{"id":1679,"date":"2024-09-16T13:22:50","date_gmt":"2024-09-16T11:22:50","guid":{"rendered":"https:\/\/lpinstitute.dev.onpressidium.com\/news\/ai-well-being\/"},"modified":"2025-11-05T10:32:08","modified_gmt":"2025-11-05T09:32:08","slug":"ai-well-being","status":"publish","type":"post","link":"https:\/\/www.learningplanetinstitute.org\/fr\/news\/ai-well-being\/","title":{"rendered":"Formation d’\u00e9quipes pilot\u00e9e par l’IA pour le bien-\u00eatre relationnel dans le cadre du projet Yoma"},"content":{"rendered":"\n

Le projet Yoma<\/a> est une initiative destin\u00e9e \u00e0 renforcer les capacit\u00e9s des jeunes en Afrique en les faisant participer \u00e0 des innovations fond\u00e9es sur des d\u00e9fis, en favorisant leur d\u00e9veloppement personnel et en am\u00e9liorant leur bien-\u00eatre relationnel. Lanc\u00e9 avec le soutien de l’UNICEF et de divers partenaires internationaux, Yoma vise \u00e0 lutter contre le ch\u00f4mage des jeunes et \u00e0 promouvoir le d\u00e9veloppement des comp\u00e9tences par le biais de d\u00e9fis concrets qui non seulement renforcent les capacit\u00e9s individuelles, mais favorisent \u00e9galement le sens de la communaut\u00e9 et de l’impact social. Dans ce cadre plus large, notre \u00e9quipe de l’Interaction Data Lab<\/a> de l’Institut Learning Planet<\/a> (LPI), en collaboration avec l’Institut de recherche en intelligence artificielle du Conseil national de la recherche espagnol<\/a> (IIIA-CSIC), a \u00e9tudi\u00e9 comment l’IA peut am\u00e9liorer la dynamique d’\u00e9quipe et le bien-\u00eatre relationnel dans ces contextes bas\u00e9s sur les d\u00e9fis.<\/p>\n\n\n\n

Notre objectif sp\u00e9cifique \u00e9tait de comprendre comment la composition des \u00e9quipes – bas\u00e9e sur des facteurs tels que la diversit\u00e9 des comp\u00e9tences, l’\u00e9quilibre entre les sexes et les traits de personnalit\u00e9 – affecte les exp\u00e9riences et les r\u00e9sultats des participants dans les environnements collaboratifs. Ce travail est important pour les raisons suivantes : a) les travaux ant\u00e9rieurs sur la composition des \u00e9quipes se sont principalement concentr\u00e9s sur son effet sur les r\u00e9sultats et les performances de l’\u00e9quipe, l’exp\u00e9rience et la satisfaction de l’\u00e9quipe \u00e9tant n\u00e9glig\u00e9es ; b) des \u00e9tudes ant\u00e9rieures sur l’apprentissage bas\u00e9 sur les d\u00e9fis ont montr\u00e9 que si ces programmes sont efficaces pour d\u00e9velopper les comp\u00e9tences en mati\u00e8re de r\u00e9solution de probl\u00e8mes et de leadership, moins d’attention a \u00e9t\u00e9 accord\u00e9e \u00e0 la mani\u00e8re dont la dynamique de l’\u00e9quipe elle-m\u00eame influence le bien-\u00eatre relationnel des participants – d\u00e9fini comme la qualit\u00e9 des interactions et des relations au sein d’un groupe, un facteur cl\u00e9 de l’engagement \u00e0 long terme et de la r\u00e9ussite dans le travail \u00e0 impact social.<\/p>\n\n\n\n

