Au-delà de l’effet de mode : pourquoi les systèmes de dialogue adaptatifs favorisent l’apprentissage d’une L2
Vous avez décidé de vous mettre à une nouvelle langue. Imaginez que vous puissiez pratiquer n’importe quand, n’importe où, sans attendre un ami serviable ou un tuteur disponible 24 h/24. Envie de répéter pour la centième fois comment parler de votre travail ou de vos loisirs ? Sans stress, sans pression, et dans un espace sûr où l’on a le droit de se tromper ? C’est là qu’interviennent les systèmes de dialogue oral. Mais comment un bot peut-il réellement soutenir l’apprentissage d’une langue ? Une conversation automatisée peut-elle offrir les mêmes bénéfices qu’un échange avec une personne ? Rien ne remplace le contact humain. Mais l’accessibilité compte. Les bots sont toujours disponibles, d’une patience infinie, et ne se lassent jamais d’entendre la même phrase dix fois d’affilée. Ils peuvent s’adapter aux besoins de chaque apprenant, ce qui rend la pratique flexible, peu stressante et personnalisée. Pour vérifier si ces avantages se traduisent par un véritable apprentissage, le professeur Bibauw et ses collègues ont analysé 17 études expérimentales portant sur 803 apprenants, faisant ainsi la synthèse de plusieurs années de recherche sur les agents conversationnels. Leur méta-analyse récente, publiée dans Language Learning & Technology, apporte les preuves les plus solides à ce jour sur l’aide réelle que les systèmes de dialogue apportent à l’apprentissage d’une langue. Alors, que disent les données ? Les systèmes de dialogue améliorent-ils vraiment la maîtrise de la L2 ? La réponse courte : oui, ils fonctionnent Un apprentissage significatif et durable Les apprenants qui s’exercent avec un agent conversationnel ont montré une amélioration significative (taille d’effet globale d = 0,59). D’un point de vue cognitivo-interactionniste, c’est logique. Ces interactions porteuses de sens avec un bot créent des occasions d’input et d’output, de prise de conscience (noticing), de négociation et de feedback, autant d’ingrédients nécessaires à l’acquisition d’une langue (Gass & Mackey, 2015). Fait intéressant, ce sont les apprenants débutants et de niveau élémentaire (A1-A2) qui en profitent le plus. À mesure que le niveau augmente, les effets diminuent, ce qui suggère que les agents conversationnels sont les plus efficaces lorsque les apprenants ont besoin d’une pratique communicative répétée, structurée et peu anxiogène. Tout aussi important : la pratique du dialogue mène à un apprentissage à long terme. Non seulement les apprenants ont progressé en L2 immédiatement après les conversations, mais ces acquis restaient significatifs lors de tests ultérieurs. Ce que l’on apprend pendant ces dialogues, on le retient. Une autre question importante a été posée : Qu’est-ce qui rend certains systèmes meilleurs que d’autres ? Les choix de conception comptent : tous les bots ne se valent pas. La méta-analyse met en évidence certains avantages liés à la conception des interactions : Les dialogues guidés et scénarisés ont produit les progrès les plus importants, suivis des dialogues orientés vers un objectif. Pourquoi ? Parce que la structure favorise des objectifs communicatifs plus clairs, un input prévisible et un feedback mieux ciblé. La conversation libre peut sembler plus « naturelle », mais elle manque souvent de l’étayage dont les apprenants ont besoin pour vraiment progresser. La conception pédagogique compte tout autant, sinon plus, que la technologie dernier cri. Le feedback correctif fait la différence. Les systèmes qui proposent un feedback correctif ont obtenu de meilleurs résultats que ceux qui n’en proposent pas. Les formes de feedback implicites (reformulations) comme explicites ont amélioré l’apprentissage, avec un léger avantage pour la correction explicite, ce qui rejoint des décennies de recherche en acquisition des langues secondes (p. ex. Nassaji & Kartchava, 2021). La conclusion est claire : la pratique conversationnelle seule ne suffit