En 1984, le psychologue de l'éducation Benjamin Bloom publiait un article devenu l'un des plus cités de la recherche en éducation : « The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring ».
Le constat était saisissant : les élèves bénéficiant d'un tutorat individuel associé à la pédagogie de la maîtrise obtenaient des résultats supérieurs de deux écarts-types à ceux des classes ordinaires. Concrètement, l'élève moyen suivi individuellement faisait mieux que 98 % des élèves du groupe témoin.
Bloom a parlé de « problème des 2 sigmas » car, si l'efficacité du tutorat individuel était évidente, son coût le rendait impossible à généraliser. Le défi qu'il lançait aux pédagogues : trouver des méthodes d'enseignement collectif aussi efficaces que le tutorat individuel.
Quarante ans plus tard, nous tenons peut-être une réponse.
Ce que Bloom a réellement observé
Bloom et ses doctorants de l'université de Chicago ont mené des expériences contrôlées comparant trois dispositifs :
Enseignement conventionnel : 30 élèves par enseignant, contrôles réguliers servant à noter, progression uniforme.
Pédagogie de la maîtrise : 30 élèves par enseignant, mais les contrôles servent de retour d'information et les élèves reçoivent un enseignement correctif jusqu'à maîtriser la notion avant de passer à la suite.
Tutorat individuel : séances individuelles fondées sur la pédagogie de la maîtrise — rythme personnalisé, retour immédiat et enseignement correctif.
Résultats, toutes études confondues :
| Dispositif | Taille d'effet | Rang centile |
|---|---|---|
| Enseignement conventionnel | 0 (référence) | 50e |
| Pédagogie de la maîtrise | +1 sigma | 84e |
| Tutorat individuel | +2 sigmas | 98e |
Le groupe suivi en tutorat consacrait aussi davantage de temps effectif aux tâches d'apprentissage et affichait, en fin d'étude, l'attitude la plus positive envers la discipline.
Pourquoi le tutorat individuel est-il si efficace ?
Bloom a identifié plusieurs facteurs explicatifs :
Un retour immédiat
Dans une classe de 30 élèves, un enseignant ne peut pas savoir si chacun a compris chaque notion. L'incompréhension s'accumule en silence. En tutorat individuel, elle est détectée immédiatement et corrigée avant de faire boule de neige.
Un rythme personnalisé
Chacun apprend à sa vitesse. En classe, l'enseignement suit un rythme moyen : trop lent pour les uns, trop rapide pour les autres. Le tutorat permet de consacrer exactement le temps nécessaire à chaque notion — davantage sur les points difficiles, moins sur ceux qui sont acquis rapidement.
Une explication adaptative
Quand une explication ne passe pas, un tuteur peut en essayer une autre : nouvelle analogie, autre représentation, découpage en éléments plus petits. L'enseignement en classe propose généralement une seule explication ; le tutorat peut itérer jusqu'à la compréhension.
Engagement et responsabilité
En tête-à-tête, impossible de se cacher. L'élève doit s'engager, répondre, montrer ce qu'il a compris. Cette implication active produit de meilleurs apprentissages qu'une écoute passive.
Une anxiété réduite
Beaucoup d'élèves hésitent à poser des questions ou à avouer leur confusion devant leurs camarades. Le cadre privé du tutorat lève cette pression sociale et autorise à dire ce que l'on ne comprend pas.
Le problème du coût
Bloom savait qu'un tutorat individuel pour tous était économiquement impossible : il faudrait autant de tuteurs que d'élèves. Il jugeait cela « trop coûteux pour que la plupart des sociétés le supportent à grande échelle ».
Il a donc mis les chercheurs au défi de combiner des interventions généralisables susceptibles d'approcher l'efficacité du tutorat. Il avait repéré plusieurs leviers dont la taille d'effet atteignait au moins 0,5 sigma :
- Renforcement et retour d'information (0,5 à 1,0 sigma)
- Procédures correctives (0,5 à 1,0 sigma)
- Temps d'engagement effectif de l'élève (0,4 sigma)
- Amélioration des méthodes de lecture et de travail (0,5 sigma)
Son hypothèse : combiner plusieurs de ces leviers permettrait d'approcher l'effet de 2 sigmas du tutorat.
Quarante ans de progrès par petits pas
Depuis 1984, la recherche en éducation a progressé sur chacun de ces leviers :
La pédagogie de la maîtrise a été affinée et produit, bien mise en œuvre, des effets constants de l'ordre de 0,5 à 1,0 sigma.
Les systèmes tutoriels intelligents (programmes informatiques qui s'adaptent aux réponses de l'élève) affichent selon les études des tailles d'effet de 0,4 à 1,0 sigma.
Les exemples résolus et les invites d'auto-explication produisent des effets d'environ 0,5 sigma.
Mais égaler véritablement les 2 sigmas du tutorat humain restait hors de portée. La difficulté : le tuteur humain apporte quelque chose que les dispositifs à grande échelle ne savaient pas reproduire — une interaction adaptative, multimodale et en temps réel. Un tuteur explique en dessinant. Il repère la confusion sur un visage. Il pose des questions et ajuste instantanément selon les réponses.
L'IA change l'équation
Les progrès récents de l'intelligence artificielle ont profondément modifié le champ des possibles :
La compréhension du langage naturel permet désormais à une IA de tenir une véritable conversation : comprendre les questions, détecter la confusion, adapter les explications.
La génération en temps réel lui permet de produire à la demande explications, exemples et visualisations personnalisés, au lieu de piocher dans une bibliothèque de contenus figés.
La sortie multimodale signifie qu'une IA peut expliquer à voix haute tout en générant un contenu visuel synchronisé — se rapprochant de ce « penser à voix haute en dessinant » qui fait la force des tuteurs humains.
Une patience infinie garantit qu'aucun élève n'a honte de redemander une explication ou de poser une question « bête ».
L'équation économique a elle aussi changé du tout au tout. Là où le tutorat humain exige un expert par élève, le tutorat par IA peut accompagner des milliers d'élèves simultanément, pour un coût marginal proche de zéro.
Non pas un remplacement, mais un accès
Soyons clairs : le tutorat par IA ne prétend pas surpasser les meilleurs tuteurs humains. Un tuteur expert qui connaît bien son élève et sait lire son état émotionnel restera probablement plus efficace qu'une IA pendant un certain temps.
Mais la comparaison pertinente n'est pas « IA contre tutorat humain idéal ». C'est « tutorat par IA contre ce que vit réellement la majorité des élèves » : apprendre seul dans un manuel, suivre un cours à plus de 30, ou n'avoir aucun soutien du tout.
Pour ces élèves — c'est-à-dire la plupart — le tutorat par IA est un pas vers l'enseignement individualisé dont Bloom a démontré l'efficacité, mais qui restait inaccessible pour des raisons de coût.
Le problème des 2 sigmas n'a jamais consisté à atteindre la perfection. Il s'agissait de trouver des méthodes généralisables réduisant l'écart entre ce que vit l'élève ordinaire et ce que permet un enseignement personnalisé.
Ce n'est plus un défi théorique. C'est un défi pratique — et il est en train d'être relevé.
Sources : Bloom, B.S. (1984), Educational Researcher ; VanLehn, K. (2011), Educational Psychologist ; Kulik & Fletcher (2016), Review of Educational Research