Les études sur l’effet de l’exemple résolu – John Sweller et Graham Cooper

Dans l’histoire des sciences de l’éducation et de la psychologie cognitive appliquée, peu de découvertes ont bouleversé les paradigmes pédagogiques avec autant de force que les travaux menés par John Sweller et Graham Cooper au cours des années 1980. Alors que les milieux éducatifs occidentaux célébraient de manière quasi unanime les vertus de l’apprentissage par la découverte autonome et la confrontation précoce à des problèmes ouverts complexes, ces deux chercheurs australiens ont formulé une hypothèse provocatrice : placer un apprenant novice en situation de résolution de problème sans guidage explicite ne constitue pas un levier d’apprentissage efficace, mais représente au contraire une entrave cognitive majeure. Leurs investigations pionnières ont mis en lumière ce qui est désormais mondialement désigné sous le nom d’effet de l’exemple résolu (worked-example effect).

Ce phénomène empirique, solidement documenté à l’origine dans le champ de l’algèbre et des mathématiques appliquées, postule que l’étude approfondie de solutions pas à pas complètes génère un apprentissage substantiellement supérieur, mesuré en termes de rapidité d’acquisition, de précision procédurale et de capacité de transfert analogique, comparativement à la tentative active de résoudre les mêmes problèmes par tâtonnements successifs. Loin de promouvoir une forme de passivité intellectuelle ou un apprentissage par cœur dénué de sens, la démarche de Sweller et Cooper repose sur une modélisation précise de l’architecture cognitive humaine. Elle s’inscrit au cœur de la genèse de la théorie de la charge cognitive (Cognitive Load Theory ou CLT), laquelle démontre comment les limitations intrinsèques de notre mémoire opérationnelle conditionnent impérativement l’efficacité de tout enseignement.

Le présent article propose une analyse exhaustive et critique des fondations, des protocoles expérimentaux, des ramifications théoriques et des applications contemporaines issues des travaux sémaux de Cooper et Sweller. De l’effondrement du dogme de l’analyse moyens-fins à l’émergence des technologies adaptatives contemporaines, nous examinerons comment l’exemple résolu s’est imposé comme l’un des principes les plus robustes de l’ingénierie pédagogique moderne, tout en analysant ses modérateurs critiques, au premier rang desquels figure le redoutable effet d’expertise inversée.

1. Contexte historique et genèse des recherches de Sweller et Cooper

1.1 Le paradigme dominant de la résolution de problèmes dans les années 1970 et 1980

Durant les décennies 1970 et 1980, la psychologie cognitive et la didactique générale étaient profondément imprégnées des travaux monumentaux d’Allen Newell et de Herbert Simon sur le traitement de l’information humaine. Le modèle canonique explicité dans leur ouvrage fondateur Human Problem Solving (1972) postulait que l’activité intelligente par excellence résidait dans l’exploration systématique d’un « espace de problème ». Dans cette optique, l’apprenant idéal était perçu comme un agent résolvant des énigmes en réduisant pas à pas l’écart entre un état initial et un état-but grâce à des heuristiques générales, principalement l’analyse moyens-fins (means-ends analysis).

Cette perspective computationnelle a nourri une doxa pédagogique prépondérante, largement adoptée par les mouvements constructivistes et de la découverte guidée : pour apprendre à résoudre des problèmes, il faudrait placer l’élève face à des problèmes dès le départ. L’action autonome, la recherche d’opérateurs pertinents et l’expérimentation par essais et erreurs étaient supposées développer des compétences métacognitives supérieures et favoriser une compréhension conceptuelle profonde. On considérait alors que la transmission explicite de procédures toutes faites n’engendrait qu’un mimétisme superficiel et rigide, incapable de préparer l’apprenant à des situations inédites.

C’est précisément contre cette conception romantique et empiriquement défaillante que John Sweller a commencé à accumuler des observations critiques. Dès la fin des années 1970, Sweller constate une anomalie expérimentale frappante : des étudiants soumis à des heures d’exercices conventionnels de résolution de problèmes mathématiques ou géométriques continuent de commettre les mêmes erreurs et n’extraient que très difficilement les règles sous-jacentes. Sweller formule alors le constat que les stratégies heuristiques de recherche à l’aveugle, indispensables lorsque l’on ne sait pas comment procéder, saturent l’esprit de l’élève sans lui permettre d’induire la structure du problème. Il devenait impératif de concevoir une alternative théorique et méthodologique radicalement différente pour répondre aux besoins cognitifs des novices.

1.2 La collaboration académique entre John Sweller et Graham Cooper

C’est au sein du département d’éducation de l’Université de Nouvelle-Galles du Sud (UNSW), à Sydney en Australie, que cette réorientation scientifique prend une dimension expérimentale décisive. John Sweller, alors maître de conférences passionné par les interactions entre mémoire et raisonnement, s’associe avec Graham Cooper, un chercheur aux compétences méthodologiques et statistiques aiguisées, particulièrement versé dans la didactique des mathématiques secondaires. L’environnement universitaire australien offre à cette époque un terreau propice à une remise en question dépassionnée des modèles d’instruction traditionnels anglo-saxons.

En 1985, Sweller publie une étude inaugurale intitulée « The use of worked examples as a substitute for problem solving » dans la revue Cognition and Instruction. Cet article pose les jalons conceptuels d’une rupture : il suggère que la substitution d’une grande partie des problèmes à résoudre par des solutions entièrement détaillées accélère la maîtrise des règles de transformation. Graham Cooper apporte à cette intuition une rigueur expérimentale accrue, en concevant des protocoles d’évaluation standardisés appliqués à l’algèbre linéaire, domaine particulièrement propice à l’objectivation des étapes de calcul et à l’analyse quantitative des erreurs procédurales.

Le partenariat entre Sweller et Cooper formalise pour la première fois de manière systématique le concept d’exemple résolu (worked example) en tant qu’instrument d’investigation cognitive. Leurs échanges permettent de clarifier les conditions expérimentales requises pour isoler l’effet : contrastes rigoureux entre cohortes, neutralisation des temps d’exposition et contrôle scrupuleux de l’équivalence structurelle des tâches. Cette fructueuse synergie allait culminer dans leur publication historique de 1987, qui allait durablement secouer les fondations de la psychologie de l’éducation.

1.3 Les postulats initiaux sur l’architecture cognitive humaine

Pour comprendre la logique sous-tendant les travaux de Sweller et Cooper, il convient de restituer leur vision de l’architecture de la cognition humaine, fortement inspirée des théories d’Alan Baddeley sur la mémoire opérationnelle et d’Adriaan de Groot sur l’expertise aux échecs. Le système cognitif humain est caractérisé par une asymétrie fondamentale entre deux structures principales : la mémoire de travail et la mémoire à long terme.

La mémoire de travail, siège conscient de tout traitement intellectuel actif, présente des limites extrêmes et incontournables. Comme l’avait démontré George Miller puis affiné Baddeley, elle ne peut manipuler simultanément qu’un nombre restreint d’éléments nouveaux (estimé aujourd’hui entre trois et cinq éléments distincts) et sa durée de rétention ne dépasse pas quelques dizaines de secondes sans répétition active. En revanche, la mémoire à long terme constitue un réservoir de connaissances quasi infini, organisé sous forme de réseaux complexes et stables appelés schémas. La véritable expertise ne repose pas sur une capacité supérieure de raisonnement formel ou sur une mémoire de travail hypertrophiée, mais sur la possession d’une multitude de schémas stockés en mémoire à long terme, capables d’être rapatriés instantanément pour diriger l’action.

Sweller et Cooper mettent en évidence une contradiction dramatique inhérente à la pédagogie classique : lorsqu’un apprenant novice tente de résoudre un problème conventionnel, la gestion simultanée des objectifs, des contraintes et des opérations possibles sature immédiatement sa mémoire de travail étriquée. Cette surcharge empêche purement et simplement le transfert et la consolidation des informations vers la mémoire à long terme. En somme, l’effort mental colossal exigé par la résolution de problème « à froid » se fait au détriment direct de l’apprentissage.

