Apprendre durablement : ce que la recherche établit sur l'étude efficace chez les étudiants de l'enseignement supérieur

Une revue narrative de la littérature

Auteur : équipe Nokital. Aucune personne physique n'endosse individuellement ce texte ; la répartition exacte du travail, y compris la part tenue par des modèles de langage, est décrite en section 2.9, et c'est là qu'il faut la chercher avant d'accorder du crédit à ce document.

Mots-clés : répétition espacée ; effet de test ; rappel actif ; retour d'information ; métacognition ; entrelacement ; rétention à long terme ; enseignement supérieur ; revue narrative.

Nature du document. Un article de synthèse (« revue »), au sens des revues scientifiques en pédagogie : un texte qui rassemble et organise les connaissances établies sur un sujet, en précisant pour chacune d'où elle vient, à quel point elle est prouvée, et ce qu'elle ne dit pas. Il est écrit pour être lu sans formation en psychologie cognitive.

Sujet. Ce que la recherche établit sur l'étude efficace chez les étudiants de l'enseignement supérieur : comment répartir ses révisions dans le temps, sous quelle forme s'interroger, quand et comment recevoir une correction, et à quel point on peut se fier à son propre sentiment de maîtrise.

Résumé structuré

Contexte. Les techniques d'étude que les étudiants emploient spontanément — relire, surligner, concentrer le travail à l'approche de l'examen — figurent parmi les moins efficaces que la recherche ait mesurées, et celles qui fonctionnent leur paraissent inefficaces. Cet écart est documenté depuis des décennies et il ne se comble pas.

Objectif. Rassembler ce que la recherche établit sur les techniques d'étude réalisables par un étudiant seul, avec un support écrit ou numérique, et qui améliorent la rétention à long terme et les résultats d'examen dans l'enseignement supérieur. Et, pour chaque affirmation, dire à quelle distance de cet usage elle a été mesurée.

Méthode. Revue narrative conforme à la grille SANRA. Cinquante-trois articles lus en texte intégral, page par page, chaque affirmation porteuse confrontée à la page de l'article qui la soutient ; identifiants vérifiés un par un auprès de Crossref ; date d'arrêt de la recherche documentaire le 2026-08-12. Le corpus a été constitué à l'envers, en partant de propositions à valider et non d'une question de recherche, et aucune base bibliographique n'a été interrogée par équation de recherche : la section 2 le détaille sans l'atténuer. La lecture et l'extraction des données ont été faites par des modèles de langage, et aucune vérification humaine indépendante n'a eu lieu (section 2.9).

Résultats. Cinq conclusions solides, détaillées ci-dessous. Se tester bat relire (g = 0,50, valeur identique en laboratoire et sur 48 478 élèves en classe réelle), à deux conditions rarement énoncées : une correction doit suivre, et l'entraînement doit être largement réussi. Espacer bat concentrer (g = 0,74 quand ce qu'on espace, ce sont des tentatives de rappel), et la forme du calendrier n'importe pas : les intervalles croissants ne battent pas les intervalles constants. La correction est décisive après une erreur et presque inutile après une réussite, mais plus d'un tiers des interventions de retour d'information dégradent la performance, et ce qui les distingue est de porter sur la tâche plutôt que sur la personne. Produire une réponse bat la reconnaître. Le format de l'entraînement doit ressembler à celui de l'examen, et mélanger les types d'exercices bat les travailler par blocs.

Limites. Aucune vérification humaine indépendante. Sur les soixante-douze affirmations porteuses marquées, onze seulement reposent sur des études proches du cas d'usage et trente-six sur des paires de mots ou des tâches de laboratoire. Six textes n'ont pas pu être obtenus. Une douzaine d'affirmations des versions précédentes de ce document, écrites de bonne foi à partir de résumés, se sont révélées inexactes à la lecture des textes complets : c'est le taux d'erreur d'une méthode, et il s'applique encore à tout ce qui reste marqué [A rés.].

Conclusion. Les quelques principes qui tiennent sont peu nombreux, très robustes et contre-intuitifs. Les paramètres précis qu'on leur associe d'ordinaire — telle suite d'intervalles, tel seuil, tel nombre de répétitions — ne sont, eux, presque jamais établis.

Résumé en cinq idées

Les résultats les plus solides, appuyés sur des études dont le texte complet a été lu et vérifié, tiennent en cinq idées :

1. Se tester vaut mieux que relire (g = 0,50 en laboratoire comme en classe réelle), mais le bénéfice n'apparaît qu'à distance de plusieurs jours, jamais dans la minute. La relecture crée une impression de maîtrise trompeuse. Deux conditions sont indispensables et souvent perdues de vue : une correction doit suivre, et l'entraînement doit être largement réussi.
2. Espacer les révisions vaut mieux que les masser (g = 0,74 quand ce qu'on espace, ce sont des tentatives de rappel), et c'est l'écart de temps réel entre deux révisions qui compte, pas le motif du calendrier : les intervalles croissants ne battent pas les intervalles constants. L'intervalle utile grandit avec l'échéance visée.
3. La correction est décisive après une erreur et presque inutile après une réussite ; les erreurs commises avec assurance sont celles que la correction répare le mieux ; et voir la réponse avant d'avoir cherché rend la correction contre-productive. Mais la formule générale « un retour d'information fait progresser » est fausse : sur plus de six cents comparaisons, plus d'un tiers des retours d'information dégradent la performance, et ce qui les distingue est de porter sur la tâche plutôt que sur la personne.
4. Produire une réponse vaut mieux que la reconnaître parmi des options, à condition qu'une correction suive.
5. Le format de l'entraînement doit ressembler au format de l'examen, et mélanger les types d'exercices vaut mieux que les travailler par blocs.

