Etudiant : EL MAHJOUBY HAJAR

Filière : Master Big Data et Systèmes intelligents (BDSI)

Encadrant : Pr. ELGAROUANI SAID

Annèe : 2026

Résumé : Dans un monde marqué par la massification de la formation à distance et l’hétérogénéité croissante des profils d’apprenants, ce mémoire propose d’examiner la place de l’intelligence artificielle dans la conception de systèmes d’apprentissage adaptatif. L’apprentissage automatique, en réponse aux limites des plateformes en ligne traditionnelles qui imposent des parcours homogènes indépendamment des différences individuelles, présente des capacités prometteuses pour caractériser les comportements d’apprentissage, prédire le risque académique et fournir des explications interprétables des décisions. Ce travail propose une analyse approfondie des méthodes reposant sur les techniques de l’intelligence artificielle pour l’analyse des traces d’apprentissage. La démarche repose sur la segmentation des apprenants en profils comportementaux, la détection précoce des étudiants en situation de risque académique, ainsi que l’évaluation de la maîtrise des connaissances tout au long du parcours. L’ensemble est conçu comme un socle adaptatif permettant à une plateforme pédagogique de mieux comprendre, anticiper et accompagner chaque apprenant. La méthodologie suivie se structure en trois phases : identification des bases théoriques de l’apprentissage adaptatif et des apports de l’intelligence artificielle dans ce cadre, conception d’une architecture modulaire séparant les tâches de profilage, de prédiction et de recommandation, puis expérimentation de cette architecture, mise en œuvre selon la rigueur attendue dans un contexte éducatif réel. Au-delà de l’aspect technique, l’intelligence artificielle soulève également une réflexion sur la personnalisation pédagogique et ses implications pratiques (détection précoce des difficultés, individualisation des parcours, aide à la décision pour les enseignants), ainsi que sur ses limites en matière de compréhension, d’équité et de gouvernance des données. Ce mémoire constitue ainsi les bases d’une approche adaptative modulaire, fiable et déployable, enrichie par un moteur de recommandation pédagogique hybride et une couche applicative de retour d’information.