L’IA ne sert pas qu’à générer des contenus. Elle peut aussi devenir un véritable compagnon d’apprentissage, structuré par une matrice simple pour guider le design pédagogique.
Le premier épisode de cette série portait sur la Fabrique : la première vague d’IA en formation, centrée sur la production de contenus, de visuels, de voix et de modules. En 2026, une autre dynamique semble prendre de l’ampleur : celle des IA et des agents qui ne servent plus d’abord à produire, mais à accompagner. C’est ce que j’appelle ici le compagnonnage.
Dans cette famille d’usage, l’IA rend un service direct à l’apprenant. Elle peut l’aider à trouver la bonne ressource, reformuler une notion, proposer un entraînement, soutenir une prise de recul sur sa pratique ou fournir un feedback. Le centre de gravité se déplace : il ne s’agit plus seulement d’optimiser la fabrique de contenus, mais d’intervenir au moment où l’apprentissage se joue réellement.
Pour clarifier ce champ, il est utile de distinguer cinq types de compagnonnage : orienter, expliquer, entraîner, aider à prendre du recul, évaluer. Cette première lecture peut ensuite être croisée avec plusieurs niveaux de profondeur, du simple appui ponctuel jusqu’au compagnon intégré dans un écosystème plus large.
Premier rôle : orienter. Ici, l’IA aide l’apprenant à trouver le bon contenu, la bonne activité, la bonne réponse ou le bon prochain pas. C’est le rôle que prennent des compagnons IA intégrés à une plateforme lorsqu’ils réduisent la friction dans la recherche d’information ou facilitent l’accès au bon contenu au bon moment. Le Mode Recherche de 360Learning illustre bien cette logique avec un assistant en langage naturel intégré directement à l’environnement d’apprentissage.
Deuxième rôle : expliquer. C’est probablement l’une des formes de compagnonnage les plus immédiatement compréhensibles. L’IA reformule, adapte son niveau de langage, développe un point mal compris, répond à une question située et varie les exemples.
C’est aussi dans ce courant que s’inscrit Complement., avec une proposition de formateur virtuel conversationnel capable de présenter un contenu, de répondre en temps réel aux questions de l’apprenant, d’adapter son niveau d’explication et d’évaluer à l’oral dans une progression structurée par chapitres et slides. Complement. revendique explicitement une formation personnalisée et non figée, fondée sur une interaction orale proche d’un échange avec un expert en tête-à-tête, avec intégration LTI aux LMS existants et remontée de données de progression.
Troisième rôle : entraîner. L’IA ne se contente plus d’expliquer ; elle fait pratiquer. Elle peut générer des exercices, simuler un dialogue, jouer un client, un patient, un manager, ou encore varier les mises en situation pour travailler la répétition et la consolidation. Des solutions orientées tutorat IA et feedback immédiat mettent déjà en avant cette capacité à soutenir l’entraînement actif plutôt qu’une simple consommation de contenu.
Quatrième rôle : aider à prendre du recul, soutenir la réflexivité. Ici, le service rendu n’est pas tant l’accès à une réponse que l’accompagnement d’une réflexion. L’IA aide à verbaliser une démarche, à comparer plusieurs options, à expliciter un choix, à revenir sur une action ou à faire un bilan. Autrement dit, elle soutient une forme de réflexivité : la capacité de l’apprenant à analyser sa propre activité, ses raisonnements, ses erreurs et ses progrès. Plusieurs travaux sur le tutorat augmenté vont dans ce sens, en décrivant des configurations où l’IA et les tuteurs humains coopèrent pour soutenir l’analyse et l’accompagnement raisonné, plutôt que d’automatiser toute la relation pédagogique.
Cinquième rôle : évaluer. L’évaluation mérite d’être nommée explicitement, car elle revient partout : diagnostic initial, vérification de compréhension, feedback en cours de route, bilan de progression. Certains outils combinent déjà tutorat, notation, feedback instantané et analyse de réponses ouvertes ou orales.
L’intérêt pédagogique n’est pas seulement de “mettre une note”, mais de rendre visibles les écarts, les progrès, les incompréhensions récurrentes et les points qui demandent une remédiation. À ce titre, l’évaluation n’est pas un bloc séparé du compagnonnage ; elle en constitue souvent l’un des moteurs les plus utiles.
Le Tawaki System d’Atawak : une famille de compagnons IA
Dans cette logique, le Tawaki System d’Atawak ne vise pas à créer un compagnon unique censé tout faire, mais une famille de compagnons IA spécialisés. Chaque Tawaki est pensé pour un type de compagnonnage particulier.
Les Tawaki bleus jouent un rôle surtout explicatif : ils reformulent, détaillent, donnent des exemples, accompagnent la compréhension pas à pas.
Les Tawaki rouges interviennent davantage sur la réflexivité : ils aident à verbaliser une pratique, à interroger un raisonnement, à formuler un retour critique sur l’action.
Certains, comme Oblik, ont une mission plus singulière de
désaxage ou de “détox cognitive” : introduire un écart, bousculer les automatismes, rouvrir un espace de jugement.