À côté de ces résultats, la revue distingue soigneusement le degré de vérification de chaque affirmation : étude dont le texte complet a été lu, étude connue par son seul résumé, référence citée de mémoire, ou source non évaluée par les pairs. Elle indique aussi, pour chaque affirmation porteuse, la distance entre ce qui a été mesuré et l'usage visé : c'est la limite la plus importante de tout ce champ, et elle est énoncée d'emblée. Une grande partie des chiffres qui suivent vient d'expériences de laboratoire sur des paires de mots ou des faits isolés, testées à quelques minutes ou quelques jours ; les études menées sur du vrai contenu de cours, avec de vraies notes d'examen, sont rares et signalées comme telles.

Introduction

Il existe, sur la façon d'apprendre, un désaccord persistant entre ce que la recherche mesure et ce que les étudiants croient. Ce n'est pas une querelle de spécialistes : c'est un écart mesuré, et il a un coût. Interrogés sur les techniques d'étude, 93 % des étudiants d'une enquête tenaient l'étude concentrée pour plus efficace que l'étude espacée, alors que l'effet inverse est l'un des mieux établis de toute la psychologie de la mémoire. Les techniques que l'on emploie spontanément — relire, surligner, tout reprendre à l'approche de l'examen — sont parmi les moins rentables que la recherche ait évaluées, et celles qui fonctionnent donnent l'impression de ne pas fonctionner.

Cet écart a une cause identifiée, et c'est la clé de tout ce document : nous jugeons nos révisions sur ce que nous observons pendant que nous révisons. Or ce qu'on observe alors — la fluidité, l'impression que le chapitre rentre bien — ne prédit pas ce qui restera. Certaines manipulations améliorent l'une et dégradent l'autre. La section 1.3 expose cette distinction avant tout chiffre, parce que sans elle la moitié des résultats qui suivent paraissent absurdes.

Le champ n'est pourtant pas neuf. L'effet d'espacement a été démontré des centaines de fois depuis la fin du XIXᵉ siècle ; l'effet de test est documenté depuis les années 1900 et a fait l'objet, dans la dernière décennie, de méta-analyses portant sur des dizaines de milliers de participants. Ce qui manque n'est donc pas la preuve que ces principes existent. Ce qui manque est ailleurs, et cette revue s'y attache particulièrement :

1. Les conditions. Un principe vrai en moyenne peut être faux dans les conditions où on l'applique. Se tester n'apprend rien si l'on ne vérifie jamais la réponse et que l'on échoue plus d'une fois sur deux. Présenter côte à côte deux notions qu'on confond aide si la question fait discriminer, et peut nuire si elle fait réciter. Ces conditions sont presque toujours perdues quand un résultat est recopié.
2. Les paramètres. La littérature valide des familles de calendriers, pas des suites d'intervalles ; des doses de l'ordre de « quelques reprises sur des jours différents », pas des nombres. Quiconque a besoin d'un chiffre exact pour programmer quelque chose devra l'inventer, et il vaut mieux le savoir.
3. La distance. La quasi-totalité de ces résultats a été obtenue sur des paires de mots, des listes de syllabes ou des faits isolés, testés à quelques minutes ou quelques jours. Les études menées sur du vrai contenu de cours avec de vraies notes d'examen se comptent sur les doigts des deux mains, et cette revue les signale une par une.

Ce document rassemble ces résultats, chapitre par chapitre, en donnant chaque fois l'effectif, le comparateur, le délai et le résultat brut avant la taille d'effet — de sorte qu'un lecteur puisse juger un chiffre au lieu de le croire. Il signale aussi, et c'est plus rare, ce que la littérature ne dit pas : douze questions traversées par cette revue n'ont aucune réponse publiée, et elles sont réunies en liste au chapitre 10 pour qu'on cesse de les combler par le bon sens.

1. Objectif, question de recherche et périmètre

1.1 La question

Cette revue répond à une question et à une seule :

Quelles techniques d'étude, réalisables par un étudiant seul avec un support écrit ou numérique, améliorent la rétention à long terme et les résultats d'examen dans l'enseignement supérieur ?

« Rétention à long terme » veut dire : mesurée au moins un jour après la fin de l'apprentissage, et de préférence plusieurs semaines après. Ce délai n'est pas un détail de méthode, c'est le cœur du sujet : plusieurs techniques réputées efficaces le sont à cinq minutes et nuisibles à une semaine, et le chapitre 4 en donne le cas le plus net.

Quatre questions secondaires en découlent, et structurent les chapitres :

1. Quand réviser : comment répartir dans le temps un nombre donné de contacts avec une notion (chapitre 3).
2. Sous quelle forme s'interroger : se tester ou relire, produire ou reconnaître, et combien de fois (chapitre 4).
3. Que faire de la correction : quand la donner, sous quelle forme, et après quel type de réponse (chapitre 5).
4. Dans quel ordre enchaîner les contenus, et que faire des notions qui se ressemblent (chapitres 8 et 9).

À quoi s'ajoutent deux questions qui portent moins sur la mémoire que sur ce qui permet de tenir dans le temps : ce que vaut le jugement qu'un étudiant porte sur son propre apprentissage (chapitre 6) et ce que la science dit, ou ne dit pas, de la charge de travail et de la régularité (chapitre 7).

1.2 Pour qui, et sur quoi ce document ne dit rien

Public visé : les étudiants de l'enseignement supérieur qui organisent eux-mêmes leurs révisions, les enseignants qui les conseillent, et les personnes qui conçoivent des outils de révision. Le document est écrit pour être lu sans formation en psychologie cognitive : chaque terme technique est défini à son premier emploi, et chaque chiffre est expliqué en langage courant avant d'être donné sous sa forme technique.

