En bref. L’apprentissage de premier ordre consiste à acquérir une compétence. L’apprentissage de second ordre consiste à utiliser ce que vous savez déjà pour rendre la suivante moins coûteuse, et c’est là que l’apprentissage se capitalise. La recherche sur le transfert se montre sévère envers la version ambitieuse de cette idée : un ensemble de méta-analyses portant sur les échecs, la musique et l’entraînement de la mémoire de travail a conclu que le transfert lointain « se produit rarement ». Nous avons donc mesuré la version ordinaire. À partir des évaluations de compétences et de connaissances de 910 métiers dans la base ONET 31.0, nous avons calculé quelle part de ce qu’exige un métier est déjà fournie par un autre. Quatre résultats. Premièrement, passer à l’un des cinq métiers qu’ONET présente comme les plus proches du vôtre exige 46 % d’apprentissage nouveau en moins qu’un changement aléatoire (20,7 contre 38,6 points de déficit de niveau). Deuxièmement, les dix compétences essentielles, comme la compréhension écrite, l’écriture, l’expression orale, les mathématiques et la pensée critique, se transfèrent presque partout : même un changement aléatoire conserve en médiane 93,3 % du niveau requis. Troisièmement, ce sont les connaissances métier qui voyagent mal : 32,9 % des changements proches arrivent avec au moins 90 % des connaissances requises déjà en place, contre 10,5 % des changements aléatoires. Quatrièmement, les connaissances représentent environ 58 % de la charge d’apprentissage, quelle que soit la distance. La règle qui en découle : choisissez la prochaine étape par proximité, transférez délibérément vos compétences générales et consacrez votre budget d’apprentissage à l’écart de connaissances.
Pourquoi « apprendre à apprendre » ne suffit pas
La version séduisante de l’apprentissage de second ordre affirme qu’une certaine activité entraîne l’esprit en général, de sorte que tout ce qui suit devient plus facile. Les preuves en faveur de cette version sont faibles. Dans une synthèse de trois méta-analyses, Giovanni Sala et Fernand Gobet ont examiné l’enseignement des échecs, l’enseignement de la musique et l’entraînement de la mémoire de travail. Ils ont trouvé des effets faibles à modérés sur les compétences cognitives et scolaires des enfants, mais des effets qui diminuaient à mesure que la qualité du protocole expérimental augmentait, par exemple lorsque des groupes contrôles actifs étaient utilisés. Leur conclusion : le « transfert lointain de l’apprentissage se produit rarement ».
Cela ne signifie pas que rien ne se transfère. Susan Barnett et Stephen Ceci soutenaient en 2002 que le débat centenaire sur le transfert était dans l’impasse parce que les études comparaient « des pommes et des oranges ». Ils ont proposé neuf dimensions selon lesquelles le transfert peut varier, trois décrivant ce qui est transféré et six décrivant le contexte, parmi lesquelles le domaine de connaissances, le contexte physique, temporel, fonctionnel et social, ainsi que la modalité. Ils distinguaient aussi le degré de spécificité de ce qui est appris : une procédure précise, comme la retenue lorsque deux chiffres dépassent neuf, un principe plus général, comme décomposer un problème en sous-problèmes, et des compétences métacognitives, comme examiner un problème sous plusieurs angles.
Pour quiconque planifie ce qu’il apprendra ensuite, ce cadre soulève une question pratique à laquelle la littérature de laboratoire ne peut pas répondre : dans le travail réel, quelles parties de ce que vous savez couvrent déjà l’étape suivante, et lesquelles faut-il apprendre de zéro ? C’est un problème de mesure, et il existe un jeu de données public conçu pour cela.
Comment nous avons mesuré le transfert
ONET, la base de données des métiers du ministère américain du Travail, évalue pour chaque métier le niveau requis dans chaque domaine de compétences et de connaissances. La version 31.0 répartit les compétences en deux groupes : 10 compétences essentielles (compréhension écrite, écoute active, écriture, expression orale, mathématiques, sciences, pensée critique, apprentissage actif, stratégies d’apprentissage et contrôle) et 25 compétences transférables (comme la coordination, la persuasion, la négociation, la résolution de problèmes complexes, la programmation, l’analyse de systèmes, la gestion du temps et la gestion des ressources financières). Elle évalue aussi 33 domaines de connaissances*, de l’économie et la comptabilité à la psychologie, en passant par le droit et l’administration publique, ou l’informatique et l’électronique. Chaque évaluation comprend un niveau sur une échelle de 0 à 7.