2. Les fondements théoriques : Architecture cognitive et charge cognitive

2.1 La tripartition de la charge cognitive selon John Sweller

La formalisation théorique engagée à la suite des premiers travaux expérimentaux débouche sur l’élaboration de la théorie de la charge cognitive, articulée autour de la tripartition de la charge mentale imposée à l’apprenant. Sweller et ses collègues distinguent trois formes fondamentales d’exigence informationnelle : la charge intrinsèque, la charge extrinsèque et la charge essentielle (ou germane).

La charge cognitive intrinsèque dépend strictement de la nature intrinsèque de la matière à apprendre et du niveau d’expertise initial de l’individu. Elle est déterminée par le degré d’« interactivité des éléments » (element interactivity). Des éléments d’information qui ne peuvent pas être compris de manière isolée mais doivent être traités simultanément (comme les variables, coefficients et opérateurs d’une équation polynomiale complexe) génèrent une interactivité élevée, imposant un coût incompressible sur la mémoire de travail. La charge cognitive extrinsèque, quant à elle, est entièrement imputable à la manière dont l’information est organisée, présentée et demandée par l’enseignant ou le support pédagogique. Un design instructional mal conçu, des explications éclatées ou une consigne ambiguë imposent une charge mentale parasitaire qui n’apporte aucune contribution à l’apprentissage.

Enfin, la charge cognitive essentielle (germane load) désigne l’effort mental spécifiquement dévolu aux processus d’apprentissage profonds, c’est-à-dire à l’organisation des données, à la comparaison des structures, à l’extraction de principes généraux et à la construction de schémas en mémoire à long terme. L’équation centrale de la théorie de Sweller s’énonce donc ainsi : pour maximiser l’apprentissage, il est indispensable de minimiser la charge extrinsèque afin que la capacité résiduelle de la mémoire de travail soit entièrement disponible pour absorber la charge intrinsèque inhérente à la tâche et alimenter la charge essentielle.

2.2 L’analyse moyens-fins et son coût attentionnel

Au cœur de la critique formulée par Sweller figure le décryptage minutieux de l’heuristique de l’analyse moyens-fins. Face à un problème mathématique pour lequel il ne dispose d’aucun schéma préétabli, le novice n’a d’autre choix que de recourir à cette stratégie universelle de recherche en arrière (backward search) : il examine le but final visé (par exemple, isoler la variable $x$ dans l’équation $3x + 5 = 20$), compare cet état-but à l’état actuel, constate une différence, et tente de trouver un opérateur capable d’éliminer cette divergence.

Ce processus mental s’avère cognitivement dévastateur. L’apprenant doit en effet maintenir simultanément en mémoire :

• L’état actuel du problème et sa structure symbolique transitoire ;
• L’état-but lointain qu’il cherche à atteindre ;
• Les différences fondamentales entre l’état actuel et l’état-but ;
• La liste des opérations autorisées par les règles du domaine mathématique ;
• L’évaluation prospective des sous-buts intermédiaires indispensables pour débloquer l’opération principale.

Cette multiplicité d’éléments hétérogènes monopolise l’intégralité des ressources attentionnelles disponibles au sein de la mémoire de travail. L’élève se trouve dans un état d’extrême tension cognitive, naviguant d’un sous-but à l’autre. Dans cette configuration d’urgence mentale, il ne reste aucune capacité résiduelle pour remarquer la régularité structurelle du problème, ni pour généraliser la démarche adoptée. L’apprenant peut réussir à résoudre le problème par hasard ou au prix d’un épuisement cognitif sévère, mais il n’a pratiquement rien appris qui puisse être réinvesti lors de la tâche suivante.

2.3 Le mécanisme de construction et d’automatisation des schémas

À l’opposé de la résolution exploratoire, l’apprentissage réussi se caractérise par deux processus cognitifs conjoints et cumulatifs : la construction de schémas (schema acquisition) et leur automatisation (rule automation). Un schéma cognitif est une structure de données mnésique qui permet de regrouper une constellation complexe d’éléments d’information disparates en une seule et unique unité sémantique. Ce phénomène, initialement décrit sous le terme de regroupement cognitif ou chunking, modifie radicalement la bande passante de la mémoire de travail.

Lorsqu’un apprenant débutant observe l’expression algébrique $a/b = c$, il perçoit des lettres distinctes, une barre de fraction et un signe d’égalité, chaque composante accaparant une partie de sa capacité de traitement. En revanche, l’expert identifie instantanément une proportionnalité directe régie par une relation unifiée. En manipulant le schéma comme un bloc élémentaire unique, l’expert contourne les limites physiologiques de sa mémoire de travail. La construction de ces schémas nécessite que l’attention de l’apprenant soit orientée précisément sur les traits structurels pertinents de la configuration du problème plutôt que sur la gestion des sous-buts.

L’automatisation intervient quant à elle comme l’ultime étape de l’apprentissage. Avec la répétition et l’exposition méthodique, un schéma peut être activé et exécuté de manière quasi inconsciente, sans solliciter les ressources attentionnelles conscientes de la mémoire de travail. C’est cette libération massive de bande passante mentale qui distingue l’expert du profane et lui permet d’aborder des problèmes d’une complexité stratifiée inaccessibles au novice.

3. L’étude fondatrice de Cooper et Sweller (1987) : Méthodologie et protocole

3.1 Les hypothèses opérationnelles formulées par Cooper et Sweller

Publiée dans le prestigieux Journal of Educational Psychology, l’étude expérimentale de Graham Cooper et John Sweller (1987), intitulée « Effects of schema acquisition and rule automation on mathematical problem-solving transfer », visait à tester de manière empirique et définitive la supériorité de l’apprentissage par l’exemple sur la résolution traditionnelle de problèmes en milieu scolaire contrôlé.

Les deux chercheurs ont formalisé une série d’hypothèses opérationnelles très strictes pour éprouver la robustesse de leur modèle :

• Hypothèse d’efficacité temporelle : Le groupe apprenant par l’étude d’exemples résolus nécessitera significativement moins de temps durant la phase d’acquisition pour maîtriser les concepts cibles que le groupe soumis à la pratique conventionnelle d’exercices.
• Hypothèse de précision procédurale : Lors des post-tests d’évaluation, les apprenants formés par exemples résolus résoudront les problèmes de manière substantiellement plus rapide et avec un taux d’erreur nettement inférieur à celui du groupe témoin.
• Hypothèse de transfert analogique : L’apprentissage par l’exemple ne se bornera pas à un apprentissage mécanique de surface ; il permettra un transfert supérieur aussi bien sur des problèmes structurellement identiques (problèmes isomorphes) que sur des problèmes présentant des variations de surface ou des réorganisations algébriques légères (problèmes similaires ou de transfert proche).

En formulant ces prédictions, Cooper et Sweller jetaient un défi audacieux à la tradition pédagogique séculaire selon laquelle seule la « pratique délibérée par résolution active » conférait une maîtrise fonctionnelle des règles mathématiques.

3.2 La conception expérimentale et la sélection du corpus de tâches

Pour assurer la validité écologique et méthodologique de leurs travaux, Cooper et Sweller ont recruté des élèves de l’enseignement secondaire (âgés d’environ 13 à 15 ans) n’ayant jamais été initiés formellement aux équations algébriques manipulant des fractions et des expressions à plusieurs étapes. L’algèbre linéaire fournissait un champ expérimental exemplaire : les règles de manipulation y sont axiomatisées, les états intermédiaires sont parfaitement quantifiables, et chaque opération modifie objectivement l’état de l’expression mathématique.

