancher sur deux plans : combien d’étudiants ont voté, et quelle part des étudiants ayant atteint cette diapositive ils représentent. En dessous, Diaposi affiche les décomptes bruts et ne rend aucun verdict. Deux « à revoir » sur trois dans une salle de vingt, ce n’est pas « reprenez ceci ». C’est trois personnes, et les dix-sept autres n’ont rien dit.

D3

La courbe de décrochage déclare quand elle est illisible.

Fermer l’application dans un amphithéâtre, ce n’est pas quitter le cours. La courbe de présence sépare donc un « Quitter la séance » délibéré d’une disparition silencieuse, et lorsqu’une séance en présentiel n’est faite que de disparitions silencieuses, elle se déclare elle-même ininterprétable plutôt que de rapporter un décrochage qui n’a peut-être pas eu lieu.

D4

La lecture en direct oublie, volontairement.

Le pouls que l’enseignant consulte ne lit que les dernières minutes, reste en mémoire et n’est jamais persisté. Une diapositive qui a désorienté la salle il y a vingt minutes est un résultat pour le rapport, pas une consigne pour la personne en train de parler. C’est le rapport qui est ce que la séance laisse derrière elle.

Enregistrer quelque chose est facile. Décider de ce qui mérite d’être enregistré, à quelle maille, et de ce qu’on ne pourra jamais en conclure, voilà la partie qui a des conséquences.

M1

Mesurer l’acte, pas la personne.

Chaque ligne du tableau 1 est un événement produit par un étudiant : une pression, une question, un retour vers la diapositive 11. Rien n’y est un attribut inféré sur qui il est. La différence paraît philosophique et elle est entièrement pratique. Les actes peuvent être comptés, agrégés et oubliés. Les attributs inférés, eux, suivent les gens.

M2

Mesurer à la maille de l’enseignement.

L’unité, c’est la diapositive, parce que c’est l’unité sur laquelle un enseignant peut agir. Un score d’engagement au niveau de la séance vous dit qu’un cours s’est mal passé. Au niveau de la diapositive, il vous dit quelles quatre minutes refaire avant l’an prochain.

M3

Mesurer avec un quorum, ou se taire.

Un verdict doit franchir un plancher sur le nombre de votes et sur la part de la salle qu’ils représentent. En dessous, Diaposi imprime les décomptes et refuse de conclure. La plupart des tableaux de bord de ce domaine rendront volontiers un verdict à partir de n = 2.

M4

Tenir le déclaré et le dérivé sur une seule chronologie.

Les traces de temps et les retours en arrière sont difficiles à truquer et pauvres en sens : une diapositive laissée ouverte n’est pas une diapositive lue. Les pressions ont du sens mais elles sont auto-déclarées, et seule la moitié confiante de la salle les envoie. Aucun des deux canaux ne suffit. Les porter tous les deux à travers une même séance, à une même maille, c’est le fond méthodologique de tout l’instrument.

M5

Ne jamais mesurer le corps.

Pas de visage, pas de voix, pas de regard, pas de fréquence cardiaque. Non parce que ce serait techniquement difficile, ça ne l’est pas, mais parce que cela change ce qu’est une salle de classe, et parce que le droit européen vient de l’acter. Le plafond d’exactitude que cela impose est un prix qui vaut la peine d’être payé.

M6

Mesurer l’après, pas seulement le pendant.

Le nombre affiché en direct est un déclencheur, pas un résultat. Ce qu’un enseignant change à la prochaine séance, et si la promotion suivante s’en sort mieux, est le seul dénouement qui tranche quoi que ce soit. Une étude bâtie uniquement sur des métriques intra-séance mesure le thermomètre.

Le cadre ICAP de Chi et Wylie classe les comportements d’apprentissage observables en quatre modes et prédit que l’apprentissage croît à mesure que les étudiants les gravissent¹. C’est l’un des cadres d’engagement les plus cités du domaine, et il n’est presque jamais instrumenté directement.

L’analytique multimodale de l’apprentissage est la direction que prenait ce domaine : caméras, oculomètres, microphones, objets connectés et variabilité cardiaque, fusionnés en classificateurs d’engagement atteignant environ 82 % d’exactitude⁹. C’est un travail réellement impressionnant. Dans une salle de classe européenne, l’essentiel n’en est plus utilisable.

Le règlement européen sur l’IA classe l’analytique de l’apprentissage en éducation comme à haut risque, et interdit par ailleurs purement et simplement les systèmes d’inférence d’émotion en contexte éducatif : toute tentative de lire l’état émotionnel d’un étudiant à partir de données biométriques¹¹. Ce n’est pas un détail de conformité à contourner. Cela ferme la route.

