Les applications vous font parler. Mais parler, est-ce vraiment communiquer ?

Imaginez cette scène :

Vous avez prévu un voyage vers une destination lointaine, où la langue courante n’est pas la vôtre. Soucieux·se de montrer du respect envers la population locale (et de vous débrouiller sans trop de stress), vous décidez de vous mettre à l’apprentissage de cette langue quelques mois avant votre arrivée.

Bonne nouvelle : il existe aujourd’hui des dizaines d’applications ludiques qui vous promettent de parler rapidement. Vous en choisissez une, vous créez un compte, et vous vous lancez, motivé·e.

Les premières semaines, tout semble parfait.

Vous enchaînez les leçons dans le métro, vous collectionnez les points, vous montez de niveau. L’application vous félicite : “Bravo ! Vous êtes dans le top 10% des apprenants cette semaine.” Vous avez même l’impression de pouvoir dire plein de choses : vous traduisez des phrases, vous répétez des expressions, vous tapez des réponses de plus en plus vite.

Puis, le voyage arrive. Après avoir quitté l’aéroport, vous vous trouvez dans un café, face au serveur, et vous réussissez à utiliser une des phrases que vous avez mémorisées grâce à votre application. Quelle fierté !

Et puis… le serveur vous répond. Il vous pose des questions. Et là, quelque chose se casse.

Vous captez des mots, mais les phrases dans leur ensemble vous échappent. Ce qui semblait facile dans l’application devient soudain beaucoup plus flou.

Alors qu’est-ce qui s’est passé ?

Miser principalement sur la production : un pari risqué

Quand quelqu’un se met à apprendre une langue, il a normalement pour objectif de réussir à parler avec un interlocuteur de la langue cible, ce qui est complètement logique. On utilise une langue principalement pour communiquer.

Alors la plupart d’applications d’apprentissage de langues se sont adaptées à répondre à ce besoin utilisateur en adoptant une méthodologie très centrée sur l’output, c’est-à-dire ce que l’apprenant est sommé de produire : traduire, répéter des mots et des phrases, compléter, écrire des mini-réponses à une question ouverte. Certaines des plus récentes organisent leur méthode entière autour d’un chatbot IA avec qui les apprenants sont poussés à interagir à l’oral dès les toutes premières leçons.

Quand notre objectif est d’apprendre une langue pour parler, une méthodologie d’apprentissage axée output-first peut sembler une approche intuitive. Mais intuitive ne veut pas forcément dire efficace. Et c’est précisément là où les données deviennent inconfortables, notamment sur la question qui nous intéresse le plus : est-ce que cette approche output-first permet réellement aux apprenants de progresser à l’oral ?

Des progrès limités : ce que les études montrent vraiment

En vérité, ce blocage au café n’est pas un accident, ni une question de talent personnel. Les études les plus rigoureuses montrent que l’approche output-first ne donne lieu qu’à des gains minimaux qui ne tiennent pas dans la durée. L’étude la plus robuste à ce jour, menée en 2020 par des chercheurs en acquisition des langues des universités du Michigan State et d’Hawaï et publiée dans la revue académique Foreign Language Annals, a suivi 54 apprenants adultes utilisant une application populaire pendant 12 semaines, avec un objectif d’environ 10 minutes de pratique par jour.

Résultat ? Seulement 59% des participants ont progressé d’au moins un sous-niveau sur l’échelle de compétence orale de référence en langues (l’ACTFL) et cette progression, quand elle existait, restait très modeste : la plupart sont passés du stade “quelques mots isolés” à “quelques phrases mémorisées”. Quant aux 41% restants : aucune progression mesurable en expression orale, malgré des semaines d’utilisation régulière.

L’apprentissage d’une langue : une équation à trois variables

Alors qu’est-ce qui manque à cette approche ? En une phrase : le reste de l’équation. Une langue ne s’acquiert pas uniquement par la production ; elle se construit d’abord par l’exposition (i.e. l’input), et se consolide par l’interaction. C’est à partir de ce constat que l’on a repensé notre approche pédagogique chez GlobalExam.

Soyons clairs : l’output a toute sa place dans un parcours d’apprentissage. Mais il ne reste qu’une partie du puzzle. Ce qu’on laisse trop souvent de côté, c’est l’input, c’est-à-dire la langue à laquelle on s’expose : ce qu’on écoute, ce qu’on lit, ce qu’on absorbe.

En réalité, essayer de parler une langue sans avoir eu suffisamment d’input d’abord, c’est un peu comme essayer de courir avant d’avoir appris à marcher. L’input c’est ce qui rend l’output possible ; si vous avez déjà observé les enfants en bas âge apprendre à parler, vous en avez vu la preuve. Dans les deux premières années de leur vie, les bébés sont exposés à des dizaines de milliers d’heures d’input au contact de leur famille et développent des capacités de compréhension remarquables bien avant de prononcer leur premier mot.