Le protocole expérimental reposait sur un plan factoriel comparatif divisant rigoureusement les élèves en deux groupes distincts :

• Le groupe conventionnel (résolution de problèmes) : les élèves recevaient une brève introduction des règles de base de manipulation des équations, puis devaient résoudre une série de problèmes consécutifs avec rétroaction corrective en cas de blocage.
• Le groupe expérimental (exemples résolus) : les élèves recevaient la même brève introduction, mais leur corpus d’entraînement était constitué de paires alternées comprenant un exemple entièrement résolu pas à pas, immédiatement suivi d’un problème jumeau à résoudre, ou de séries pures d’exemples détaillés explicitant chaque manipulation mathématique.

Les problèmes étaient strictement appariés entre les deux conditions : pour chaque problème résolu de manière autonome par le premier groupe correspondait un exemple résolu de structure logique rigoureusement identique pour le second groupe. Les consignes, le temps maximum alloué et l’environnement expérimental étaient scrupuleusement standardisés afin d’éliminer toute variable parasite liée à l’effet du maître ou à des biais de motivation contextuelle.

3.3 Les protocoles de mesure et les indicateurs de performance

L’originalité méthodologique de l’étude de 1987 résidait également dans le raffinement des instruments de mesure mis en œuvre pour quantifier l’apprentissage et inférer l’état de la charge cognitive. Sweller et Cooper ne se contentaient pas d’une simple note globale d’évaluation, mais capturaient plusieurs dimensions de la performance comportementale.

Le premier indicateur majeur était le temps d’acquisition, chronométré avec précision du début de la phase d’instruction jusqu’à la réussite d’un critère de maîtrise prédéfini. Le deuxième indicateur était le temps de résolution lors du post-test, mesuré problème par problème : une baisse significative du temps d’exécution sans dégradation de la précision constituait l’indice direct d’une automatisation des règles et d’un allègement du travail de recherche cognitive. Enfin, le taux et la typologie des erreurs étaient disséqués avec minutie, distinguant les fautes de calcul arithmétique triviales des erreurs structurelles de violation des règles algébriques fondamentales (comme l’application illicite d’une opération sur un seul côté de l’égalité).

Cette triangulation métrique permettait d’établir sans ambiguïté si les gains observés relevaient d’une simple accélération comportementale superficielle ou d’une restructuration cognitive profonde du traitement de l’information.

4. Analyse approfondie des résultats empiriques des études initiales

4.1 La supériorité statistique du groupe ayant étudié des exemples résolus

Les conclusions statistiques rapportées par Cooper et Sweller ont dépassé les prévisions les plus optimistes. Sur l’ensemble des cohortes examinées, les apprenants du groupe « exemples résolus » ont surclassé de manière écrasante leurs pairs du groupe conventionnel sur la quasi-totalité des critères opérationnels retenus.

En premier lieu, la phase d’acquisition a mis en évidence une économie de temps colossale : les élèves étudiant les exemples résolus ont atteint le niveau de maîtrise requis en une fraction substantiellement plus courte du temps nécessaire aux résolveurs conventionnels. Loin de perdre du temps à lire des solutions rédigées, ils ont assimilé les structures opératoires à un rythme accéléré. En second lieu, lors de la passation du post-test évaluant la résolution de nouveaux problèmes, les élèves du groupe « exemples résolus » ont manifesté une diminution spectaculaire du taux d’erreurs mathématiques structurelles, les scores de réussite s’élevant souvent à des niveaux de signification statistique hautement probants ($p < .001$).

Cette supériorité quantitative ne s’est pas démentie au fil des réplications. Que l’évaluation intervienne immédiatement après la phase d’apprentissage ou après un délai de rétention, les apprenants exposés au guidage par l’exemple résolu ont conservé leur avance. Ces résultats démontraient empiriquement que l’activité mentale déclenchée par l’observation attentive d’un modèle de résolution bien conçu était infiniment plus fertile pour l’encodage mnésique que l’épuisement cognitif induit par les tentatives de résolution autonome.

4.2 L’évaluation des transferts : Problèmes similaires contre problèmes nouveaux

L’un des axes de contestation initiaux formulés par les partisans des approches constructivistes portait sur la nature des compétences acquises : l’exemple résolu ne formait-il pas de simples exécutants incapables de s’adapter à des situations imprévues ? L’expérimentation de Cooper et Sweller a spécifiquement désamorcé cette critique en intégrant une analyse différenciée entre transfert proche (problèmes isomorphes) et transfert lointain (problèmes à restructuration cognitive).

Sur les problèmes isomorphes – c’est-à-dire présentant les mêmes relations algébriques fondamentales mais avec des valeurs numériques différentes –, le groupe ayant étudié les exemples résolus a démontré une aisance sans comparaison, résolvant les équations avec une fluidité caractéristique de l’expertise naissante. Cependant, le constat le plus capital est apparu lors de la confrontation à des problèmes requérant une réorganisation préalable non rencontrée littéralement lors de la phase d’apprentissage (par exemple, des équations nécessitant une factorisation liminaire avant application des simplifications habituelles).

Contrairement aux allégations des tenants de l’apprentissage par découverte, les élèves du groupe « exemples résolus » ont obtenu des résultats au moins égaux, et fréquemment supérieurs, à ceux des élèves ayant passé leur entraînement à chercher des solutions par eux-mêmes. En libérant la mémoire de travail des contingences de l’analyse moyens-fins, l’étude des exemples résolus avait permis aux apprenants d’extraire la substantifique moelle conceptuelle des règles, rendant leurs schémas mentaux suffisamment souples et abstraits pour autoriser un transfert positif vers des contextes structurellement modifiés.

4.3 Interprétation cognitive des écarts de performance constatés

L’interprétation cognitive formulée par Sweller et Cooper pour élucider ces écarts spectaculaires constitue le cœur même de leur contribution scientifique. En fournissant d’emblée la trajectoire complète menant de l’état initial à la solution finale, l’exemple résolu neutralise instantanément la nécessité pour l’élève de s’engager dans une heuristique de recherche en arrière (means-ends analysis).

L’attention visuelle et cognitive de l’élève est alors entièrement canalisée vers l’étude des transitions logiques :

• Comment tel opérateur mathématique spécifique transforme-t-il l’état $N$ de l’équation en un état $N+1$ valide ?
• Quels indices structurels présents dans la ligne précédente justifient le déclenchement de cette opération précise ?
• De quelle manière les contraintes du problème sont-elles levées de façon ordonnée et cohérente ?

En observant ces transformations sans l’angoisse de l’incertitude décisionnelle ni la nécessité de manipuler mentalement des sous-buts fantômes, l’élève traite les états du problème et les opérateurs autorisés en tant qu’entités corrélées. Il construit une véritable cartographie mentale de la tâche. La charge extrinsèque s’effondre, permettant à la mémoire de travail de consacrer la totalité de ses modestes ressources à l’intégration de ce nouveau schéma au sein de la mémoire à long terme. La prédiction de la théorie de la charge cognitive trouvait ici sa validation empirique magistrale.

5. Anatomie et structure cognitive de l’exemple résolu optimal

5.1 Les composantes fondamentales d’un exemple résolu efficace

Face au retentissement de ces conclusions, la communauté scientifique a rapidement compris que l’exemple résolu ne pouvait se résumer à la simple présentation brute d’un corrigé standardisé d’exercice. Pour produire ses pleins effets cognitifs, un exemple résolu doit répondre à une anatomie rigoureuse dictée par les exigences de la psychologie du traitement de l’information.

Un exemple résolu exemplaire comprend obligatoirement trois composantes structurelles indissociables :

• L’état initial du problème : La formulation sans ambiguïté des données de départ, du contexte fonctionnel et de l’ensemble des contraintes opératoires explicitées de manière claire et non équivoque.
• La séquence ordonnée des étapes procédurales : Le découpage chronologique et logique de toutes les actions, transformations ou calculs intermédiaires conduisant sans saut conceptuel vers la résolution.
• L’état final explicitement caractérisé : La mise en évidence nette du but atteint, validé par rapport aux exigences formulées dans l’état initial.