pas. Le feedback pédagogique compte. La gamification stimule l’apprentissage. L’ajout d’éléments de jeu a eu un impact nettement plus fort sur le développement de la L2 que les systèmes non gamifiés, ce qui souligne l’importance du design motivationnel dans les systèmes de dialogue. Récompenses, défis et indicateurs de progression renforcent la motivation, entretiennent l’effort et aident les apprenants à rester impliqués pendant qu’ils pratiquent la L2. Pourquoi est-ce important ? Les systèmes de dialogue sont de puissants outils d’apprentissage des langues, surtout lorsqu’ils allient une conception pédagogique solide à un traitement automatique du langage (TAL) avancé. Cette méta-analyse apporte un appui empirique au type d’expériences conversationnelles adaptatives, basées sur les tâches et riches en feedback que développe Linguineo. Elle conforte plusieurs principes qui rejoignent notre philosophie : Les systèmes de dialogue ne sont pas qu’une affaire de technologie : ils sont efficaces lorsqu’ils s’accompagnent d’une conception pédagogique réfléchie, un principe au cœur de Linguineo. Article original Bibauw, S., Van den Noortgate, W., François, F., & Desmet, P. (2022). Dialogue systems for language learning: A meta-analysis. Language Learning & Technology, 26(1), 1–24. https://doi.org/10.64152/10125/73488 Autres travaux cités Gass, S. M., & Mackey, A. (2015). Input, interaction, and output in second language acquisition. In B. Van Patten & J. Williams (Eds.), Theories in second language acquisition (pp. 194–220). Nassaji, H., & Kartchava, E. (Eds.). (2021). The Cambridge handbook of corrective feedback in second language learning and teaching. Cambridge University Press. Photo de l’article : Shantanu Kumar sur Unsplash
Une vraie adaptativité dans les jeux de langues : ce que montre une nouvelle étude
Imaginez que vous jouez à un jeu tout en apprenant une langue. Vous avez votre adorable petite chouette (rassurez-vous, la nôtre ne menacera pas votre série de jours), vous récoltez des infos, parlez à des personnages, faites des choix, en essayant de rester complètement plongé dans l’aventure quand, sans même que vous vous en rendiez compte, le jeu intervient discrètement pour vous donner un coup de main. Peut-être qu’il vous souffle les premières lettres dont vous avez besoin. Peut-être qu’il parle plus lentement ? Ou qu’il vous propose une quête plus facile. Presque comme s’il savait que vous alliez vous heurter à un mur (virtuel). Trop beau pour être vrai ? (Aussi beau qu’un rayon de soleil un jour d’hiver en Belgique ?) C’est la promesse de l’apprentissage adaptatif. Et ce n’est pas une promesse en l’air : une nouvelle étude empirique prouve que nous pouvons la tenir (celle de l’adaptativité, pas celle du soleil… pas encore). Des chercheurs de la KU Leuven ont voulu savoir si Language Hero, notre jeu narratif, peut évaluer automatiquement les performances langagières des élèves en temps réel et adapter les tâches à leur niveau en conséquence. Alors, en est-il capable ? [Attention, spoiler] Oui, il en est capable. Pourquoi cette recherche est-elle importante ? D’un point de vue théorique, la recherche en acquisition des langues secondes est claire : on apprend à parler une langue en l’utilisant dans des interactions porteuses de sens, que ce soit avec une autre personne ou avec des systèmes de dialogue oral. Mais pour que ces systèmes soutiennent réellement l’apprentissage, ils doivent s’adapter en temps réel aux besoins et au niveau de chaque élève (consultez Bibauw et al., 2022 pour tout savoir sur les systèmes de dialogue). Tout le monde promet des outils d’IA adaptatifs et personnalisés. Mais il nous faut des preuves empiriques pour montrer comment cette adaptation fonctionne et si elle améliore réellement l’apprentissage des langues. C’est précisément ce que les chercheurs de la KU Leuven ont étudié dans leur étude récemment publiée. Pour examiner dans quelle mesure l’adaptativité intégrée à Language Hero permettait de prédire la réussite