Pourquoi Mandarine Academy investit massivement en R&D?Temps de lecture : 9 minutes

Le monde de l’EdTech évolue très vite. Pour suivre cette évolution et rester novateur et compétitif, nous investissons dans la recherche et le développement et travaillons sur des évolutions pédagogiques, notamment sur les modèles de vidéos mais également sur l’activité phare de Mandarine, la formation à distance. Ces formations sont d’ailleurs depuis toujours animées au travers d’outils de visioconférence.  

La formation est multimodale, c’est-à-dire qu’elle peut être suivie en e-learning, en présentiel, en distanciel ou encore avec de la mise en pratique. Cependant, l’accélération de la formation à distance multiplie les contraintes. Nous formons en webconférence plus de 50 000 stagiaires par an sur des sessions de plus en plus courtes car il faut s’adapter aux contraintes de temps de chacun. 

Depuis quelques années, nous travaillons également sur des aspects plus techniques, comme l’Adaptive Learning ou la logistique de formation qui est le sujet de cet article.

Notre partenariat pour la recherche et le développement

Ce travail de R&D est réalisé en partenariat avec l’entité Cristal de l’université de Lille et plus exactement avec le groupe de chercheur de l’Orkad (Operational Research, Knowledge And Data). Cristal est le centre de recherche en informatique, signal et automatique de l’université de Lille. Les chercheurs travaillent notamment sur le BIG Data, la Robotique, la bio-informatique. Cela représente en tout 40 équipes de recherche. Nous travaillons avec l’équipe de recherche Orkad qui axe son travail sur l’optimisation mathématique mono et multi-objectif.  

Chez Mandarine Academy, le projet est porté par Pamela Wattebled, directrice des opérations, associée de Mandarine Academy et responsable de la R&D et Mounir Hafsa, Docteur en IA. 

Les centres de recherches universitaires sont présents auprès des PME permettant d’innover et d’investir en s’appuyant sur un savoir en recherche qui est unique. Dans notre cas, la problématique est la gestion logistique des formations, nous avons ainsi travaillé sur un modèle mathématique multi objectifs basé sur des modèles heuristiques et méta-heuristiques. 

L’optimisation mono objectif  

Voici par exemple, une explication simple sur un problème mono objectif :

Dans cet exemple, l’objectif est la vitesse. Il faut trouver le véhicule le plus rapide. Dans ce cas, c’est le véhicule D qui est le plus rapide. 

L’optimisation multi-objectif  

Le deuxième exemple est sur un problème multi-objectif. Il faut dans ce cas trouver le véhicule ayant le meilleur rapport entre le cout et la vitesse, avec une contrainte qui est la vitesse. Il est difficile d’apporter une réponse immédiate car dans ce cas, aucune solution n’est mieux que l’autre. Il faut donc se baser sur des algorithmes pour apporter une réponse.  

Dans le cadre de la logistique de formation, il y a énormément de contraintes que ce soit au niveau des ressources et du temps. 

Dans notre cas, au lieu de trouver quelle est la bonne voiture, il faut générer un emploi du temps. C’est ce que permet notre outil DiLeaP Logistic. 

Notre objectif sur la logistique de formation est de pouvoir générer automatiquement un planning, en prenant en compte des contraintes multiples telles que : 

• Les disponibilités : des formateurs, des salles, des équipements 
• Les compétences des formateurs 
• Les capacités des animateurs à animer un sujet
• Faire tourner l’effectif formateur en fonction de leurs compétences et du nombre de fois où ils auront animé sur un sujet similaire 
• Les modes opératoires particuliers des formations : présentiel / distanciel, journées de formation imposées, localisation géographique

Le premier travail a été de définir les contraintes dures (hard constraints). Par exemple, une formation en présentiel ne peut pas se faire sans formateur ni salle. Le formateur doit avoir le niveau de compétence pour réaliser cette formation, la capacité de la salle , etc … Nous avons ainsi défini 13 contraintes. 

Il a fallu par la suite définir les contraintes souples, qui sont le gage de la qualité du planning proposé. Par exemple, une formation de 3 jours ne doit pas être séparée par un week-end. Il est préférable que la formation se fasse dans la même salle, et de ne pas changer le formateur.

Une fois les contraintes définies, il faut se fixer les objectifs et définir les modèles mathématiques associés :  

O1 Maximiser le nombre de formations proposées. 

O2 Minimiser le nombre de contraintes souples non respectées. 

O4 Maximiser la charge de travail des ressources. 

O5 Équilibrer la charge de travail entre les formateurs. 

O3 Minimiser le nombre des salles utilisées. 

La validation des objectifs a pu se faire par la validation avec Orkad des modèles mathématiques.  

Une fois le modèle mathématique mis en place, il a fallu mettre en place les algorithmes. Plusieurs algorithmes ont été testés afin de mesurer leurs performances que ce soit sur les résultats proposés :

Que ce soit également sur la performance du traitement :

La grande complexité a été de pouvoir sortir un résultat en prenant en compte 5 objectifs. Comme vous pouvez le voir dans les 3 modèles, les possibilités de traitement ont plus de 3 objectifs qui apportent de multiples solutions. Le troisième graphe de chaque ligne colorée correspond à une solution. 

Pour résoudre cette problématique, deux algorithmes de type heuristique ont été mis en place. Comme expliqué sur Wikipedia, « une heuristique est une méthode de calcul qui fournit rapidement une solution réalisable, pas nécessairement optimale ou exacte, pour un problème d’optimisation difficile. » 

Au final, est-ce que cela marche ? 

Plusieurs de nos clients utilisent notre solution pour la planification de leurs formations, comme un grand compte français qui organise par an plus de 20 000 formations pour ses collaborateurs. Grâce à ce travail, en quelques clics, le planning est défini. 

Vous avez une problématique de logistique de formation ? Vous souhaitez en savoir plus sur notre offre DiLeaP Logistic ?  

📞 Nous contacter :

📧 Par mail : information@mandarine.academy

📅 Prendre RDV avec nous

Pour rester au courant de nos dernières actualités, suivez nous sur LinkedIn !