O*NET liste également jusqu’à 20 métiers apparentés pour chaque métier, répartis en trois niveaux. Sur les 910 métiers disposant d’évaluations complètes, nous avons utilisé 4 428 paires les plus proches (le premier niveau, environ cinq par métier), 4 472 paires de proximité suivante, 8 876 paires complémentaires et, comme référence pour un changement lointain, 19 980 paires aléatoires.
Pour chaque paire, nous avons posé une seule question : sur le niveau que le métier cible exige dans chaque domaine, quelle part le métier d’origine exige-t-il déjà ? Additionnée sur l’ensemble des domaines, cette part donne un pourcentage de transfert. Le déficit, c’est-à-dire les points de niveau que la cible exige au-delà de l’origine, donne la charge d’apprentissage.
Résultat 1 : les compétences générales voyagent, les connaissances non
Tableau 1. Quelle part des exigences du métier suivant vous possédez déjà (calcul CEOtudent à partir d’O*NET 31.0)
| Distance du changement | Paires | Compétences essentielles : transfert médian | Compétences transférables : transfert médian | Connaissances : transfert médian | Changements couvrant au moins 90 % des compétences essentielles | Changements couvrant au moins 90 % des compétences transférables | Changements couvrant au moins 90 % des connaissances |
|---|---|---|---|---|---|---|---|
| Les plus proches (premier niveau) | 4 428 | 95,6 % | 90,3 % | 85,3 % | 75,3 % | 51,3 % | 32,9 % |
| Proximité suivante (deuxième niveau) | 4 472 | 95,2 % | 89,5 % | 83,6 % | 72,6 % | 47,9 % | 27,3 % |
| Apparentés complémentaires | 8 876 | 94,8 % | 87,5 % | 82,5 % | 66,7 % | 41,3 % | 26,5 % |
| Métier aléatoire | 19 980 | 93,3 % | 80,1 % | 70,6 % | 57,2 % | 27,9 % | 10,5 % |
Transfert d’une paire = somme, sur tous les domaines, du plus petit des deux niveaux requis par les deux métiers, divisée par la somme des niveaux requis par le métier cible. Les niveaux signalés « non pertinent » sont comptés comme zéro. Paires aléatoires tirées avec une graine fixe ; l’origine et la cible sont toujours différentes.
Lisez le tableau de gauche à droite et le schéma est clair. Les compétences essentielles se soucient à peine de la distance : du changement le plus proche au changement aléatoire, le transfert médian ne baisse que de 2,3 points, de 95,6 % à 93,3 %. Les connaissances baissent de 14,7 points, de 85,3 % à 70,6 %. La part des changements où les connaissances sont pour l’essentiel déjà en place s’effondre de plus des deux tiers, de 32,9 % à 10,5 %.
C’est la distinction de Barnett et Ceci qui apparaît dans les données du marché du travail. La couche générale, lire, écrire, s’exprimer, raisonner, apprendre, est transportable presque partout. La couche spécifique, la connaissance d’un domaine, ne l’est qu’à proximité.
Résultat 2 : la proximité divise à peu près par deux la charge d’apprentissage
Tableau 2. Apprentissage nouveau exigé par un changement, en points de niveau de déficit (calcul CEOtudent à partir d’O*NET 31.0)
| Distance du changement | Compétences essentielles | Compétences transférables | Connaissances | Total | Part de la charge liée aux connaissances |
|---|---|---|---|---|---|
| Les plus proches (premier niveau) | 2,10 | 6,51 | 12,07 | 20,68 | 58,4 % |
| Proximité suivante (deuxième niveau) | 2,29 | 7,03 | 13,27 | 22,58 | 58,8 % |
| Apparentés complémentaires | 2,86 | 8,28 | 14,53 | 25,68 | 56,6 % |
| Métier aléatoire | 4,58 | 11,79 | 22,18 | 38,55 | 57,5 % |
Déficit = somme, sur tous les domaines, du niveau requis par la cible moins celui de l’origine, lorsqu’il est positif. Moyennes sur l’ensemble des paires.