De surcroît, chaque étape de transformation doit idéalement être accompagnée d’une signalétique qui rend transparente la règle appliquée. Un exemple résolu mal structuré, omettant des transitions logiques ou présentant une mise en page désordonnée, recrée paradoxalement une charge extrinsèque élevée, ruinant ainsi le bénéfice même qui justifiait son emploi pédagogique.

5.2 La granularité et la segmentation des étapes procédurales

L’une des variables critiques déterminant l’efficacité d’un exemple résolu réside dans son niveau de granularité, c’est-à-dire le degré de finesse avec lequel les macro-étapes de raisonnement sont décomposées en sous-étapes élémentaires. Pour un concepteur de cours expert, une opération telle que « simplifier par le dénominateur commun » apparaît comme une action unitaire évidente. Pour un novice, cette même opération agrège en réalité plusieurs mécanismes complexes : repérer les facteurs communs, appliquer la règle d’inversion multiplicative et vérifier la non-nullité des termes.

Les recherches ultérieures menées par Richard Catrambone (notamment ses travaux de 1996 et 1998 sur la théorie des sous-buts ou sub-goal learning) ont démontré de manière irréfutable que le découpage de la solution en blocs hiérarchiques labellisés améliore drastiquement la compréhension conceptuelle. En isolant les sous-buts par des étiquettes sémantiques claires (par exemple : « Étape 1 : Regrouper les termes constants du côté droit », « Étape 2 : Isoler le coefficient multiplicateur »), on offre à l’apprenant un gabarit d’abstraction.

Cette segmentation spatiale et temporelle évite le danger mortel de la sous-spécification. Elle fournit un échafaudage cognitif qui permet à la mémoire de travail de traiter chaque transition comme un bloc cognitif maîtrisable, avant d’intégrer l’ensemble de la trajectoire dans un schéma de niveau supérieur.

5.3 L’intégration des justifications et des principes sous-jacents

Pour qu’un exemple résolu développe une compréhension conceptuelle profonde et ne dérive pas vers un algorithme mécanique exécuté sans réflexion, il est impératif d’y adjoindre les justifications conceptuelles des transformations effectuées. La distinction entre la simple « règle procédurale » (faire telle manipulation) et le « principe structurel » (pourquoi cette manipulation est-elle la seule légitime à cet instant) conditionne la robustesse des transferts ultérieurs.

Dans un exemple résolu de haute qualité, les étapes ne se bornent pas à montrer le résultat mathématique de la transformation, elles explicitent les lois mathématiques universelles sur lesquelles repose le calcul. Par exemple, au lieu d’écrire brutalement $2x = 10 \rightarrow x = 5$, le concepteur intégrera une notation explicative rappelant que la multiplication ou la division des deux membres d’une égalité par un même scalaire non nul préserve l’ensemble des solutions de l’équation.

Il convient néanmoins de veiller à un équilibre délicat : ces explications doivent être rigoureusement contextualisées et concises. Toute digression théorique hors sujet, surcharge terminologique inutile ou accumulation de justifications redondantes engendre une charge cognitive extrinsèque superflue qui viendrait saturer précisément les ressources attentionnelles que l’exemple résolu a pour mission de préserver.

6. L’effet d’estompage et la transition vers l’autonomie

6.1 Le principe de l’estompage progressif (Fading Effect)

Bien que l’efficacité de l’exemple résolu soit éclatante dans les premières phases de l’acquisition des connaissances, maintenir un apprenant sous un régime exclusif d’exemples entièrement rédigés à mesure que ses compétences progressent s’avérerait contre-productif. C’est ici qu’intervient le principe fondamental de l’estompage progressif (fading effect ou scaffold fading).

Développé et théorisé notamment par des chercheurs comme Alexander Renkl, Robert Atkinson et Uwe Maier au tournant des années 2000, l’estompage consiste à organiser une transition méthodique et fluide entre l’exemple totalement résolu et le problème conventionnel totalement autonome. La modalité privilégiée repose sur l’utilisation de problèmes à compléter (completion problems). Dans ce paradigme, l’apprenant n’est pas brutalement jeté d’un modèle passif vers une résolution intégrale : on lui présente une succession de tâches dont un nombre croissant d’étapes finales ou intermédiaires est laissé délibérément vide, exigeant de sa part une production active.

Ce continuum dynamique garantit le maintien de la charge cognitive dans une « zone proximale de développement » optimale. À mesure que les premiers schémas commencent à se stabiliser en mémoire à long terme, ils libèrent une fraction de la mémoire de travail. Cette capacité libérée est alors immédiatement investie dans la résolution productive de l’étape manquante, sans jamais atteindre le seuil critique de saturation qui accompagnait l’analyse moyens-fins non guidée.

6.2 Estompage régressif versus estompage progressif

L’organisation technique de cet estompage a donné lieu à d’intenses débats expérimentaux au sein de la communauté cognitive. Deux grandes stratégies s’opposent : l’estompage régressif (backward fading) et l’estompage progressif (forward fading).

Dans le modèle de l’estompage régressif, la séquence débute par l’étude d’exemples résolus complets. Puis, dans le problème suivant, la toute dernière étape de résolution est supprimée, l’apprenant devant l’accomplir par lui-même. Sur les items successifs, l’avant-dernière étape est à son tour supprimée, puis les étapes précédentes, jusqu’à ce que l’élève se retrouve à concevoir la résolution de la première à la dernière étape de manière entièrement autonome. Dans l’estompage progressif, la démarche est inversée : on demande à l’élève d’accomplir la première étape, tandis que le système fournit la résolution complète de toutes les étapes subséquentes.

Les investigations empiriques menées par Renkl et Atkinson ont apporté une preuve éclatante de la supériorité cognitive du backward fading :

• En commençant par exécuter la dernière étape, l’apprenant conserve en permanence une vision claire de l’état-but vers lequel converge la trajectoire de résolution.
• Le novice bénéficie de l’ensemble du contexte initial pré-structuré, ce qui lui permet de concentrer la totalité de son attention sur la conclusion logique de la tâche.
• Le backward fading ancre plus efficacement la structure globale du schéma en évitant les errances méthodologiques dès l’amorce de la tâche.

6.3 Critères métacognitifs d’ajustement du niveau de guidage

L’enjeu central de la mise en œuvre de l’estompage réside dans la détermination du moment opportun pour supprimer un niveau d’échafaudage. Un désengagement prématuré du guidage précipite l’apprenant dans une surcharge cognitive brutale, réactivant les stratégies archaïques de tâtonnement à l’aveugle et de frustration décisionnelle. À l’inverse, un maintien prolongé d’un guidage devenu inutile engendre de l’ennui et bloque l’automatisation procédurale indispensable à la véritable expertise.

Pour gérer cet ajustement dynamique, les environnements d’apprentissage contemporains et les enseignants chevronnés s’appuient sur des critères diagnostiques combinés. Le premier critère est le taux de précision lors de l’exécution des étapes partiellement estompées : une étape ne doit être masquée que si les étapes précédentes sont maîtrisées avec un seuil de succès généralement fixé à plus de 80-90 %. Le second critère, plus subtil, repose sur la vitesse de traitement et les indicateurs métacognitifs d’aisance perçue. Une hésitation temporelle prolongée sur une étape intermédiaire signale une instabilité du schéma mnésique, exigeant un réengagement immédiat d’exemples complètement résolus.

L’étayage procédural ne doit donc jamais être envisagé comme un carcan rigide et uniforme, mais comme une membrane didactique adaptative, capable de s’épaissir ou de s’estomper au rythme exact de la consolidation des structures cognitives chez l’individu.

