En bref : Le learning analytics désigne l'ensemble des techniques de collecte, d'analyse et d'exploitation des données générées par les apprenants et les parcours de formation. Pour les responsables digital learning, les directeurs L&D et les ingénieurs pédagogiques, c'est un levier stratégique : détecter les décrocheurs avant qu'ils abandonnent, mesurer le ROI d'une formation, et produire des preuves d'efficacité exploitables lors des audits Qualiopi.
Le learning analytics, ou analyse d'apprentissage, renvoie à la mesure, la collecte, l'analyse et l'interprétation des données relatives aux apprenants et à leurs contextes d'apprentissage, dans le but d'optimiser les parcours et les environnements pédagogiques.
À la différence d'une simple évaluation notée, le learning analytics s'intéresse à l'ensemble du comportement de l'apprenant au sein du dispositif : temps passé sur chaque module, taux de complétion, patterns d'erreur, progression dans le temps, assiduité aux sessions synchrones. C'est une approche orientée données, qui ne se réduit pas aux résultats finaux mais observe le chemin parcouru.
L'essor du digital learning et des plateformes LMS a considérablement enrichi le volume et la granularité des données disponibles. Chaque clic, chaque réponse, chaque connexion produit un signal que les outils d'analyse peuvent interpréter. La question n'est plus de savoir si les données existent, mais comment les exploiter avec pertinence et éthique.
On distingue généralement trois niveaux d'analyse, du plus simple au plus prédictif :
Les learning analytics s'alimentent de plusieurs sources complémentaires :
La richesse des analytics dépend directement de la qualité et de l'exhaustivité de la collecte. Un dispositif de formation qui ne trace pas les présences, ne collecte pas les évaluations ou ne remonte pas les données de complétion produit des analytics appauvris.
Le marché des outils analytics en formation est mature. Les plateformes LMS intègrent désormais des tableaux de bord natifs (Moodle, 360Learning, Docebo, Talentsoft). En parallèle, des solutions spécialisées comme Learning Locker ou des couches BI (PowerBI, Tableau) permettent de croiser les données de formation avec d'autres sources RH.
Le standard xAPI (Tin Can) est particulièrement important : il permet à n'importe quel outil de « raconter » ce qui s'est passé pendant une formation (« L'apprenant X a complété l'activité Y avec un score de Z »), indépendamment de la plateforme hôte. C'est le protocole qui rend possible l'interconnexion entre un LMS et un outil tiers comme Edusign.
Pour les organismes de formation soumis à Qualiopi, les responsables qualité recherchent des analytics prêts à l'emploi, exportables et horodatés. La capacité à produire des preuves d'efficacité sur demande est aujourd'hui une exigence opérationnelle, pas un bonus.
Le learning analytics soulève des enjeux réglementaires et éthiques sérieux que les responsables formation ne peuvent pas ignorer :
Edusign n'est pas un LMS, mais une suite de gestion pédagogique et administrative qui produit des données complémentaires aux plateformes d'apprentissage :
L'objectif : que les responsables formation disposent d'une vue complète sur leurs cohortes, sans avoir à collecter manuellement des données dispersées entre feuilles papier, emails et fichiers Excel. Les analytics produits par Edusign sont prêts à l'emploi pour les audits, les rapports OPCO et les bilans pédagogiques annuels.
Le learning analytics est l'approche globale : collecter, analyser et exploiter les données d'apprentissage. xAPI (aussi appelé Tin Can) est un protocole technique qui standardise la façon dont les outils de formation communiquent ces données (« l'apprenant X a complété Y avec le score Z »). En résumé, xAPI est un des protocoles qui rend le learning analytics possible, mais il ne suffit pas à lui seul : il faut aussi des outils d'analyse pour interpréter les données remontées.
Oui, à condition de respecter plusieurs exigences : base légale pour la collecte (contrat de formation, intérêt légitime), information des apprenants sur les données collectées, durée de conservation limitée, hébergement dans l'UE et droit d'accès et de rectification. Les plateformes certifiées ISO 27001 ou hébergées en Europe réduisent le risque. L'essentiel : ne jamais collecter plus de données que nécessaire au regard des objectifs pédagogiques.
Trois indicateurs combinés permettent une estimation fiable : le taux de complétion (engagement), le score moyen aux évaluations finales (efficacité pédagogique) et le taux de rétention à 30 ou 90 jours (durabilité). Croisez-les avec les données RH (évolution de performance, turnover, montée en compétences) pour obtenir une lecture ROI. Pour les organismes de formation, les données de présence et de satisfaction constituent une preuve d'efficacité directement exploitable lors des audits Qualiopi.
Pour un organisme de formation qui débute, les tableaux de bord natifs des LMS (360Learning, Docebo, Moodle) couvrent l'essentiel : taux de complétion, scores, temps de passage. Pour aller plus loin, un outil comme Learning Locker (open source, compatible xAPI) permet d'agréger des données multi-sources. Les plus grands L&D departments utilisent des couches BI (PowerBI, Looker) pour croiser données de formation et données RH. Commencez simple : définissez d'abord les 3 KPIs qui comptent pour votre organisation avant d'investir dans un outil complexe.
La plupart des LMS modernes proposent une API ou des connecteurs natifs vers des outils tiers. Pour les données de présence et de signature, Edusign s'intègre via webhook ou API REST avec les principaux LMS du marché. Le standard xAPI permet d'envoyer les données d'apprentissage vers un Learning Record Store (LRS) centralisé. L'intégration la plus simple consiste à exporter les données au format CSV depuis chaque outil et à les consolider dans un tableau de bord unique, avant d'envisager une intégration technique plus poussée.