Hors périmètre, explicitement, parce qu'aucune des études citées ne permet de s'y prononcer :

• l'apprentissage scolaire précoce (primaire, collège), sauf quand une étude y a été menée faute d'équivalent chez l'adulte, auquel cas c'est signalé ;
• les troubles des apprentissages et les situations de handicap ;
• la formation professionnelle continue et l'acquisition de gestes techniques ;
• la pédagogie en présentiel : ce qu'un enseignant fait dans une salle, la taille des groupes, l'usage de la parole ;
• l'apprentissage des langues vivantes en tant que tel, même si beaucoup d'études citées emploient du vocabulaire étranger comme matériau de laboratoire — ce qui est justement l'une des grandes limites de ce champ ;
• les effets du sommeil, de l'alimentation ou de l'activité physique, à l'exception d'une étude sur le sommeil intercalé entre deux séances de révision, citée au chapitre 3 pour ce qu'elle dit de l'espacement.

Cette revue ne compare aucun logiciel et n'en recommande aucun. Elle n'évalue pas de produit, et n'a été commandée par aucun.

1.3 La distinction qui commande tout le reste : apprendre n'est pas réussir

Un mot doit être posé avant tout chiffre, parce qu'il explique la moitié des résultats de ce document et qu'il est presque toujours passé sous silence.

Ce qu'on observe pendant qu'on apprend s'appelle la performance. Ce qui reste ensuite s'appelle l'apprentissage. Ce sont deux choses différentes, et elles peuvent aller en sens contraire. La performance, ce sont les fluctuations passagères qu'on mesure pendant l'entraînement ou juste après : le nombre de mots qu'on récite ce soir, l'impression que le chapitre « rentre bien ». L'apprentissage, c'est le changement durable qui soutient la restitution et le transfert des semaines plus tard. La synthèse de référence sur cette distinction rassemble un siècle de travaux, en apprentissage verbal comme en apprentissage moteur, et sa conclusion est nette : certaines manipulations ont des effets opposés sur les deux — les conditions qui produisent le plus d'erreurs pendant l'entraînement sont souvent celles qui produisent le plus d'apprentissage (Soderstrom & Bjork, 2015, Perspectives on Psychological Science, 10(2), 176-199). [A, texte complet lu le 2026-08-12 ; c'est une revue intégrative et non une méta-analyse : elle n'agrège aucun chiffre et ne fournit donc aucune taille d'effet globale]

Trois conséquences, qui reviendront à chaque chapitre :

1. Une mesure prise pendant l'apprentissage ou juste après ne dit presque rien de ce qui restera. C'est pourquoi cette revue exige un délai entre l'apprentissage et la mesure, et signale chaque fois qu'une étude n'en a pas.
2. Les conditions les plus confortables ne sont pas les meilleures. C'est l'idée des « difficultés souhaitables » de Bjork : une difficulté ajoutée à l'entraînement peut être payante. Avec une réserve que les auteurs posent eux-mêmes et qu'on oublie en les citant : une difficulté que l'apprenant ne peut pas surmonter n'est pas souhaitable. Si la récupération échoue et que rien ne vient corriger, la difficulté ne rapporte rien. Ce point commande le chapitre 5 tout entier.
3. Nous sommes tous mauvais juges de notre propre apprentissage, parce que nous jugeons sur la performance, la seule chose que nous puissions observer. Un chiffre le résume : interrogés sur les techniques d'étude, 93 % des étudiants d'une enquête tenaient l'étude concentrée pour plus efficace que l'étude espacée — l'inverse de ce que cent ans de travaux établissent (McCabe, 2011, cité par Soderstrom & Bjork 2015). [A rés., enquête déclarative connue de seconde main] Le chapitre 6 y revient.

C'est aussi la raison pour laquelle un lecteur doit se défier de son propre désaccord avec ce document : plusieurs de ses conclusions sont contre-intuitives par construction, puisque l'intuition se forme sur la performance visible.

2. Méthode : comment cette revue a été faite

Cette section est écrite pour qu'un lecteur puisse juger la valeur de ce qui suit, et refaire le travail s'il le souhaite. Elle décrit une recherche qui n'a pas été menée dans le bon ordre, et le dit.

2.1 Une origine à assumer : le corpus a été constitué à l'envers

Une revue de littérature en bonne forme part d'une question, interroge des bases de données selon une équation de recherche écrite d'avance, et compte ce qu'elle écarte. Ce n'est pas ainsi que ce corpus est né.

Il est né d'un travail de conception : des choix pratiques d'organisation de révisions étant à faire, la littérature a été cherchée pour savoir si ces choix tenaient. Le corpus de départ est donc un échantillon de commodité : les références qu'un travail antérieur citait déjà, complétées par ce qu'une recherche sur le web a fait remonter en août 2026, complétées enfin par les textes qu'il a été possible d'obtenir.

Ce mode de constitution a un défaut qu'il faut nommer, parce qu'il est le plus grave de ce document : on ne trouve pas ce qu'on n'a pas cherché. Une recherche qui part de propositions à valider fait remonter en priorité la littérature qui en parle, et laisse dans l'ombre celle qui les contredirait par une autre voie. Le lecteur doit donc lire ce qui suit comme une revue narrative, c'est-à-dire une synthèse raisonnée et vérifiable mais non exhaustive, et non comme une revue systématique.