7. Interactions entre l’exemple résolu et d’autres effets de la charge cognitive

7.1 L’effet d’attention partagée (Split-Attention Effect)

L’effet de l’exemple résolu ne s’exprime pas dans un vide expérimental ; son efficacité est conditionnée de manière dramatique par son interaction avec d’autres lois fondamentales de la théorie de la charge cognitive. Le premier piège didactique identifié par Sweller et Paul Chandler dès le début des années 1990 est l’effet d’attention partagée (split-attention effect).

Cet effet négatif se manifeste lorsque le matériel pédagogique oblige l’apprenant à diviser son attention visuelle ou spatiale entre plusieurs sources d’information disparates qui sont mutuellement dépendantes pour être comprises. Imaginons un exemple résolu de géométrie où la démonstration textuelle pas à pas est rédigée au bas d’une page, tandis que la figure géométrique annotée se trouve en haut, ou sur une page adjacente. L’apprenant est alors condamné à opérer d’incessants mouvements oculaires d’aller-retour pour faire correspondre les segments textuels aux coordonnées de la figure. Ce travail de mise en relation mentale constitue une charge cognitive extrinsèque dévastatrice : la mémoire de travail s’épuise à maintenir l’information spatiale tout en essayant de déchiffrer l’argumentation textuelle.

La solution démontrée par Chandler et Sweller consiste en l’intégration physique des sources d’information. En insérant les segments de texte explicatifs directement au cœur même du schéma ou de la figure géométrique, à proximité immédiate des éléments pertinents, on supprime instantanément la charge de recherche spatiale. L’exemple résolu intégré recouvre alors l’intégralité de son potentiel instructif.

7.2 L’effet de redondance (Redundancy Effect)

Un deuxième effet critique venant neutraliser l’apport de l’exemple résolu est l’effet de redondance (redundancy effect). Il intervient lorsqu’un concepteur, animé par une volonté excessive de bien faire, fournit des informations identiques sous des formes multiples qui n’apportent aucune valeur ajoutée cognitive, ou lorsqu’il explicite des évidences déjà assimilables par l’observation d’un schéma explicite.

L’exemple canonique consiste à présenter un diagramme autonome parfaitement clair tout en imposant la lecture d’un texte décrivant mot pour mot ce que le diagramme illustre déjà sans ambiguïté. Contrairement à une croyance pédagogique naïve prétendant que « répéter la même chose sous deux formats renforce la mémorisation », la psychologie cognitive prouve que le cerveau traite la redondance comme un bruit parasite. L’apprenant consacre une énergie mentale substantielle à lire le texte, à analyser le diagramme, puis à vérifier si le texte apporte un élément nouveau par rapport au graphique. Constatant que l’information est identique, il a gaspillé des ressources attentionnelles précieuses en pure perte.

Dans la conception d’un exemple résolu, le principe de parcimonie informationnelle est d’une rigueur absolue : toute information textuelle ou visuelle qui n’est pas strictement indispensable à l’intelligibilité de la démonstration doit être impitoyablement éliminée des supports pédagogiques.

7.3 L’effet de modalité (Modality Effect)

Pour démultiplier encore la puissance de l’exemple résolu, la recherche cognitive contemporaine s’est penchée sur l’exploitation concertée des sous-systèmes de la mémoire de travail à travers l’effet de modalité (modality effect). Selon le modèle d’Alan Baddeley, la mémoire de travail comprend deux processeurs esclaves spécialisés : la boucle phonologique, dédiée au traitement des informations verbales et acoustiques, et le calepin visuo-spatial, chargé du traitement des images et des relations spatiales.

L’effet de modalité établit que si un exemple résolu implique à la fois un support visuel complexe (par exemple, une animation mécanique, un diagramme anatomique ou une simulation informatique) et une explication textuelle, il est cognitivement infiniment plus efficace de délivrer cette explication sous forme de narration orale (canal auditif) plutôt que sous forme de texte écrit à l’écran (canal visuel). En distribuant les stimuli entre l’œil et l’oreille :

• On évite de saturer le canal visuel qui doit déjà traiter les données dynamiques du schéma ;
• On mobilise la boucle phonologique sans créer de concurrence attentionnelle avec le calepin visuo-spatial ;
• On augmente fonctionnellement la capacité globale de traitement de la mémoire de travail.

Cependant, les chercheurs ont également documenté les limites écologiques de cet effet : en environnement bruyant, ou lorsque le texte explicatif est long, complexe et comporte des formules mathématiques denses nécessitant un retour visuel permanent, la modalité textuelle écrite intégrée redevient préférable.

8. L’effet d’expertise inversée : Limites et modérateurs de l’exemple résolu

8.1 Découverte et conceptualisation de l’effet d’expertise inversée (Expertise Reversal Effect)

L’une des contributions théoriques les plus saisissantes de la théorie de la charge cognitive, qui illustre la maturité de ce champ de recherche, est intervenue à la fin des années 1990 avec la découverte de l’effet d’expertise inversée (expertise reversal effect), documenté de manière approfondie par Slava Kalyuga, Paul Chandler et John Sweller (1998, 2001).

Cet effet met en lumière une réalité pédagogique fondamentale : les méthodes d’enseignement hautement efficaces pour les novices deviennent progressivement inefficaces, voire néfastes, à mesure que le niveau d’expertise des apprenants progresse au sein d’un domaine donné. Si l’exemple résolu constitue la stratégie didactique optimale absolue pour un individu situé au stade initial de l’acquisition, il perd de sa supériorité chez l’apprenant de niveau intermédiaire, et devient un obstacle handicapant pour l’expert confirmé.

Chez l’apprenant expérimenté, l’obligation d’étudier un exemple entièrement résolu détaillant chaque sous-étape entre en conflit direct avec les schémas cognitifs internes déjà automatisés dans sa mémoire à long terme. L’expert traite la solution externe comme une information redondante parasitaire. Il doit mobiliser des ressources cognitives pour réconcilier la démonstration extérieure imposée avec ses propres routines mentales préexistantes, ce qui crée une charge extrinsèque artificielle. Pour ces individus avancés, la résolution autonome de problèmes complexes sans guidage redevient l’activité instructionalement supérieure, car elle seule permet d’affiner, de consolider et de tester la flexibilité de leurs schémas mentaux.

8.2 Facteurs individuels influençant l’effet de l’exemple résolu

L’effet de l’exemple résolu n’est pas un invariant absolu qui s’appliquerait indistinctement à toute population sans considération de variables psychologiques individuelles. La littérature expérimentale a identifié plusieurs modérateurs cruciaux influençant directement la magnitude du phénomène :

• Les connaissances préalables (prior knowledge) : De loin la variable prédictive dominante. Plus le socle de connaissances préexistantes d’un individu est mince dans un domaine cible, plus l’effet de l’exemple résolu est massif et décisif.
• La capacité individuelle de la mémoire de travail (WMC) : Les apprenants présentant une faible capacité de rétention opérationnelle tirent un bénéfice proportionnellement plus spectaculaire des exemples résolus que les individus dotés d’une mémoire de travail plus étendue, ces derniers pouvant tolérer temporairement un niveau modéré de tâtonnement exploratoire.
• La motivation intrinsèque et le sentiment d’autonomie : Un guidage très directif par l’exemple peut parfois induire une baisse d’engagement affectif chez certains élèves si la pertinence des étapes ne leur est pas clairement explicitée, entraînant un phénomène de survol passif.
• L’âge et la maturité cognitive : Chez les très jeunes enfants, l’effet de l’exemple résolu nécessite une adaptation visuelle majeure en raison du développement progressif des fonctions exécutives et de l’inhibition cognitive.

8.3 Le modèle de transition dynamique entre novice et expert

La découverte de l’effet d’expertise inversée a imposé l’abandon d’une conception binaire de l’enseignement (guidage absolu contre autonomie totale) au profit d’un modèle de transition dynamique tout au long du continuum d’apprentissage. Ce modèle stipule que la méthode pédagogique optimale est une fonction mobile du statut d’expertise de l’apprenant à un instant $T$.

