• Prioriser les usages de l’IA générative à forte valeur ajoutée.
• Identifier les tâches à automatiser, à augmenter, à préserver humainement ou à contrôler dans une chaîne de production pédagogique.
• Structurer une chaîne de production pédagogique industrialisée.
• Concevoir une architecture d’AI Learning Factory, depuis la qualification de la demande métier jusqu’à la production, la validation, la mise à jour et la capitalisation des livrables.
• Organiser la collaboration entre humains et IA.
• Définir les rôles entre experts métier, ingénieurs pédagogiques, concepteurs, relecteurs et IA, afin de sécuriser la qualité pédagogique, la fiabilité métier, la conformité et l’expérience apprenante.
  Concevoir la logique de production de parcours multimodaux augmentés par IA.
• Définir comment produire des parcours combinant textes, schémas, vidéos, podcasts, activités, évaluations et aides à la tâche, en s’appuyant sur des modèles et gabarits réutilisables.

1. Qu’est-ce qu’est une AI Learning Factory

Les participants distinguent production unitaire assistée par IA et chaîne de production pédagogique augmentée.

Ils identifient ce qui relève d’un usage ponctuel de l’IA et ce qui relève d’une logique de factory : structuration, répétabilité, contrôle, capitalisation et mesure.

2. Définir le cahier des charges de l’AI Learning Factory

À partir du cas Mylearning Corp, les participants utilisent l’IA pour formaliser le cahier des charges de la future chaîne de production.

Ils clarifient les familles de demandes à absorber, les contraintes, les exigences qualité, les risques IA, les rôles humains, les ressources réutilisables nécessaires et les indicateurs à prévoir.

3. Construire l’architecture cible

Les participants construisent une architecture d’AI Learning Factory en combinant trois exigences :

• réduire les délais de production ;
• sécuriser la qualité et les validations humaines ;
• capitaliser sur les modèles, gabarits et prompts IA réutilisables, par exemple : génération de scénarios, création de quiz, production de médias (images, audios, vidéos, synthèse documentaire…).

L’objectif est d’aboutir à une chaîne claire, en 7 ou 8 étapes maximum, suffisamment structurée pour sécuriser la qualité, mais assez simple pour être réellement utilisée.

4. Définir les rôles, validations et garde-fous

Les participants établissent une matrice de responsabilités entre humains (experts métier, learning designers, responsables formation, copilotes IA…) et IA générative.

Ils précisent ce que l’IA peut préparer, produire ou proposer, ce que l’humain doit décider ou valider, les informations à tracer, les données à ne pas exposer et les garde-fous nécessaires en matière de qualité, confidentialité, conformité et responsabilité.

5. Créer le kit de production réutilisable

Les participants construisent collectivement un premier kit de production pour l’AI Learning Factory.

Ce kit comprend :

• un formulaire d’entrée de demande formation ;
• un modèle de brief pédagogique exploitable par l’IA ;
• une matrice de modèles pédagogiques réutilisables ;
• des gabarits associés ;
• une première bibliothèque de prompts IA.

Cette séquence met l’accent sur l’itération : produire avec l’IA, mutualiser, réutiliser, traduire ou actualiser les contenus, critiquer la sortie, améliorer, simplifier et stabiliser une version réellement utilisable.

6. Tester la généricité de l’AI Learning Factory

Les participants vérifient que la chaîne construite ne fonctionne pas seulement pour une demande isolée, mais qu’elle reste applicable à plusieurs familles de besoins : déploiement d’outil, conformité, posture managériale, changement de pratique, réduction d’erreurs terrain.

Ils identifient ce qui est suffisamment générique, ce qui doit rester adaptable et ce qui doit toujours être validé par un humain.

Les participants appréhendent les interactions entre l’AI learning factory et les outils du marché intégrant les chaînes éditoriales (type Teach up, didask, GT…)

7. Synthèse et clôture

La journée se conclut par une synthèse des acquis :

• ce qui distingue une AI Learning Factory d’une production unitaire ;
• le rôle du cahier des charges ;
• les bons points d’intervention de l’IA ;
• les décisions qui doivent rester humaines ;
• les ressources à capitaliser ;
• les garde-fous à installer ;
• les indicateurs à suivre ;
• le transfert des méthodes et process à la situation du participant.

