La plupart des équipes L&D ont désormais utilisé l’IA sous une forme ou une autre. La question a évolué. Il ne s’agit plus de savoir s’il faut l’adopter. Il s’agit de savoir si cela apporte réellement quelque chose de mieux, ou simplement quelque chose de plus rapide.
Lors de notre dernier webinaire, Nelson Sivalingam, PDG de HowNow et auteur de Learning at Speed, ainsi que Talha Faridy, responsable de l’innovation IA chez Easygenerator, ont rejoint la modératrice Ashling Moran pour un examen honnête de la situation réelle de l’IA dans le domaine de la L&D. Ce qui a fonctionné, ce qui n’a pas fonctionné, et ce que les professionnels de la L&D devraient exiger des outils dans lesquels ils investissent.
🎥 Regardez la session : Vous l’avez manqué en direct ? Regardez l’enregistrement complet ci-dessus.
L’efficience n’est pas la même chose que l’efficacité
Lorsque vous demandez comment les équipes L&D utilisent l’IA aujourd’hui, la réponse est presque toujours la même : pour faire ce qu’elles faisaient déjà, mais plus rapidement. Création de contenu, planification de programmes, analyse des données d’évaluation. Les gains d’efficacité sont réels.
Mais Nelson a tracé une ligne entre l’efficience et l’efficacité qui est revenue tout au long de la conversation.
« Il y a une grande différence entre faire une chose rapidement et faire la bonne chose. Et en ce moment, ce que nous faisons, c’est faire une chose rapidement, mais nous n’évaluons pas nécessairement si c’est la bonne chose. »
Le risque n’est pas seulement une perte de temps. C’est que l’IA facilite la mise à l’échelle des mauvaises choses. Si votre contenu ne trouvait pas son public auparavant, en produire davantage plus rapidement ne résout pas le problème. Comme l’a dit Nelson :
« Ce que nous pourrions en réalité nous voir faire, c’est amplifier le problème même que nous espérons résoudre. L’un des défis est la présence d’une tonne de contenu. Et quand vous avez une tonne de contenu, la découverte est l’un des plus grands défis. En étant capable de créer très rapidement beaucoup de contenu qui n’est pas de grande qualité, ce que vous faites en réalité, c’est amplifier le problème que vous aviez déjà beaucoup, beaucoup plus rapidement. »
Il existe également une conséquence dont il est plus difficile de se remettre. Lorsque les apprenants interagissent avec du contenu généré par l’IA de mauvaise qualité et ne le trouvent pas utile, ils se forgent une opinion. Les récupérer après cela est difficile.
Talha a ajouté que des attentes irréalistes font partie de ce qui motive cela. De nombreux auteurs supposent qu’ils peuvent confier une tâche à l’IA avec un minimum de contexte et obtenir en retour quelque chose prêt à être produit.
« Beaucoup d’auteurs ont des attentes erronées sur ce que l’IA peut faire. Ils estiment pouvoir simplement déléguer sans beaucoup de contexte ni de travail préparatoire, puis s’attendre à un résultat complètement prêt pour la production. Alors que ce n’est souvent pas le cas. »
À quoi ressemble une véritable mesure de la valeur
Si la vitesse n’est pas la mesure, quelle est-elle ? La réponse de Nelson revient à la raison d’être réelle de la formation et du développement (L&D).
« Le résultat de la formation et du développement n’est pas de créer du contenu. » C’est un moyen pour parvenir à une fin. Notre travail dans cette profession est d’aider les gens à mieux faire leur travail et à les aider à se développer. C’est aussi simple que cela. »
Cela signifie que la question n’est pas de savoir combien de cours ont été dispensés ou combien d’heures de formation ont été suivies. Il s’agit de savoir si les compétences qui comptent pour l’entreprise ont réellement été acquises.
Nelson a formulé cela sous l’angle de ce qu’il a appelé la pénurie de talents : des organisations qui peinent à embaucher des compétences spécialisées très demandées et rares. La seule réponse durable consiste à renforcer les compétences des collaborateurs en interne. Cela fait du développement des compétences le résultat qui compte, et c’est le résultat que la plupart des mesures de formation et de développement ne suivent toujours pas directement.
« La question n’est pas de savoir combien d’heures de formation quelqu’un a effectuées ou quel contenu a été terminé. Cela revient vraiment à se demander : avons-nous acquis les compétences dont nous avions besoin pour atteindre ces objectifs ? C’est vraiment là la mesure de la valeur. »
Le contexte est ce qui manque à l’IA
L’un des points pratiques les plus clairs de la session concernait ce qui rend réellement utile le résultat produit par l’IA. Les outils d’IA génériques sont assez performants pour les informations génériques. Ce qu’ils ne maîtrisent pas, par défaut, c’est le contexte de l’entreprise.
Talha a été direct à ce sujet :
« Les grands modèles linguistiques sont très performants pour les informations génériques. Mais une chose qu’ils ne maîtrisent toujours pas très bien par défaut, c’est le contexte de l’entreprise. Le contexte de votre entreprise, vos objectifs commerciaux, les résultats que vous recherchez. C’est le type de contexte que vous souhaitez intégrer à l’IA. Ce travail de préparation doit être effectué avant de travailler avec l’IA sur n’importe quel outil. »
Cela s’applique également à la création de cours. La facilité de créer quelque chose avec l’IA rend également plus facile la création de la mauvaise chose.
« Il est plus facile de créer des choses aujourd’hui, mais il est aussi plus facile de créer les mauvaises choses. » Ce concept s’applique à la création de cours. Vous construisez quelque chose pour générer des résultats significatifs. « Il est plus facile de créer des formations, c’est certain, mais il est aussi plus facile de créer la mauvaise formation pour les mauvaises personnes et dans les mauvais formats. »
Le travail préparatoire qui permet d’éviter cela consiste à définir les objectifs d’apprentissage dès le départ, à être précis sur le changement de comportement que vous souhaitez voir chez les apprenants et à donner à l’IA une image claire de ce à quoi ressemble un bon résultat avant de commencer. Dans Easygenerator, cela est intégré à la fonctionnalité Directives de cours, qui permet aux auteurs de donner à EasyAI des instructions explicites sur les objectifs, les préférences de contenu et le matériel source avant qu’elle ne génère quoi que ce soit.
IA centrée sur l’auteur vs génération de contenu centrée sur l’IA
Cela a amené la conversation vers une distinction qui a traversé toute la session : la différence entre une IA qui part de l’intention de l’auteur et une IA qui part de la génération de contenu.
Talha a décrit comment Easygenerator aborde cela, en utilisant la taxonomie de Bloom pour ancrer les objectifs d’apprentissage avant que tout contenu ne soit créé.
« Nous demandons à l’expert métier ou au concepteur pédagogique ce qu’ils veulent exactement que leurs apprenants fassent une fois le cours terminé. » Quel est ce changement de comportement en termes d’application qu’ils souhaitent susciter ? « Une fois cela défini au préalable, ainsi que les connaissances dont l’apprenant a besoin, cela oriente l’IA dans la bonne direction et améliore globalement la qualité du contenu. »
Nelson a ajouté un cadre utile pour ce que cela permet de débloquer. Dans l’ancien modèle, une équipe L&D allait voir un expert métier (SME), recueillait son expertise, l’emportait, appliquait une réflexion de conception pédagogique et revenait des semaines plus tard avec un cours. La création assistée par IA modifie ce calendrier.
« En tant qu’expert métier, je peux aller sur Easygenerator et travailler avec l’IA pour dire : Je dépose mon expertise ici, mais vous avez l’expertise de la pédagogie, ainsi que la meilleure façon de formuler et de structurer cela. Il vous aurait fallu des semaines pour arriver à quelque chose de pédagogiquement solide. « Mais maintenant, nous pouvons passer de « voici l’expertise » à « ressource d’apprentissage pédagogiquement solide » très rapidement. »
Cela dit, aucun des deux intervenants n’a suggéré que cela supprime le besoin de jugement humain. Les utilisateurs avancés de l’IA sont ceux qui itèrent, qui traitent le premier résultat comme un point de départ et qui apportent leur propre contexte et leur expertise dans le processus à chaque étape.
Le nouveau travail de la L&D est de concevoir le contexte, pas le contenu
Si les experts métier peuvent désormais créer du contenu directement avec le soutien de l’IA, qu’est-ce que cela signifie pour le rôle de la L&D ? Nelson et Talha ont tous deux pointé dans la même direction.
La formulation de Nelson était mémorable : dans ce monde, les équipes L&D sont effectivement des gestionnaires de l’IA. Et le travail d’un gestionnaire est de placer la barre et de créer les conditions pour que les autres l’atteignent.
« Ce n’est pas nécessairement le travail de la L&D de concevoir le contenu. « C’est le travail de la L&D de concevoir le contexte afin que tout le monde puisse créer des ressources plus utiles avec très peu de friction. »
Cela signifie définir ce à quoi ressemble un bon résultat, établir des directives de cours que tout expert métier peut suivre, choisir les bons cadres pédagogiques et construire des structures de gouvernance qui maintiennent la qualité constante dans toute l’organisation sans surcharger chaque expert métier avec des décisions de conception pédagogique.
Talha a fait la même remarque du point de vue du produit :
« L’équipe L&D peut définir ce cadre et orienter les choses dans la bonne direction. Si vous ne le faites pas, c’est juste une autre situation où les experts métier, qui sont déjà surchargés, doivent maintenant aussi apprendre à créer des formations de qualité. « L’IA peut être très utile ici, où les équipes L&D définissent ce à quoi ressemble un bon résultat, et ensuite les experts métier peuvent l’utiliser pour créer du contenu sans que cela ne leur ajoute de charge. »
L’aspect reconnaissance compte également. Ashling a mentionné quelque chose qu’elle voit fonctionner dans la pratique : mettre le nom des personnes sur les cours, souligner les bons exemples et donner publiquement du crédit aux experts métier qui le font bien. Cela place la barre de manière visible et donne aux autres un objectif à atteindre.
