Étude de cas d’une plateforme LMS basée sur une architecture RAG pour personnaliser l’apprentissage

L’enseignement supérieur connaît une transformation rapide, portée par l’intégration croissante des technologies numériques et de l’intelligence artificielle (IA). Les systèmes de gestion de l’apprentissage (Learning Management Systems, LMS) traditionnels offrent des fonctionnalités de diffusion de contenus et de suivi, mais peinent à répondre aux exigences de personnalisation, d’interactivité et d’adaptabilité nécessaires pour améliorer l’engagement et la réussite des apprenants. Cet article présente l’étude de cas de DARSSIA , une plateforme LMS adaptative développée à l’École Polytechnique d’Agadir. La particularité de DARSSIA réside dans son intégration d’une architecture RAG (Retrieval-Augmented Generation) , permettant à un agent conversationnel intelligent de fournir un accompagnement personnalisé en s’appuyant sur des contenus pédagogiques contextualisés. Les résultats montrent que DARSSIA permet : (1) une structuration claire des parcours pédagogiques, (2) une interaction enrichie grâce à un agent conversationnel contextuel, et (3) une amélioration de l’engagement des apprenants par des quiz adaptatifs et une certification automatisée. La discussion situe ce projet par rapport aux solutions existantes (Moodle, Squirrel AI, Knewton, Duolingo) et met en évidence les apports différenciateurs de l’architecture RAG dans l’éducation numérique. Cette étude illustre le potentiel des LMS augmentés par des approches de traitement du langage naturel pour offrir une expérience d’apprentissage réellement personnalisée. Des perspectives d’évolution sont proposées, incluant l’intégration multimodale (voix, image), le renforcement de la confidentialité des données, et la généralisation à grande échelle dans l’enseignement supérieur et la formation continue.