Deux conclusions en découlent. Passer à l’un des métiers les plus proches du vôtre exige 46,4 % d’apprentissage nouveau en moins qu’un changement aléatoire, 20,68 points contre 38,55. Et la composition de ce qu’il faut apprendre varie à peine avec la distance : environ 58 % relève des connaissances métier, à chaque niveau. La proximité ne change pas la nature de l’apprentissage qu’exige l’étape suivante. Elle en change la quantité.
Parmi les compétences essentielles, les changements les plus proches demandent le plus souvent davantage de sciences et de mathématiques : 14,1 % et 9,3 % des changements du premier niveau exigent au moins un point de niveau supplémentaire dans ces domaines. Viennent ensuite les stratégies d’apprentissage et l’apprentissage actif, à 5,6 % et 4,0 %. Même la compétence d’apprendre a parfois besoin d’une mise à niveau pour le rôle suivant.
Résultat 3 : le sens compte
Le transfert n’est pas symétrique. Ce que vous savez déjà peut couvrir l’essentiel des besoins d’une cible dans un sens, et beaucoup moins dans l’autre.
Tableau 3. Changements illustratifs (calcul CEOtudent à partir d’ONET 31.0 ; paires choisies à titre d’exemple, qu’ONET les liste ou non comme apparentées)
| De | Vers | Compétences essentielles transférées | Compétences transférables transférées | Connaissances transférées | Principaux écarts de connaissances à combler |
|---|---|---|---|---|---|
| Développeurs de logiciels | Data scientists | 88,8 % | 98,1 % | 77,9 % | Physique, Sociologie et anthropologie, Géographie |
| Data scientists | Développeurs de logiciels | 99,3 % | 68,5 % | 82,8 % | Service client et service à la personne, Télécommunications, Transport |
| Analystes en management | Data scientists | 90,4 % | 92,2 % | 87,4 % | Physique, Informatique et électronique, Ingénierie et technologie |
| Écrivains et auteurs | Analystes en études de marché et spécialistes marketing | 80,5 % | 69,6 % | 90,0 % | Mathématiques, Service client et service à la personne, Vente et marketing |
| Graphistes | Designers d’interfaces web et numériques | 91,7 % | 83,9 % | 92,0 % | Langue anglaise, Mathématiques, Informatique et électronique |
| Enseignants du secondaire | Spécialistes de la formation et du développement | 96,3 % | 82,4 % | 77,2 % | Vente et marketing, Personnel et ressources humaines, Production et transformation |
| Infirmiers diplômés | Managers des services médicaux et de santé | 98,7 % | 79,9 % | 68,3 % | Économie et comptabilité, Administration et management, Personnel et ressources humaines |
| Conseillers du service client | Commerciaux en services | 96,1 % | 87,7 % | 73,3 % | Droit et administration publique, Langue anglaise, Éducation et formation |
La paire du logiciel montre l’asymétrie le plus clairement. Un développeur de logiciels possède déjà 98,1 % des compétences transférables dont un data scientist a besoin ; un data scientist ne possède que 68,5 % de celles d’un développeur. Le passage d’infirmier à manager illustre le schéma général : presque toutes les compétences essentielles se transfèrent (98,7 %), mais moins de 70 % des connaissances, et les écarts sont exactement ceux que l’on attendrait : économie et comptabilité, administration et management, gestion du personnel. Cette liste constitue le plan d’apprentissage.
Certains écarts semblent étranges au premier abord, comme la physique et la géographie pour la data science. Ils reflètent ce que les évaluations d’O*NET indiquent comme exigences du métier cible dans son ensemble, ce qui est plus large que la version du poste qu’exerce une personne donnée. Traitez la liste des écarts comme une liste de contrôle à confronter aux postes réels que vous visez, pas comme un programme d’études.