Le fait que l’IA soit intégrée ou ajoutée a plus d’importance que vous ne pourriez le penser
Une question du public pendant la session a abordé un point qui est revenu tout au long : comment savoir si l’IA est véritablement intégrée à un outil ou simplement ajoutée par-dessus un produit existant ?
L’avis de Nelson était que la réponse apparaît généralement dans la manière dont l’IA fonctionne tout au long du flux de travail.
« Lorsque vous avez une IA native, vous appliquez essentiellement l’intelligence à chaque étape de ce processus. » Vous obtenez donc des gains d’efficience, mais également une amélioration de l’efficacité en appliquant cette intelligence à chaque étape. En tant que module complémentaire, c’est vraiment difficile. Vous essayez de peaufiner le dernier kilomètre avec l’IA, ce qui le rend très difficile. »
La création de contenu, comme l’a souligné Nelson, implique de multiples étapes qui bénéficient de l’intelligence à chacune d’elles : conception de programmes, structuration de pièces de contenu individuelles, intégration d’échafaudages, application de cadres pédagogiques. Une solution ajoutée peut aider à un ou deux de ces points. Une plateforme où l’IA est native peut tous les prendre en charge.
Le test pratique qu’il a suggéré est simple : quelle a été l’efficacité de l’IA pour vous aider à accomplir la tâche spécifique que vous essayiez de faire ? Non pas quelle IA semble la plus impressionnante, mais laquelle vous a réellement aidé à résoudre le problème devant vous.
Talha a abordé directement l’aspect tarifaire. Certains fournisseurs ont réagi au coût de l’IA en répercutant les coûts par des prix plus élevés. La position d’Easygenerator est que l’IA devrait être incluse dans le prix de base pour tout le monde.
« Nous croyons fermement que l’avenir pour la plupart des auteurs et des responsables L&D est l’IA native. Notre position est que chacun devrait être habilité à utiliser cette technologie. Par conséquent, pour notre plateforme principale d’IA, nous ne facturons pas de supplément. Elle est incluse dans le prix de base. C’est la raison fondamentale : autonomiser chacun et travailler ensemble vers cet avenir d’IA native. »
La suite
Le dernier chapitre de la conversation a porté sur les 12 prochains mois. Talha a désigné l’IA agentique comme la direction à suivre : Une IA qui se déplace dans un flux de travail de manière itérative, en utilisant différents outils et capacités pour accomplir une tâche, plutôt que de produire un résultat unique en réponse à une seule invite. Plus efficace, plus conscient du contexte, meilleur pour aboutir à quelque chose d’utile sans exiger de l’utilisateur qu’il effectue plusieurs cycles de correction manuelle.
La perspective de Nelson était d’une plus grande envergure. Il a décrit un fossé dans la formation et le développement qui n’a jamais été comblé : le lien entre l’apprentissage et la performance. La plupart des organisations ne peuvent pas vous dire, lorsque la performance baisse, quelles compétences manquent ou pourquoi. Et même lorsqu’elles peuvent identifier un manque de compétences, elles ne savent souvent pas quel apprentissage permettra d’y remédier.
« Avec des agents autonomes capables de parcourir cette boucle par eux-mêmes, vous pouvez désormais examiner les signaux de travail, déduire quels sont les écarts de performance, déterminer quelles compétences manquent, vous connecter à la ressource d’apprentissage pertinente, puis surveiller les données de travail pour voir si cela a réellement modifié la performance. Le tout dans une boucle autonome. »
Il a appelé cela la vision d’une entreprise auto-améliorante. L’apprentissage et le développement définissent les garde-fous, et le système gère la boucle.
L’essentiel
L’IA dans la formation et le développement génère de réels gains d’efficacité. Les organisations qui en tirent le plus de valeur sont celles qui traitent le contexte comme une première étape, qui maintiennent les humains dans le processus plutôt que de les en exclure, et qui mesurent les résultats plutôt que la production.
Les outils comptent aussi. Une IA intégrée dès le départ au flux de travail de création se comporte différemment d’une IA ajoutée par-dessus un produit existant. Comprendre cette différence fait partie de l’évaluation visant à déterminer si une plateforme vous aidera réellement ou si elle vous aidera simplement à produire plus de contenu plus rapidement.
👏 Un immense merci à Nelson Sivalingam pour cette conversation sincère et pratique.
Speakers
Nelson Sivalingam
Talha Faridy
Ashling Moran
Transcription du webinaire des intervenants
Ashling : Commençons dès maintenant. Merci à tous de vous être joints à nous. Si vous revenez, nous vous en sommes vraiment reconnaissants. Et si c’est votre première fois, soyez les bienvenus. Aujourd’hui, nous allons discuter de l’IA et de l’e-learning, et de ce qui fonctionne réellement. Je m’appelle Ashling et j’ai le plaisir d’animer cette session, et je suis accompagnée de Nelson et Talha, qui se présenteront dans quelques secondes. Ceci fait suite à un appel que nous avons eu en octobre 2025, qui portait entièrement sur l’IA et l’e-learning. Et cette fois, nous partons d’un point de vue légèrement différent. Au lieu de nous demander si nous devrions utiliser l’IA, nous allons nous concentrer sur la question de savoir si cela fonctionne réellement. Sans plus attendre, je vais passer la parole à nos invités d’aujourd’hui. Nelson, vous êtes le premier sur mon écran. Souhaitez-vous vous présenter ?
Nelson : Bien sûr. Je suis Nelson, l’un des fondateurs et PDG de HowNow. Chez HowNow, nous sommes une plateforme d’apprentissage qui aide les entreprises à déterminer quelles compétences elles possèdent, lesquelles leur manquent, et à mettre les collaborateurs en relation avec des formations pertinentes afin qu’ils puissent développer les compétences dont ils ont besoin. Je suis également l’auteur de Learning at Speed. Ce serait formidable de savoir si quelqu’un l’a lu lors de cette session ; si ce n’est pas le cas, c’est un livre qui vous donne un guide pratique et des cadres sur la façon d’accélérer la vitesse à laquelle vous apprenez dans votre organisation. Ravi d’être ici. J’attends vraiment cette discussion avec impatience.
Ashling : Eh bien, merci de vous joindre à nous. Je suis impatient de voir ce que vous pouvez apporter. Si quelqu’un a lu le livre, indiquez-le dans le chat, j’aimerais beaucoup savoir. Talha, aimeriez-vous vous présenter ensuite ?
Talha : Merci, Ashling. Voici Talha, qui dirige les initiatives produit d’IA chez Easygenerator. Je suis donc responsable de la vision de l’IA, de la stratégie produit, et je collabore avec les équipes formation et les experts pour concrétiser le rêve de l’apprentissage généré par les employés, ainsi que pour explorer comment l’IA peut être appliquée à la création, à l’e-learning, mais aussi au-delà. Et nous explorons cet espace ici chez Easygenerator de manière assez rigoureuse, je dirais.
Ashling : Une période passionnante, beaucoup de choses changent, donc je suis ravi d’avoir un peu de temps aujourd’hui pour échanger avec vous. Avant de nous lancer dans notre première question, j’aimerais entendre chacun d’entre vous qui nous a rejoints aujourd’hui. En un mot, j’aimerais savoir comment vous décririez où en est votre équipe avec l’IA en ce moment. Je vais mettre un sondage dans le chat. Vous pouvez choisir l’option qui, selon vous, résonne le plus. S’il y a quelque chose que nous n’avons pas listé, n’hésitez pas à l’écrire également. D’accord, avec les premières réponses, il semble que beaucoup d’équipes expérimentent encore, ou sont même une étape plus loin, en phase de mise à l’échelle. Donc oui, beaucoup d’équipes expérimentent actuellement. Il sera intéressant de voir avec quoi vous expérimentez, ce qui fonctionne bien. Aujourd’hui, nous constatons que la plupart des équipes L&D ont commencé à utiliser l’IA sous une forme ou une autre, et la question a évolué. Il ne s’agit plus de savoir si vous devez adopter l’IA, mais si elle améliore réellement l’apprentissage ou si elle le rend simplement plus rapide. Nous allons donc aborder cela honnêtement : ce qui a fonctionné, ce qui n’a pas fonctionné, à quoi ressemble vraiment la différence de qualité en pratique, et ce que les professionnels de la L&D devraient demander aux outils dans lesquels ils investissent. Pour commencer, Nelson, j’aimerais connaître votre point de vue sur la façon dont les équipes L&D utilisent réellement l’IA aujourd’hui, et si cela fonctionne.