Deux éléments limitent tout de même ce risque, et ils sont vérifiables. Le premier est que la recherche a effectivement fait remonter de la littérature défavorable, et que celle-ci a été conservée : l'alternance de matières sans lien est contredite (chapitre 8), les notes guidées à trous et le gain attribué aux calendriers adaptatifs sont déclassés (chapitres 4 et 3), et la comparaison qui fonde la recommandation la plus séduisante du chapitre 8 se révèle reposer sur une seule expérience comptée deux fois. Le second est la lecture intégrale, décrite en 2.5 : c'est elle qui a produit ces retournements, et elle n'était pas prévisible d'avance.

2.2 Où et comment la littérature a été cherchée

Aucune base de données bibliographique n'a été interrogée par une équation de recherche. C'est le manque principal de cette méthode, et l'écrire coûte moins cher que de le laisser deviner. Ce qui a été fait, dans l'ordre :

1. Recension des références déjà citées dans le travail de conception d'origine, y compris celles qui n'y étaient citées que de mémoire.
2. Recherche sur le web, en français et en anglais, par moteurs de recherche généralistes et académiques, sur les thèmes des chapitres. Les formulations exactes des requêtes n'ont pas été consignées au moment où elles ont été faites : c'est une limite réelle, qui rend cette étape non reproductible à l'identique. Les thèmes interrogés, eux, sont connus : effet d'espacement et intervalle optimal ; effet de test et rappel actif ; réapprentissage successif et dose de pratique ; calendriers de révision adaptatifs ; effet du retour d'information selon son moment et sa forme ; jugements métacognitifs et calibration ; entrelacement et apprentissage de catégories ; pré-test et questions posées avant lecture ; auto-explication ; organisateurs préalables ; évaluation authentique ; choix et motivation.
3. Remontée des listes de références des articles retenus, en particulier des méta-analyses, qui ont fourni la plupart des expériences primaires citées ici.
4. Vérification des identifiants, les 11 et 12 août 2026 : chaque identifiant numérique d'article (DOI, un code unique attribué à une publication, qui se résout en collant https://doi.org/ suivi du code dans un navigateur) a été confronté un par un à Crossref, la base des éditeurs scientifiques, en comparant auteurs, titre, revue, volume et pages. Aucun n'est deviné. Cette étape a servi à obtenir les textes complets, et elle a aussi corrigé des références inexactes.

Date d'arrêt de la recherche documentaire : le 12 août 2026. Aucun travail publié après cette date n'a été considéré. Le document étant tenu comme une revue vivante, cette date bougera et sera toujours celle qui figure ici.

2.3 Ce qui a été retenu, ce qui a été écarté

Ont été retenus les travaux qui remplissent ces conditions :

• apprenants humains, de préférence adultes en enseignement supérieur ;
• un résultat de mémoire ou de performance mesuré, et non une satisfaction déclarée ou une intention ;
• un délai entre l'apprentissage et la mesure, ou à défaut la mention explicite que la mesure est immédiate — auquel cas la portée en est réduite dans le texte ;
• publication dans une revue à comité de lecture, en anglais ou en français. Trois exceptions, signalées comme telles : un article de conférence en informatique (Settles & Meeder 2016), un chapitre d'ouvrage (Landauer & Bjork 1978) et des sources non évaluées par les pairs (marquées [C]), citées comme illustration et jamais comme preuve.

Ont été écartés :

• les travaux qui ne mesurent que des perceptions : c'est ce qui écarte l'essentiel de la littérature dite de l'évaluation authentique, et le chapitre 9 le documente plutôt que de le taire ;
• les travaux dont le texte complet n'a pas pu être obtenu et dont le chiffre ne pouvait pas être vérifié autrement : ils ne sont pas supprimés mais marqués [A rés.], et la section 12 en donne la liste ;
• les sources secondaires quand une source primaire existait ;
• les travaux hors périmètre défini en 1.2.

2.4 Le compte des articles, étape par étape

Ce compte est honnête sur ce qu'il peut et ne peut pas dire. Le nombre d'articles écartés à la lecture des titres n'a pas été enregistré : cette étape n'a pas été instrumentée, et un chiffre inventé ici serait pire que son absence.

Un fichier obtenu s'est révélé être un article de biologie moléculaire sans aucun rapport avec le sujet annoncé ; il a été détecté et remplacé par le bon texte avant toute utilisation. Cette anecdote est rapportée parce qu'elle dit quelque chose de la fiabilité de la chaîne d'approvisionnement en articles.

2.5 Comment les textes ont été lus

Chaque texte complet obtenu a été lu en entier, et chaque affirmation porteuse de cette revue a été confrontée à la page de l'article qui la soutient. Un article dont le fichier était un scan sans texte extractible a été lu page par page sous forme d'images (Rawson & Dunlosky 2011).

Ce qui a été relevé dans chaque article, systématiquement : l'effectif ; le matériau exact appris ; le comparateur, c'est-à-dire ce que faisait le groupe auquel on compare ; le délai entre l'apprentissage et la mesure finale ; le résultat en unités naturelles (le plus souvent un pourcentage de bonnes réponses) avant sa forme standardisée ; et les réserves que les auteurs formulent eux-mêmes, qui sont souvent la partie la plus utile et presque toujours la première perdue quand un résultat est recopié.

Ce travail a changé le contenu de la revue, il ne l'a pas seulement documenté. Une quinzaine d'affirmations écrites de bonne foi à partir de résumés se sont révélées inexactes, dans les deux sens. Le détail de qui a lu, avec quel outil, et de ce qui n'a pas été vérifié, fait l'objet de la section 2.9 : c'est une question de méthode qui mérite d'être traitée séparément, et non une note en bas de page.

