Vers des Parcours d'Apprentissage Adaptatifs et Personnalisés en Entreprise : Évaluation et Recommandation par Agents IA
Houssam Kanso, Hugues Ali Mehenni, Mohamad Al Assaad
Résumé : L'apprentissage personnalisé est devenu un enjeu majeur de l'éducation moderne, notamment avec les avancements de l'intelligence artificielle dans l'enseignement et l'évaluation. Cet article présente une architecture multi-agents qui combine des modèles de langage, la génération automatisée d'évaluations, l'évaluation des réponses des apprenants et la recommandation de formations à suivre afin de favoriser des parcours d'apprentissage adaptatifs dans le cadre de l'apprentissage et la montée en compétences continue des salariés dans les entreprises. Le système s'appuie sur des évaluations conçues par des experts et des données de formations enrichies pour identifier les lacunes des apprenants et recommander des ressources pédagogiques pertinentes. En associant la recherche sémantique et des agents d'IA modulaires, l'approche proposée vise à fournir un soutien à l'apprentissage personnalisé et évolutif pour les environnements éducatifs.
Mots clés : Intelligence Artificielle, Apprentissage Personnalisé, Grands Modèles De Langage, Recommandation De Cours, Évaluation Automatisée