Les learning analytics désignent la collecte, la mesure et l’analyse des données d’apprentissage des apprenants (connexions, scores, progression, complétion) afin d’améliorer les parcours de formation et d’en prouver la réalisation.
Définition
Chaque activité numérique d’un apprenant laisse une trace : ouverture d’un module, temps passé sur une page, réponse à un quiz, visionnage d’une vidéo, participation à une classe virtuelle. Les learning analytics consistent à structurer ces traces pour en tirer trois types d’usage : piloter la pédagogie (repérer les contenus qui bloquent), suivre les individus (détecter les décrocheurs avant l’abandon) et rendre des comptes (justifier l’assiduité auprès des financeurs).
Techniquement, la collecte s’appuie sur les standards d’interopérabilité du e-learning : SCORM pour les modules classiques, xAPI pour tracer des expériences d’apprentissage plus variées, y compris hors plateforme. Le LMS centralise ces données et les restitue sous forme de tableaux de bord.
Pour un organisme de formation français, l’enjeu dépasse l’optimisation pédagogique : en formation à distance, les relevés de connexion et les travaux tracés constituent la preuve de réalisation de l’action, exigée par les OPCO, la Caisse des Dépôts (CPF) et les autres financeurs.
Quels indicateurs suivre dans un organisme de formation ?
| Indicateur | Ce qu’il mesure | Usage principal |
|---|---|---|
| Taux de complétion | Part du parcours réellement terminée | Détection du décrochage |
| Temps de connexion | Durée réelle d’activité sur la plateforme | Preuve d’assiduité pour les financeurs |
| Scores aux évaluations | Acquisition des compétences visées | Preuve d’atteinte des objectifs |
| Progression positionnement entrée/sortie | Écart entre niveau initial et final | Démonstration de la valeur ajoutée |
| Taux de réussite par question | Notions incomprises à l’échelle du groupe | Amélioration continue des contenus |
| Satisfaction et NPS | Perception de la prestation | Amélioration continue, indicateurs qualité |
Learning analytics et preuves pour les financeurs
La réponse courte : sans données d’apprentissage tracées, un OF ne peut pas facturer sereinement une action à distance. Les financeurs demandent des justificatifs d’assiduité — relevés de connexion horodatés, travaux rendus, évaluations passées — en lieu et place de la feuille d’émargement du présentiel. Les learning analytics jouent aussi un rôle en matière de qualité : les indicateurs Qualiopi attendent un suivi de l’assiduité, une évaluation des acquis et un traitement des appréciations des parties prenantes, autant d’éléments que les tableaux de bord d’apprentissage documentent naturellement.
Comment mettre en place des learning analytics ?
- Définir les questions à résoudre avant les outils : décrochage, qualité des contenus, preuves financeurs ?
- Choisir une plateforme qui trace nativement temps de connexion, scores et complétion, sans paramétrage complexe.
- Standardiser les évaluations (positionnement d’entrée, quiz intermédiaires, évaluation de sortie) pour rendre les données comparables.
- Créer des alertes simples : inactivité prolongée, score sous un seuil, module jamais ouvert.
- Boucler avec la pédagogie : chaque revue de session doit déboucher sur des contenus corrigés ou des relances ciblées.
Ce qu’il faut retenir
- Les learning analytics transforment les traces d’apprentissage en indicateurs actionnables.
- Trois usages : améliorer les parcours, détecter les décrocheurs, prouver la réalisation aux financeurs.
- SCORM et xAPI sont les standards techniques de collecte ; le LMS centralise et restitue.
- En distanciel, les relevés de connexion remplacent l’émargement comme preuve d’assiduité.
- Les données d’apprentissage sont des données personnelles : information des apprenants et minimisation s’imposent.
Learning analytics avec Loop
Loop trace le temps de connexion réel de chaque apprenant, page par page, et fournit ainsi des relevés exploitables comme preuve auprès des financeurs. L’anti-triche vidéo mesure la couverture réelle de visionnage plutôt que la simple lecture lancée. Les positionnements d’entrée et de sortie sont appariés automatiquement pour objectiver la progression, et la satisfaction est mesurée auprès de trois publics (apprenants, formateurs, entreprises) avec calcul du NPS. Ces éléments alimentent le score de conformité Qualiopi calculé par session. Découvrez les fonctionnalités.
Questions fréquentes
Quelle différence entre learning analytics et reporting classique d’un LMS ?
Le reporting décrit ce qui s’est passé : inscrits, connexions, scores moyens. Les learning analytics vont plus loin en croisant ces données pour agir : identifier les apprenants à risque d’abandon, repérer les questions massivement échouées, comparer les niveaux d’entrée et de sortie. La nuance tient moins à l’outil qu’à l’usage qui en est fait.
Les learning analytics sont-ils obligatoires pour un organisme de formation ?
Aucun texte n’impose le terme, mais leurs livrables le sont de fait : en formation à distance, l’OF doit produire des justificatifs d’assiduité (connexions, travaux, évaluations) pour les financeurs, et le référentiel qualité exige le suivi de l’assiduité et l’évaluation des acquis. Tracer les données d’apprentissage est donc une nécessité opérationnelle.
Le temps de connexion suffit-il à prouver l’assiduité ?
Non, il en est la pièce centrale mais rarement la seule. Un relevé de connexion horodaté gagne à être corroboré par des réalisations : quiz passés, travaux déposés, modules complétés, participation aux classes virtuelles. C’est le faisceau de traces qui emporte la conviction d’un financeur ou d’un auditeur, pas une durée brute.
Comment concilier learning analytics et RGPD ?
En appliquant les principes classiques : informer les apprenants des données collectées et de leurs finalités, ne tracer que le nécessaire (minimisation), fixer des durées de conservation cohérentes avec les obligations de preuve vis-à-vis des financeurs, et encadrer l’accès aux tableaux de bord. Un registre de traitement à jour documente l’ensemble.
Voir aussi
- xAPI : définition
- SCORM : définition
- Adaptive learning : définition
- Évaluation à chaud et à froid
- Émargement en ligne : fonctionnement et valeur juridique
Le temps de connexion réel de vos apprenants, tracé page par page
Loop automatise l’administratif, la conformité Qualiopi, le BPF et les documents de formation de bout en bout.