Accompagner 800 000 élèves québécois dans leur réussite scolaire

Accompagner 800 000 élèves québécois dans leur réussite scolaire 9 minutes

Alloprof a choisi Moov AI comme consultant en intelligence artificielle

Utilisation de l’intelligence artificielle pour recommander automatiquement du contenu personnalisé à chacun des élèves

Un projet d’intelligence artificielle dans le domaine de l’éducation, pour un organisme à but non lucratif de surcroît, peut paraître bien loin de la réalité des entreprises.

« Vous pourriez être surpris! », avons-nous envie de répondre.

Pour ce mandat avec Alloprof, nous avons mis en place un système d’apprentissage machine, plus précisément un moteur de recommandation (spoiler!). Ce type de modèle peut révolutionner plusieurs fonctions présentes dans la plupart des entreprises : marketing, ventes, service à la clientèle, etc.

Ces moteurs de recommandation, aussi appelés moteurs de personnalisation, permettent de transformer l’expérience client sur plusieurs facettes. Ces moteurs permettent par exemple de :

  • fournir le bon item en complément dans un panier d’achats d’un site de e-commerce
  • livrer les bonnes recommandations de contenu à des visiteurs sur un site web
  • trouver la meilleure réponse à donner à un client lors d’une demande de support en ligne
  • etc.

Nous vous invitons à découvrir comment nous avons accompagné Alloprof en réalisant un projet d’apprentissage machine pour améliorer le quotidien de plus de 460 000 élèves québécois et à lui donner les moyens d’atteindre sa cible de 800 000 élèves.

Alloprof et la réussite scolaire, depuis plus de 20 ans.

La mission d’Alloprof est d’accompagner les élèves québécois ainsi que leurs parents dans la réussite scolaire. Depuis 1996.

Concrètement, Alloprof développe des services professionnels et des ressources numériques de soutien scolaire et les rend accessibles gratuitement à tous les élèves du Québec et leurs parents, sur sa plateforme web : alloprof.qc.ca.

Alloprof en chiffres, c’est :

  • 47 millions d’accompagnements d’élèves en 2019-2020
  • une équipe de plus de 130 enseignants
  • 460 000 utilisateurs réguliers
  • 1,5 million de visites mensuelles
Alloprof en 1 minute.

Une hausse phénoménale de la demande pour leurs services dans les dernières années, couplé à un site basé sur des technologies vieillissantes a fait en sorte qu’Alloprof a lancé le projet pour améliorer grandement l’offre de personnalisation des visiteurs de leur plateforme web.

Cette nouvelle plateforme permettra la croissance espérée dans le contexte de la rareté de la main d’œuvre en enseignement.

Nombre d’accompagnements annuels réalisés par Alloprof depuis sa création

Croissance phénoménale d'Alloprof depuis ses débuts

Concrètement, Alloprof fournit près de 4 000 pièces de contenu différentes, conçues spécifiquement pour toutes les matières et niveau scolaire du primaire et du secondaire.

Ces contenus prennent généralement quatre formes :

Exercices

Exercices

Fiches de notions scolaires

Fiches notionnelles

Jeux vidéo

Vidéos

La plateforme web d’Alloprof avait besoin de se doter de moyens intelligents de fournir un accès simple à du contenu personnalisé pour chacun de ses visiteurs.

Moov AI a été mandaté pour développer un ambitieux projet visant à faire évoluer cette plateforme grâce à l’intelligence artificielle. La première phase étant un moteur de recommandation de contenu éducatif.

Moteur de recommandation sur mesure

Pour répondre plus efficacement aux besoins des élèves et de leur fournir un accompagnement personnalisé, nous avons bâti un moteur de recommandation sur mesure, basé sur des technologies d’apprentissage machine.

Qu’est-ce qu’un moteur de recommandation?

Un moteur de recommandation est un système informatique qui propose des produits, des services ou des informations aux utilisateurs sur la base d’une analyse des données. Cette recommandation est basée sur une variété de facteurs tels que l’historique de l’utilisateur et le profil d’utilisateurs similaires.

Ces résultats sont ensuite transférés dans une matrice. L’image suivante présente des données d’interactions d’utilisateurs ayant visionné des films.

Engin de recommandation de contenu grâce à l'apprentissage machine
Source

Donc à sa plus simple expression, le moteur de recommandation utilise ces données historiques d’interactions pour prédire les items les plus pertinents, pour chaque utilisateur. Ce travail est fait grâce à l’apprentissage machine.

Dans le contexte d’Alloprof, le moteur utilise le contexte de l’élève (niveau scolaire, ville, etc.) et l’historique de navigation afin de prédire aux élèves les contenus les plus pertinents à consommer.