En partenariat avec le CSIC, nous avons mis en \u0153uvre un algorithme de formation d’\u00e9quipe pilot\u00e9 par l’IA, qui tient compte de divers \u00e9l\u00e9ments tels que les comp\u00e9tences, les traits de personnalit\u00e9, le sexe et les ant\u00e9c\u00e9dents des participants, afin de cr\u00e9er des \u00e9quipes bien \u00e9quilibr\u00e9es. Contrairement aux m\u00e9thodes traditionnelles qui forment des \u00e9quipes de mani\u00e8re al\u00e9atoire ou en se basant uniquement sur des facteurs superficiels tels que la disponibilit\u00e9, cet algorithme s’adapte dynamiquement pour \u00e9quilibrer la diversit\u00e9 et les comp\u00e9tences, en veillant \u00e0 ce que chaque \u00e9quipe soit compos\u00e9e de membres ayant des forces compl\u00e9mentaires et des points de vue vari\u00e9s.<\/p>\n\n\n\n

Notre \u00e9tude s’est attach\u00e9e \u00e0 comparer les \u00e9quipes form\u00e9es par l’IA \u00e0 des groupes de contr\u00f4le constitu\u00e9s par s\u00e9lection al\u00e9atoire. La population totale de 97 participants a \u00e9t\u00e9 divis\u00e9e en 24 \u00e9quipes de 4 \u00e0 5 membres, avec 12 \u00e9quipes form\u00e9es par l’IA et 12 \u00e9quipes de contr\u00f4le. Nous nous sommes concentr\u00e9s non seulement sur les r\u00e9sultats, tels que la qualit\u00e9 des projets finaux produits par les \u00e9quipes, mais aussi sur l’exp\u00e9rience globale des participants, la dynamique d’\u00e9quipe et le d\u00e9veloppement du bien-\u00eatre relationnel. Pour mesurer cela, nous avons con\u00e7u des enqu\u00eates compl\u00e8tes qui ont \u00e9valu\u00e9 des dimensions telles que la croissance du r\u00e9seau social, la s\u00e9curit\u00e9 psychologique, le d\u00e9veloppement des comp\u00e9tences et la satisfaction globale de l’exp\u00e9rience de groupe.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Principaux enseignements : \u00c9quipes pilot\u00e9es par l’IA et bien-\u00eatre relationnel<\/h3>\n\n\n\n
<\/div>\n\n\n
\n
\"\"
Figure 1 : Comparaison de l’IA et du groupe de contr\u00f4le sur les questions de l’enqu\u00eate, regroup\u00e9es par cat\u00e9gorie. Nous calculons le d de Cohen, une mesure de la diff\u00e9rence entre les valeurs moyennes de chaque groupe divis\u00e9e par leur \u00e9cart-type regroup\u00e9, sur la r\u00e9ponse \u00e0 chaque question entre le groupe IA et le groupe t\u00e9moin. Les barres d’erreur indiquent un intervalle de confiance de 95 %. Les diff\u00e9rences significatives sont indiqu\u00e9es par * pour p<0,05 et . pour p<0,1. Les couleurs bleu et rouge indiquent des tailles d’effet non n\u00e9gligeables.<\/figcaption><\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

L’une des principales conclusions de notre \u00e9tude est l’am\u00e9lioration significative du bien-\u00eatre relationnel des participants des \u00e9quipes form\u00e9es par l’IA par rapport \u00e0 ceux des \u00e9quipes form\u00e9es de mani\u00e8re al\u00e9atoire. Comme le montre la figure 1, les \u00e9quipes form\u00e9es par l’IA ont d\u00e9clar\u00e9 se sentir plus proches de leurs co\u00e9quipiers, exprimer une plus grande satisfaction \u00e0 l’\u00e9gard du processus de collaboration et se sentir plus valoris\u00e9es pour leurs contributions. Ces r\u00e9sultats soulignent l’importance de la composition intentionnelle des \u00e9quipes dans les environnements d’apprentissage collaboratif, o\u00f9 la qualit\u00e9 des interactions est aussi cruciale que les r\u00e9sultats finaux.<\/p>\n\n\n\n

Outre le bien-\u00eatre relationnel, les \u00e9quipes form\u00e9es par l’IA ont affich\u00e9 une croissance plus forte de leur r\u00e9seau social. Les participants ont d\u00e9clar\u00e9 avoir nou\u00e9 des liens plus significatifs avec des pairs issus de milieux culturels et professionnels diff\u00e9rents. Ce r\u00e9sultat est particuli\u00e8rement important pour le projet Yoma, dont l’un des principaux objectifs est de cr\u00e9er des r\u00e9seaux durables parmi les jeunes qui peuvent soutenir leurs projets futurs, tant sur le plan personnel que professionnel.<\/p>\n\n\n\n