Les systèmes de réponse en salle sont étudiés depuis deux décennies. Les méta-analyses rapportent un effet faible à modéré sur les résultats cognitifs et un effet modéré sur les résultats non cognitifs⁴.

Des chiffres encourageants, sauf que les revues systématiques bâties dessus sont inhabituellement franches sur leurs propres fondations : contrôle des variables faible, peu d’instruments validés, protocoles non randomisés qui gonflent les effets, et aucun consensus sur la façon dont ces outils contribuent à la performance⁵.

Les revues d’analytique multimodale disent quelque chose de voisin : la littérature est faite pour l’essentiel de tableaux de bord hors ligne et de preuves de concept, avec très peu de travaux sur des systèmes en boucle fermée fonctionnant dans de vrais environnements universitaires¹⁰.

Lues ensemble, ces revues demandent exactement une chose : de meilleurs protocoles à plus grande échelle dans de véritables salles de classe. C’est un problème d’outillage avant d’être un problème de recherche, et il se trouve que c’est le problème que Diaposi a été construit pour résoudre.

L’essentiel de la valeur arrive une fois que tout le monde a quitté la salle.

Ce qu’une séance laisse derrière elle est une trace : de ce qui est passé, de ce qui n’est pas passé, de ce qui a été demandé et par combien de personnes à la fois. C’est aussi là que les deux personnes pour qui tout cela existe reçoivent enfin quelque chose.

Pour l’enseignant qui sent qu’il perd la salle

Les enseignants qui sentent l’engagement leur échapper le savent presque toujours déjà. Ce qui leur manque, c’est où. « La seconde moitié s’est mal passée » n’est pas actionnable. « Les diapositives 14, 15 et 22 ont été signalées par un tiers de la salle, onze étudiants sont revenus à la 15, et l’attention y est tombée à 31 % de votre rythme » est une tâche pour dimanche soir.

C’est aussi, discrètement, une défense. Un enseignant dont le cours est mis en cause dispose de la preuve de ce qu’il a ajusté et pourquoi, ce que la profession a historiquement dû plaider sans.

Pour l’étudiant qui ne parle jamais

Une question anonyme qui récolte douze votes, c’est un étudiant qui découvre que ce qu’il n’osait pas demander était ce dont la moitié de la salle avait besoin. C’est une autre expérience de l’amphithéâtre que celle avec laquelle il y est entré, et cela ne lui coûte rien du risque social qui gardait sa main baissée.

Ensuite, son propre récapitulatif contient ce qu’il a apporté, ce qu’il a signalé comme flou, et les notes qu’il a prises, au même endroit, sur son appareil, pour lui. Pas un score. La trace d’avoir réellement été là.

C’est là que vit la véritable variable dépendante, et c’est pourquoi le rapport de séance s’exporte en lignes plutôt qu’en image. L’après n’est utile que si quelqu’un peut le comparer au suivant.

Tout ce qui est affirmé plus haut porte sur ce que l’instrument enregistre. Rien n’y est une affirmation sur les résultats d’apprentissage, et nous n’allons pas emprunter la taille d’effet de quelqu’un d’autre pour l’imprimer à côté de notre logo.

L1

Une pression est une affirmation, pas une mesure.

Quand un étudiant marque une diapositive « Compris », c’est une déclaration sur sa confiance. Deslauriers et ses collègues ont montré que l’apprentissage réel et le sentiment d’apprendre peuvent être fortement anticorrélés : les étudiants des cours actifs apprennent davantage et croient avoir moins appris². Notre signal de compréhension est exposé exactement à ce mode de défaillance. Quantifier l’écart, c’est l’étude S3, pas une note de bas de page.

L2

Nous n’avons aucune donnée longitudinale de réussite.

Rien dans notre jeu de données ne relie encore un signal de séance à un résultat d’examen des mois plus tard. Tant que ce n’est pas le cas, tout ce que nous disons de l’engagement au niveau de la diapositive est un énoncé sur l’engagement, et s’arrête là.

L3

Les signaux dérivés ne sont pas univoques non plus.

Un retour en arrière est ce que nous avons de plus proche d’un « j’ai raté quelque chose » spontané, et ce n’en est toujours pas la preuve : un étudiant peut y revenir pour recopier un schéma qu’il avait parfaitement compris. Le temps d’attention a le problème inverse. Une diapositive laissée ouverte n’est pas une diapositive lue, et c’est précisément pourquoi le taux de suivi ne pilote jamais un verdict individuel.

L4

Les questions rédigées par la machine façonnent ce qui est mesuré.

Un item écrit à partir du texte d’une diapositive interroge ce qui était sur la diapositive, ce qui n’est pas toujours ce qui comptait. Les questions générées risquent donc de mesurer la couverture du diaporama plutôt que la compréhension. La provenance est enregistrée sur chaque item afin que cela soit vérifiable plutôt que supposé. C’est l’étude S7.

