Neurosciences et apprentissage des langues : que se passe-t-il dans le cerveau quand on parle à un chatbot ?
Vous êtes en cours d’espagnol et vous vous exercez avec un camarade à vous présenter à la réception d’un hôtel. Demain, vous essayez le même scénario avec un chatbot sur votre téléphone. Plus tard, vous appellerez peut-être en vidéo un partenaire d’échange linguistique pour vous entraîner une dernière fois. Même tâche, même objectif, et pourtant chaque situation se vit différemment. Pourquoi ? Il s’avère que notre cerveau s’engage différemment dans chacune d’elles. Et des preuves empiriques le démontrent. Nous savons que l’interaction est essentielle pour apprendre une langue et, plus récemment, nous avons appris qu’interagir avec un chatbot est aussi bénéfique. Ces preuves proviennent surtout d’études expérimentales basées sur des tests de langue, mais aussi de questions posées aux étudiants sur leur ressenti. Mais demander à nos étudiants ce qu’ils ressentent, aussi important que ce soit, a ses limites. [Pour être honnête, je ne sais pas toujours très bien dans quel état mental je me trouve… Suis-je en colère ? Ou ai-je juste faim ? Souvent, impossible à dire] Alors, que se passe-t-il réellement dans notre cerveau pendant ces interactions ? Une étude récente s’est penchée précisément sur cette question, en mesurant l’activité cérébrale d’apprenants d’anglais selon la personne, ou la chose, à qui ils parlaient. Comment a-t-on étudié l’effet des interactions en L2 sur le cerveau ? Trente apprenants d’anglais d’une université taïwanaise ont participé à des scénarios de conversation dans trois contextes : Que s’est-il passé dans chacun de ces contextes ? Les étudiants ont passé 10 minutes à jouer un jeu de rôle à l’hôtel ou au restaurant dans chaque situation (face à face, chatbot, virtuel), en alternant entre le rôle du client et celui du membre du personnel. Chaque étudiant portait un casque EEG NeuroSky Mindwave : un appareil léger et portable qui mesure l’activité des ondes cérébrales en temps réel. Il peut suivre cinq types d’ondes cérébrales (delta, thêta, alpha, bêta et gamma) et deux états mentaux (attention et méditation). En bref, les ondes cérébrales sont des schémas d’activité électrique dans le cerveau, produits par les neurones qui communiquent entre eux. Voyez-les comme la musique de fond de notre cerveau, qui change de rythme et de tempo selon que nous sommes très concentrés, détendus, ou quelque part entre les deux (Voici un dossier approfondi sur la science des ondes cérébrales). L’attention désigne le niveau de concentration mentale, et la méditation un état de calme et de détente ; deux conditions considérées comme favorables à l’apprentissage. Alors, que se passe-t-il dans notre cerveau ? Il s’avère que les niveaux d’attention et de méditation, ainsi que les ondes cérébrales des étudiants, étaient significativement différents dans les trois contextes. C’est-à-dire ? L’attention était la plus élevée en face à face, tout comme les ondes alpha et bêta, liées à la vigilance et à la résolution active de problèmes. C’est logique : l’être humain est programmé pour l’interaction sociale. L’imprévisibilité d’une conversation en direct, avec ses signaux non verbaux, ses expressions faciales et ses échanges, semble maintenir le cerveau activement engagé. Lors des interactions avec le chatbot, la méditation (détente) était la plus élevée. Les étudiants se sentaient nettement plus calmes quand leur interlocuteur était un bot, probablement parce que l’absence de jugement réduit l’anxiété. Les ondes delta et thêta, également associées à la détente et à l’intuition, étaient dominantes. L’attention était elle aussi élevée : plus basse qu’en face à face, mais supérieure à celle de l’environnement virtuel. Fait intéressant, l’environnement virtuel a produit les scores d’attention et de méditation les plus bas. Les ondes gamma, liées à la récupération en mémoire et au traitement d’informations complexes, y atteignaient leur pic, ce qui suggère que les étudiants devaient fournir un effort cognitif plus important pour faire vivre la conversation. Pourquoi est-ce important ? Cette étude apporte un éclairage neuroscientifique sur notre compréhension de l’interaction dans l’apprentissage des langues. Ce que nous ressentons en parlant à une personne, ou à un bot, se reflète dans l’activité cérébrale. Ces résultats sont aussi importants parce que : Pour celles et ceux d’entre nous qui développent des outils d’apprentissage des langues basés sur l’IA, cette étude conforte une mission essentielle : créer un espace sûr où les apprenants peuvent s’exercer, prendre confiance et aborder l’apprentissage avec calme et concentration Article original Hsu, L. (2022). To CALL or not to CALL: empirical evidence from neuroscience. Computer Assisted Language Learning, 35(4), 792–815. https://doi.org/10.1080/09588221.2020.1750429 Images : Fauxels et Google DeepMind sur Pexels
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
5 choses que nous avons améliorées à propos de Linguineo Pro et que vous devez savoir
L’été touche à sa fin. *Bien que nous ayons profité de quelques moments ensoleillés, nous avons travaillé *lire : toute l’année* dans les coulisses pour améliorer Linguineo Pro. Nous savons que l’été n’est pas encore terminé, mais nous sommes sûrs de l’être avec la mise à jour de Linguineo Pro. Nous avons fait une mise à jour majeure de Linguineo Pro, en incorporant tous les commentaires les plus importants des utilisateurs précédents. Bravo ! Nous sommes littéralement impatients de la partager avec vous ! Alors, continuez à lire pour découvrir ce que nous avons amélioré.