La boucle d’apprentissage de second ordre
Les données suggèrent une méthode. Nous l’appelons la boucle d’apprentissage de second ordre.
Tableau 4. La boucle d’apprentissage de second ordre (cadre éditorial CEOtudent)
| Étape | Ce que vous faites | Pourquoi, d’après les données ci-dessus |
|---|---|---|
| 1. Inventorier ce que vous possédez | Listez vos compétences et domaines de connaissances et évaluez honnêtement votre niveau, en utilisant les domaines d’O*NET comme liste de contrôle ; notre audit de compétences propose une grille de travail | Vous ne pouvez pas réutiliser ce que vous n’avez pas nommé |
| 2. Choisir par proximité | Présélectionnez les prochains rôles ou compétences parmi les métiers les plus proches du vôtre, et vérifiez les deux sens | Le niveau le plus proche exige 46 % d’apprentissage nouveau en moins qu’un changement aléatoire ; le sens peut faire varier le transfert de 30 points |
| 3. Comparer, ne pas repartir de zéro | Pour la cible, listez uniquement les domaines où le niveau requis dépasse le vôtre | Environ 58 % de l’écart relève des connaissances ; les compétences essentielles sont généralement déjà là |
| 4. Transférer délibérément la couche générale | Avant de commencer, écrivez comment vos habitudes actuelles de lecture, d’écriture, de raisonnement et d’apprentissage s’appliqueront dans le nouveau domaine | Le transfert lointain se produit rarement de lui-même ; la couche générale se transfère quand vous l’appliquez délibérément |
| 5. Combler l’écart de connaissances avec des méthodes éprouvées | Utilisez la pratique de récupération et l’espacement sur les concepts clés du nouveau domaine ; voir notre classement de 12 techniques d’étude selon la force des preuves | Les connaissances forment l’essentiel de la charge et c’est la partie où les techniques aident le plus sûrement |
| 6. Relier les nouveaux concepts aux anciens | Pour chaque nouveau concept, notez ce que vous comprenez déjà de plus proche et l’endroit où l’analogie cesse de fonctionner | Les principes se transfèrent plus loin que les procédures ; nommer le principe, c’est ainsi qu’on le réutilise |
| 7. Consigner ce qui s’est transféré | Après chaque projet, notez quelles compétences anciennes ont fait le travail et quels écarts vous ont surpris | Ce sont vos propres données de transfert ; elles améliorent le choix de la « prochaine étape » |
Les étapes 4 et 6 sont celles où se joue le « second ordre ». Les preuves de laboratoire indiquent qu’une capacité générale n’améliore pas discrètement tout le reste. Les données sur les métiers indiquent que la couche générale est néanmoins présente dans presque chaque changement. L’écart entre ces deux faits se comble par l’intention : on transporte un principe dans un nouveau domaine en le nommant et en le mettant à l’épreuve, pas en espérant qu’il se manifeste.
Ce que ces données ne vous disent pas
Les métiers ne sont pas des personnes. O*NET évalue ce qu’un métier exige en moyenne. Votre propre profil peut être plus fort ou plus faible que celui de votre intitulé de poste ; les pourcentages sont donc un point de départ pour votre inventaire personnel, pas un verdict.
Les niveaux ne sont pas des heures. Un déficit d’un point de niveau en connaissances peut représenter un week-end comme un diplôme. Pour des estimations de durée, consultez nos données sur le temps nécessaire pour atteindre la compétence dans 20 domaines.
Couvrir n’est pas maîtriser en contexte. Les dimensions de contexte de Barnett et Ceci, le cadre physique, social et fonctionnel, ne figurent pas dans ces évaluations. Connaître la comptabilité en tant qu’infirmier devenu manager n’équivaut pas à l’avoir pratiquée sous la pression d’une échéance budgétaire.
Les données sont américaines. O*NET décrit les métiers des États-Unis. La structure, compétences générales transportables et connaissances métier locales, a de bonnes chances de se vérifier ailleurs, mais les pourcentages précis sont des chiffres américains.