2.6 L'échelle de preuve utilisée

Chaque affirmation de cette revue est marquée d'un niveau de preuve, qui dit d'où elle vient et à quel point elle a été vérifiée :

• [A] Littérature vérifiée en texte complet : étude publiée dans une revue à comité de lecture, dont l'article entier a été lu, protocole compris, et dont les chiffres cités ici ont été relevés dans le texte lui-même.
• [A rés.] Littérature lue au seul résumé : la référence est exacte et les chiffres sont recoupés sur plusieurs sources, mais le protocole complet n'a pas été lu. L'expérience de cette revue est qu'une affirmation sur quatre à ce niveau se révèle inexacte à la lecture du texte complet (voir section 12) : à traiter avec défiance.
• [B] Littérature citée de mémoire : étude classique invoquée sans avoir été rouverte. Aucun chiffre n'en est tiré.
• [C] Source secondaire : chiffre issu de guides, de rapports d'entreprise ou d'usages communautaires. Illustration, jamais preuve.
• [constat d'absence] : la revue affirme qu'une question n'a pas été étudiée. C'est une affirmation vérifiable et elle engage : elle signifie que la recherche décrite en section 3 n'a rien trouvé, pas qu'il n'existe rien.

À ce premier axe s'ajoute un second, décrit en section 2.7 : la distance entre ce qui a été mesuré et l'usage visé.

2.7 Le second axe : la distance entre ce qui a été mesuré et l'usage visé

L'échelle qui précède dit d'où vient une information. Elle ne dit pas à quel point on peut s'y fier pour le cas qui nous occupe, et ce sont deux choses différentes : une étude irréprochablement conduite sur vingt personnes apprenant des paires de mots swahili-anglais, testées vingt minutes plus tard, reste un appui faible pour un étudiant en droit qui prépare un examen à trois mois.

C'est le point aveugle de tout ce champ, et cette revue le rend visible. Chaque affirmation porteuse reçoit donc, en plus de son niveau de preuve, une mention de distance en trois degrés :

• (distance : proche) — l'étude porte sur du contenu de cours réel, travaillé par de vrais étudiants dans un vrai cursus, et la mesure est un examen réel ou un test différé de plusieurs semaines sur ce contenu. C'est le cas le plus rare de cette revue : on les compte sur les doigts des deux mains.
• (distance : intermédiaire) — matériel pédagogique réaliste mais simplifié pour l'expérience : textes courts, définitions de notions de cours, exercices scolaires, cas cliniques brefs. Le contenu ressemble à du cours, la situation ne ressemble pas à un semestre.
• (distance : éloignée) — paires de mots, listes de syllabes, faits de culture générale isolés, images, tâches de laboratoire. Ce sont des démonstrations de mécanisme : elles établissent qu'un phénomène existe, pas ce qu'il donne sur un programme d'examen.

Une quatrième mention apparaît une seule fois dans ce document : hors échelle, quand l'étude ne porte pas sur des apprenants humains du tout (un résultat démontré sur des algorithmes, par exemple). Une telle étude peut inspirer un raisonnement ; elle ne fournit aucun paramètre transposable.

Comment lire les deux axes ensemble. Le niveau de preuve et la distance sont indépendants, et c'est tout l'intérêt de les séparer. Une méta-analyse sur plusieurs centaines de comparaisons peut être [A] et éloignée : le résultat est solide, sa transposition ne l'est pas. Une expérience unique sur trente-six étudiants peut être intermédiaire : elle parle du bon genre de contenu, mais un seul résultat ne fait pas une preuve. Aucun des deux axes ne rachète l'autre, et une recommandation qui appuie sur une combinaison « [A] + éloignée » doit être présentée comme un pari raisonné, non comme un acquis.

Le bilan d'ensemble, énoncé une fois ici pour ne pas avoir à le répéter : la grande majorité des chiffres de cette revue viennent d'études éloignées du cas d'usage. Les résultats les mieux transposables se comptent : la dose de rappel mesurée sur un vrai cours de psychologie, les quiz en classe réelle, l'entrelacement des exercices de mathématiques en collège, la personnalisation d'un calendrier sur un semestre d'espagnol, les évaluations formatives dans un cours de droit, l'auto-pardon mesuré chez de vrais étudiants qui repoussent un vrai travail, et la corrélation entre pratique et résultats aux examens de médecine. Tout le reste est du mécanisme.

2.8 Les mesures et les mots de statistique, définis une fois

• Les mesures d'effet. Les études citées utilisent deux familles de chiffres. (1) Les tailles d'effet standardisées, notées d (de Cohen) ou g (de Hedges, une variante corrigée pour les petits effectifs) : c'est l'écart entre le groupe testé et le groupe de comparaison, exprimé en écarts-types, ce qui permet de comparer des études qui ne mesurent pas la même chose. Repère d'usage : 0,2 est un petit effet, 0,5 un effet moyen, 0,8 un grand effet ; concrètement, d = 0,5 signifie qu'un participant moyen du groupe testé fait mieux qu'environ 69 % du groupe de comparaison. (2) Les corrélations, notées r, entre −1 et 1 : elles disent que deux choses varient ensemble, jamais que l'une cause l'autre ; r = 0,33 (valeur citée plus bas) correspond à environ 11 % de variation partagée, un lien réel mais loin d'être déterminant. Un IC 95 % (intervalle de confiance) donne la fourchette dans laquelle la vraie valeur se situe probablement ; une méta-analyse est une étude qui agrège statistiquement les résultats de nombreuses études ; « préenregistrée » signifie que le plan d'analyse a été déposé publiquement avant de voir les données, ce qui empêche de choisir après coup l'analyse qui arrange. Chaque fois que c'est possible, la revue donne le résultat en unités naturelles (points de pourcentage de bonnes réponses) avant la taille d'effet ; quand elle ne le fait pas, c'est que ces valeurs restent à extraire du texte complet, et c'est signalé.