Nelson : Oui, je pense qu’en regardant comment les gens l’utilisent aujourd’hui, c’est en grande partie pour des gains d’efficacité. Ce qui ressort clairement d’une excellente étude menée par Donald Taylor sur l’utilisation de l’IA dans la L&D, c’est que nous utilisons essentiellement l’IA pour faire ce que nous faisions déjà, mais plus rapidement. Et cela concerne spécifiquement la création de contenu, ou l’aide à la planification d’un programme, ou la structuration de contenu. Et ensuite, cela revient à analyser les données. Donc, si vous disposez de grands ensembles de données d’évaluation ou de données d’engagement d’apprentissage, être capable de les analyser et de leur donner un sens sont probablement les deux domaines principaux. Mais le défi est que nous essayons d’être plus efficaces avec l’IA, mais ce que nous ne voyons pas, ce sont des utilisations qui rendent les équipes L&D plus performantes. Et c’est vraiment là que se situe le défi en ce moment. Pour répondre à votre question : est-ce que cela fonctionne vraiment ? Il y a une grande différence entre faire une chose rapidement et faire la bonne chose. Et pour l’instant, ce que nous faisons, c’est faire une chose rapidement, mais nous n’évaluons pas nécessairement s’il s’agit de la bonne chose ou non. Et cela va bien au-delà de la simple application de l’IA à certaines des tâches que nous effectuions déjà. Il y a des questions sur la façon dont cela s’aligne avec la stratégie globale de l’entreprise. Mesurez-vous les bonnes choses pour savoir si vous avez l’impact souhaité sur votre organisation ou non ? Et donc, je pense que c’est là que nous voyons actuellement les défis. J’ai vu que près de 10 % des personnes interrogées se disent sceptiques, et ce que je constate, c’est qu’une grande partie du scepticisme vient du fait que vous ne voyez pas immédiatement la productivité ou les résultats escomptés. Et nous en concluons hâtivement que c’est la faute de l’IA ou des outils d’IA, plutôt que de poser les questions plus fondamentales : l’utilisons-nous correctement, et y a-t-il un problème stratégique plus fondamental pour voir si cela fonctionne réellement ou non. Il y a donc certainement des gains d’efficacité, mais avons-nous constaté une amélioration significative de l’efficacité ? Nous ne l’avons pas encore constaté.
Ashling : Oui, mais je pense que cela aurait du sens. Beaucoup de personnes ayant répondu au sondage ont déclaré qu’elles étaient dans cette phase d’expérimentation, donc qu’elles tâtaient le terrain, pour voir ce qui fonctionne et ce qui ne fonctionne pas. Et nous espérons que c’est ce que nous examinerons de plus près aujourd’hui. Talha, avez-vous remarqué la même chose, que nous faisons peut-être les choses plus rapidement mais que nous devons encore débloquer cet aspect de l’efficacité ?
Talha : Oui, absolument. Je pense que de mon point de vue, la façon dont je vois les choses, il y a deux catégories principales dans lesquelles le besoin d’IA et la situation actuelle s’inscrivent. Il y en a une où il y a une limitation des ressources en ce qui concerne les équipes L&D, n’est-ce pas ? Ils ont donc ces importants retards, beaucoup de tâches à accomplir, beaucoup de cours à produire. Un grand volume de cours, donc un premier problème. Et le second, c’est la qualité, n’est-ce pas ? Où, bien sûr, pour surmonter ce goulot d’étranglement des ressources, l’un des moyens consiste à déléguer la création de contenu aux experts en la matière. C’est-à-dire l’apprentissage généré par les employés. Et là, bien sûr, il y a une question de qualité. Comment maintenir la qualité du résultat, le niveau de la conception pédagogique et la qualité de l’ensemble de l’apprentissage produit ? Et je pense que c’est là que les équipes L&D se tournent vers l’IA pour résoudre ces problèmes, et plus particulièrement du côté de la production. La production de contenu, c’est probablement le point le plus important. Et là, je suis tout à fait d’accord avec Nelson. Et je suis tout à fait d’accord, nous le voyons souvent, produire plus rapidement ne signifie pas nécessairement que vous le faites de la bonne manière. Et cela conduit aussi parfois à de fausses attentes et à de faux résultats. Beaucoup d’auteurs ont des attentes erronées sur ce que l’IA peut faire. Ils pensent qu’ils peuvent simplement déléguer cela sans beaucoup de contexte et sans beaucoup de travail préparatoire, puis s’attendre à un résultat qui est complètement prêt pour la production. Alors que bien souvent, ce n’est pas le cas. Il faut donc bien sûr une gouvernance forte, une stratégie forte, un alignement avec les résultats commerciaux, pour que l’IA soit vraiment déployée efficacement tout au long du cycle de vie de création de contenu. Donc oui, c’est ce que je vois de mon côté.
Nelson : Et juste pour ajouter à cela, n’est-ce pas, je pense que c’est un point important que personne ne garde son emploi pour être efficace à ne pas apporter de valeur. Et donc c’est le risque en ce moment, de savoir si vous apportez réellement un résultat que l’entreprise souhaite, ou si vous vous contentez d’expédier beaucoup de choses ? Et ce que nous pourrions en fait nous voir faire, c’est amplifier le problème même que nous espérons résoudre. L’un des défis est la présence d’une tonne de contenu, et lorsque vous avez une tonne de contenu, la découverte est l’un des plus grands défis. En étant capable de créer très rapidement beaucoup de contenu qui n’est pas de grande qualité, ce que vous faites en réalité, c’est amplifier le problème que vous aviez déjà beaucoup, beaucoup plus rapidement, et donc vous rendre la tâche plus difficile. Et cela crée aussi une boucle de rétroaction négative, n’est-ce pas ? Si les gens commencent à interagir avec votre contenu généré par l’IA et qu’il est de faible qualité, il est très difficile de les faire revenir, car ils ont essayé, ils n’ont pas trouvé cela utile, ils n’ont pas trouvé cela pertinent, et maintenant ils ont formé cette opinion sur ce contenu. Donc, la prochaine fois que vous lancerez un cours et que vous direz, revenez, j’ai plus de contenu, ils seront moins susceptibles de s’engager car la dernière fois, cela a créé une boucle de rétroaction négative. Et donc, même si vous pouvez être attiré par l’efficacité de produire du contenu plus rapidement, cela peut en fait avoir des impacts dommageables à long terme, où vous pourriez vous rendre plus difficile l’engagement des personnes dans l’apprentissage à l’avenir, si vous ne vous assurez pas qu’il est de haute qualité et pertinent.
Ashling : Oui, cela a du sens. Donc, s’assurer que la qualité est là, c’est quelque chose avec lequel les apprenants veulent s’engager. S’ils suivent une formation, ils voient la valeur pour eux-mêmes et ils veulent s’engager à nouveau. Ce que je trouve intéressant ici, Nelson, c’est que si la vitesse n’est pas la même chose que la valeur, que devraient utiliser les équipes L&D comme véritable test pour savoir si l’IA fonctionne ou non ?
Nelson : Oui, je pense que cela revient au Saint Graal de ce qu’est la L&D, n’est-ce pas ? Le but de la formation et du développement n’est pas de créer du contenu, c’est un moyen d’arriver à une fin. Et notre travail dans cette profession est d’aider les gens à mieux faire leur travail et de les aider à se développer. C’est aussi simple que cela. Et donc, vous commencez à décomposer cela pour vous demander : que regardons-nous ici pour savoir si nous apportons cette valeur à l’organisation ou non ? Maintenant, si vous regardez le contexte macroéconomique, nous sommes actuellement confrontés à une pénurie massive de talents, ce qui pourrait ne pas être si évident étant donné que beaucoup de gros titres parlent actuellement de licenciements massifs dans les organisations. Et il est donc facile de penser que les taux de chômage augmentent. Mais en réalité, si vous regardez, par exemple, le Royaume-Uni ou les États-Unis, les taux de chômage n’augmentent pas, ils diminuent. Et ce à quoi nous sommes réellement confrontés, c’est une pénurie d’embauche pour des compétences très spécialisées. Une excellente statistique que j’ai vue provient d’une enquête récente révélant que, pour les travailleurs techniques, environ 70 % d’entre eux avaient plusieurs offres d’emploi au moment où ils ont accepté un poste. Ce que cela nous indique, c’est qu’il existe une très forte demande pour des compétences très spécialisées. En fait, la demande pour certaines compétences est supérieure à l’offre, ce qui signifie qu’il est très compétitif et coûteux pour les organisations d’embaucher les compétences dont elles ont besoin pour accomplir le travail. Cela signifie que le seul moyen durable pour les entreprises d’y parvenir dans l’environnement actuel est d’être capables de perfectionner et de reconvertir leur propre personnel. Ce qui signifie que c’est là l’objectif, n’est-ce pas ? L’objectif est de savoir comment nous nous assurons, au sein de notre organisation, de développer les compétences dont nous avons besoin pour accomplir le travail. Ce qui signifie que nous devons maintenant être capables de comprendre quelles compétences nous n’avons pas. Et cela devient notre priorité. Voici les objectifs que l’entreprise souhaite atteindre, et pour les atteindre, voici les capacités que nous devons développer au sein de l’organisation. Et le fait de savoir si nous apportons de la valeur ou non dépend de la question suivante : développons-nous ces capacités fondamentales ou non ? La question n’est donc pas de savoir combien d’heures de formation quelqu’un a suivies, ou quel contenu a été terminé. Cela revient vraiment à se demander : avons-nous développé les compétences nécessaires pour atteindre ces objectifs ou OKR ? Et c’est vraiment là la mesure de la valeur. Il s’agit moins de la vitesse de création de contenu, mais plutôt de la vitesse de création de contenu pertinent pour développer les compétences dont nous avions besoin pour apporter de la valeur à l’organisation.
Ashling : Cela a du sens. Alors, si quelqu’un nous rejoint aujourd’hui, votre conseil serait-il, si vous êtes au début de ce processus, de découvrir quelles compétences vous sont nécessaires, et ensuite cela guiderait le reste ? Et si vous savez déjà quelles compétences vous sont nécessaires, commencez à mesurer si vos efforts de formation aident à combler ce déficit de compétences, ou constatez-vous que de la valeur est apportée parce que ces compétences sont acquises ?