Le CEO et l’étudiant
Le réflexe du CEO, c’est l’allocation du capital : vous possédez déjà un actif important, les compétences générales qui se transfèrent vers presque n’importe quel rôle suivant, et un ensemble d’actifs spécifiques qui ne se transfèrent qu’à proximité. Choisissez le prochain investissement là où vos actifs existants couvrent l’essentiel des exigences, et n’engagez de nouveau capital que dans l’écart. Le réflexe de l’étudiant, c’est de traiter chaque transition comme une expérience d’apprentissage que l’on consigne, afin que votre deuxième transition coûte moins cher que la première, et la troisième moins encore.
Pour la couche générale elle-même, notre article sur les méta-compétences qui facilitent tous les autres apprentissages présente ce qu’il faut développer ; pour concevoir le sprint vers un nouveau domaine, voir les protocoles de montée en compétences rapide ; et sur la question de ce qui prédit réellement la vitesse d’apprentissage, voir pourquoi les styles d’apprentissage sont un mythe.
FAQ
Qu’est-ce que l’apprentissage de second ordre ?
L’apprentissage de premier ordre consiste à acquérir une compétence ou un corpus de connaissances. L’apprentissage de second ordre consiste à utiliser ce que vous avez déjà appris pour apprendre plus vite la suite : choisir des cibles qui recoupent ce que vous savez, réutiliser délibérément les compétences générales et n’apprendre que l’écart.
Apprendre une compétence rend-il meilleur en tout ?
Pas au sens large. Les méta-analyses sur l’entraînement aux échecs, à la musique et à la mémoire de travail ont montré que les bénéfices généraux apparents diminuaient dans les études mieux conçues, et les auteurs ont conclu que le transfert lointain se produit rarement. Ce qui se transfère largement, ce sont les compétences générales comme la lecture, l’écriture, l’expression orale et le raisonnement, dont O*NET montre qu’elles sont requises à des niveaux similaires dans la plupart des métiers.
Apprendre quelque chose de proche est-il vraiment plus rapide ?
Dans notre analyse O*NET, passer à l’un des métiers les plus proches exige 46,4 % d’apprentissage nouveau en moins, mesuré en points de niveau de déficit, que passer à un métier aléatoire. C’est une mesure de la quantité à apprendre, pas une garantie de gain de temps.
Qu’est-ce qu’il faut généralement apprendre de zéro ?
Les connaissances métier. Elles représentent environ 58 % de la charge d’apprentissage d’un changement, quelle que soit la distance, et c’est la partie dont le transfert baisse le plus à mesure que les changements s’éloignent.
Comment trouver les métiers les plus proches du mien ?
O*NET publie les métiers apparentés à chaque métier, par niveaux allant des plus proches aux complémentaires. Utilisez-les comme présélection, puis vérifiez le transfert dans les deux sens, car il est souvent asymétrique.
Sources
- National Center for ONET Development, ONET 31.0 Database, ministère américain du Travail (US Department of Labor). Fichiers Essential Skills, Transferable Skills, Knowledge (évaluations d’importance et de niveau), Related Occupations (niveaux de proximité) et Occupation Data pour 910 métiers ; tous les chiffres de transfert, de déficit et les exemples de cet article sont calculés à partir de ces fichiers.
- Sala, G. et Gobet, F. (2017). Does Far Transfer Exist? Negative Evidence From Chess, Music, and Working Memory Training. Current Directions in Psychological Science, 26(6), 515-520. Trois méta-analyses ; tailles d’effet inversement liées à la qualité du protocole ; conclusion selon laquelle le transfert lointain de l’apprentissage se produit rarement.
- Barnett, S. M. et Ceci, S. J. (2002). When and Where Do We Apply What We Learn? A Taxonomy for Far Transfer. Psychological Bulletin, 128(4), 612-637. Le cadre en neuf dimensions du contenu et du contexte du transfert ; la distinction entre procédures spécifiques, principes généraux et compétences métacognitives.
Les tableaux 1 à 3 sont des calculs CEOtudent à partir d’ONET 31.0 ; les mesures de transfert et de déficit ainsi que la référence aléatoire relèvent de nos choix analytiques. Le tableau 4 est un cadre éditorial CEOtudent.*
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
