En bref. L’affirmation selon laquelle vous apprenez mieux quand l’enseignement est adapté à votre “style” n’a jamais passé l’expérience qui la validerait. Sur ce point, l’affaire est close. Ce que l’on sait moins, c’est que deux des explications de remplacement les plus populaires sont elles aussi plus faibles qu’annoncé. Une méta-analyse de 8 776 tailles d’effet a montré que les connaissances préalables prédisent où vous arrivez, mais très peu combien vous progressez. Et la littérature sur la pratique délibérée, une fois appliqué son corrigendum de 2018, explique 5 pour cent des différences de performance dans l’éducation et 1 pour cent dans les professions. L’essentiel de ce que l’on appelle un apprenant rapide n’est pas un trait. C’est un écart entre ce que les apprenants croient efficace et ce qu’ils font réellement, et cet écart est mesurable.
L’expérience que les styles d’apprentissage n’ont jamais passée
Commençons par ce qui n’est pas contesté.
En 2008, Harold Pashler, Mark McDaniel, Doug Rohrer et Robert Bjork ont été chargés d’examiner si les tests de styles d’apprentissage méritaient une place dans l’éducation. Leur rapport, publié dans Psychological Science in the Public Interest, reste la référence de toute discussion sérieuse depuis.
Leur apport n’était pas un avis. C’était un cahier des charges. Ils ont précisé exactement à quoi devrait ressembler la preuve pour que l’idée soit valide. Les apprenants doivent être répartis en groupes selon leur style. Les apprenants de chaque groupe doivent ensuite être assignés au hasard à l’une de plusieurs méthodes d’enseignement. Tous doivent passer le même test final. Et les résultats doivent alors montrer un motif particulier : la méthode la plus efficace pour un groupe de style ne doit pas être la méthode la plus efficace pour un autre.
Ce motif porte un nom. On l’appelle interaction croisée, et tout se joue là. Sans elle, vous avez au mieux montré qu’une méthode d’enseignement est meilleure pour tout le monde, ce qui ne dit rien des styles.
Les auteurs ont rapporté n’avoir “trouvé pratiquement aucune preuve du motif d’interaction mentionné ci-dessus, jugé condition préalable à la validation des applications éducatives des styles d’apprentissage”. Ils ont aussi noté que “bien que la littérature sur les styles d’apprentissage soit immense, très peu d’études ont même employé une méthodologie expérimentale capable de tester la validité des styles d’apprentissage appliqués à l’éducation”, et que, parmi celles qui l’ont fait, plusieurs “ont obtenu des résultats qui contredisent catégoriquement l’hypothèse populaire d’appariement”.
Leur conclusion était sans ambiguïté : “il n’existe pas de base probante suffisante pour justifier l’intégration des tests de styles d’apprentissage dans la pratique éducative générale”.
Deux points méritent d’être retenus, car les résumés hâtifs les omettent tous deux. D’abord, la revue a confirmé que les gens ont des préférences et qu’ils diffèrent par certaines aptitudes. Les préférences sont réelles. Ce qui échoue, c’est l’idée qu’adapter l’enseignement à ces préférences améliore l’apprentissage. Ensuite, les auteurs ont explicitement refusé de dire que toutes les versions possibles avaient été testées et réfutées. La plupart n’ont tout simplement jamais été testées.
Voilà l’état honnête de la question. Une idée valant des milliards repose sur une expérience que presque personne n’a menée.
Le remplacement qui échoue aussi
C’est là que la plupart des articles s’arrêtent, vous tendent une liste de “vrais” prédicteurs et passent à autre chose. Cette liste commence en général par les connaissances préalables. Le raisonnement paraît imparable : qui en sait déjà beaucoup sur un sujet assimile plus vite le nouveau matériel dans ce domaine.
On appelle cela l’hypothèse du savoir-est-pouvoir, et en 2022 elle a reçu le traitement que Pashler avait réservé aux styles d’apprentissage.