Les \u00e9quipes form\u00e9es par l’IA ont \u00e9galement fait preuve d’un plus grand d\u00e9veloppement des comp\u00e9tences sp\u00e9cifiques au projet, en particulier dans des domaines tels que la cr\u00e9ation de m\u00e9dias et l’activisme. Ces \u00e9quipes ont enregistr\u00e9 des gains de comp\u00e9tences significativement plus \u00e9lev\u00e9s que leurs homologues du groupe de contr\u00f4le. Cette constatation est d’autant plus pertinente que le d\u00e9fi exigeait des \u00e9quipes qu’elles produisent un contenu m\u00e9diatique faisant la promotion de l’initiative Yoma, offrant aux participants \u00e0 la fois la possibilit\u00e9 de mener \u00e0 bien la t\u00e2che et de d\u00e9velopper des comp\u00e9tences pratiques pr\u00e9cieuses qui leur serviront dans des projets futurs.<\/p>\n\n\n\n

En termes de s\u00e9curit\u00e9 psychologique – une composante essentielle du bien-\u00eatre relationnel – les participants des \u00e9quipes form\u00e9es par l’IA ont syst\u00e9matiquement d\u00e9clar\u00e9 se sentir plus \u00e0 l’aise pour s’exprimer, partager leurs id\u00e9es et fournir un retour d’information au sein de leur groupe. Ces r\u00e9sultats sont conformes aux recherches plus g\u00e9n\u00e9rales sur la dynamique d’\u00e9quipe, qui sugg\u00e8rent que lorsque la diversit\u00e9 de l’\u00e9quipe est bien g\u00e9r\u00e9e, elle favorise un environnement plus inclusif. Les participants se sentent plus \u00e0 l’aise pour prendre des risques et s’engager plus profond\u00e9ment dans leurs t\u00e2ches, ce qui am\u00e9liore la dynamique de l’\u00e9quipe et enrichit l’exp\u00e9rience de collaboration.<\/p>\n\n\n\n

<\/div>\n\n\n
\n
\"\"
Figure 2 – Identique \u00e0 la figure 1, apr\u00e8s regroupement des r\u00e9ponses individuelles dans les quatre cat\u00e9gories mises en \u00e9vidence (bien-\u00eatre relationnel, croissance du r\u00e9seau social, exp\u00e9rience de l’\u00e9quipe, comp\u00e9tences en mati\u00e8re de projets) et pr\u00e9sentation de l’impact de l’algorithme sur le score final au niveau de l’\u00e9quipe.<\/figcaption><\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

Alors que les \u00e9quipes form\u00e9es par l’IA sont nettement plus performantes en termes de bien-\u00eatre relationnel et de croissance du r\u00e9seau social, l’impact sur les r\u00e9sultats finaux des projets est moins prononc\u00e9 (figure 2). Bien que la qualit\u00e9 globale des projets produits par les \u00e9quipes form\u00e9es par l’IA soit l\u00e9g\u00e8rement sup\u00e9rieure, la diff\u00e9rence n’est pas aussi significative que dans d’autres domaines. Cela sugg\u00e8re que si la composition efficace de l’\u00e9quipe joue un r\u00f4le essentiel dans l’am\u00e9lioration de l’exp\u00e9rience et du d\u00e9veloppement des comp\u00e9tences des participants, la qualit\u00e9 du r\u00e9sultat final peut \u00e9galement d\u00e9pendre d’autres facteurs, tels que la complexit\u00e9 de la t\u00e2che ou des pressions externes comme les contraintes de temps.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Extension de la recherche \u00e0 l’\u00e9cosyst\u00e8me Yoma<\/h3>\n\n\n\n
<\/div>\n\n\n\n