Plutôt qu’un “AI buddy” générique, cette approche permet de penser une écologie de compagnons, chacun aligné sur une fonction pédagogique précise : expliquer, guider, entraîner, soutenir la réflexivité, voire désaxer quand c’est nécessaire.
À ces cinq types de compagnonnage, qu’ils soient portés par un Tawaki ou par d’autres architectures, s’ajoute une autre dimension : le niveau de profondeur avec lequel l’IA s’inscrit dans le parcours d’apprentissage.
À ce premier niveau, l’IA agit comme une aide ponctuelle. Elle répond à une question, retrouve une ressource, explicite un terme, propose un exemple. Le service est utile, mais encore limité : l’IA reste principalement réactive. Le compagnon de recherche de 360Learning correspond bien à cette logique d’outillage contextuel.
À ce niveau, l’IA ne se contente plus de répondre à la demande. Elle joue un rôle de tuteur de guidance : elle pose des questions, aide à diagnostiquer un blocage, propose des pistes de remédiation, relance l’apprenant et structure une progression explicite. Le Tuteur IA présenté par edtake s’inscrit dans cette logique d’accompagnement guidant, pensé pour soutenir pas à pas le cheminement de l’apprenant.
À ce stade, l’IA n’apporte plus seulement une aide ponctuelle ou scénarisée, elle modifie son comportement en fonction de l’apprenant. Le compagnon tient compte des réponses précédentes, du niveau estimé, parfois de l’historique d’apprentissage pour adapter la difficulté, le rythme, les relances ou les exemples proposés. Il peut raccourcir un exercice si l’apprenant maîtrise déjà la notion, insister sur un point fragile, varier les formats (texte, schéma, questionnement) ou proposer des chemins alternatifs en cas de blocage. Ce niveau marque un basculement : l’aide n’est plus simplement disponible, elle devient modulée, et l’apprenant commence à avoir le sentiment d’un accompagnement qui “s’ajuste” vraiment à sa manière d’apprendre.
Enfin, le niveau le plus profond est celui du compagnon intégré. L’IA n’est plus seulement un point d’accès ou un tuteur ponctuel : elle s’inscrit dans un écosystème plus large, connecté à la plateforme, aux contenus, aux données de progression, à l’analytics et à la gestion des parcours. Sana Learn illustre bien cette logique en se présentant comme une plateforme AI-first qui combine LMS, LXP, outil auteur et classe virtuelle, avec tutorat 1:1, réponses instantanées en langage naturel, génération de contenus à partir de sources, automatisation des tâches administratives et analytics accessibles en temps réel.
Le déplacement est important. Dans la Fabrique, la question centrale était : comment produire plus vite sans perdre la maîtrise des couches ? Ici, la question devient : quel service d’accompagnement vaut réellement la peine d’être confié à une IA, à quel moment, et avec quel degré d’intégration ?
Cette différence est décisive. Une aide à la recherche documentaire, un tuteur de guidance, un compagnon réflexif et un évaluateur automatisé ne posent ni les mêmes questions pédagogiques, ni les mêmes exigences de fiabilité, ni la même articulation avec l’humain. À mesure que l’IA monte en profondeur d’accompagnement, les enjeux de posture, de traçabilité, de supervision et de qualité pédagogique deviennent plus structurants.
Autrement dit, le sujet n’est pas d’ajouter un “compagnon IA” de plus dans un parcours. Le sujet est de définir une stratégie de compagnonnage : quel type d’aide est attendu, à quel niveau de profondeur, sur quels moments du parcours, avec quelles garanties, et dans quelle articulation avec les accompagnateurs humains.
Au fond, ce compagnonnage se laisse assez bien résumer par une matrice : en ligne, les cinq types de service rendus à l’apprenant (orienter, expliquer, entraîner, soutenir la réflexivité, évaluer) ; en colonne, les niveaux de profondeur, du simple outil d’appoint au compagnon intégré. Cette matrice montre que l’IA peut, là aussi, se glisser à tous les étages de l’accompagnement. La question n’est donc pas de la mettre partout, mais de décider précisément à quel étage elle a vraiment quelque chose à apporter, et à quelles conditions, pour que le compagnonnage reste structuré, lisible et pilotable dans la durée.
Cette matrice évite deux pièges. Le premier consiste à appeler “compagnon” n’importe quel chatbot branché sur une base documentaire. Le second consiste à croire qu’un agent très intégré est automatiquement meilleur, alors qu’un besoin pédagogique peut parfois être mieux servi par une aide plus légère, plus située et plus maîtrisable.
Le compagnonnage est sans doute l’une des familles d’usage les plus intéressantes à observer en 2026, parce qu’il touche au cœur même de l’expérience d’apprentissage : non plus seulement produire des contenus, mais soutenir un cheminement. C’est aussi l’une des plus exigeantes, parce qu’elle oblige à penser ensemble automatisation, accompagnement humain et qualité du geste pédagogique.
ATAWAK accompagne les équipes L&D, les organismes de formation et les consultants-formateurs indépendants pour valoriser et digitaliser leurs offres de formation : learning design, formations interactives, IA générative, production de contenus, agents d’apprentissage IA (Tawakis), média learning et écosystèmes apprenants, dans une démarche LIFOW.
2624-0129-01