Innover dans la façon de recommander du contenu

Un des premiers challenges que nous avons eus avec le client a été de réfléchir et de se questionner sur la façon dont les élèves apprennent. Est-ce que tout le monde apprend de la même façon? Quels sont les différenciateurs?

L’équipe du projet, composée d’individus de Moov AI et d’Alloprof ont donc répondu à ces questions pour fournir le meilleur parcours de recommandation possible aux élèves.

Le démarrage à froid (cold start)

Pour fonctionner, évidemment, les moteurs de recommandation ont besoin de données historiques. C’est aussi vrai lors des premières semaines de mise en ligne du système : par défaut, un nouveau système n’aura pas de données d’interactions.

Pas de données, pas de prédictions. On appelle ça le Cold Start.

Nous avons contourné ce problème en recueillant les données d’interactions de l’ancienne plateforme d’Alloprof qui étaient sur Google Analytics, pour bâtir le data set afin de pouvoir entraîner nos modèles d’apprentissage machine et de faire les prédictions sur la nouvelle plateforme.

Recommandation grâce au deep learning

Parlant de modèles, plusieurs types peuvent être utilisés pour effectuer des recommandations. Étant donné la nature des données de la plateforme qui comprenaient à la fois des données d’interactions et des données démographiques (comme le niveau scolaire par exemple), la meilleure solution pour nous a été de considérer ce problème de recommandation comme un problème de classification.

Nous avons utilisé un algorithme de Deep Learning, le feed-forward neural network. C’est l’un des modèles les plus simples en deep learning, mais c’était celui qui donnait les meilleurs résultats, notamment en raison des multiples dimensions dans les données mentionnées ci-haut.

L’algorithme que nous avons développé classifie la probabilité qu’un utilisateur consulte chacune des 4 000 pièces de contenu individuellement. Ces probabilités sont rafraîchies avec de nouvelles données toutes les heures.

Concrètement, chaque utilisateur se voit assigner une liste de prédiction pour chacune des pièces de contenu :

Pour bien intégrer la nouvelle plateforme développée par Cossette Média, nous avons créé un API qui retourne les 100 pièces de contenu ayant la plus forte probabilité d’être consommées par un visiteur.

Le site web filtre ensuite les fiches les plus pertinentes à afficher selon le contexte du visiteur (il est dans la section mathématique, etc.) ou s’il y a un problème technique (ex : une fiche a été effacée).

Pipeline de données

Afin que le modèle puisse retourner une liste de prédictions par utilisateur une fois par heure, toutes les bases de données de navigation, de profil des utilisateurs et de nouveaux utilisateurs connus doivent être mises à jour chaque heure.

Le pipeline de données a dû être complètement automatisé. Pour ce faire, nous avons utilisé Google Cloud Platform ainsi que Airflow, une plateforme qui permet d’orchestrer le pipeline de données et de le surveiller en temps réel.

La naissance d’un partenariat

Le projet a été réalisé grâce à une collaboration exemplaire et une belle chimie qui s’est installée entre Alloprof, Cossette et Moov AI. Nous avons appliqué une approche agile qui a permis d’inclure un membre de l’équipe d’Alloprof en tant que gestionnaire de produit : Thomas.

Thomas faisait partie intégrante de l’équipe. Sans lui, nous n’aurions pas réussi à fournir une solution autant adaptée aux besoins de son employeur.

L’approche concrète et appliquée de l’intelligence artificielle par Moov AI nous a permis de monter une preuve de concept rapidement et de livrer la première version de l’engin de recommandation efficacement. Nous sommes excités de continuer à améliorer ce produit en le rendant de plus en plus intelligent.

Thomas, Alloprof

Alloprof a lancé son nouveau site web le 21 août 2020. Un site plus simple et plus personnalisé à l’expérience de chaque élève. Moov AI est extrêmement fière d’avoir développé le moteur de recommandation qui propulse les résultats personnalisés montrés aux élèves.

Recommandations sur le site, constamment personnalisées pour chaque élève.

L’objectif d’Alloprof est que, d’ici 2022, 80 % des élèves du Québec se tournent naturellement vers ses services pour surmonter leurs difficultés scolaires.

Nous sommes extrêmement fiers d’avoir apporté notre humble contribution à cet objectif en livrant avec succès ce projet d’apprentissage machine, pour une organisation ayant de bonnes valeurs et une si belle mission.

Guillaume Petitclerc
Guillaume Petitclerc

Guillaume est cofondateur de Moov AI, expert en marketing numérique et un coach d’équipe chevronné.

Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.

À titre de consultant, il a accompagné plus de 15 compagnies à améliorer leur marketing numérique, à trouver les bons canaux de traction et à former des équipes marketing performantes.

Partager sur facebook
Partager sur twitter
Partager sur linkedin