L’itinéraire didactique rationnel préconisé par la théorie de la charge cognitive s’organise selon une trajectoire rigoureuse :

• Stade novice : Utilisation prépondérante d’exemples entièrement résolus, exempts de tout facteur de division attentionnelle, accompagnés d’incitations ciblées.
• Stade intermédiaire précoce : Remplacement progressif des exemples complets par des doublets interactifs et des problèmes partiellement résolus (backward fading).
• Stade intermédiaire avancé : Transition vers des problèmes à compléter minimaux, confrontant l’apprenant à des variations structurelles plus audacieuses.
• Stade expert : Abandon définitif de l’exemple résolu au profit de la résolution libre de problèmes ouverts, de la détection d’anomalies et de projets de conception complexes.

Ce basculement stratégique requiert une évaluation formative permanente des compétences des apprenants, défi que les architectures numériques et les tuteurs intelligents algorithmiques contemporains commencent à relever avec une précision inédite.

9. Le rôle de l’auto-explication dans l’exploitation des exemples résolus

9.1 Les travaux pionniers de Michelene Chi sur l’auto-explication

Alors que John Sweller et Graham Cooper analysaient l’impact des exemples résolus sous l’angle de la structure des tâches et de la gestion de la charge cognitive, une avancée majeure et complémentaire s’est développée aux États-Unis sous l’impulsion de Michelene Chi et de son équipe à l’Université de Pittsburgh. Dans leur étude séminale de 1989 (« Self-Explanations: How Students Study and Use Examples in Learning to Solve Problems »), Chi, Bassok, Lewis, Reimann et Glaser se sont penchés sur les processus cognitifs internes déployés par les étudiants lorsqu’ils examinent un exemple résolu de physique mécanique.

Chi a mis en lumière une divergence comportementale et qualitative stupéfiante entre les apprenants performants (les « bons » apprenants) et les apprenants en difficulté (les « mauvais » apprenants) :

• Les apprenants peu performants lisent les étapes de l’exemple de manière superficielle et passive, considérant que la simple lecture linéaire équivaut à la compréhension. Lorsqu’ils sont ultérieurement confrontés à un exercice, ils se contentent d’essayer de copier mécaniquement la forme apparente de la solution sans saisir sa logique profonde.
• Les apprenants performants génèrent spontanément un volume substantiel d’auto-explications (self-explanations). À chaque ligne de calcul, ils s’interrogent mentalement sur les raisons de l’opération, la relient aux principes généraux de la physique énoncés dans le cours (par exemple, la seconde loi de Newton), et cherchent activement à identifier les lacunes de leur propre modèle mental.

Cette observation fondamentale prouvait que la simple présentation d’un exemple résolu ne suffisait pas : pour déployer sa pleine fécondité cognitive, l’exemple devait susciter un traitement actif orienté vers l’intégration conceptuelle.

9.2 Les incitations à l’auto-explication (Self-Explanation Prompts)

Puisque la production spontanée d’auto-explications de haute qualité demeure l’apanage d’une minorité d’apprenants métacognitivement doués, les chercheurs en psychologie de l’éducation (notamment Alexander Renkl, Silke Schworm et Vincent Aleven) ont développé la méthodologie des invitations ou incitations à l’auto-explication (self-explanation prompts).

Cette technique consiste à insérer directement, à des moments charnières de l’exemple résolu, des questions réflexives ciblées contraignant l’élève à expliciter la justification théorique de la démarche. Les prompts peuvent être de nature diverse :

• Prompts axés sur les principes : « Pourquoi cette formule est-elle applicable à cette situation géométrique particulière ? »
• Prompts axés sur les sous-buts : « Quel est l’objectif poursuivi par l’auteur lorsqu’il isole le terme $y$ à cette étape précise ? »
• Prompts métacognitifs de monitorage : « En quoi cette étape diffère-t-elle de celle utilisée dans l’exemple précédent ? »

L’introduction empirique de ces incitations a démontré une amplification spectaculaire de la charge cognitive essentielle (germane load). En guidant l’activité d’auto-explication, on prévient l’illusion de compréhension et on contraint l’apprenant à un effort d’élaboration constructif qui débouche sur des gains remarquables lors des tests de transfert lointain.

9.3 L’étude passive contre l’étude active des exemples résolus

La convergence des recherches de Sweller et de Chi a permis de dissiper définitivement le contresens théorique le plus répandu concernant l’exemple résolu : celui qui assimile cette méthode à une modalité d’instruction passive où l’élève se comporterait en spectateur atone d’une démonstration professorale. L’étude passive d’un exemple est pédagogiquement inerte ; seule l’étude active et engagée transforme l’architecture mnésique.

L’ingénierie pédagogique contemporaine utilise diverses techniques d’engagement cognitif forcé pour proscrire la passivité :

• L’obligation de formuler un pronostic sur l’étape suivante avant de révéler son contenu dans les environnements informatisés ;
• L’insertion d’exercices d’auto-évaluation immédiats à choix multiples portant sur la validation conceptuelle d’une transition ;
• L’identification délibérée d’une justification erronée parmi un panel de propositions concurrentes associées à une ligne de calcul.

Ces dispositifs garantissent que l’allègement de la charge extrinsèque offert par l’exemple résolu ne soit pas dévoyé en paresse intellectuelle, mais serve au contraire de tremplin à un effort cognitif productif, condition sine qua non de la consolidation synaptique et de l’acquisition durable de schémas complexes.

10. Extensions expérimentales et comparaisons didactiques

10.1 L’analyse d’exemples incorrects et d’erreurs typiques

Dans le prolongement des modèles classiques fondés exclusivement sur la présentation de solutions parfaites, une branche d’investigation féconde s’est développée autour de l’usage didactique des exemples incorrects (erroneous examples), notamment explorée par Siegfried Stark, Robin Stark et Tamara van Gog. Cette approche repose sur la présentation d’exemples contenant délibérément une erreur procédurale ou conceptuelle typique, l’apprenant ayant pour mission de la détecter, de l’expliciter et de la corriger.

D’un point de vue cognitif, l’exposition à des erreurs soigneusement calibrées stimule des processus réflexifs d’une rare puissance :

• Elle force l’élève à confronter ses propres conceptions erronées intuitives souvent profondément enracinées ;
• Elle affine la précision discriminante du schéma mental en cours de formation en fixant non seulement ce qu’il faut faire, mais aussi ce qui est strictement prohibé ;
• Elle développe une vigilance métacognitive accrue face aux pièges structurels du domaine.

Cependant, les recherches imposent une réserve méthodologique absolue : l’introduction d’exemples incorrects est désastreuse chez les novices intégraux. Incapables d’identifier l’erreur par manque de repères, ils risquent d’encoder la fausse procédure en mémoire à long terme. L’exemple incorrect n’est bénéfique qu’à un stade intermédiaire, une fois que les fondations du schéma correct ont été solidement implantées par l’étude d’exemples résolus canoniques.

10.2 Exemples comparatifs et représentations multiples

Une autre extension pédagogique de premier ordre réside dans l’utilisation d’exemples résolus comparatifs, théorisée et documentée expérimentalement par Bethany Rittle-Johnson et Jon Star. Au lieu de présenter une solution unique de manière séquentielle, l’enseignant juxtapose côte à côte deux méthodes de résolution distinctes, valides et complètes, pour résoudre un même et unique problème mathématique.

Par exemple, pour résoudre l’équation $4(x + 3) = 28$, la première méthode développe l’expression ($4x + 12 = 28 \rightarrow 4x = 16 \rightarrow x = 4$), tandis que la seconde divise d’emblée par 4 ($x + 3 = 7 \rightarrow x = 4$). La comparaison visuelle et simultanée de ces deux approches opératoires favorise ce que les psychologues appellent l’abstraction structurelle. L’apprenant dépasse le niveau purement syntaxique de la règle pour appréhender la flexibilité procédurale et l’élégance stratégique.