Nelson : Oui. Je verrais presque cela comme une pyramide, n’est-ce pas ? Et au sommet de la pyramide, si vous imaginez que tout ce que fait l’entreprise se trouve au sommet de la pyramide. Chaque entreprise a une mission, et chaque entreprise a une stratégie sur la façon d’atteindre cette mission. Et chaque entreprise dispose d’un ensemble d’indicateurs clés de performance, d’objectifs ou d’OKR pour voir si elle est sur la bonne voie pour réaliser cette stratégie ou non. Disons que c’est le sommet de la pyramide. À la base de cette pyramide, du point de vue de la formation et du développement, vous avez des initiatives d’apprentissage, n’est-ce pas ? Et généralement, ce que l’on observe dans les organisations, c’est qu’il y a un fossé entre ce que font la formation et le développement et ce que l’entreprise essaie de faire. Généralement, nous essayons de relier les points au sommet de la pyramide de manière rétrospective. J’ai diffusé beaucoup de contenu et maintenant, c’est comme si, est-ce que cela a apporté de la valeur ? Eh bien, laissez-moi voir comment ça s’est passé. Et nous essayons de relier ces points rétrospectivement, et cela devient, c’est un peu comme jouer au bingo. Quelqu’un a annoncé un numéro, certaines personnes ont le numéro correspondant, elles gagnent. Mais la réalité est que la plupart des gens n’ont pas de numéro correspondant, donc ils perdent. Donc, chaque fois que quelqu’un perd, c’est une perte de temps, de ressources et d’argent. Lorsque vous jouez au bingo L&D, ce dont vous avez besoin, c’est d’un moyen plus sûr de pouvoir relier ces points. Et le chaînon manquant dans cette pyramide est : quelles sont les compétences que les individus et les équipes doivent posséder pour atteindre ces KPI, n’est-ce pas ? Le processus que je suivrais est donc, au préalable, de parler à l’entreprise pour savoir : d’accord, quels sont les OKR ou les objectifs ici qui comptent vraiment le plus pour nous ? Choisissons celui-ci, disons qu’il s’agit d’augmenter la fidélisation de la clientèle. Ensuite, nous décomposons cela pour déterminer quels sont les rôles professionnels qui influenceront le plus ces objectifs. Et quelles compétences doivent-ils posséder pour être en mesure d’accomplir les tâches qui permettront d’atteindre cet objectif ? Une fois que nous savons quelles compétences ils doivent posséder, nous devons maintenant déterminer quelles compétences ils possèdent réellement. Possèdent-ils ces compétences ? Disons qu’ils doivent avoir des compétences en résolution de problèmes au niveau trois. L’ont-ils ou non ? Et s’ils n’ont pas ces compétences maintenant, il s’agit alors de définir les domaines sur lesquels vous devez vous concentrer. Alors, quel contenu devez-vous créer pour améliorer la résolution de problèmes dans votre organisation, ou quelles ressources possédez-vous peut-être déjà qu’il vous suffit de rendre plus accessibles ou attrayantes pour les bonnes personnes, afin de pouvoir en tirer le meilleur parti ? Et maintenant que vous connaissez la base de référence, vous suivez cet indicateur d’objectif de performance pour voir si nous progressons vers celui-ci ou non. La fidélisation de la clientèle s’améliore-t-elle ? Si ce n’est pas le cas, nous devons changer de cap. Nous devons examiner s’il s’agit du contenu ou de la découverte du contenu. Mais l’indicateur clé que nous examinons est celui-là, et la réalité est que dans trop d’organisations, nous ne mesurons même pas cet indicateur de performance avant qu’il ne soit beaucoup trop tard. Et la réalité est que vous atteignez ce que vous mesurez. Si vous y réfléchissez, jusqu’à il y a cinq ans, qui se souciait de faire 10 000 pas ? Personne ne se demandait vraiment si j’avais fait mes 10 000 pas ou non. Mais maintenant que nous pouvons mesurer si nous faisons nos pas ou non, nous nous soucions tous de faire 10 000 pas. Donc, vous atteignez ce que vous mesurez. Et pour commencer, vous devez mesurer l’impact de l’apprentissage sur le développement des compétences et la performance afin de l’atteindre. Si vous ne le mesurez pas, vous n’allez pas l’atteindre.
Ashling : Cela a beaucoup de sens. Et je pense aussi que peut-être, Talha, cela renvoie à quelque chose que vous avez mentionné, à savoir que certaines équipes ici, certaines organisations mesurent déjà cela, ou du moins qu’elles sont en chemin vers cette destination finale. Et maintenant qu’ils ont une compétence, ils ont besoin d’une formation pour cette compétence. Peut-être n’y a-t-il qu’une ou deux personnes dans l’organisation qui peuvent actuellement répondre à un besoin ou à un rôle spécifique. Ils commencent donc à créer de la formation, mais ils attendent trop de l’IA, ou ils attendent trop de choses de l’IA. Alors Talha, ma question serait : quel type de contexte fait réellement la plus grande différence lorsque vous exploitez l’IA pour aider à l’apprentissage ?
Talha : Oui, c’est une très bonne question. Je pense aussi, en lisant le chat, que pour les participants au webinaire, une chose est très claire : les grands modèles de langage, bien qu’ils s’améliorent, sont vraiment bons pour les informations génériques. Donc, pour les informations de haut niveau sur la plupart des sujets, ils sont assez bons, même pour certaines choses techniques. Mais une chose pour laquelle ils ne sont toujours pas très bons par défaut, ce qui est très important, c’est le contexte de l’entreprise. Le contexte de votre entreprise, vos objectifs commerciaux, les résultats que vous recherchez. C’est le type de contexte que vous voulez apporter à l’IA. Et je pense que ce travail préparatoire doit être effectué avant de travailler avec l’IA sur n’importe quel outil que vous utilisez. Donc, une fois que vous avez identifié les compétences que vous voulez cibler, et défini les bons objectifs d’apprentissage, en gardant le résultat à l’esprit avant de commencer à créer le e-learning, avoir tout cela documenté au préalable et l’utiliser pour guider vos efforts de création est quelque chose qui compte vraiment, vraiment. Je pense aussi qu’un très bon exemple à donner ici est que, même si vous regardez les choses sous l’angle du produit, il est en fait plus facile de construire des choses maintenant, mais il est aussi plus facile de construire les mauvaises choses. Et ce concept s’applique aussi à la création de cours. Parce que vous construisez quelque chose pour obtenir des résultats significatifs. Et il est certainement plus facile de créer une formation, mais il est aussi plus facile de créer la mauvaise formation pour les mauvaises personnes dans les mauvais formats. Donc, ce travail de préparation, bien sûr, apporter le contexte de votre entreprise, les résultats que vous recherchez, rédiger les bons objectifs d’apprentissage et intégrer le bon contexte dans l’IA, cela compte vraiment, vraiment beaucoup.
Ashling : Je dirais, oui, cela a du sens. Je pense qu’il y a peut-être une étape entre ce que vous venez d’expliquer, Nelson, concernant l’écart, la préparation et le fait de savoir ce que nous mesurons, et ensuite la création du contenu. Et je sais qu’il y a probablement des personnes qui participent à ce webinaire aujourd’hui qui se trouvent à cette étape, cette étape intermédiaire. Alors peut-être, Nelson, pourriez-vous nous aider à identifier comment aller de l’avant. Alors, comment suggéreriez-vous, une fois que vous avez identifié les compétences et les besoins de l’entreprise, et que vous devez ensuite décider quelle intervention d’apprentissage fera la plus grande différence, que conseilleriez-vous aux équipes L&D de faire dans cette situation ?
Nelson : Oui, donc une partie du travail consiste à comprendre quels sont ces écarts de compétences. Quelles sont les compétences dont vous avez besoin maintenant ? Les compétences se décomposent ensuite en tâches et comportements que l’on devrait être capable d’accomplir en conséquence de la possession de cette compétence. Or, une grande partie de cela provient de la découverte du problème. J’aime utiliser l’exemple de l’application d’une mentalité produit à ce sujet, car je pense qu’une grande partie s’y applique. Et une part importante de la création de produit est la découverte du problème. Combien de temps passez-vous réellement à essayer de comprendre quel est le véritable problème ? Pourquoi avons-nous un problème de performance ? Quelles tâches et quels comportements ces individus ne sont-ils pas capables d’accomplir, ou dans lesquels ils doivent s’améliorer ? Et c’est là que travailler avec l’expert métier est vraiment, vraiment important, pour être en mesure de comprendre ce contexte de la manière dont cette compétence sera appliquée. Un excellent exemple de cela est si vous prenez une compétence comme la communication, par exemple. La manière dont la communication sera appliquée est très différente pour un commercial dans son contexte par rapport à la manière dont elle sera appliquée pour un ingénieur dans son contexte. Ainsi, être capable de comprendre comment cette compétence se manifestera sous forme de tâche ou de comportement vous aidera à vous assurer que vous disposez des bonnes ressources pour pouvoir le faire. Maintenant, quand vous en venez aux ressources, encore une fois, cela revient à cette question : quel est le bon format ? Ce n’est pas le même format pour chaque type de compétence, et c’est généralement là que nous nous laissons piéger. Mais ce à quoi nous devons vraiment réfléchir ici, c’est à un écosystème de ressources adaptées à différents contextes, différents rôles et différentes compétences. Il ne s’agit pas d’avoir un seul cours qui résoudra le problème pour tous ceux qui possèdent cette compétence particulière. Et c’est là que je pense que vous misez davantage sur la curation, et essentiellement même sur le fait de faire appel à différents experts métiers pour créer du contenu. Tirer parti, disons, d’Easygenerator, pour leur donner les moyens de créer ce contenu est une forme de curation, où le rôle de la formation et du développement passe d’une quasi-usine à contenu qui produit tout le contenu, à essentiellement donner aux experts métiers les moyens de se sentir capables de créer les ressources dont vous avez besoin pour combler ces lacunes. C’est donc à cela que ressemble ce pont pour moi. Je pense que l’une des étapes critiques est, avant de nous précipiter dans la création de contenu, de vraiment effectuer cette découverte de problème en amont pour comprendre ce qui manque réellement.