Bianca Simonsmeier, Maja Flaig, Anne Deiglmayr, Lennart Schalk et Michael Schneider ont examiné dans Educational Psychologist la relation entre connaissances préalables et apprentissage à travers 8 776 tailles d’effet. Ils ont séparé deux choses que le langage courant confond.
La première est le point d’arrivée. La corrélation entre ce que les apprenants savaient au prétest et ce qu’ils savaient au post-test était élevée, à 0,534. Ceux qui partent devant ont tendance à finir devant. Personne ne le conteste.
La seconde est le gain. La corrélation entre les connaissances au prétest et les gains normalisés de connaissances était de 0,059 dans le sens négatif, et l’intervalle de prédiction à 95 pour cent allait de moins 0,688 à plus 0,621.
Relisez cet intervalle. Il couvre presque toute l’étendue possible dans les deux sens. Les connaissances préalables aident parfois beaucoup, nuisent parfois beaucoup et, en moyenne, ne font pratiquement rien au gain que vous réalisez.
Les auteurs ont été prudents sur ce que cela autorise ou non. Selon leurs termes, “cette forte variabilité falsifie des énoncés généraux tels que ‘le savoir est un pouvoir’ aussi bien que ‘l’effet des connaissances préalables est négligeable’”. Le résultat n’est pas que l’expertise ne vaut rien. C’est que la direction de son effet dépend de conditions que personne n’a encore identifiées.
Une étude expérimentale de suivi publiée en 2025 dans le Journal of Experimental Psychology: Applied a poussé la même question plus loin. Zachary Buchin et Neil Mulligan ont assigné au hasard des participants à trois jours de formation dans l’un de deux domaines académiques, puis ont fait apprendre à tous du matériel nouveau dans les deux domaines. Comme la formation ne couvrait que trois sujets sur quatre par domaine, le sujet non couvert fournissait une mesure propre de l’apprentissage nouveau à l’intérieur d’un domaine désormais mieux maîtrisé. Leur résultat : l’apprentissage nouveau, mesuré soit par la performance au test final soit par les gains de connaissances, ne différait pas entre les conditions de connaissances élevées et faibles.
La deuxième réponse est donc plus faible qu’elle n’en avait l’air. Les connaissances préalables sont un excellent prédicteur de votre niveau. Elles sont un mauvais prédicteur de votre pente.
Le remplacement suivant, corrigé
La troisième réponse est le volume de pratique. C’est la position de la vulgarisation : personne ne naît rapide, certains y consacrent simplement les heures.
Brooke Macnamara, David Hambrick et Frederick Oswald l’ont testée dans tous les grands domaines où la pratique délibérée avait été étudiée, publiant en 2014 dans Psychological Science. Leurs chiffres phares ont largement circulé : 26 pour cent de la variance de performance expliquée dans les jeux, 21 pour cent en musique, 18 pour cent en sport, 4 pour cent en éducation et moins de 1 pour cent dans les professions.
Ce sont les chiffres que presque tous les articles citent encore. Ils sont aussi périmés.
En 2018, les auteurs ont publié un corrigendum. Ils avaient mal appliqué une formule d’ajustement de la taille d’échantillon, en l’appliquant à chaque taille d’effet individuelle plutôt qu’à la moyenne des tailles d’effet dépendantes. Ils ont réanalysé et publié un tableau complet de valeurs corrigées. Le fond de leur conclusion n’a pas changé, mais plusieurs chiffres oui, et c’est le jeu corrigé qu’une discussion rigoureuse en 2026 devrait employer.
Pratique délibérée et performance : chiffres initialement publiés et corrigés
| Domaine ou mesure | Publié en 2014 | Corrigé dans le corrigendum de 2018 |
|---|---|---|
| Corrélation moyenne pratique et performance | 0,35, IC 95% 0,30 à 0,39 | 0,38, IC 95% 0,33 à 0,42 |
| Variance de performance expliquée au total | 12%, IC 95% 9% à 15% | 14%, IC 95% 11% à 18% |
| Jeux | 26% (r = 0,51) | 24% (r = 0,49) |
| Musique | 21% (r = 0,46) | 23% (r = 0,48) |
| Sport | 18% (r = 0,42) | 20% (r = 0,45) |
| Éducation | 4% (r = 0,21) | 5% (r = 0,22) |
| Professions | moins de 1% (r = 0,05, p = 0,62) | 1% (r = 0,09, p = 0,377) |
Source : Macnamara, Hambrick et Oswald, Psychological Science, 2014, et le corrigendum de 2018, tableau 1. Chiffres reproduits tels qu’imprimés.
