L’avenir de l’apprentissage dépend d’une question cruciale : comment démontrer de manière fiable ce que les individus savent vraiment et peuvent faire ? Les microcertificats, les portefeuilles numériques et les nouveaux dossiers d’emploi des apprenants (LER) promettent tous des solutions, mais le principal défi demeure : pouvons-nous créer des signaux à la fois visibles et précieux dans les salles de classe, les communautés et les carrières ? Ces signaux constituent le terrain d’essai d’un écosystème centré sur l’apprenant – et le point de pression où il peut échouer.
La promesse : Rendre l’apprentissage visible et valorisant
Lorsqu’ils sont bien appliqués, des signaux d’apprentissage efficaces réduisent les frictions en alignant l’éducation sur les opportunités. Au lieu de s’appuyer uniquement sur les diplômes ou le temps passé en siège, ces signaux mettent en valeur les compétences démontrées et les expériences authentiques. Comme le souligne le Dr Isaac Agbeshie-Noye, le problème n’est pas une pénurie de talents ; c’est un échec de coordination. Un système de signalisation fonctionnel permettrait aux employeurs de voir ce que les candidats peuvent faire, pas seulement leurs titres de poste.
De la maternelle à la 12e année, de meilleurs signaux donneraient aux élèves des moyens clairs et portables de démontrer leur préparation à un apprentissage lié à la carrière et à des projets communautaires. Dans l’enseignement supérieur, ils traduiraient les cours, la recherche et les stages en preuves de croissance reconnues. Il ne s’agit pas seulement d’innovation technique ; il s’agit d’un changement fondamental dans la façon dont nous définissons, mesurons et communiquons la maîtrise – une transformation qui nécessite de développer le jugement, la motivation et le contexte du monde réel, comme le soulignent le Dr Tony Wagner et le Dr Ulrik Christsen.
La pression : bâtir la confiance et la cohérence
Même avec une conception solide, l’adoption reste le plus gros obstacle. Les signaux d’apprentissage sont fragiles : ils dépendent non seulement des normes et des infrastructures en matière de données, mais également de la confiance entre les apprenants, les familles, les employeurs, les éducateurs et les décideurs politiques.
La question du leadership est cruciale. Qui est responsable de la gestion de ce système : les écoles, les employeurs, les États ou les apprenants eux-mêmes ? Des États comme l’Indiana et le Dakota du Nord testent des portefeuilles numériques pour stocker et partager des enregistrements vérifiés, mais aucune entité ne « possède » actuellement la cohérence au sein d’un écosystème en pleine croissance.
L’adoption est entravée par les incitations et les capacités. Sans propositions de valeur claires, sans outils accessibles et sans incitations partagées, même les modèles les plus solides ont du mal à évoluer. Trop souvent, l’innovation se heurte aux systèmes existants calcifiés qui privilégient la conformité plutôt que le changement. Pour accélérer l’adoption, nous devons réduire les frictions et augmenter la valeur perçue par toutes les personnes impliquées.
The Wild Card : l’IA et l’avenir de la validation
L’intelligence artificielle change la donne, mais soulève également de nouvelles questions. L’IA peut aider à traduire les expériences en compétences validées, mais elle soulève également des préoccupations en matière de confidentialité, de préjugés et d’authenticité. Qui se porte garant de l’exactitude des compétences induites par l’IA ? Que se passe-t-il lorsque les preuves sont résumées par une machine plutôt que vérifiées par un humain ? La validation humaine de la part des éducateurs, des mentors et des superviseurs restera un point d’ancrage essentiel pour la crédibilité.
La collaboration intersectorielle est également essentielle. Combler le fossé entre l’éducation, la main-d’œuvre et l’industrie nécessite un langage et une logique communs. Les écosystèmes locaux sont importants : le chemin le plus rapide vers la légitimité ne passe pas par des mandats nationaux, mais par des projets pilotes locaux qui prouvent ce qui fonctionne et renforcent la confiance.
La tension : expérience contre compétences
Le domaine reste divisé sur ce qu’il faut accréditer. La plupart se concentrent sur les compétences mesurables et directement liées aux besoins de la main-d’œuvre. Mais les compétences ont besoin de contexte et de preuves pour être utiles. C’est là que les expériences entrent en jeu. Les expériences intègrent les compétences, le contexte et le jugement humain, révélant non seulement ce qu’une personne peut faire, mais aussi comment et pourquoi.
Le contexte est important car la capacité est conditionnelle. La même compétence de « collaboration » semble différente si elle est acquise dans le cadre d’un projet à enjeux élevés ou si elle est acquise dans le cadre d’une activité en classe. Pour résoudre ce problème, Getting Smart a développé des indicateurs de qualité d’expérience (responsabilité, complexité et nouveauté) pour mesurer et valider la qualité des expériences d’apprentissage.
Cette approche s’aligne sur les travaux de l’Education Design Lab (EDL), qui identifie l’autonomie, la complexité et l’influence comme des dimensions clés des compétences durables. La véritable maîtrise allie compétence, volonté et objectif, comme le soulignent Wagner et Christsen.
L’essentiel
L’avenir des signaux d’apprentissage dépend de la réponse à des questions cruciales : comment pouvons-nous combler le fossé entre les compétences et les expériences ? Comment l’IA peut-elle contribuer à traduire l’apprentissage tout en préservant la confidentialité et la crédibilité ? Que pouvons-nous apprendre des pilotes existants ? Et comment pouvons-nous instaurer la confiance entre toutes les parties prenantes ?
Les enjeux sont importants : le succès d’un écosystème centré sur l’apprenant dépend de la nécessité de rendre l’apprentissage visible, précieux et vérifiable – et de le faire d’une manière qui renforce la confiance et la cohérence dans l’ensemble du système.