Ashling : Cela a du sens. Donc oui, il se passe beaucoup de choses, et il est intéressant de voir comment cela évolue au fil du temps, et comment effectuer cette découverte en amont peut vraiment aider, et avoir un plan avant de se lancer peut faire la différence. Je sais que cela semble trouver un écho, il y a beaucoup de commentaires dans le chat. Je viens d’en voir un arriver de Jodi, et je trouve intéressant la façon dont Jodi a utilisé l’IA pour aider à créer du contenu chaque jour. Donc, pour faire des choses comme des résumés, des plans, des scripts à partir de vidéos enregistrées à l’écran, ou structurer des programmes, en fonction du résultat, vous pouvez ensuite intervenir pour valider et itérer avec de meilleures invites. Donc ici, utiliser l’IA pour aider sur l’aspect qualité, et je sais que c’est une préoccupation pour beaucoup de personnes présentes lors de cet appel. Talha, c’est quelque chose que vous avez également mentionné, donc je suis curieux de savoir si cela trouve vraiment un écho auprès de quelqu’un, que suggéreriez-vous de faire pour évaluer si une fonctionnalité d’IA améliore réellement la qualité de l’apprentissage, ou si elle permet simplement de gagner du temps ?
Talha : Je pense qu’une chose est sûre, je suis d’accord, nous voyons beaucoup ce modèle, en termes de génération de résumés utiles, de plans, et bien sûr d’obtenir ce premier résultat puis d’itérer dessus, sans attendre de l’IA qu’elle soit la solution miracle. Disons, par exemple, que vous lui donnez une invite et boum, en un seul essai vous avez votre cours prêt, cela n’arrive pas. La réalité est que vous devez aller itérer avec l’IA, et bien souvent le contexte manquant qui n’était pas là au départ, c’est ce qui est apporté dans cette phase, et ensuite vous perfectionnez le contenu et le rendez prêt à être publié. Et c’est quelque chose que nous voyons beaucoup. En réalité, les utilisateurs avancés de l’IA, ceux qui l’utilisent le plus efficacement, sont ceux qui suivent ce type de flux de travail. Alors que ceux qui s’attendent à ce que l’IA fasse des choses irréalistes abandonnent probablement après la première utilisation. Ceux qui poursuivent le cycle d’itération sont ceux qui tirent le meilleur parti de l’IA, c’est une certitude. Et en termes de création de contenu efficace, je pense qu’il est également important, pour revenir au point soulevé par Nelson, d’avoir ce changement de comportement final que vous voulez que l’apprenant ait en tête dès le départ, et de concevoir votre contenu autour de cela. Au sein d’Easygenerator, nous utilisons la taxonomie de Bloom pour faciliter ce processus, où, pendant le cycle de création de contenu, nous utilisons essentiellement la taxonomie de Bloom pour aider à la création des objectifs d’apprentissage, ce qui inspire ensuite le reste du contenu créé avec l’IA, dans le sens où nous demandons au préalable à l’expert en la matière ou au concepteur pédagogique qui utilise notre outil pour créer de l’apprentissage : que voulez-vous exactement que vos apprenants fassent après avoir terminé le cours ? Quel est ce changement de comportement, en termes d’application, que vous souhaitez impulser chez eux ? Et une fois que cela est défini au préalable, avec les connaissances dont ils ont besoin pour pouvoir exécuter cette action, cela oriente alors l’IA dans la bonne direction et améliore globalement la qualité de votre contenu. Et cela aide également à choisir les bons formats, car il existe de nombreux formats différents dans lesquels vous pouvez consommer l’apprentissage. Donc, encore une fois, revenir à ces objectifs que vous avez fixés au préalable aide vraiment l’IA à déterminer quels formats choisir. Ainsi, par exemple, pour des scénarios exploitables, les jeux de rôle sont peut-être un très bon format, tandis que pour la simple compréhension et la mémorisation, les blocs de texte sont peut-être la méthode privilégiée. C’est donc le type de configuration que vous devez effectuer au préalable, afin d’orienter l’IA dans la bonne direction et, bien sûr, de créer davantage de contenu plus efficace.
Ashling : Vraiment intéressant. Donc, avoir un humain aux commandes et l’IA, je vois que cela résonne. Quelqu’un a comparé cela à cuisiner de manière traditionnelle plutôt qu’à utiliser un micro-ondes, ou à l’utilisation de l’IA en tant qu’assistant. Donc, oui, si une personne est impliquée, c’est là que les gens constatent déjà les meilleurs résultats. Nelson, votre point de vue m’intéresse vraiment. Disons que des équipes étudient la question, elles veulent impliquer des personnes, des humains, dans le processus d’apprentissage. Quel rôle les experts en la matière devraient-ils jouer pour aider le service L&D à comprendre quel est le véritable problème de performance, afin qu’ils puissent se préparer au mieux, comme Talha l’avait mentionné ?
Nelson : Oui, donc je pense que l’ancien modèle consistait, en tant que concepteur pédagogique L&D, ou en tant que responsable ou professionnel L&D, à aller voir un expert en la matière pour comprendre, en lui disant : donnez-moi le contenu, donnez-moi l’expertise, n’est-ce pas ? L’expert en la matière déversait donc toute son expertise, et moi, au sein du service L&D, je récupérais cela, je bricolais, j’appliquais la pédagogie et je concevais un cours autour de cela. Et ce que l’IA, combinée à l’authoring, permet de contourner le goulot d’étranglement d’une équipe L&D très restreinte devant assumer toutes les tâches. Actuellement, ce que vous pouvez faire, en tant qu’expert métier, c’est aller sur Easygenerator et travailler avec l’IA pour pouvoir dire : « Je dépose mon expertise ici, mais vous avez l’expertise de la pédagogie, ainsi que la meilleure façon de formuler cela, de le structurer et de le faire. » Donc, ce dont vous bénéficiez maintenant, c’est que cela vous aurait pris des semaines pour arriver à quelque chose de pédagogiquement solide. Mais maintenant, nous pouvons passer de l’expertise à une ressource d’apprentissage pédagogiquement solide, très rapidement. Cela dit, la question est alors : quel est le rôle du L&D ? Et je pense qu’il y a un rôle très fondamental et important, où le L&D définit les directives, le cadre de ce à quoi ressemble la qualité. Et cela ne signifie pas nécessairement : « Je dois le construire ». Et une bonne comparaison ici est, comme je le dis souvent, quand je pense au rôle d’un manager, pour moi, un manager est quelqu’un qui fixe la barre, puis quelqu’un qui crée les conditions pour que vous atteigniez cette barre. Ce sont les deux seules choses qu’un manager doit faire. Et je pense que dans ce monde, nous sommes essentiellement tous des gestionnaires d’IA. Et pour moi, le L&D est un gestionnaire d’IA spécifiquement conçue pour le L&D. Et par conséquent, c’est votre travail de fixer la barre pour l’IA et de créer les conditions pour qu’elle atteigne cette barre. Et les conditions pour atteindre la barre ici sont des éléments comme le contexte, qui a été décrit précédemment. Qu’avez-vous fait pour faciliter l’intégration de ce contexte ? Parce que vous ne pouvez pas attendre de l’expert métier qu’il apporte le contexte à chaque fois. Existe-t-il des éléments comme, la façon dont vous pourriez envisager cela, presque comme un type de fichier MD de compétences ? Quels sont les types d’instructions ou de fichiers qui sont universels pour l’organisation, en termes de vision du monde, de ce que nous aimons, de ce que nous n’aimons pas ? Comment apportez-vous ce contexte, afin que l’expert métier n’ait pas à le faire tout le temps ? Existe-t-il certains cadres pédagogiques vers lesquels vous vous tournez et dont vous voulez vous assurer que l’IA a connaissance ? Donc, cette construction du contexte est une tâche importante, et vous ne réalisez à quel point elle est cruciale que lorsque vous essayez de créer des choses sans ce contexte et que vous voyez à quel point le résultat est médiocre. Et c’est vraiment là le rôle de la formation et du développement (L&D) : il ne s’agit pas nécessairement de concevoir le contenu, mais de concevoir le contexte, afin que tout le monde puisse créer des ressources plus utiles avec très peu de friction.
Ashling : J’ai vraiment apprécié la façon dont vous l’avez exprimé : fixer la barre, puis créer les conditions nécessaires pour l’atteindre. Talha, compte tenu de votre rôle dans le développement d’EasyAI chez Easygenerator, j’aimerais savoir comment ces leçons vous ont influencé tout au long de votre parcours, dans la transition d’une IA centrée sur l’auteur vers une génération de contenu par IA classique.
