Votre LMS suit l'achèvement. Attest suit la compétence.

SCORM indique « Terminé. » Les auditeurs veulent des preuves de maîtrise. Un analyste BSA senior qui connaît déjà le contenu et un responsable d'agence en poste depuis six mois, avec de vraies lacunes, suivent le même cours AML de 4 heures et obtiennent la même coche. Le dossier ne peut pas les distinguer, parce qu'il n'a jamais mesuré ce que l'un ou l'autre sait réellement.

Les acteurs en place qui se présentent comme « adaptatifs » exécutent surtout du filtrage collaboratif (« les personnes comme vous ont ensuite suivi le cours X »), et non un suivi des connaissances au niveau du concept (« vous n'avez pas maîtrisé le concept Y »). Et les employés utilisent de plus en plus des assistants IA pour expédier les modules, si bien que le dossier d'achèvement dit « formé » alors que l'apprentissage n'a jamais pris.

Dans un travail réglementé, cet écart est un risque qu'un auditeur peut chiffrer. Les dépenses de formation en entreprise aux États-Unis s'élèvent à environ $102.8B par an, à raison d'environ $874 par apprenant (Training Magazine, 2025), et une grande partie de ce budget achète un dossier d'achèvement plutôt qu'une preuve de compétence. Là où une lacune de formation a une conséquence réglementaire — recertification AML et BSA, ou les règles de littératie en IA fondées sur les rôles de l'article 4 de l'EU AI Act qui commencent le 2 août 2026 — une coche verte est exactement la mauvaise preuve à apporter.

L'analyste BSA senior (8 ans dans le poste) lit presque partout en vert, faible seulement sur le Trade-Based Money Laundering et un concept d'alerte SAR. Attest certifie 16 sur 18 concepts, oriente 2 vers preuve requise, et ne signale pas les preuves. Le temps de formation passe de 240 minutes à plat à 47.3 minutes en adaptatif, 80.3% d'économie. C'est le cas « connaît déjà l'essentiel, sauter ce qui est prouvé ».

Le nouveau responsable d'agence (6 mois après mutation) a de vraies lacunes sur le narratif SAR et le TBML. Le modèle infère une maîtrise faible sur plusieurs concepts et les oriente vers flow ou scaffold plutôt que skip. Attest certifie 10 sur 18 concepts, oriente 8 vers preuve requise, et réduit le temps de formation de 240 à 146.7 minutes, 38.9% d'économie. Moins de concepts certifiés que pour l'analyste, parce que cet apprenant a réellement besoin de la formation. Les économies suivent la maîtrise, pas une remise forfaitaire.

L'associé des opérations est le cas difficile. Cet apprenant a répondu vite et parfaitement sur 18 concepts sans rapport, une distribution des temps de réponse incompatible avec un rappel authentique. La maîtrise apparente semble élevée, mais la porte de compétence signale les preuves et certifie 0 sur 18. Les 18 sont orientés vers preuve requise, les preuves sont marquées signalées, et le temps de formation est retenu en attendant vérification. Nous présentons ceci comme de la valeur, pas un « piège » : nous ne certifions que ce que nous pouvons prouver.

Le résultat de cohorte, calculé en direct

Sur une cohorte annuelle de recertification de 500 personnes véritablement simulée, à un salaire pleinement chargé de $75 par heure, Attest calcule environ 51.9% de réduction du temps de formation de la cohorte (2,000 heures à plat ramenées à environ 962 heures adaptatives, environ 1,038 heures récupérées), environ $77,872 récupérés sur ce seul module, et environ $389,362 annualisés une fois mis à l'échelle d'un programme de conformité typique de 20 heures. Les montants en dollars sont calculés à partir des sorties du modèle, et le chiffre annualisé est étiqueté comme une projection à l'écran.

Le benchmark du modèle, l'ancre indépendante

L'AUC hors échantillon est 0.8315 sur un corpus KT synthétique généré par PFA, à graine reproductible (2,000 étudiants d'entraînement et 500 de test, 18 concepts, 12 epochs), avec une exactitude de l'étape suivante de 0.771. Parce que le processus générateur des données (Performance Factors Analysis, un modèle logistique classique de l'apprenant) appartient à une famille de modèles différente du transformeur que nous entraînons, l'AUC hors échantillon montre que SAKT a récupéré une véritable structure d'apprentissage latente plutôt que de noter ses propres hypothèses. Pour un contexte externe, l'AUC SAKT publiée sur le jeu de données public ASSISTments est d'environ 0.80 (Pandey & Karypis, 2019). Le titre durable reste le pourcentage de temps de formation économisé et le pourcentage auto-certifié, qui tiennent à n'importe quelle qualité de modèle. L'AUC prouve que le modèle est un véritable suivi des connaissances, pas le chiffre d'accroche du produit.