Sur la base de ces r\u00e9sultats, nous nous concentrons actuellement sur l’\u00e9cosyst\u00e8me plus large de Yoma. Notre prochaine phase d’analyse comprend des donn\u00e9es provenant de plus de 250 parties prenantes dans divers pays africains, recueillies par le biais d’enqu\u00eates et d’entretiens approfondis. Cet ensemble de donn\u00e9es \u00e9largi nous permettra d’explorer ce qui favorise le bien-\u00eatre relationnel dans une gamme plus large d’activit\u00e9s bas\u00e9es sur des d\u00e9fis au sein de la plateforme Yoma, et de d\u00e9terminer si ces r\u00e9sultats positifs se maintiennent dans le temps et \u00e0 travers diff\u00e9rents types de d\u00e9fis. Par exemple, nous chercherons \u00e0 savoir si les r\u00e9seaux sociaux form\u00e9s au cours de ces d\u00e9fis continuent \u00e0 fonctionner comme des syst\u00e8mes de soutien pour les participants, et si les comp\u00e9tences d\u00e9velopp\u00e9es au cours des d\u00e9fis Yoma se traduisent par des avantages tangibles dans leur vie \u00e9ducative ou professionnelle.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Conclusion : Le r\u00f4le de l’IA dans l’am\u00e9lioration de l’apprentissage collaboratif<\/h3>\n\n\n\n
<\/div>\n\n\n\n

Les r\u00e9sultats de notre \u00e9tude montrent que l’IA peut jouer un r\u00f4le essentiel dans l’am\u00e9lioration du bien-\u00eatre relationnel dans les environnements d’apprentissage bas\u00e9s sur les d\u00e9fis, en particulier en cr\u00e9ant des \u00e9quipes \u00e0 la fois diverses et compl\u00e9mentaires en termes de comp\u00e9tences et de personnalit\u00e9. En favorisant des r\u00e9seaux sociaux plus solides, en am\u00e9liorant les exp\u00e9riences d’\u00e9quipe et en d\u00e9veloppant des comp\u00e9tences cl\u00e9s li\u00e9es au projet, la formation d’\u00e9quipes par l’IA peut avoir un impact significatif sur le succ\u00e8s et l’engagement \u00e0 long terme des participants \u00e0 des initiatives telles que Yoma. Cette \u00e9tude est \u00e9troitement li\u00e9e \u00e0 la mission de l’unit\u00e9 de recherche Learning Transitions<\/a> (UR LT), qui se concentre sur les approches syst\u00e9miques des transitions plan\u00e9taires en tirant parti de l’IA, de l’intelligence collective et de l’interdisciplinarit\u00e9. Notre travail sur les dynamiques d’\u00e9quipe pilot\u00e9es par l’IA soutient les objectifs plus larges de l’UR LT de transformer l’\u00e9ducation et les structures organisationnelles, en donnant aux individus et aux communaut\u00e9s les moyens de g\u00e9rer les transitions de mani\u00e8re plus efficace. Cette \u00e9tude est actuellement en cours d’examen.<\/p>\n\n\n\n

Au fur et \u00e0 mesure que nous avan\u00e7ons dans nos recherches, nous souhaitons continuer \u00e0 explorer la mani\u00e8re dont ces r\u00e9sultats peuvent \u00eatre appliqu\u00e9s plus largement au sein de l’\u00e9cosyst\u00e8me Yoma et contribuer \u00e0 la cr\u00e9ation d’environnements plus efficaces, plus favorables et plus inclusifs pour que les jeunes apprennent, se d\u00e9veloppent et apportent des contributions significatives \u00e0 leurs communaut\u00e9s.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\n\n\n\n

Un article de l’\u00e9quipe Interaction Data Lab (Marc Santolini et Olga Kokshagina) de l’Institut Learning Planet<\/p>\n\n\n\n

<\/div>\n\n\n
\n
\"\"<\/a>
T\u00e9moignages d’un groupe form\u00e9 pour le projet Yoma et
qui est devenu un groupe d’amis\/collaborateurs<\/figcaption><\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n
\n\n\n\n
<\/div>\n\n\n\n
En savoir plus sur :<\/h5>\n\n\n\n