Même après la correction à la hausse, le tableau donne à réfléchir. Tous domaines confondus, la pratique délibérée laisse 86 pour cent des différences de performance inexpliquées. En éducation, elle en explique 5 pour cent. Dans les professions, la corrélation corrigée de 0,09 n’est même pas statistiquement significative, avec une valeur p de 0,377.
Si vous exercez une profession, le volume de pratique délibérée que vous avez accumulé est, selon ces données, quasiment inutile pour prédire votre niveau relatif à vos pairs.
Ce que la même étude a trouvé et que presque personne ne cite
Dans ce même tableau de corrigendum se cache un modérateur qui fait plus de travail explicatif que toutes les variables individuelles ci-dessus.
Les auteurs ont réparti les activités selon la prévisibilité de l’environnement de la tâche. Après correction, la pratique délibérée expliquait 23 pour cent de la variance de performance dans les activités à forte prévisibilité, 14 pour cent dans celles à prévisibilité moyenne et 6 pour cent dans celles à faible prévisibilité.
C’est le résultat à retenir. Le déterminant le plus fort de cette littérature n’est pas une propriété de l’apprenant. C’est une propriété du domaine. Dans les environnements stables et réglés, où la même situation revient et où le retour arrive vite, la pratique se capitalise. Dans les environnements instables, où la situation ne se répète jamais et où le retour est lent et bruité, elle se capitalise bien moins.
Cela recadre toute la question. Demander “à quelle vitesse est-ce que j’apprends” n’a presque aucun sens. Demander “à quel point cette chose précise est-elle apprenable, et quel retour me donne-t-elle” a une réponse, et change ce que vous ferez ensuite.
Cela explique aussi les chiffres de l’éducation et des professions sans invoquer le talent. La performance professionnelle est jugée dans un environnement à faible prévisibilité. Les heures accumulées ne peuvent pas vous en sauver.
L’écart qui explique le reste
Si le style ne prédit pas l’apprentissage, si les connaissances préalables prédisent le niveau mais pas le gain, et si le volume de pratique explique une minorité de la variance, que reste-t-il ?
La méthode. Et là, les preuves sont solides, bien répliquées et presque universellement ignorées dans la pratique. C’est la partie intéressante.
Deux jeux de données indépendants, recueillis à des fins différentes, peuvent être rapprochés pour montrer l’ampleur du problème.
Le premier porte sur les croyances. Philip Newton et Atharva Salvi ont examiné dans Frontiers in Education 33 études comportant 37 échantillons, couvrant 15 405 enseignants dans 18 pays entre 2009 et début 2020. Pondéré, 89,1 pour cent adhéraient à l’idée d’appariement aux styles d’apprentissage, les études individuelles allant de 58 pour cent à 97,6 pour cent. L’adhésion culminait chez les enseignants en formation à 95,4 pour cent, atteignait 87,8 pour cent chez les enseignants qualifiés et tombait à 63,6 pour cent dans l’enseignement supérieur. Point crucial : 79,7 pour cent déclaraient utiliser, ou avoir l’intention d’utiliser, l’appariement de l’enseignement aux styles d’apprentissage.
Le second porte sur les comportements. Jeffrey Karpicke, Andrew Butler et Henry Roediger ont interrogé dans Memory 177 étudiants de l’université Washington à Saint-Louis. Invités à lister et classer leurs stratégies, 84 pour cent déclaraient relire leurs notes ou manuels, et 55 pour cent citaient la relecture comme stratégie la plus utilisée. Seuls 11 pour cent, soit 19 étudiants sur 177, déclaraient s’auto-tester en rappelant l’information. Seul 1 pour cent, 2 étudiants sur 177, en faisaient leur première stratégie. Placés devant un choix forcé après la lecture d’un chapitre, 57 pour cent choisissaient de réétudier, 21 pour cent citaient une autre technique et 18 pour cent disaient qu’ils s’auto-testeraient. Ces chiffres ne totalisent pas 100 car les auteurs ont exclu les réponses ambiguës non codables ; l’article rapporte comme résultat principal que 78 pour cent déclaraient ne pas vouloir s’auto-tester après avoir lu un chapitre.