On pourrait penser que l’adulte qui apprend une deuxième langue fonctionne différemment, et c’est souvent le piège dans lequel tombent les plateformes d’apprentissage linguistique et même les écoles plus traditionnelles. Cependant, la recherche en acquisition des langues suggère que les mécanismes à l’œuvre sont, au fond, remarquablement similaires. Les chercheurs ont tous abordé la question sous un angle différent, mais ils convergent vers le même constat : tout apprentissage linguistique repose sur trois variables essentielles et indissociables : input, output et interaction. L’absence de l’une ou plusieurs de ces variables entraîne inévitablement des lacunes qui se manifestent exactement comme dans notre anecdote : on peut produire, mais on ne peut pas vraiment communiquer.

Input, output, interaction : ce que chacun apporte, et pourquoi on ne peut pas faire l’impasse

Pour comprendre pourquoi, il faut regarder de plus près ce que chacun de ces piliers apporte et ce qui se passe quand l’un d’eux est absent :

	Input	Output	Interaction
Rôle	Le fondement	Le complément	L’ancrage dans le réel
Ce que ça fait	Construit la représentation mentale de la langue	Transforme la compréhension en compétence	Mobilise tout ce qui a été acquis en situation réelle
Sans ça	Pas de système linguistique sur lequel s’appuyer	La compréhension reste passive	Les compétences ne se consolident pas
Chercheur associé	Krashen, Input Hypothesis	Swain, Output Hypothesis	Long, Interaction Hypothesis

Trois piliers, donc. Et une question concrète : comment les mettre tous en œuvre, de manière cohérente, dans chaque séquence d’apprentissage ?

Comment on a choisi de construire autrement

C’est précisément cette question qui nous a conduits à concevoir le framework DAPA : une approche pédagogique qui intègre systématiquement les trois piliers dans chaque séquence d’apprentissage, pensée pour fonctionner à grande échelle.

Chaque lettre dans “DAPA” représente une différente phase d’apprentissage :

Chaque phase intègre une ou plusieurs variables essentielles dans l’apprentissage d’une langue :

• Discovery et Assimilate sont les phases riches en input, où les apprenants interagissent avec des récits engageants et des activités ciblées qui leur permettront de commencer le travail de “noticing”¹ qui facilite l’acquisition.
• La phase Practice est celle où les apprenants passent à l’output mais avec appui, afin de mieux comprendre la mécanique derrière la langue et de l’appliquer correctement.
• La phase Action est enfin celle de l’interaction, le troisième pilier de l’apprentissage linguistique. Pendant cette phase, les apprenants sont amenés à interagir avec notre IA conversationnelle, Sarah, lors d’une mise en situation réaliste qui est en alignement avec le contexte de la séquence d’apprentissage qu’ils viennent de suivre. Ils sont maintenant autonomes et doivent essayer de mobiliser leurs nouvelles compétences en situation réelle (enfin…en simulation du réel !).

Le framework DAPA fait d’une pierre plusieurs coups. Au-delà de son ancrage pédagogique, il nous permet de :

• Proposer une architecture claire et progressive. On ne cherche pas à créer un simple générateur d’exercices aléatoires, mais une séquence pensée de bout en bout, où chaque forme est d’abord découverte, puis revisitée, puis utilisée.
• Maintenir l’engagement de nos apprenants. DAPA est une séquence cognitive, pas une liste fixe d’exercices. La structure est cadrée, mais le format peut varier.
• Créer du contenu à l’échelle. Le framework sert de guide pour nos outils d’IA générative, ce qui nous permet de produire rapidement du contenu dans plusieurs langues sans sacrifier la qualité pédagogique.

La plupart des plateformes d’apprentissage de langues ont fait un choix qui, sur le papier, semble parfaitement logique : si l’objectif est de parler, autant mettre l’apprenant en situation de produire dès le départ. C’est séduisant. C’est intuitif. Et c’est, comme on l’a vu, fondamentalement incomplet. Parce qu’une langue ne s’apprend pas en produisant seul dans le vide, et des décennies de recherche en acquisition des langues le confirment. C’est précisément ce que le framework DAPA cherche à mettre en œuvre : non pas une liste d’exercices, mais une architecture d’apprentissage complète.

Alors oui, notre approche est plus exigeante à concevoir qu’un générateur d’exercices output-first. Mais c’est ce prix-là qu’il faut accepter de payer si l’objectif n’est pas de faire progresser les apprenants dans une application, mais de les faire progresser dans leur apprentissage d’une langue.

---