Talha : Oui, je pense qu’en ce qui concerne l’histoire d’EasyAI, de sa création à ce qu’elle est aujourd’hui, cela résonne également de manière générale avec la façon dont l’IA elle-même et la perception qui l’entoure ont évolué avec le temps. Bien sûr, à ses débuts, les gens s’attendaient à ce qu’il suffise de lui donner une consigne, et qu’avec une seule consigne, on puisse obtenir le résultat souhaité. Et puis il y a eu cette idée : « Pouvez-vous lui donner quelques exemples de ce que sont de bons résultats ? », et vous obteniez alors une meilleure réponse. Ensuite est venue l’idée des projets ; par exemple, vous pouvez placer des éléments dans des projets et l’IA gérera votre contexte. Puis nous sommes arrivés à l’ère de Claude Code, nous avons maintenant des fichiers MD stockés en tant que contexte, et nous avons des compétences de nos jours. Nous constatons donc une tendance claire : les choses évoluent vers, pour reprendre le point de Nelson, une orientation adéquate de l’IA, incluant la définition de cette barre et l’intégration de skills — c’est-à-dire, fixer plusieurs normes pour différents domaines ou aspects que l’IA doit respecter — et ensuite l’amener à s’y conformer. Et c’est exactement ce que propose la création axée sur l’auteur, où vous orientez l’IA dans la bonne direction, vous en définissez les conditions. Par exemple, au sein de notre suite EasyAI, nous avons quelque chose appelé Directives de cours. Et dans ces Directives de cours, nous permettons à l’auteur de donner des instructions à l’IA concernant les préférences de contenu, les objectifs et les fichiers sources. Et c’est essentiellement l’une des tâches de l’IA que de lire ces directives et de s’y référer systématiquement lorsqu’elle prend une décision sur ce qu’elle doit créer. Et c’est extrêmement important, car cela aide l’IA à comprendre ce qui est bon pour moi, à quoi ressemblera un bon résultat, puis à suivre ces instructions. Je pense donc que c’est la tendance générale vers laquelle nous nous dirigeons maintenant. Et je pense que du point de vue de la formation et du développement, en appuyant à nouveau le point de vue de Nelson, tout repose sur la gouvernance. Établir ces normes pour que l’IA puisse ensuite fonctionner efficacement dans tous les domaines. N’importe quel expert métier peut se lancer dans la création de contenu, et vous disposez alors de cette couche de gouvernance qui aide les experts à utiliser l’IA de la meilleure façon possible. Sinon, on en revient à construire les mauvaises choses à un rythme très rapide, sans aucune direction ni qualité.
Ashling : Oui, je pense que vous avez mis le doigt sur quelque chose qui résonne vraiment en moi personnellement, et je serais curieux de savoir si d’autres personnes ressentent la même chose, mais l’IA devient un tel mot à la mode, et tous ces outils intègrent désormais l’IA, qu’il est vraiment important que nous commencions à examiner ce que l’IA peut réellement faire, comment elle est intégrée dans un outil, ou si elle est simplement ajoutée à un outil ? Alors peut-être pouvons-nous également élargir cette conversation. Nelson, étant donné le travail que vous faites chez HowNow, j’aimerais beaucoup avoir votre point de vue ici aussi. Lorsque vous évaluez des outils d’apprentissage basés sur l’IA, qu’est-ce qui vous indique qu’il s’agit de quelque chose qui est véritablement intégré au produit et qui va apporter de la valeur, plutôt que quelque chose qui a été simplement ajouté par la suite ?
Nelson : Oui, je pense que cela revient à la même question fondamentale : il ne s’agit pas d’être axé sur l’IA, n’est-ce pas, vous n’utilisez pas quelque chose parce que c’est de l’IA. Et je ne pense pas qu’avec n’importe quelle technologie, ce soit la bonne façon de voir les choses. Cela revient fondamentalement au problème que vous essayez de résoudre. Et je pense que la célèbre phrase dit : vous aimez le problème, pas la solution. Et je pense que c’est la clé ici. Sinon, vous pouvez être massivement submergé par la technologie pour la technologie elle-même. Mais une fois que vous vous êtes mis d’accord sur le problème que vous essayez de résoudre, il s’agit alors de déterminer quel est l’outil, ou l’outil d’IA, le mieux placé pour vous aider à y répondre. Maintenant, là où cela compte, qu’il s’agisse d’une IA native ou d’un ajout, c’est qu’avec un ajout, pour un certain niveau de tâche, c’est très limité, car il s’agit d’une approche très traditionnelle, et vous essayez ensuite de peaufiner la dernière étape avec l’IA, ce qui rend la chose très difficile. Mais lorsque vous avez une IA native, vous appliquez essentiellement de l’intelligence à chaque étape de ce processus. Vous obtenez donc des gains d’efficience, mais aussi un gain d’efficacité en appliquant cette intelligence à chaque étape. Cela ne veut pas dire qu’il faille complètement exclure les solutions ajoutées ; je pense que dans certains scénarios, selon ce que vous essayez d’accomplir, un ajout peut très bien convenir à ce que vous essayez de faire. Mais en réalité, quand on regarde quelque chose comme la création de contenu, la raison pour laquelle cela compte est que, bien que nous appelions cela la création de contenu, il y a en fait plusieurs étapes qui se produisent dans la création de contenu, de la compréhension de ce qu’est la conception pédagogique appropriée pour cela, à ce que sont les contenus de chaque élément à l’intérieur de cela, et comment intégrer un échafaudage dynamique dans cela, comment intégrer différents cadres pédagogiques dans cela. Il y a plusieurs choses qui se produisent pour faire cela. Et donc, en tant qu’ajout, c’est vraiment difficile à faire, nous avons vraiment besoin d’intégrer l’IA dès les fondements de la manière dont vous vous y prenez pour créer du contenu. Je pense que la façon de l’évaluer est de savoir dans quelle mesure cela a été efficace pour vous aider à accomplir la tâche que vous essayiez de faire, plutôt que d’essayer de voir cela comme : cette IA est-elle meilleure que cette autre IA. Quelle IA a été la meilleure pour vous aider à résoudre le problème que vous aviez au départ, c’est ainsi que je verrais les choses. Cela revient vraiment à cette cartographie, savoir quel est votre objectif final, et peut-être ne pas se laisser distraire par quelque chose de nouveau ou de brillant, mais plutôt se demander si cela vous apporte réellement de la valeur, si cela vous aide à avancer vers vos objectifs.
Ashling : Je vois une question de Victoria qui est arrivée via le chat et qui, je pense, s’inscrit bien ici. Victoria expliquait comment les experts métier utilisent désormais beaucoup l’IA, elles créent des choses comme des documents, et elles se disent : « Hé, c’est vraiment génial, c’est vraiment utile. » Cependant, ce n’est pas toujours aussi utile en réalité, surtout si l’on prend en compte la pédagogie. Alors, Talha, j’adore tes idées ici. Comment pouvons-nous commencer à éduquer les experts métier sur le processus, et sur la nécessité d’au moins une révision, lorsqu’il s’agit d’apprendre ou de créer du contenu d’apprentissage ?
Talha : Je pense que plus encore, je ne dirais pas que c’est probablement la bonne approche pour enseigner aux experts métier comment créer du contenu de haute qualité. Je dirais que c’est le rôle de l’équipe L&D, je pense que l’équipe L&D peut définir ce cadre et orienter dans la bonne direction. Encore une fois, le concept des directives de cours, placer la barre haut, acquérir certaines compétences, puis demander aux experts métier de les utiliser. Sinon, c’est juste un autre de ces problèmes où, disons, par exemple, les experts métier n’ont pas le temps et les ressources pour créer ce contenu, ce sera juste un autre de ces éléments que vous devez maintenant leur enseigner et qu’ils doivent apprendre à créer un apprentissage de qualité. Et c’est pourquoi je pense que là où l’IA peut vraiment, vraiment aider, c’est là où les équipes L&D s’en emparent vraiment et ont cette couche de gouvernance, et définissent ce qu’est un bon résultat, et ensuite les experts métier peuvent l’utiliser pour créer du contenu, et essentiellement, cela ne leur ajoute pas de charge. Donc, dans le cadre de l’apprentissage généré par les employés à grande échelle, les experts métier n’ont pas le temps de supporter la charge de créer de l’apprentissage. Ainsi, au lieu d’ajouter une charge supplémentaire en leur imposant d’apprendre à créer un bon apprentissage, vous créez cette couche de gouvernance pour les aider à le lire et à l’exploiter. Et c’est là que l’IA peut être très utile.
Nelson : Et juste pour ajouter à cela, je pense que si vous y alliez en disant que nous devons avoir une révision d’un point de vue pédagogique parce que c’est comme ça, cela ne sera probablement pas bien accueilli. Et je pense qu’il vous incombe d’expliquer pourquoi et de l’étayer avec des données, car sinon, cela ressemble juste à une case à cocher pour le simple plaisir de la cocher. Il faut donc capturer les données pour dire : où en sommes-nous, pourquoi n’est-ce pas utile, ou certaines parties sont-elles utiles ? Et vous dites : regardez ces données, cela ne fonctionne pas ici, ou cela ne fait pas X, Y, Z comme vous le souhaitez, c’est à cause de cela. Et donc, je pense qu’imposer cela est juste un moyen pour les gens de se sentir découragés, et vous ne voulez pas que ce soit le message qui passe, alors que vous voulez encourager les personnes qui font l’effort de le faire en premier lieu, ce qui est formidable. Cela signifie qu’ils voient sincèrement l’apprentissage comme une solution au problème, ce qui est un excellent point de départ, car très souvent, les gens n’arrivent même pas à ce stade, ils ne réalisent pas que l’apprentissage est la solution au problème. Il s’agit donc d’être vraiment diplomate en disant : voici les données quantitatives et qualitatives qui montrent que cet apprentissage manque de ceci, et je peux vous aider avec cela, c’est mon expertise, laissez-moi vous soutenir là-dessus, voici ce que vous auriez pu faire, et utilisez-le davantage comme une opportunité de coaching plutôt que comme une opportunité de dire « je vous l’avais bien dit ».