Comparez maintenant cela aux évaluations d’utilité de la revue de référence de John Dunlosky, Katherine Rawson, Elizabeth Marsh, Mitchell Nathan et Daniel Willingham, également parue dans Psychological Science in the Public Interest. Ils ont évalué dix techniques selon la généralisabilité de leurs bénéfices. Les tests de rappel et la pratique distribuée ont reçu une évaluation d’utilité élevée. La relecture et le surlignage ont reçu une évaluation faible, et les auteurs notaient que la plupart des étudiants déclarent les utiliser malgré tout.
L’écart entre croyance, comportement et preuve
Cadre éditorial CEOtudent. Les pourcentages de croyance et de comportement proviennent respectivement de Newton et Salvi et de Karpicke, Butler et Roediger ; les évaluations d’utilité de Dunlosky et collègues. La colonne de rapport est calculée par CEOtudent à partir des pourcentages publiés.
| Pratique | Part qui y croit ou l’utilise | Niveau de preuve | Décalage entre notoriété et preuve |
|---|---|---|---|
| Adapter l’enseignement au style d’apprentissage | 89,1% des enseignants adhèrent ; 79,7% l’utilisent ou comptent l’utiliser | Aucune base probante suffisante (Pashler et coll.) | Croyance la plus forte, aucune expérience à l’appui |
| Relire ses notes ou son manuel | 84% des étudiants le déclarent ; 55% en premier | Utilité faible (Dunlosky et coll.) | Déclaré 7,6 fois plus souvent que l’auto-test |
| S’auto-tester par le rappel | 11% des étudiants le déclarent ; 1% en premier | Utilité élevée (Dunlosky et coll.) | Classé premier 55 fois moins souvent que la relecture |
| Pratique répartie dans le temps | Non mesurée dans ces échantillons | Utilité élevée (Dunlosky et coll.) | Preuve sans chiffre d’usage dans ces données |
Deux réserves accompagnent ce tableau, et elles ne sont pas mineures. Les échantillons d’enseignants et d’étudiants sont des populations différentes, mesurées à dix ans d’écart, répondant à des questions différentes. Il s’agit d’une comparaison de notoriété, pas d’un contraste contrôlé. Et Newton et Salvi ont eux-mêmes signalé que la plupart des études recensées reposaient sur des échantillons de convenance de petite taille, et que deux seulement expliquaient aux participants ce qu’implique concrètement l’appariement avant de les interroger. Traitez les 89,1 pour cent comme une borne supérieure de la croyance informée.
Ces réserves posées, le motif tient toujours. La technique la mieux étayée est celle que presque personne n’utilise. La technique la moins étayée est celle que presque tout le monde utilise. Et l’idée qui n’a aucune expérience à l’appui recueille une adhésion quasi unanime chez ceux qui enseignent.
Il y a une raison à cela, et ce n’est pas la bêtise. Karpicke et ses collègues ont trouvé que, parmi la minorité ayant choisi l’auto-test, seuls 18 pour cent déclaraient le faire parce qu’ils apprennent davantage ainsi. Soixante-huit pour cent disaient le faire pour savoir dans quelle mesure ils maîtrisaient le contenu. Même ceux qui font la bonne chose la font surtout pour la mauvaise raison, et c’est pourquoi ils l’abandonnent sous la pression. Les auteurs proposaient que les étudiants éprouvent des illusions de compétence en étudiant : relire donne une sensation de fluidité, et la fluidité ressemble au savoir.