Les six mots de statistique qui reviennent, définis ici une fois.

• Modérateur : une caractéristique qui fait varier la force d'un effet. Dire que « l'âge est un modérateur » signifie que l'effet mesuré n'est pas le même chez les enfants et chez les adultes. C'est souvent l'information la plus utile d'une méta-analyse : elle dit dans quelles conditions la recette marche.
• Biais de publication : les études qui ne trouvent rien sont moins souvent publiées que celles qui trouvent quelque chose. Une moyenne calculée sur les seules études publiées est donc mécaniquement trop optimiste. Certaines méta-analyses estiment ce biais et corrigent leur résultat ; quand c'est le cas, la revue le signale.
• Hétérogénéité : la dispersion des résultats agrégés. Forte hétérogénéité veut dire que les études rassemblées ne racontent pas la même histoire, et donc que leur moyenne résume mal la réalité.
• Modèle à effets fixes / à effets aléatoires : deux façons de calculer cette moyenne. Le premier suppose qu'il existe un seul effet vrai et que les écarts entre études viennent du hasard ; le second admet que l'effet vrai lui-même varie d'un contexte à l'autre, et donne des fourchettes plus larges, donc plus prudentes. Quand un résultat change selon le modèle choisi, c'est qu'il est fragile.
• Rendements décroissants (ce que la littérature appelle un effet « sous-additif ») : chaque unité de travail supplémentaire rapporte moins que la précédente. L'effet ne disparaît pas, il devient de moins en moins rentable.
• Surapprentissage (au sens de l'apprentissage automatique, à ne pas confondre avec le fait de trop réviser) : un modèle statistique qui colle si bien aux données sur lesquelles il a été entraîné qu'il se trompe davantage sur des données nouvelles.

Deux sigles, développés ici parce qu'ils reviennent : FSRS est un algorithme communautaire de calendrier de révision, développé autour du logiciel de cartes de révision Anki, qui estime pour chaque carte la probabilité qu'on s'en souvienne encore ; 4C/ID est un modèle de conception de formation (van Merriënboer) qui organise l'apprentissage autour de tâches complètes plutôt que de compétences isolées.

2.9 Comment ce document a été fabriqué, et ce qui n'a pas été vérifié

Cet encadré existe parce qu'un lecteur a le droit de savoir qui a lu les articles dont on lui rapporte les chiffres. Il est écrit sans atténuation, y compris là où la réponse est défavorable.

Ce qui a été fait par des modèles de langage : la totalité du travail. Pas seulement la rédaction — ce qui serait sans conséquence — mais aussi et surtout la lecture des articles et l'extraction des données : c'est un modèle de langage qui a ouvert chaque PDF, relevé les effectifs, les comparateurs, les délais et les résultats, et qui a écrit les phrases qui les rapportent. Les outils employés sont des modèles de la famille Claude (Anthropic), utilisés au fil de sessions de travail assistées par l'outil de développement Claude Code, entre juillet et août 2026, la lecture intégrale des textes ayant été faite les 11 et 12 août 2026 avec Claude Opus 5. Les versions exactes employées à chaque étape antérieure n'ont pas toutes été consignées, ce qui est une lacune de traçabilité.

Ce qui n'a pas eu lieu : la vérification humaine indépendante. Aucune personne n'a rouvert les articles pour contrôler par échantillonnage les chiffres rapportés ici. Aucun spécialiste de psychologie cognitive n'a relu ce document. Aucun juriste n'a relu les exemples juridiques. Il n'y a eu ni évaluation par les pairs, ni relecture externe d'aucune sorte. C'est la limite la plus lourde de ce document, et elle ne doit pas être lue comme une précaution de style : elle signifie qu'une erreur de lecture commise par le modèle et non contredite par un autre passage du texte a pu survivre jusqu'ici.

Ce qui a réellement servi de contrôle, et qui est de nature entièrement différente d'une relecture humaine :

1. La confrontation systématique de chaque affirmation à sa page d'origine. C'est le contrôle qui a le plus produit : il a fait tomber une quinzaine d'affirmations des versions antérieures de ce document, écrites de bonne foi à partir de résumés. Un chiffre recopié survit à tout ; un chiffre confronté au tableau qui le porte ne survit pas toujours.
2. L'arbitrage des divergences entre deux lectures du même texte, en rouvrant l'article. Deux cas se sont présentés : les chiffres de la méta-analyse sur les notes guidées à trous (Konrad, Joseph & Eveleigh 2009), tranchés en retournant à la page qui porte l'indicateur, et les tableaux de Bahrick (1979), dont les taux avaient d'abord été mal appariés à leurs conditions.
3. Le contrôle d'identité des fichiers. Un PDF fourni sous le nom d'un article de répétition espacée s'est révélé être un article de biologie moléculaire sans aucun rapport. Il a été repéré et remplacé avant que le moindre chiffre n'en soit tiré.
4. La vérification des identifiants auprès de Crossref, décrite en 2.2 : elle contrôle qu'une référence existe et correspond à ce qu'on en dit, pas que le chiffre extrait de l'article soit le bon.