Ashling : J’aime ça, donc oui, une opportunité de coaching. Et nous voyons de plus en plus la formation et le développement, à mesure que les choses évoluent, occuper ces rôles de soutien, de sorte que leur fonction au sein de l’entreprise consiste désormais à soutenir l’apprentissage, à le rendre possible et à veiller à ce que l’apprentissage soit lié à la valeur.
Nelson : Si c’est quelque chose que vous essayez, d’après mon expérience de travail avec différentes organisations engagées dans cette démarche, une chose que je vois très bien fonctionner est d’apporter ce soutien, mais aussi d’avoir une certaine reconnaissance. Il pourrait s’agir d’inscrire le nom des personnes sur les cours et de dire : « Hé, Talha, tu as créé un cours vraiment fantastique sur l’IA, tu as suivi notre liste de contrôle et tu reçois maintenant des critiques élogieuses », ou d’organiser un concours, ou simplement de reconnaître et de faire référence à l’apprentissage. Ainsi, ceux qui font les choses correctement sont encouragés à continuer, et ceux qui produisent peut-être des documents qui ne sont pas si utiles ont un objectif à atteindre. Donc, encore une fois, placer la barre haut, puis les aider à l’atteindre.
Ashling: Je vois une autre question dans le chat, nous parlons d’IA et d’outils, comment soutenir l’IA, mais il y a aussi quelque chose d’intéressant : la façon dont certains outils ajoutent l’IA et facturent en plus des frais supplémentaires, ou n’absorbent pas ces coûts, et la question se pose alors : est-ce utile, est-ce quelque chose dont nous avons besoin ? Talha, j’aimerais avoir ton avis là-dessus avant de conclure pour aujourd’hui, sur la tarification, l’absorption des coûts, comment abordes-tu cela lorsque tu examines différents outils ?
Talha: Eh bien, cela dépend d’un outil à l’autre, lorsqu’il s’agit de l’offre. Je vais donner notre position chez Easygenerator : nous croyons fermement que l’avenir pour la plupart des auteurs et des professionnels de la formation et du développement (L&D) est bien sûr natif de l’IA. C’est une réalité que l’IA s’intègre fondamentalement dans les flux de travail clés, quel que soit votre domaine ; dans la plupart des domaines, elle a eu un impact très significatif. Et notre position est que chacun devrait être habilité par cette technologie, et nous voulons bien sûr accompagner nos clients, les responsables L&D et les experts en la matière dans cette aventure, et apprendre comment l’IA fonctionne pour eux et avec eux. Par conséquent, de notre point de vue, nous ne facturons pas de supplément pour l’IA intégrée à notre plateforme principale. Elle est incluse dans le prix de base. Et c’est là la raison fondamentale : il s’agit de donner à chacun les moyens d’agir, de travailler avec eux vers cet avenir où l’IA sera native, et d’apprendre avec eux à quoi cela ressemblera à l’avenir. C’est donc notre position, et il n’est pas possible pour tous les outils de faire cela ; cela dépend de leur point de départ en termes de caractère natif de l’IA, ou de leur préparation à adopter la révolution de l’IA. Car certains outils ont bien sûr dû répercuter ce coût de l’IA sur le client, alors que nous l’avons absorbé et avons accompagné nos clients dans cette aventure, et nous sommes bien sûr de l’autre côté.
Ashling : Oui, je suppose que cela revient à la façon dont l’IA est utilisée dans l’outil : est-ce quelque chose qui ajoute de la valeur, est-ce ajouté artificiellement, cela changera-t-il votre expérience ? C’est donc un aperçu très utile. J’ai vu qu’il nous reste un peu de temps, donc nous voulons bien sûr toujours nous tourner vers l’avenir, et nous laisserons également du temps pour les questions, donc si vous en avez, assurez-vous de les déposer dans le chat. Talha, peut-être peux-tu nous lancer sur la voie de l’avenir : où vois-tu l’IA aller au cours de l’année prochaine environ ?
Talha: Oui, beaucoup de choses ont certainement changé avec le temps, bien sûr l’IA est devenue excellente dans différents domaines et différents secteurs. Tout a donc commencé par le simple traitement de texte, puis c’est devenu très performant avec les images et les vidéos, et maintenant c’est très performant pour de nombreux types de tâches et de charges de travail, et pour travailler avec différents contenus multimédias. Je pense que l’avenir pour l’instant, ce qui est assez évident, dans la direction que prennent la plupart des outils disponibles, ainsi que chez Easygenerator, la direction que nous prenons est celle de l’IA agentique. Et cela touche à bon nombre des problèmes dont nous avons discuté aujourd’hui, le problème du manque de contexte, la qualité étant l’un d’entre eux, l’obtention d’un meilleur résultat dès le départ, ce genre de choses différentes. Et quand je dis agentique, c’est encore une fois la nature itérative de l’IA, l’IA disposant des outils, et les parcourant de manière créative, les exploitant, accomplissant des tâches, et travaillant avec l’auteur ou l’utilisateur pour sa tâche et son flux de travail particuliers, et accomplissant cela. Et dans tout ce parcours, elle exploite ensuite différentes parties du contexte qui doivent être exploitées, différentes compétences et différents outils pour accomplir ce qu’elle doit accomplir. Je pense donc que c’est une manière plus efficace d’appliquer l’IA, plutôt qu’en une seule fois. Et je pense que l’industrie s’en rend compte.
Ashling: Nous allons passer aux questions, mais dans la minute ou les deux minutes qui restent, Nelson, êtes-vous d’accord, y a-t-il autre chose que vous voyez dans les six à douze prochains mois en ce qui concerne l’IA et la formation et le développement ?
Nelson: Oui, je pense que l’une des choses que nous n’avons jamais vraiment réussi à faire dans le domaine de la formation et du développement, c’est de faire le lien entre l’apprentissage et la performance. Si vous regardez la plupart des organisations, lorsque la performance baisse, la plupart d’entre elles ne peuvent pas vous dire quelles compétences manquent et quelle est la raison de cette baisse de performance. Disons que par miracle vous savez quelles compétences manquent, vous ne savez souvent pas quel apprentissage est approprié pour ce niveau de compétence. Et pour pouvoir faire ce lien, et disons que l’apprentissage a lieu, vous pouvez très rarement dire si cela fonctionne ou non. Donc, ce fossé entre l’apprentissage et la performance, nous n’avons jamais réussi à le combler. Et la raison en est que, pour pouvoir combler ce fossé, vous devez d’abord être en mesure de voir le travail, vous devez réellement voir les gens travailler, ou les données de travail, pour pouvoir voir s’ils font quelque chose de bien ou non. Et ensuite, vous devez avoir l’intelligence nécessaire pour pouvoir examiner ces données de travail et les analyser pour dire : sur la base de ce que je vois cette personne faire, elle est douée pour ceci, mais elle n’est pas très douée pour cela. Et une fois qu’il a compris cela, il doit être en mesure de vous apporter l’aide exacte nécessaire pour vous améliorer dans la tâche que je n’étais pas capable d’accomplir. Et jusqu’à présent, cela a généralement été très fragmenté, vous aviez besoin de différents humains et de différents systèmes, et il y avait un coût de coordination massif entre tout cela. Désormais, avec les agents, mais plus important encore avec les agents autonomes capables de parcourir cette boucle par eux-mêmes, vous pouvez examiner les signaux de travail, déduire quels sont les écarts de performance, déterminer quelles compétences manquent, puis être en mesure de vous connecter à la ressource d’apprentissage pertinente, et enfin surveiller les données de travail pour voir si cela a réellement changé la performance ou le comportement, dans une seule boucle autonome. C’est ce que nous avons actuellement avec les organisations avec lesquelles nous travaillons en utilisant HowNow, et c’est là que nous voyons les choses évoluer, c’est-à-dire que cette boucle d’amélioration des performances sera complètement autonome, avec des garde-fous définis par la formation et le développement, mais vous n’aurez pas à faire ce travail préparatoire, ce qui est incroyable, car si vous pouvez améliorer les performances de manière autonome, rapidement et à grande échelle, cela ouvre vraiment la voie à cette vision d’une entreprise qui s’améliore elle-même.
Ashling : Ce que je trouve assez passionnant, je le pense aussi. Et je pense que vous nous avez bien amenés à certaines des questions qui arrivent via le chat, et peut-être pouvez-vous aider, et Talha, si vous avez un point de vue là-dessus, vous pouvez intervenir. Sanjo a demandé, comment vous détacher d’une stratégie de génération de revenus à court terme dans votre organisation de formation et développement sans objectifs ou cibles qualitatifs, pour ne pas suivre des objets brillants et l’IA, mais pour définir d’abord une stratégie décentralisée ou créative ? Alors oui, comment peut-on peut-être séparer le bon grain de l’ivraie, en définissant une stratégie et pas seulement en sautant sur la dernière tendance, des idées ?
Talha : C’est une très bonne question. Et je pense, oui, une chose qui ressort certainement de cela est qu’il y a bien sûr un problème à un niveau supérieur également, qui est le manque de compréhension de la façon dont l’IA fonctionne en général, et les avantages tangibles qu’elle peut apporter, et où sont ses limites. Ce genre de chose conduit à ces attentes irréalistes, puis à la priorisation des gains à court terme, plutôt que de définir une stratégie en premier, je pense que ce changement doit se produire. Je pense que cela doit venir de, cela devrait être ascendant, bien sûr, au sein d’une organisation où vous auriez des utilisateurs avancés de l’IA, car la plupart des organisations auraient ces utilisateurs avancés de l’IA qui adoptent vraiment, vraiment la technologie. Et je pense que, peut-être devraient-ils assumer une responsabilité partagée pour faire remonter ces connaissances et devenir des experts en la matière au sein de leurs entreprises, pour vraiment aider la direction à comprendre où l’IA fonctionne, où elle ne fonctionne pas, et ensuite avancer à partir de là, puis prioriser une stratégie créative. Je pense que ce serait mon point de vue, je suis curieux de savoir ce qu’il en serait du point de vue de Nelson.