L’ampleur de l’effet sous-jacent ne fait pas débat. Nicholas Cepeda, Harold Pashler, Edward Vul, John Wixted et Doug Rohrer ont synthétisé dans Psychological Bulletin 839 évaluations de la pratique distribuée issues de 317 expériences réparties dans 184 articles, constatant que l’intervalle optimal entre séances augmente à mesure que s’allonge le délai avant le test. Olusola Adesope, Dominic Trevisan et Narayankripa Sundararajan, en méta-analysant les tests de rappel dans Review of Educational Research, ont rapporté que les tests de rappel sont plus bénéfiques pour l’apprentissage que la réétude et que toutes les autres conditions de comparaison.
Que faire à la place
La moitié CEO de tout cela, c’est le diagnostic. La moitié étudiante, c’est la pratique.
Cessez de vous demander quel type d’apprenant vous êtes. La question n’a pas de réponse validée, et l’industrie de l’évaluation bâtie dessus vend un résultat qu’aucune expérience ne soutient. Rien ne découle de votre score.
Demandez plutôt à quel point ce que vous apprenez est prévisible. C’est la variable au plus grand effet mesuré dans les données sur la pratique délibérée, et contrairement à votre style, elle est connaissable. Si la situation se répète et que le retour arrive vite, le volume de pratique paiera. Si ni l’un ni l’autre n’est vrai, investissez dans la qualité du retour avant le volume, car davantage de répétitions d’une activité non mesurable rapportent très peu.
Traitez les connaissances préalables comme un actif de niveau, pas comme une garantie de vitesse. Votre expertise prédit de façon fiable où vous finirez par rapport à un débutant. Elle ne prédit pas de façon fiable que vous tirerez davantage de la prochaine heure d’étude que lui. Ne laissez pas l’expérience dans un domaine vous dispenser de la méthode.
Supposez que votre sentiment de progression n’est pas fiable. La fluidité de la relecture est précisément l’illusion que la recherche identifie. Si une séance vous a paru facile, c’est une information sur la séance, pas sur votre mémoire. Le seul moyen de savoir ce que vous savez est d’essayer de le rappeler sans la page sous les yeux.
Testez-vous pour apprendre, pas seulement pour vérifier. C’est la correction la plus puissante disponible, car les enquêtes montrent que la plupart de ceux qui s’auto-testent le font comme un diagnostic plutôt que comme l’acte d’apprentissage lui-même. Le rappel n’est pas la mesure. Le rappel est le mécanisme.
Espacez les séances, et espacez-les d’autant plus que le test est lointain. C’est la forme précise du résultat de Cepeda, et c’est ce que la plupart des plans de révision ratent.
Rien de tout cela n’est une personnalité. Tout cela est un protocole, ce qui veut dire que n’importe qui peut l’appliquer.
Pour le classement technique par technique qui sous-tend ces recommandations, voyez notre article compagnon sur ce que dit la preuve de douze techniques d’étude. Pour l’appliquer sous contrainte de temps, voyez nos travaux sur les protocoles de montée en compétences rapide et sur la reconversion après 40 ans.
Questions fréquentes
Est-il juste de parler de mythe alors que les auteurs disaient que toutes les versions n’ont pas été testées ?
Oui, à condition d’être précis sur ce qui est affirmé. L’affirmation précise qui circule, à savoir qu’adapter l’enseignement à un style diagnostiqué améliore l’apprentissage, est l’hypothèse d’appariement, et c’est elle qui a échoué. Pashler et ses collègues n’ont trouvé pratiquement aucune preuve de l’interaction requise et plusieurs résultats qui la contredisent. Leur réserve porte sur l’existence de variantes non testées, pas sur la survie de la version populaire.
Les gens ont-ils tout de même des préférences d’apprentissage ?
Oui. La même revue a trouvé de nombreuses preuves que les enfants et les adultes expriment des préférences quant à la présentation de l’information, et de nombreuses preuves que les personnes diffèrent par certaines aptitudes. La préférence est réelle. Ce qui manque, c’est le rendement pédagogique de son appariement.
Les connaissances préalables n’aident-elles vraiment pas ?