Renforcer la confiance en soi à l’oral dans une langue étrangère
L’apprentissage d’une langue étrangère est un défi, mais il est gratifiant. Pendant l’apprentissage, certains d’entre nous peuvent ressentir de l’anxiété à l’idée de parler. Il n’est pas facile de surmonter cette angoisse, mais elle est cruciale pour maîtriser une nouvelle langue. En fait, selon une étude scientifique du Defense Language Institute, c’est l’une des choses les plus importantes à surmonter pour maîtriser une nouvelle langue. Luis von Ahn, fondateur de notre grand frère Duolingo, le dit dans cette vidéo. Surmonter l’anxiété de l’expression orale est un défi majeur Imaginez-vous dans un village ensoleillé du sud de la France, un village isolé mais charmant. Tout est en français, personne ne parle anglais. Heureusement, vous avez de bonnes connaissances de base en français. Cette immersion devrait en effet vous permettre d’affiner vos compétences en matière d’expression orale en français. Le matin de votre premier jour, vous décidez de partir à la recherche d’une boulangerie locale. Vous avez oublié de charger votre téléphone et devez donc d’abord demander votre chemin aux habitants. Il y a beaucoup de gens dehors, mais vous ne les abordez pas. Vous n’osez pas demander votre chemin en français. Le seuil à franchir pour parler en français est trop élevé. Vous décidez de chercher vous-même une boulangerie. Après quelques minutes de marche, vous tombez sur une boulangerie locale. C’est génial ! Vous aimeriez des pâtisseries, mais une fois de plus, vous n’arrivez pas à franchir le seuil pour engager la conversation en français. En pointant du doigt, vous vous débarrassez de cette situation inconfortable. Bien que vous soyez censé connaître suffisamment le français, il vous est très difficile de le parler dans des situations de la vie réelle. Ces situations soulignent l’importance d’acquérir de l ‘assurance à l’oral. Enseignement des langues basé sur des tâches Pour être mieux armé face à de telles situations et acquérir la confiance nécessaire, l’enseignement des langues basé sur des tâches (TBLT) s’est avéré être une méthode efficace. L’enseignement des langues basé sur des tâches (TBLT) est une méthodologie qui met l’accent sur l’apprentissage de compétences plutôt que sur la connaissance de la langue. Cela se fait en effectuant des tâches pratiques dans la langue que l’on apprend. C’est exactement ce à quoi nous sommes confrontés dans notre village français. Les connaissances linguistiques sont là, mais dans la pratique, les compétences linguistiques font défaut, après quoi la peur de parler apparaît. Le livre « Technology-mediated TBLT », écrit par les chercheuses Marta González-Lloret et Lourdes Ortega, constitue une référence pour cette approche. Il met en évidence d’autres avantages que celui de « faire soi-même ». Un environnement d’apprentissage des langues sûr pour la pratique De nombreuses personnes sont trop gênées lorsqu’elles doivent parler une langue étrangère. En particulier parce qu’elles ont peur de faire des erreurs et d’être ainsi jugées par les autres. Le seuil à franchir pour parler cette nouvelle langue est alors souvent trop élevé. Comme dans le cas du village français. Heureusement, cette peur de parler peut être surmontée. L’un des moyens de surmonter l’anxiété liée à l’expression orale est de créer un environnement sûr pour l’apprentissage des langues. Dans un environnement d’apprentissage numérique avec des chatbots et des voicebots, il n’y a pas de crainte d’être jugé par une autre personne et nous pouvons nous concentrer sur la pratique active de la langue. Les environnements contextualisés avec des personnages de jeux informatiques semblent fournir un contexte idéal pour l’enseignement d’une langue. Cela correspond parfaitement à la méthode d’enseignement des langues basée sur les tâches. C’est exactement ce que nous faisons chez Linguineo. Environnement d’apprentissage numérique doté d’une IA conversationnelle pour pratiquer activement une langue étrangère dans des situations de la vie réelle. Scène : demander son chemin en français. Conversation pour apprenants avancés avec retour sur la prononciation. Scène : Commande à la boulangerie. Notre IA conversationnelle permet l’apprentissage des langues par le biais de jeux, d’applications et d’environnements d’apprentissage tels que Language Hero et Linguineo Pro pour pratiquer les compétences orales. Compte tenu des contraintes de temps auxquelles les enseignants sont confrontés lorsqu’ils supervisent les élèves dans les cours de langue, cela peut offrir des opportunités d’expression orale supplémentaires. De cette manière, les étudiants ou même les employés peuvent développer leurs compétences et leur précision à l’oral avec le soutien et le retour d’information de notre système. La peur de parler une langue étrangère est un seuil difficile à franchir et pourtant essentiel à la maîtrise d’une langue. En identifiant ces problèmes et en proposant une solution, l’anxiété à l’oral diminuera considérablement. Suivez-nous sur Facebook, Twitter ou LinkedIn pour recevoir des mises à jour hebdomadaires sur l’IA conversationnelle pour l’apprentissage des langues.