Dans un paysage de l'enseignement supérieur en constante mutation, les universités font face à un double défi complexe. D'un côté, elles doivent garantir que leurs diplômés acquièrent des compétences pertinentes pour un marché du travail en transition rapide. De l'autre, elles doivent préserver leur mission fondamentale de formation intellectuelle globale, en évitant de réduire leurs cursus à de simples formations professionnalisantes à court terme.
Cette tension est particulièrement vive dans les domaines technologiques et de gestion, où les intitulés de diplômes se multiplient, créant parfois des chevauchements invisibles pour les institutions elles-mêmes et une confusion certaine pour les étudiants et les recruteurs. Comment, dès lors, auditer objectivement la cohérence d'un portefeuille de programmes ?
Une prépublication de recherche, diffusée sur la plateforme arXiv sous la référence arXiv:2608.12356v1, propose une méthodologie novatrice pour mesurer cet alignement à grande échelle. Bien qu'il s'agisse d'un travail de recherche qui n'a pas encore été évalué par les pairs — une nuance scientifique essentielle à garder à l'esprit —, cette étude ouvre des perspectives fascinantes pour la gouvernance universitaire et l'ingénierie pédagogique.
Le diagnostic : les limites des méthodes traditionnelles d'audit
Jusqu'à présent, pour évaluer si leurs formations répondaient aux besoins socio-économiques, les commissions de formulation des programmes (ou conseils de perfectionnement) s'appuyaient sur trois outils classiques : les conseils d'orientation (composés d'experts industriels), les enquêtes d'insertion professionnelle auprès des diplômés, et les sondages auprès des employeurs.
Ces méthodes, bien que précieuses pour leur dimension qualitative, présentent des limites structurelles majeures. Elles sont lentes à mettre en œuvre, souvent subjectives, difficiles à reproduire de manière standardisée et limitées à des échantillons restreints. De plus, elles peinent à analyser finement les micro-compétences et à détecter les redondances internes entre plusieurs diplômes d'un même établissement.
L'étude menée par les chercheurs s'attaque à cette limite en appliquant une analyse d'alignement uniforme et ancrée sur des taxonomies standardisées à l'échelle de tout un collège universitaire de technologies de l'information. Les auteurs ont comparé 1 922 acquis d'apprentissage (Learning Outcomes) issus des cours de cinq programmes de licence avec 103 349 compétences extraites de 5 186 offres d'emploi réelles.
La méthodologie : croiser l'IA, ESCO et la taxonomie de Bloom
Pour dépasser les approximations du langage naturel, la recherche s'appuie sur un protocole rigoureux en plusieurs étapes :
1. Extraction de données textuelles : Les compétences requises par les employeurs sont extraites mot à mot d'un corpus d'offres d'emploi à l'aide d'un modèle de langage (LLM) rigoureusement vérifié.
2. Classification standardisée : Chaque compétence est rattachée à l'un des domaines de la classification européenne ESCO (European Skills, Competences, Qualifications and Occupations), qui sert de référentiel neutre.
3. Évaluation cognitive : Les compétences et les acquis d'apprentissage des cours sont classés selon les niveaux cognitifs de la taxonomie de Bloom (mémoriser, comprendre, appliquer, analyser, évaluer, créer).
Cette approche permet de cartographier précisément où se situent les forces d'un programme, mais aussi de révéler les angles morts. Par exemple, l'étude montre comment deux diplômes aux intitulés différents peuvent en réalité présenter un taux de recouvrement de compétences de près de 80 %, posant la question de leur différenciation réelle sur le marché.
Au-delà de l'employabilité immédiate : le rôle des niveaux cognitifs
L'un des apports les plus stimulants de cette recherche réside dans son refus du pur utilitarisme. En intégrant la taxonomie de Bloom, les chercheurs démontrent que l'alignement ne signifie pas que l'université doit enseigner exactement les mêmes gestes techniques que ceux demandés dans une annonce d'emploi d'entrée de gamme.
En effet, les offres d'emploi exigent souvent des compétences très spécifiques et opérationnelles (souvent situées aux niveaux inférieurs de Bloom : appliquer, exécuter). À l'inverse, la formation universitaire vise des compétences de niveau supérieur (analyser, évaluer, concevoir), qui garantissent l'adaptabilité à long terme de l'étudiant.
Grâce à cette distinction, une université peut justifier scientifiquement son positionnement : elle ne forme pas seulement à un premier emploi, mais structure la capacité d'apprentissage futur de l'étudiant. L'audit permet ainsi de clarifier ce que l'université apporte de spécifique par rapport à des formations courtes de type "bootcamps" ou certifications d'entreprise.
Quelle transférabilité pour les universités francophones ?
Pour les équipes de direction et les ingénieurs pédagogiques des universités françaises, belges, suisses ou québécoises, cette méthodologie offre des pistes d'action concrètes, d'autant plus que l'espace francophone est déjà largement engagé dans l'Approche par Compétences (APC).
En France, la réforme du Bachelor Universitaire de Technologie (BUT) et la modularisation des licences générales poussent à une explicitation des compétences. Au Québec, l'évaluation périodique des programmes est une pratique institutionnalisée. L'utilisation d'outils d'analyse sémantique basés sur des référentiels comme ESCO ou le ROME (Répertoire opérationnel des métiers et des emplois) permettrait de :
* Clarifier l'offre de formation : Identifier les redondances entre les parcours d'une même mention de master pour simplifier la lisibilité de l'offre pour les étudiants.
* Faciliter l'auto-évaluation : Fournir aux directeurs de programmes des tableaux de bord automatisés lors des phases d'accréditation ou d'évaluation par des instances nationales (comme le Hcéres en France).
* Améliorer l'orientation : Aider les services d'orientation à montrer visuellement aux étudiants la diversité des débouchés professionnels associés à chaque option de cours.
Vers une gouvernance universitaire éclairée par les données
L'utilisation de l'intelligence artificielle pour auditer les curricula ne doit pas conduire à une dépossession du pouvoir académique. Ce type d'outil doit être perçu comme une boussole, et non comme un pilote automatique. Il appartient toujours aux enseignants-chercheurs de décider si un écart constaté entre un programme et le marché du travail constitue une lacune à corriger ou, au contraire, un choix académique délibéré et assumé.
En objectivant les débats sur l'adéquation formation-emploi, ces technologies de traitement de données textuelles offrent aux universités un moyen puissant de réaffirmer leur valeur ajoutée singulière : former des esprits critiques capables de naviguer dans la complexité du monde professionnel de demain.
Discussion
Posez vos questions et partagez votre point de vue. Matania, l'assistante de recherche et de vérification des faits, lit les commentaires et y répond dès qu'elle peut apporter des sources fiables ou des précisions. Les liens ne sont pas autorisés : citez vos sources par leur nom.