des tâches, ils ont analysé la production orale des élèves à l’aide de mesures fondées sur la théorie (voir Koizumi & In’nami, (2024) pour approfondir ces mesures). Plus précisément, Ils se sont ensuite demandé : Ces mesures permettent-elles de prédire si un apprenant réussira la tâche suivante ? Ils ont découvert que : Et pourquoi est-ce important ? L’adaptabilité peut soutenir tous les apprenantsLes modèles d’apprenant basés sur les données, comme celui de Language Hero, peuvent améliorer la micro-adaptabilité et offrir un meilleur soutien individualisé. Par exemple, pour les élèves de niveau plus faible, le système peut fournir des indices plus détaillés, ajuster la complexité linguistique ou proposer d’autres tâches, le tout sur la base d’indicateurs en temps réel des performances des élèves. Des données utiles pour les enseignantsCes modèles élargissent les possibilités pédagogiques en fournissant des données linguistiques interprétables, sous forme de tableaux de bord et de visualisations du niveau et des progrès des élèves. Les enseignants gagnent du temps, choisissent ce qui compte le plus et décident où concentrer leur attention. Une IA digne de confianceCette recherche propose un modèle d’apprenant transparent et fondé sur la théorie (à l’opposé de la « boîte noire » opaque des chatbots prêts à l’emploi), qui, nous l’espérons, renforcera la confiance dans les applications d’apprentissage des langues basées sur l’IA Les systèmes de dialogue oral savent faire plus que « répondre » …ou offrir une pratique orale. D’une certaine manière, ils peuvent sentir qu’un apprenant va être en difficulté avant même qu’il ne s’en rende compte. Et c’est là que l’adaptativité entre en jeu. Cette étude est une étape importante pour nous. Elle montre que notre adaptativité fondée sur des données probantes va dans la bonne direction. Et nous comptons bien continuer à la développer, à la valider et à la partager avec tous nos élèves. Article original Cornillie, F., Gijpen, J., Metwaly, S., Luypaert, S., & Van den Noortgate, W. (2025). Towards adaptive spoken dialogue systems for language learning: Predicting task completion from learning process data. CALICO Journal, 42(3). https://utppublishing.com/doi/10.3138/calico-2025-0035 Autres travaux cités Bibauw, S., François, T., & Desmet, P. (2022). Dialogue Systems for language learning: Chatbots and beyond. In N. Ziegler & M. González-Lloret (Eds.), The Routledge handbook of second language acquisition and technology (pp. 121–135). Routledge. https://doi.org/10.4324/9781351117586 Koizumi, R., & In’nami, Y. (2024). Predicting functional adequacy from complexity, accuracy, and fluency of second-language picture-prompted speaking. System, 120, 103208. https://doi.org/10.1016/j.system.2023.103208
Présentation de Learn Words
Les premières applications que nous avons développées chez Linguineo contiennent un cours de langue complet à l’aide de quelques boutons. Bien que la commodité d’avoir des cours de langue étrangère en déplacement signifie que nos utilisateurs peuvent pratiquer n’importe où et n’importe quand, ils ne vous permettent pas de choisir le contenu que vous voulez pratiquer. Il y a peu, je me suis inscrite à un autre cours de langue à Louvain, en Belgique. Pour apprendre le russe cette fois. Notre application Russian Class m’a aidé à pratiquer la conjugaison des verbes et à rechercher des règles de grammaire chaque fois que la curiosité me poussait à le faire. Les images et les exercices d’écoute m’ont permis de me familiariser encore plus avec la langue. Mais j’avais encore du mal à intégrer l’application dans ma routine quotidienne d’apprentissage des langues, car son contenu ne correspondait pas toujours à celui de mes cours. La préparation à l’examen était donc toujours fastidieuse et non interactive, ce qui peut être très démotivant pour les apprenants de langues. La question est devenue : « Quelle serait l’application idéale pour un étudiant qui doit apprendre un contenu de cours très spécifique ? ». Notre