Nelson : Oui, je veux dire, je vais rebondir là-dessus, en revenant au fait de lier cela à une autre question qui a été posée concernant l’obtention de l’adhésion, je pense qu’elles se recoupent en quelque sorte. Vous n’êtes pas, l’outil et la technologie sont secondaires, n’est-ce pas, l’essentiel est, voici la stratégie de l’entreprise, de quoi avons-nous besoin pour être en mesure de réaliser cette stratégie d’entreprise, quelles sont les capacités que nous devons développer pour y parvenir, c’est ainsi que vous alignez votre stratégie et obtenez l’adhésion. Je recommande généralement, et beaucoup d’organisations avec lesquelles nous travaillons, ce cadre, les trois pourquoi, pour construire votre dossier commercial. Et le premier pourquoi est pourquoi maintenant. Et le pourquoi maintenant est que la plupart d’entre nous, sinon la totalité, détestent le changement. Nous détestons le changement. Et la raison pour laquelle nous détestons le changement est que le changement comporte beaucoup de risques, des risques personnels, des risques sociaux, des risques financiers, il y a beaucoup de risques, c’est la raison pour laquelle nous détestons le changement. Mais il n’y a qu’une seule chose qui nous pousse à changer quand nous détestons le changement, et c’est un très grand changement, n’est-ce pas. Quand un très grand changement se produit, il rend le statu quo actuel inacceptable. Et lorsqu’il rend le statu quo actuel inacceptable, nous devons donc changer afin de saisir l’opportunité ou d’éviter la menace. Et je pense que la première partie pour obtenir l’adhésion consiste à expliquer quel est ce grand changement qui rend le statu quo actuel inacceptable, et c’est votre pourquoi maintenant. Maintenant, une fois que vous avez fait votre pourquoi maintenant, vous arrivez à votre pourquoi, votre pourquoi de solution, la chose que vous proposez. Et c’est là que vous parlez de, d’accord, je comprends votre pourquoi maintenant, mais quels sont les obstacles en ce moment qui vous empêchent de résoudre ce problème ? Vous devez nommer les obstacles avant de passer à la solution, sinon vous envoyez simplement une solution, mais vous me laissez le soin de relier ces points. Maintenant, une fois que vous avez nommé ces obstacles, vous parlez de votre solution, cette solution pourrait être HowNow, Easygenerator, l’IA ceci, l’IA cela. Mais lorsque vous parlez de cette solution, vous en parlez dans le contexte de : quels sont les obstacles que cette solution va m’aider à surmonter ? Maintenant, supposons que vous ayez fait cela, vous arrivez ensuite à votre dernière partie, qui est le pourquoi pas. Le pourquoi pas est essentiellement le fait qu’aucune analyse de rentabilisation ou proposition n’est solide tant que vous n’avez pas parlé de toutes les choses qui peuvent mal tourner et que vous ne les avez pas abordées. Et l’une des choses les plus courantes qui surviennent en ce moment est la peur de se tromper. Cette phobie est la raison la plus courante pour laquelle les gens ne font rien à propos de quelque chose. Et vous devez donc aborder la question suivante : pourquoi avons-nous cette peur de nous tromper ? Est-ce le manque d’expertise, est-ce le manque de bande passante et de ressources ? Et vous l’intégrez dans votre analyse de rentabilisation afin d’obtenir l’adhésion et de l’aligner sur cette stratégie. C’est donc généralement le cadre avec lequel nous travaillons avec les organisations pour être en mesure de présenter quelle que soit la solution pour laquelle vous essayez d’obtenir l’adhésion.
Ashling: Oui, et je dirais qu’en travaillant également avec des clients, du côté de la valeur client, lorsqu’ils élaborent des analyses de rentabilisation, cela a beaucoup de sens, donc le développer, et j’espère que cela aide. Je pense que vous avez également aidé à répondre à une question de Callum sur la création de l’adhésion, donc Callum, trois pourquoi, vous l’avez entendu ici de la part de Nelson. Avant de conclure, je vois aussi une question de Monique. Monique utilise l’IA pour créer de l’apprentissage en ligne et a remarqué qu’après avoir régénéré quelques fois, on peut obtenir des résultats différents, et elle se demande s’il existe des directives sur les paramètres pour créer du contenu de la meilleure qualité. Talha, avec votre expertise, peut-être pourriez-vous fournir quelques idées ici.
Talha: Oui, je pense que nous allons essayer de partager quelques directives générales ; je pense qu’il existe bien sûr des directives très spécifiques à certains outils, mais il y a aussi des choses générales que nous pouvons faire. Je pense qu’il est important de comprendre que les modèles d’IA ne sont pas déterministes par nature, et il est absolument certain que dans bon nombre de vos itérations avec l’IA, ou dans les flux de travail que vous suivez, vous obtiendrez probablement un résultat, puis la deuxième fois, vous obtiendrez probablement un résultat complètement différent. Et il existe bien sûr des moyens d’essayer d’obtenir des résultats plus déterministes. Bien sûr, en commençant par ce que vous utilisez en termes de prompts, en rédigeant des prompts nettement meilleurs et détaillés, en vous assurant que vos techniques de formulation ne consistent pas simplement à donner des instructions vagues (par exemple, ‘fais ceci ou fais cela’), mais plutôt à fournir davantage de précisions sur ce que vous souhaitez obtenir du résultat. Et si vous voulez quelque chose de cohérent, assurez-vous que vos prompts sont également cohérents, en suivant une sorte de modèle, et ensuite, bien sûr, votre contenu source. Si vous travaillez avec une solution basée sur le RAG où vous téléchargez des documents et d’autres contextes, assurez-vous que ce n’est pas trop volumineux, ni trop détaillé. Assurez-vous que vos documents et votre contenu source sont nettoyés, bien structurés et idéaux pour l’ingestion. Pas quelque chose comme un livre de trois ou quatre cents pages, ou un document de deux pages, en attendant qu’il crée un e-learning de neuf pages. Vous devez donc avoir une bonne compréhension de ce avec quoi vous travaillez, en termes de capacités de l’outil, mais aussi aligner votre document source avec cela. Le prompting est probablement l’une des compétences clés ici, et bien sûr, nettoyer votre contenu source et vous assurer qu’il est prêt pour l’IA, ce sont les deux choses à faire. Et du point de vue de l’apprentissage, en prenant également un exemple d’Easygenerator, nous avons une fonctionnalité appelée Course Builder, où nous avons une section où l’apprenant définit ses objectifs. Donc, là encore, nous encourageons vraiment l’auteur à être très précis avec ses objectifs, comme ce qu’il veut exactement que l’apprenant fasse ou sache, quels sujets, quels sont les résultats attendus ? Et être détaillé à ce niveau aide vraiment l’IA à orienter la création de contenu dans cette direction et à sélectionner les bons éléments du document source.
Ashling: Monique, je peux reprendre cela hors ligne pour voir s’il s’agissait de quelque chose de plus spécifique à Easygenerator, je peux également partager des directives plus précises avec vous, mais je m’assurerai de vous contacter. Je pense que cela nous amène à la fin de la session d’aujourd’hui, je remarque que nous sommes presque à l’heure, donc avant de conclure, un dernier mot, Talha, ou un dernier mot, Nelson ?
Nelson: Je peux commencer. C’était donc bien de voir que l’expérimentation était l’un des points les plus votés dans votre sondage, et je pense que c’est la chose la plus importante en ce moment ; je dirais que tout le monde doit être le « chief tinkering officer » au sein de son organisation. Et ce que je recommanderais, c’est de bricoler en public. Il ne s’agit pas seulement pour vous d’expérimenter et de bricoler avec des outils, mais je pense qu’il est également important de bâtir une culture au sein de l’organisation, de partager ce avec quoi vous avez bricolé, ce que vous avez appris, ce qui a fonctionné, ce qui n’a pas fonctionné, et de le faire en public. Et je pense que c’est la meilleure façon de favoriser une culture d’expérimentation et d’adoption de l’IA dans votre organisation ; il n’y a pas de meilleur moyen que de bricoler en public.
Talha: Oui, vous le résumez bien. Oui, c’est vraiment quelque chose que je recommanderais vivement, je pense que c’est très utile pour l’organisation, et c’est dans le partage des connaissances sur l’IA que les progrès se réaliseront vraiment. De mon côté, je suis également très, très enthousiaste quant à la direction que prend le secteur, il se passe beaucoup de choses passionnantes, un jour sur deux, une nouvelle innovation en matière d’IA voit le jour et prend d’assaut tous les réseaux sociaux, et ce qui se passe est en fait assez intéressant. Nous découvrirons donc ce que cela signifie pour les équipes de formation et de développement et les experts en la matière dans les mois à venir.
Ashling: Voyons voir, dans les six à 12 prochains mois, nous serons de nouveau ici pour examiner ce qui nous attend. Mais pour aujourd’hui, merci beaucoup à Nelson et Talha pour cette conversation très honnête et pratique, je l’ai beaucoup appréciée et j’ai beaucoup d’idées que je veux mettre en œuvre maintenant. Et je tiens également à remercier tous ceux qui se sont joints à nous et qui ont envoyé des questions.
Transcription produite à partir des sous-titres VEED. Attribution des intervenants effectuée en fonction du contexte et du rôle.