L5

La présence n’est pas l’assiduité.

La courbe mesure si l’application était ouverte, et la fermer dans un amphithéâtre ne veut pas dire quitter le cours. Le rapport le dit lui-même quand la courbe est illisible, mais une étude qui la traiterait comme un décrochage sans vérifier cet indicateur parviendrait honnêtement à une conclusion fausse.

L6

Les données d’un seul établissement ne se généralisent pas.

La discipline, la taille de la promotion, la configuration de la salle, la langue et la culture d’enseignement locale déplacent toutes plausiblement ces signaux. C’est l’argument le plus fort pour mener le programme à l’échelle d’une alliance plutôt que d’un département.

L7

L’observation change la salle.

Des étudiants qui savent que leurs réactions apparaissent à l’écran peuvent se comporter différemment pour cette seule raison. C’est un effet intéressant en soi et un facteur de confusion pour tout le reste. Tout protocole sérieux doit en tenir compte.

Une plateforme de classe en direct pour un enseignement innovant, construite en France et conçue pour s’adapter à grande échelle. Au-delà de la désirabilité, de la faisabilité et de la viabilité, Diaposi est mesuré contre l’agenda 2030 des Nations unies : l’impact est produit par les mécaniques mêmes qui font fonctionner le produit, et chacun des quatre objectifs ci-dessous correspond à un mécanisme déjà présent plutôt qu’à une aspiration ajoutée après coup.

Les données de séance s’exportent aujourd’hui en CSV et en JSON structuré, une ligne par diapositive, portant chaque grandeur dérivée que l’interface affiche.

G1

Export brut

LivréCSV par diapositive et JSON complet de la séance : temps d’attention, votes, questions, retours en arrière, alertes de rythme, courbe de présence, sondages, quiz et évaluations des attentes. Aucune agrégation que vous ne puissiez défaire.

G2

LTI 1.3, xAPI, Caliper

EngagéLTI 1.3 / Advantage pour un lancement depuis Moodle et Canvas sans projet d’intégration, un profil d’événements xAPI pour les chaînes de traitement de recherche, et Caliper Analytics 1.2 pour le reporting institutionnel¹².

G3

DELICATE, SHEILA, RGPD

GouvernanceLa liste de contrôle de confidentialité de Drachsler et Greller⁷ et le cadre de politique institutionnelle SHEILA⁸ sont l’ossature contre laquelle nous nous attendons à être évalués, parce que c’est ce qu’un délégué à la protection des données universitaire nous fera effectivement passer.

1. [1]Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 49(4). Source
2. [2]Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., & Kestin, G. (2019). Measuring actual learning versus feeling of learning in response to being actively engaged in the classroom. PNAS, 116(39), 19251–19257. Source
3. [3]Freeman, S., et al. (2014). Active learning increases student performance in science, engineering, and mathematics. PNAS, 111(23), 8410–8415. Meta-analysis of 225 studies: 1.5× higher failure rate under traditional lecturing. Source
4. [4]Nelson, C., et al. (2012). The effects of audience response systems on learning outcomes in health professions education. BEME Guide No. 21. Medical Teacher. Source
5. [5]Do audience response systems truly enhance learning and motivation in higher education? A systematic review (2025). Humanities and Social Sciences Communications. Source
6. [6]Castillo-Manzano, J. I., et al. (2016). Measuring the effect of ARS on academic performance: A global meta-analysis. Computers & Education. Source
7. [7]Drachsler, H., & Greller, W. (2016). Privacy and analytics: it's a DELICATE issue. A checklist for trusted learning analytics. LAK'16. Source
8. [8]Tsai, Y.-S., et al. (2018). The SHEILA framework: Informing institutional strategies and policy processes of learning analytics. Journal of Learning Analytics. Source
9. [9]A survey of multimodal learning analytics: Data, methods, systems, and responsible deployment (2026). Future Internet, 18(3), 115. Source
10. [10]From heartbeats to actions: Multimodal learning analytics of cognitive and behaviour engagement in real classrooms (2026). Learning and Instruction. Source
11. [11]Regulation (EU) 2024/1689 (AI Act). Annex III, high-risk: education and vocational training; Article 5, prohibition on emotion inference in education. Source
12. [12]1EdTech. Learning Tools Interoperability (LTI 1.3 / Advantage) and Caliper Analytics 1.2. Source
13. [13]SoLAR. LAK26, Bergen: Learning Analytics and AI Synergy. Source
14. [14]ANRT. Le dispositif CIFRE. Source
15. [15]European Commission. Erasmus+ 2026 call; EIT Higher Education Initiative 2026–2028; Horizon Europe Work Programme 2026–2027. Source