Néanmoins, la théorie de la charge cognitive rappelle que la comparaison d’exemples multiples impose une charge intrinsèque substantielle. Pour ne pas submerger l’élève, ce format nécessite des artifices visuels d’alignement spatial rigoureux (couleurs coordonnées, correspondances fléchées) afin de minimiser le travail mental d’appariement et d’orienter immédiatement le focus sur les différences architecturales des deux méthodes.

10.3 Le débat entre échec productif (Kapur) et enseignement explicite guidé

Ces vingt dernières années, une vive controverse didactique a opposé les défenseurs de l’enseignement explicite guidé par l’exemple (incarnés par Sweller, Paul Kirschner et Richard Clark) aux partisans de l’échec productif (Productive Failure), théorisé par Manu Kapur de l’ETH Zurich.

Le paradigme de Kapur propose une séquence pédagogique en deux temps : inviter d’abord les élèves, sans aucun guidage préalable, à concevoir intuitivement des solutions à un problème complexe dépassant leurs compétences actuelles, conduisant inévitablement à un échec fonctionnel ; puis, dans un second temps, dispenser une instruction explicite consolidant les principes mathématiques corrects. Selon Kapur, cet échec exploratoire préalable permettrait aux élèves de prendre conscience des limites de leurs intuitions, générant une « curiosité épistémique » et rendant la mémoire de travail plus réceptive à l’explication ultérieure.

Sweller et ses collègues ont répliqué à travers des séries d’analyses comparatives rigoureuses. Si la phase d’instruction explicite finale de Kapur est indispensable pour sauver l’apprentissage, les preuves empiriques indiquent fréquemment que le temps massif consommé lors de la phase d’échec initial se traduit par un coût d’opportunité élevé. Les études comparatives démontrent que débuter immédiatement par un exemple résolu soigneusement conçu, enrichi d’incitations métacognitives, produit dans la grande majorité des disciplines bien structurées un apprentissage plus rapide, moins anxiogène et tout aussi propice aux transferts complexes que les protocoles d’échec exploratoire.

11. Applications pratiques contemporaines dans l’enseignement et la formation

11.1 Conception de manuels scolaires et supports imprimés

L’héritage direct des études de Cooper et Sweller a profondément révolutionné les critères d’évaluation et de conception éditoriale des manuels scolaires et des supports pédagogiques écrits, même si de nombreux manuels de vulgarisation continuent d’ignorer ces principes par atavisme formel.

Dans une édition scolaire rigoureusement alignée sur la théorie de la charge cognitive, l’organisation canonique des chapitres délaisse le modèle traditionnel « cours théorique abstrait suivi d’une bordée de trente exercices non résolus ». Elle adopte à la place une structuration en doublets interactifs indissociables :

• Chaque concept nouveau est matérialisé par un exemple résolu complet, encadré visuellement, détaillant avec une granularité fine chaque opération et explicitant le sous-but visé ;
• Cet exemple est immédiatement suivi, sur la même page ou en vis-à-vis direct, d’un problème isomorphe à résoudre sans délai, permettant d’éprouver et de consolider le schéma mental fraîchement activé ;
• L’agencement typographique est conçu pour éradiquer tout besoin de tourner une page pour faire le lien entre une formule et son application (suppression de l’attention partagée) ;
• Les figures et diagrammes intègrent directement leurs légendes textuelles explicatives dans le corps même de l’image (principe d’intégration spatiale).

Cette discipline architecturale appliquée à l’imprimé garantit une efficacité d’apprentissage décuplée et désamorce le sentiment d’abandon ou de découragement qui frappe les élèves confrontés à des listes d’exercices muets sans référence opératoire directe.

11.2 Enseignement des sciences, de la technologie, de l’ingénierie et des mathématiques (STEM)

C’est tout naturellement dans le champ des disciplines dites STEM (Science, Technology, Engineering, and Mathematics) que le déploiement de l’exemple résolu déploie ses applications les plus spectaculaires, en raison de l’interactivité exceptionnellement élevée des éléments d’information qui caractérise ces domaines de connaissances.

En physique fondamentale, l’enseignement des principes newtoniens ou de la thermodynamique s’appuie désormais sur des modèles d’exemples résolus débutant systématiquement par l’isolement du repère physique, l’inventaire vectoriel exhaustif des forces appliquées, puis la transcription algébrique pas à pas, éliminant les intuitions phénoménologiques erronées des étudiants. En chimie générale, l’équilibrage des équations complexes d’oxydoréduction ou les calculs de stœchiométrie acide-base bénéficient de gabarits structuraux identiques qui guident l’élève à travers la conservation des masses et des charges sans saturer son esprit.

Dans l’enseignement de l’informatique et de l’algorithmique, le paradigme du worked example a terrassé la vieille chimère selon laquelle on apprendrait à programmer en écrivant du code à partir d’une page blanche. Les recherches contemporaines prouvent qu’apprendre à un novice à programmer s’opère de manière infiniment plus robuste en lui faisant d’abord lire, commenter et tracer des blocs de code fonctionnels exemplaires, soigneusement indentés et documentés. L’analyse de code existant précède impérativement la production autonome, construisant un répertoire de motifs algorithmiques (design patterns) stockés en mémoire à long terme.

11.3 E-learning, tutoriels vidéo et plateformes adaptatives

L’essor des technologies éducatives numériques, des cours massifs en ligne (MOOCs) et des plateformes d’apprentissage adaptatif assistées par ordinateur a ouvert un champ d’application sans précédent pour l’effet de l’exemple résolu, tout en introduisant de nouvelles exigences de conception.

Dans le domaine des tutoriels vidéo et des screencasts pédagogiques, les préceptes de Sweller, Mayer et de leurs successeurs dictent des règles de production précises :

• Synchronisation millimétrée entre le mouvement du curseur, le tracé graphique dynamique et la narration orale (élimination de l’attention partagée temporelle) ;
• Bannissement absolu de la musique d’ambiance ou des animations visuelles séduisantes mais parasites (effet de séduction / seductive details) qui dévorent la bande passante cognitive ;
• Découpage des vidéos en capsules courtes (généralement inférieures à six minutes), centrées chacune sur l’exécution exemplaire d’un sous-but procédural unique.

Au niveau des systèmes tuteurs intelligents (ITS), des algorithmes sophistiqués gèrent aujourd’hui en temps réel l’estompage automatisé (dynamic fading). En analysant les traces comportementales de l’apprenant (temps de réponse, taux d’erreurs, requêtes d’aide), le tuteur logiciel est capable de diagnostiquer l’état d’avancement de son schéma cognitif. Le moteur pédagogique décide alors algorithmiquement de lui délivrer soit un exemple résolu intégral, soit un problème partiellement amputé de ses dernières étapes, soit un exercice libre, matérialisant ainsi de manière individualisée la trajectoire théorique de Sweller et Cooper à une échelle de masse.

12. Bilan critique, impact épistémologique et perspectives futures

12.1 L’héritage épistémologique des travaux de Sweller et Cooper

À l’heure du bilan épistémologique, l’étude pionnière de Graham Cooper et John Sweller (1987) apparaît indiscutablement comme l’un des points d’inflexion majeurs ayant permis à la psychologie de l’éducation de s’extraire des spéculations philosophiques ou idéologiques pour accéder au statut de science expérimentale translationnelle rigoureuse.

En opposant des preuves statistiques solides, reproductibles et quantifiables aux dogmes pédagogiques valorisant la découverte non guidée à tous les âges, Sweller et Cooper ont opéré une salutaire clarification conceptuelle. Le concept de charge cognitive, né au confluent de ces travaux empiriques sur l’algèbre, s’est imposé à l’échelle internationale comme le cadre théorique dominant de l’ingénierie instructional. Avec une régularité impressionnante, des centaines de réplications conduites à travers le globe dans les domaines de la médecine, du droit, de la finance ou du génie militaire ont confirmé la remarquable robustesse de l’effet de l’exemple résolu, lui conférant des tailles d’effet (effect sizes de Cohen) fréquemment supérieures à $d = 0.80$, seuil des interventions pédagogiques hautement transformatrices.