première idée était très simple : créer une application dans laquelle les étudiants peuvent définir l’ensemble de leur cours de langue. En entrant tous les mots, verbes, grammaire et phrases, les utilisateurs se retrouvent avec une application de cours de langue qui leur est propre, parfaitement adaptée à leurs besoins. L’idée était prometteuse, mais nous avons réalisé presque immédiatement qu’aucun utilisateur ne voudrait taper chaque mot d’un livre de cours dans une application. Le succès de l’application dépendra de sa facilité d’importation, c’est pourquoi nous avons décidé de nous concentrer sur ce point. Au lieu de créer une application de cours à part entière dans laquelle les utilisateurs saisissent tout le contenu du cours, nous avons commencé par créer une application qui faisait très bien une chose. Elle crée rapidement des listes de mots qui contiennent uniquement les mots que les étudiants veulent apprendre. Lorsque j’ai suivi mon cours de langue, il y avait une section à la fin de chaque chapitre avec les mots que nous devions connaître pour ce chapitre. Je me suis dit : « Si seulement je pouvais prendre une photo de ces pages, faire en sorte qu’une application reconnaisse les mots dans les photos et ajoute ensuite des traductions et des images (comme aide à la mémorisation) pour chaque mot sans avoir à taper quoi que ce soit, j’aurais l’application parfaite ! C’est donc ce que nous avons fait. Notre nouvelle application est capable de prendre des photos de documents réels, de reconnaître les mots contenus dans ces photos, puis d’ajouter des traductions et des images (comme aide à la mémorisation) pour chaque mot, le tout sans avoir à recourir à la saisie manuelle. Nous avons également ajouté une autre fonctionnalité très attendue à nos applications de cours : le mode d’apprentissage. En exploitant les caractéristiques de la mémoire à court et à long terme, l’application aide l’utilisateur à mémoriser sa liste de vocabulaire personnalisée. Vous pouvez vous attendre à ce que cette nouvelle fonctionnalité apparaisse dans nos anciennes applications de cours dans le courant de l’année prochaine. Nous sommes convaincus que notre application Apprendre des mots est parfaite pour apprendre uniquement les mots que vous voulez apprendre. Après avoir créé votre liste de vocabulaire, vous pouvez commencer à apprendre les mots de votre liste efficacement grâce à l’aide de divers exercices interactifs, et vous pouvez facilement suivre vos progrès vers vos objectifs linguistiques. Learn Words est déjà disponible sur iOS, et nous travaillons actuellement sur les versions Android et desktop qui devraient sortir au début de l’année 2017. Bon apprentissage des langues !
Mises à jour de l’application de fin d’année
Ces derniers mois, nous avons publié quelques mises à jour de nos applications linguistiques pour célébrer leur cinquième anniversaire. Nous avons restructuré les cours. Nous avons divisé tous les cours en 10 leçons au lieu de 5, nous avons ajouté des étiquettes pour les phrases utiles et nous avons divisé l’énorme catégorie « 3000 mots courants » en différentes catégories. Nous avons également ajouté le mode d’exercice « écriture » tant attendu aux exercices de mots, de verbes et de grammaire, ce qui améliore certainement beaucoup les exercices sur la reproduction. Nous avons ajouté un « mode d’apprentissage » au vocabulaire, ce qui facilite l’étude des mots du vocabulaire. Comme beaucoup de nos utilisateurs demandaient plus d’exercices sur les images, nous avons également augmenté le nombre d’images de 250 à 500. Nous avons présenté Helena et Aito, son hibou, qui feront tous deux de nouvelles apparitions au cours de l’année à venir. Nous avons également redessiné les écrans des tablettes qui, historiquement, n’étaient pas aussi beaux que ceux des smartphones, et nous sommes assez satisfaits des résultats. Nous espérons que vous appréciez ces mises à jour et nous vous souhaitons une bonne fin d’année 2015 et une année 2016 encore meilleure !