Ce que ces contrôles ne couvrent pas. Ils sont tous de nature mécanique : ils comparent un texte à un autre texte. Aucun ne substitue un jugement humain à celui du modèle sur les questions qui en demandent un — est-ce que cette étude soutient vraiment cette conclusion, est-ce que cette transposition est raisonnable, est-ce que ce résultat compte plus que celui qui le contredit. Sur ces questions, personne n'a relu le modèle. Le lecteur qui souhaite contrôler un chiffre trouvera dans le texte l'effectif, le comparateur et le délai qui lui permettent de savoir quoi chercher, et la référence complète en section 13 pour aller voir.

Cette situation est réversible et elle est destinée à changer : une relecture par une ou deux personnes compétentes est prévue mais n'a pas eu lieu, et le jour où elle aura lieu, elle sera décrite ici et les objections qu'elle aura produites seront visibles dans le texte.

3. L'espacement des révisions

3.1 Ce que dit la littérature

Espacer les révisions améliore massivement la rétention par rapport à les concentrer. La synthèse quantitative de référence agrège 839 mesures issues de 317 expériences et confirme la robustesse de l'effet (Cepeda, Pashler, Vul, Wixted & Rohrer, 2006, Psychological Bulletin, 132, 354-380). [A, texte complet lu le 2026-08-12] (distance : éloignée) Le chiffre central, qui manquait aux versions précédentes : sur 271 comparaisons directes (254 études, 14 811 participants), 36,7 % de bonnes réponses quand l'étude est concentrée contre 47,3 % quand elle est espacée, à temps d'étude total égal ; sur le sous-ensemble des études dont le test final est à plus d'un mois, le bénéfice moyen est de 15 %.

Deux mises en garde tirées du même texte, importantes pour la suite de ce chapitre. D'abord, le lien entre l'intervalle idéal et l'échéance visée n'est pas une règle de proportion : c'est une courbe en cloche, où l'intervalle optimal grandit avec l'échéance jusqu'à un point au-delà duquel l'allonger encore dégrade le résultat. La règle « l'intervalle optimal vaut 10 à 20 % du délai visé », souvent attribuée à cette synthèse, n'y figure pas — et l'article des mêmes auteurs deux ans plus tard, discuté plus bas, ne donne pas davantage un pourcentage unique : il donne une proportion qui DÉCROÎT avec l'échéance, de 43 % du délai pour un test à une semaine à 8 % pour un test à un an. Ensuite, la répartition des données est très déséquilibrée : 80 % des comparaisons portent sur des délais de moins d'un jour et 4 % seulement dépassent un mois, et les auteurs demandent eux-mêmes la prudence avant toute transposition en classe.

Le chiffre qui manquait : que vaut l'espacement quand ce qu'on espace, c'est de se tester ? La synthèse de Cepeda porte surtout sur de la réétude — relire, revoir. Or ce qu'un étudiant espace, en pratique, ce sont le plus souvent des tentatives de rappel. Une méta-analyse récente a isolé exactement cette combinaison, et c'est la seule à croiser les deux thèmes de cette revue. Sur 11 études et 39 comparaisons, espacer les tentatives de rappel plutôt que de les enchaîner donne g = 1,01 [0,68 ; 1,34]. Les auteurs détectent un biais de publication (test d'Egger significatif) et le corrigent : l'effet reste g = 0,74 [0,55 ; 0,91], et c'est cette valeur corrigée qu'il faut citer. Le seuil d'usage étant 0,8 pour un « grand » effet, on est là au-dessus de la plupart des interventions pédagogiques connues (Latimier, Peyre & Ramus, 2021, Educational Psychology Review, 33(3), 959-987). [A, texte complet lu le 2026-08-12] (distance : éloignée)

Deux précisions du même texte, dont l'une pèse lourd. La moitié des comparaisons de ce sous-ensemble mesurent la performance immédiatement à la fin de l'apprentissage (23 comparaisons sur 39, contre 15 à un jour ou plus) : la valeur de 0,74 mélange donc des mesures de performance et des mesures de rétention, au sens de la section 1.3. Et le matériau reste majoritairement de laboratoire — des paires de mots, en rappel indicé, chez des étudiants — neuf études sur onze étant menées en laboratoire.

Le même travail répond à une deuxième question, et il le fait par la négative : le calendrier à intervalles croissants ne bat pas le calendrier à intervalles constants. Sur 16 études et 54 comparaisons, l'écart vaut g = 0,034, avec un intervalle de confiance [−0,10 ; 0,17] qui contient largement zéro ; 55 % des comparaisons vont dans un sens, 43 % dans l'autre. Il n'y a ici aucun biais de publication détecté, et l'intervalle est étroit : c'est donc un résultat nul solide, pas une absence de preuve par manque de données. Les auteurs le disent dans ces termes : contrairement au consensus apparent de la littérature, la supériorité du calendrier croissant n'est pas établie ; si un effet existe, il est petit. Un seul modérateur s'en approche, et il est intéressant pour qui révise longtemps : au-delà de quatre passages sur un même contenu, l'avantage du croissant devient numériquement visible (g = 0,2 [−0,07 ; 0,47], toujours non significatif) alors qu'il est nul en dessous. Les auteurs qualifient eux-mêmes cette piste de provisoire. [A, texte complet lu] (distance : éloignée)

C'est l'écart de temps réel qui compte, pas le motif du calendrier. Le protocole : 96 étudiants apprennent 24 paires de vocabulaire swahili-anglais ; chaque paire, une fois rappelée juste une première fois, est retestée trois fois selon l'un de douze calendriers, qui croisent l'espacement absolu (0, 15, 30 ou 90 essais intercalés au total) et le motif relatif (intervalles croissants, égaux ou décroissants). Au test final une semaine plus tard : étudier sans se tester laisse 1 % ; un seul rappel, 26 % ; trois rappels enchaînés sans espacement, 25 % (ils n'ajoutent rien) ; trois rappels espacés : 49 %, 64 % et 75 % selon l'espacement total. Le « +200 % » souvent cité est le rapport 75 % contre 25 %. Et le motif relatif (croissant, égal, décroissant) ne change rien de mesurable, à aucun niveau d'espacement (Karpicke & Bauernschmidt, 2011, Journal of Experimental Psychology: Learning, Memory, and Cognition, 37(5), 1250-1257). [A, texte complet lu ; limites : paires de mots, espacement compté en essais dans une même séance, un seul délai de test] (distance : éloignée) Ce résultat a une conséquence pratique importante : un calendrier à intervalles fixes, simple et prévisible, est scientifiquement défendable ; il n'y a pas de « courbe magique » à poursuivre.