Sweller et Cooper ont rappelé au monde éducatif une vérité biologique fondamentale que résumait Paul Kirschner : la mémoire de travail humaine est un goulot d’étranglement évolutif ; ignorer son architecture et ses contraintes lors de la conception des apprentissages n’est pas seulement inefficace, c’est une faute scientifique.

12.2 Critiques théoriques et controverses méthodologiques

Malgré son triomphe expérimental indiscutable, l’œuvre de Sweller et Cooper n’a pas échappé à des critiques constructives et à des débats méthodologiques persistants au sein des sciences cognitives.

La principale objection méthodologique a longtemps concerné la mesure directe de la charge cognitive. Durant les premières décennies, les chercheurs mesuraient la charge de manière indirecte, en s’appuyant principalement sur les performances aux post-tests, les temps de résolution ou des échelles d’effort mental auto-rapportées (comme l’échelle subjective unidimensionnelle de Fred Paas). De nombreux épistémologues ont pointé le risque d’une circularité tautologique : un matériel pédagogique était jugé moins coûteux cognitivement parce que les élèves réussissaient mieux, et les élèves réussissaient mieux parce que le matériel était supposé réduire la charge. Il a fallu attendre le développement d’indicateurs psychophysiologiques indépendants pour lever définitivement ce soupçon.

Une seconde critique, émanant des cercles constructivistes, reproche parfois à l’exemple résolu d’encourager un formatage rigide de l’esprit, inhibant l’audace créative et la pensée divergente face à des domaines mal structurés (tels que la dissertation philosophique, la diplomatie ou l’interprétation artistique). Si John Sweller a lui-même concédé que sa théorie s’applique avec une pertinence maximale aux savoirs bien structurés régis par des opérateurs formels, il a invariablement démontré qu’aucune créativité authentique ne peut fleurir chez un individu qui n’a pas préalablement automatisé les schémas fondamentaux de son art grâce à un enseignement explicite et guidé.

12.3 Nouvelles frontières de recherche et neurosciences cognitives

L’héritage de Cooper et Sweller ne constitue nullement une doctrine figée, mais un programme de recherche scientifique en perpétuelle expansion, fertilisé aujourd’hui par l’irruption des neurosciences cognitives et de l’intelligence artificielle générative.

L’apport de l’oculométrie moderne (eye-tracking) permet désormais de cartographier avec une résolution spatio-temporelle infime les fixations du regard, les microsaccades et les dilatations pupillaires des étudiants examinant un exemple résolu. Ces données physiologiques objectives permettent de quantifier en direct l’effort cognitif, de détecter précisément le moment où une étape sous-spécifiée déclenche une surcharge mentale, et de valider scientifiquement les agencements typographiques optimaux. En parallèle, les explorations par neuro-imagerie fonctionnelle (IRMf et spectroscopie proche infrarouge) commencent à objectiver les corrélats cérébraux de la construction de schémas : la transition du stade de novice à celui d’expert se traduit visuellement par un désengagement progressif des zones préfrontales dorsolatérales (siège de la mémoire opérationnelle coûteuse) au profit d’activations denses et économiques dans les aires pariétales et temporales postérieures hébergeant les schémas consolidés.

Enfin, l’émergence des modèles de langage et de l’intelligence artificielle contemporaine ouvre une ère nouvelle : la génération dynamique, instantanée et personnalisée d’exemples résolus sur mesure. Demain, des tuteurs algorithmiques alimentés par l’IA pourront créer pour un élève spécifique un exemple résolu rédigé en utilisant son univers de référence, segmenté selon son empan mnésique exact, et ajuster l’estompage des étapes en temps réel au gré de ses hésitations biométriques. Plus d’un tiers de siècle après les premières expériences manuelles menées dans les salles de classe de Sydney, les intuitions fulgurantes de John Sweller et Graham Cooper continuent ainsi d’éclairer, avec une vigueur renouvelée, le fonctionnement de l’esprit humain en quête de savoir.

Références

• Baddeley, A. D. (1986). Working memory. Oxford University Press.
• Catrambone, R. (1996). Generalizing solution procedures learned from examples. Journal of Experimental Psychology: Learning, Memory, and Cognition, 22(4), 1020–1031. https://doi.org/10.1037/0278-7393.22.4.1020
• Catrambone, R. (1998). The subgoal learning model: Creating better examples so that students can solve novel problems. Journal of Experimental Psychology: General, 127(4), 355–376. https://doi.org/10.1037/0096-3445.127.4.355
• Chandler, P., & Sweller, J. (1991). Cognitive load theory and the format of instruction. Cognition and Instruction, 8(4), 293–332. https://doi.org/10.1207/s1532690xci0804_2
• Chi, M. T., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). Self-explanations: How students study and use examples in learning to solve problems. Cognitive Science, 13(2), 145–182. https://doi.org/10.1207/s15516709cog1302_1
• Cooper, G., & Sweller, J. (1987). Effects of schema acquisition and rule automation on mathematical problem-solving transfer. Journal of Educational Psychology, 79(4), 347–362. https://doi.org/10.1037/0022-0663.79.4.347
• De Groot, A. D. (1965). Thought and choice in chess. Mouton & Co.
• Kalyuga, S., Chandler, P., & Sweller, J. (1998). Levels of expertise and instructional design. Human Factors, 40(1), 1–17. https://doi.org/10.1518/001872098779480587
• Kalyuga, S., Chandler, P., & Sweller, J. (2001). Learner expertise and instructional explanations: Does adding text to diagrams help? Cognition and Instruction, 19(4), 487–507. https://doi.org/10.1207/S1532690XCI1904_3
• Kapur, M. (2016). Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist, 51(2), 289–299. https://doi.org/10.1080/00461520.2016.1155457
• Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86. https://doi.org/10.1207/s15326985ep4102_1
• Mayer, R. E. (2009). Multimedia learning (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511811678
• Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97. https://doi.org/10.1037/h0043158
• Newell, A., & Simon, H. A. (1972). Human problem solving. Prentice-Hall.
• Paas, F., & van Merriënboer, J. J. (1994). Variability of worked examples and transfer of geometrical problem-solving skills: A cognitive-load approach. Journal of Educational Psychology, 86(1), 122–133. https://doi.org/10.1037/0022-0663.86.1.122
• Renkl, A., Atkinson, R. K., Maier, U. H., & Staley, R. (2002). From example study to problem solving: Smooth transitions help learning. The Journal of Experimental Education, 70(4), 293–315. https://doi.org/10.1080/00220970209599510
• Rittle-Johnson, B., & Star, J. R. (2007). Does comparing solution methods facilitate conceptual and procedural knowledge? An experimental study on learning to solve algebra equations. Journal of Educational Psychology, 99(3), 561–574. https://doi.org/10.1037/0022-0663.99.3.561
• Sweller, J. (1985). The use of worked examples as a substitute for problem solving. Cognition and Instruction, 2(1), 59–89. https://doi.org/10.1207/s1532690xci0201_3
• Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4
• Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer Science & Business Media. https://doi.org/10.1007/978-1-4419-8126-4
• Sweller, J., & Cooper, G. A. (1985). The use of worked examples as a substitute for problem solving in learning algebra. Cognition and Instruction, 2(1), 59–89. https://doi.org/10.1207/s1532690xci0201_3
• Van Gog, T., & Rummel, N. (2010). Example-based learning: Integrating cognitive and social-cognitive research perspectives. Educational Psychology Review, 22(2), 155–174. https://doi.org/10.1007/s10648-010-9134-7