Livrables produits pendant la journée

Les participants repartent avec une première version structurée de :

• un cahier des charges d’AI Learning Factory ;
• une architecture cible ;
• une matrice de rôles humains / IA ;
• des garde-fous opérationnels ;
• un formulaire d’entrée de demande formation ;
• un modèle de brief pédagogique ;
• une matrice de modèles pédagogiques et gabarits associés ;
• une bibliothèque initiale de consignes IA ;
• une vérification de généricité sur plusieurs familles de demandes.

Adaptation au niveau IA des participants

La formation est conçue pour accueillir des niveaux hétérogènes en IA.

• Les participants débutants en IA utilisent des prompts IA fournis et se concentrent sur l’analyse critique des sorties.
• Les participants intermédiaires adaptent les prompts, ajoutent des contraintes et comparent plusieurs résultats.
• Les participants avancés rédigent les prompts, enrichissent les consignes, demandent des contre-propositions, produisent des variantes et challengent la généricité de la chaîne.

La difficulté ne repose pas sur la maîtrise technique d’un LLM, mais sur la capacité à piloter l’IA pour construire, optimiser et sécuriser une chaîne de production pédagogique.

• Concevoir des apprentissages contextualisés.
• Réduire le time-to-skill.
• Déployer des stratégies de microlearning performantes.
• Intégrer la formation aux outils métier.
• Renforcer l’adoption par les managers et opérationnels.
• Développer une culture d’apprentissage continu.

09h00 – 09h30 Keynote — La fin de la formation séparée du travail

09h30 – 10h45 Les nouveaux usages du Learning in the Flow of Work

• Microlearning contextuel
• IA copilotes
• Agents IA métiers
• Knowledge assistants
• Performance support

10h45 – 11h00 — Pause

11h00 – 12h30 Concevoir des dispositifs d’apprentissage invisibles mais efficaces

• Nudges learning
• Embedded learning
• Social learning opérationnel
• Learning analytics temps réel

12h30 – 13h30 — Déjeuner networking

13h30 – 15h00 Le microlearning nouvelle génération

• Capsules ultra-courtes
• Learning mobile-first
• Adaptive microlearning
• IA générative et personnalisation

15h00 – 15h15 — Pause

15h15 – 16h30 Mesurer l’impact réel sur la performance métier

• Time-to-skill
• Performance opérationnelle
• Engagement apprenant
• KPIs business

16h30 – 17h00 Table ronde de conclusion “Le LMS est-il déjà mort ?”

• Concevoir des vidéos pédagogiques réellement efficaces.
• Utiliser l’IA pour scénariser et produire des capsules learning.
• Structurer une stratégie de microlearning vidéo.
• Créer de l’engagement sans tomber dans le divertissement vide.
• Mesurer l’impact pédagogique des formats vidéo.

09h00 – 09h30 Opening keynote — Pourquoi 90 % des vidéos learning ne fonctionnent pas

09h30 – 10h45 Les nouveaux codes vidéo des apprenants

• TikTok, YouTube, Reels et attentes cognitives
• Formats courts
• Attention fragmentée
• Storytelling pédagogique

10h45 – 11h00 — Pause

11h00 – 12h30 Produire rapidement des vidéos learning augmentées par IA

• IA de scénarisation
• Avatars IA
• Voice cloning
• Génération automatique
• Sous-titrage intelligent

12h30 – 13h30 — Déjeuner networking

13h30 – 15h00 Construire une stratégie vidéo learning performante

• Videomobile au service de la formation .
• Microlearning vidéo
• Sérialisation des contenus
• Engagement communautaire
• Vidéo interactive
• Live learning

15h00 – 15h15 — Pause

15h15 – 16h30 Mesurer l’efficacité réelle des vidéos pédagogiques

• Engagement vs apprentissage réel
• Analytics vidéo
• Évaluation des acquis
• KPI business

16h30 – 17h00 Grand débat de clôture “Le formateur sera-t-il remplacé par des avatars IA ?”