Elles prédisent votre niveau final de façon fiable, avec une corrélation de 0,534. Ce qu’elles ne prédisent pas de façon fiable, c’est votre gain, où la corrélation était de 0,059 dans le sens négatif avec un intervalle de prédiction allant de moins 0,688 à plus 0,621. Les auteurs ont explicitement rejeté à la fois l’idée que le savoir est un pouvoir et celle que son effet est négligeable. L’effet existe et sa direction dépend de conditions non encore identifiées.
Pourquoi ces chiffres sur la pratique délibérée diffèrent-ils de ceux que j’ai vus ailleurs ?
Parce que la plupart des sources citent les valeurs de 2014 et que les auteurs les ont corrigées en 2018. Les jeux sont passés de 26 à 24 pour cent, la musique de 21 à 23, le sport de 18 à 20, l’éducation de 4 à 5 et les professions de moins de 1 pour cent à 1 pour cent, tandis que la variance totale expliquée passait de 12 à 14 pour cent. Ce sont les valeurs corrigées qui sont utilisées ci-dessus.
Si la pratique explique si peu, la réponse est-elle le talent ?
Les données ne le soutiennent pas non plus. Le plus grand modérateur de l’analyse corrigée était la prévisibilité de l’environnement de la tâche, non une propriété de la personne. La variance inexpliquée englobe l’erreur de mesure, la qualité plutôt que la quantité de pratique, l’âge de début, l’encadrement, l’opportunité et bien d’autres facteurs. Lire 86 pour cent d’inexpliqué comme 86 pour cent de talent est une inférence que l’étude n’autorise pas.
Combien de temps avant que la pratique de rappel devienne naturelle ?
Les enquêtes suggèrent que l’obstacle n’est pas la difficulté mais la croyance. Seuls 18 pour cent des étudiants ayant choisi l’auto-test le faisaient parce qu’ils pensaient apprendre davantage ainsi. Tant que vous n’attendrez pas du rappel qu’il soit plus difficile et plus efficace, vous reviendrez à la relecture dès qu’une échéance approchera.
Sources et lectures complémentaires
Pashler, H., McDaniel, M., Rohrer, D. et Bjork, R. Learning Styles: Concepts and Evidence. Psychological Science in the Public Interest, volume 9, numéro 3, pages 105 à 119, 2008.
Simonsmeier, B. A., Flaig, M., Deiglmayr, A., Schalk, L. et Schneider, M. Domain-Specific Prior Knowledge and Learning: A Meta-Analysis. Educational Psychologist, volume 57, numéro 1, pages 31 à 54, 2022.
Buchin, Z. L. et Mulligan, N. W. Prior Knowledge and New Learning: An Experimental Study of Domain-Specific Knowledge. Journal of Experimental Psychology: Applied, volume 31, numéro 2, pages 84 à 98, 2025.
Macnamara, B. N., Hambrick, D. Z. et Oswald, F. L. Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis. Psychological Science, volume 25, numéro 8, pages 1608 à 1618, 2014, ainsi que le corrigendum publié dans Psychological Science, volume 29, numéro 7, pages 1202 à 1204, 2018.
Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J. et Willingham, D. T. Improving Students’ Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology. Psychological Science in the Public Interest, volume 14, numéro 1, pages 4 à 58, 2013.
Karpicke, J. D., Butler, A. C. et Roediger, H. L. Metacognitive Strategies in Student Learning: Do Students Practise Retrieval When They Study on Their Own? Memory, volume 17, numéro 4, pages 471 à 479, 2009.
Newton, P. M. et Salvi, A. How Common Is Belief in the Learning Styles Neuromyth, and Does It Matter? A Pragmatic Systematic Review. Frontiers in Education, volume 5, article 602451, 2020.
Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T. et Rohrer, D. Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis. Psychological Bulletin, volume 132, numéro 3, pages 354 à 380, 2006.
Adesope, O. O., Trevisan, D. A. et Sundararajan, N. Rethinking the Use of Tests: A Meta-Analysis of Practice Testing. Review of Educational Research, volume 87, numéro 3, pages 659 à 701, 2017.
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:
