Aristote2
L’IA au service de l’enseignement
Aristote utilise l’IA pour rendre les vidéos pédagogiques accessibles
et interactives
Le problème
Dans l’enseignement supérieur, les établissements et leur corps enseignant s’appuient sur des solutions logicielles EdTech pour enrichir l’expérience pédagogique de l’étudiant. Les enseignants sont déjà habitués à ces produits, et donc seront tentés d’utiliser des nouvelles fonctionnalités de type génération de quizz, si elles donnent de bons résultats, car cela leur fait gagner du temps (comparé à produire les quizz à la main), et cela enrichit l’expérience de l’étudiant
D’après un rapport du (Ouvre une nouvelle fenêtre) CNNum du 5 février 2020, 9,6 millions de personnes en situation de handicap en France sont concernées par cette problématique d’accessibilité.
Concernant les vidéos, la solution la plus pertinente pour les rendre accessible est de réaliser leur transcription. La transcription consiste à retranscrire sous forme d’un texte le contenu d’une vidéo.
La transcription d’une vidéo rend aussi son accès plus facile aux personnes maîtrisant mal la langue.
Chez FUN MOOC, le catalogue vidéo représente environ 3300 heures de vidéo partiellement retranscrites et que nous devons finir de retranscrire.
La bonne idée
Afin d’adresser cet irritant et qu’un grand nombre d’autres projets libres puissent en profiter, nous allons faire évoluer le (Ouvre une nouvelle fenêtre) remote runner du projet (Ouvre une nouvelle fenêtre) Peertube pour en proposer une version dédiée à la transcription des vidéos.
Initialement prévu pour traiter l’encodage des vidéos, il est possible d’étendre son fonctionnement à d’autres tâches lourdes dont le passage à l’échelle nécessite une externalisation.
Il est aussi possible d’étendre l’usage à d’autres plateformes vidéo que Peertube en développant des connecteurs pour d’autres langages et frameworks. C’est ce que France Université Numérique a fait, sur sa (Ouvre une nouvelle fenêtre) plateforme de VOD Marsha après avoir publié une application Django qui peut être installée sur n’importe quel projet : (Ouvre une nouvelle fenêtre) https://github.com/openfun/django-peertube-runner-connector.
Une fois le nouveau runner disponible, France Université Numérique pourra donc le déployer sur son infrastructure de production afin d’automatiser et systématiser la transcription de toutes les vidéos de son catalogue. Ce développement profitera aussi à toutes les administrations qui utilisent Peertube.
Les chiffres :
- Une économie totale supérieure à 1M d’€
- 35 000 vidéos traitées
- 5 500 heures de vidéos
À propos
Automatiser la transcription de vidéos et les rendre accessibles a été porté par France Université Numérique.
- Porteur : France Université Numérique
- Chef de produit : Manuel Raynaud
- Signataire : Olivier Haemmerlé
- Montant global : 60 000€ pour Framasoft (dont 40 000€ pour une infrastructure GPU) et 100 000€ mobilisés par France Université Numérique sur un an. Total demandé à Alliance : 100 000€.
- Développement conjoint du runner avec Framasoft, éditeur de PeerTube.
- Intégration du runner dans la plateforme VOD Marsha (mise en production dans PeerTube 6.2 en juillet 2024).
- Utilisation du catalogue vidéo de France Université Numérique pour mesurer la qualité des transcriptions via des variantes du modèle Whisper.
- Soumission des transcriptions aux créateurs de vidéos pour évaluation de leur qualité.
- Objectif à 6 mois : transcription complète du catalogue France Université Numérique.
- Objectif à 1 an : mise à disposition du projet en open source pour la communauté PeerTube.