L'intervalle utile grandit avec l'échéance visée. Le protocole mérite d'être décrit, car c'est de ce résultat que sortent toutes les règles pratiques du type « révisez à tel pourcentage du délai qui reste » : 1 354 participants recrutés par Internet ont appris 32 faits de culture générale jusqu'à un rappel parfait, sont revenus les réviser une fois après un intervalle imposé (de quelques minutes à 105 jours, volume de réétude constant), puis ont été testés après un délai final de 7, 35, 70 ou 350 jours ; un seul cycle étude-révision-test, donc (Cepeda, Vul, Rohrer, Wixted & Pashler, 2008, Psychological Science, 19(11), 1095-1102). [A, texte complet lu] (distance : éloignée) Résultats : pour chaque échéance, le rappel final monte puis redescend avec l'intervalle ; plus l'échéance est lointaine, plus l'intervalle idéal devient petit RELATIVEMENT à cette échéance, tout en grandissant en valeur absolue. L'article publie deux séries de chiffres, et les confondre est l'erreur à ne pas commettre. La première est le meilleur des intervalles réellement essayés : 1, 11, 21 et 21 jours pour les échéances de 7, 35, 70 et 350 jours. Les intervalles essayés sont peu nombreux et diffèrent d'une échéance à l'autre (0, 1, 2, 7, 21 et 105 jours pour le test à 7 jours ; 0, 1, 4, 7, 11, 21 et 105 jours pour celui à 35 jours ; 0, 1, 7, 14, 21 et 105 jours pour celui à 70 jours ; 0, 1, 7, 21, 35, 70 et 105 jours pour celui à 350 jours), si bien que ces valeurs sont robustes mais grossières. La seconde série, que les auteurs présentent comme une estimation « plus précise », s'obtient en ajustant une courbe sur les points mesurés et en lisant le sommet de cette courbe (c'est ce qu'on appelle une valeur interpolée, c'est-à-dire estimée entre deux mesures et non observée telle quelle) : 3 jours pour un test à 7 jours (soit 43 % du délai), 8 jours pour un test à 35 jours (23 %), 12 jours pour un test à 70 jours (17 %), et 27 jours pour un test à 350 jours (8 %). C'est cette seconde série qui est reprise ici et dans la figure, parce que c'est celle que les auteurs retiennent et que résume leur article. Il faut savoir en contrepartie qu'elle est plus lisse que les mesures brutes : dans la première série, la part du délai ne décroît pas régulièrement (14 %, 31 %, 30 %, puis 6 %).

Sur le second test, où il s'agit de reconnaître la réponse parmi cinq propositions plutôt que de l'écrire de mémoire, les mêmes sommets valent 1,6, 7, 10 et 25 jours, soit 24 %, 19 %, 14 % et 7 % du délai. La fourchette « 20 à 40 % à une semaine, 5 à 10 % à un an », que le résumé de l'article donne et que tout le monde cite ensuite, est l'enveloppe de ces deux séries : elle va du chiffre de la reconnaissance à celui du rappel écrit, lequel en sort d'ailleurs par le haut à l'échéance la plus courte (43 %).

Le gain est réel : au meilleur intervalle, +64 % de rappel en relatif par rapport à une révision immédiate (d = 1,1), et +26 % en reconnaissance (d = 1,5). Ce gain moyen recouvre des situations très inégales, et le détail mérite d'être connu : +10 % pour le test à 7 jours, +59 % à 35 jours, +111 % à 70 jours, +77 % à 350 jours. Plus l'échéance est lointaine, plus le choix de l'intervalle pèse — sauf au tout dernier palier, où il pèse un peu moins. Et la pénalité est asymétrique : la courbe monte abruptement puis redescend doucement, un intervalle trop court coûte beaucoup plus qu'un intervalle trop long. En clair : pour un examen dans trois semaines, réviser à quelques jours d'écart ; pour un examen dans quatre mois, des écarts de plusieurs semaines restent utiles, et un dernier survol la veille ne remplace pas ces contacts intermédiaires.

Figure 1. Intervalle optimal entre deux révisions, selon l'échéance visée. Redessinée à partir des valeurs publiées par Cepeda et al. (2008) pour le test de rappel écrit. Ces valeurs sont interpolées, c'est-à-dire lues au sommet d'une courbe ajustée sur les points mesurés, et non observées telles quelles ; le meilleur des intervalles réellement essayés valait, lui, 1, 11, 21 et 21 jours. Distance au cas d'usage : éloignée.

Personnaliser le calendrier par un algorithme apprenant apporte un gain réel mais modeste. Le texte complet, lu le 2026-08-12, permet enfin de dire ce que « personnaliser » veut dire. Pendant un semestre entier, 179 élèves d'un cours d'espagnol de collège (13-14 ans) révisaient leur vocabulaire via un logiciel de cartes-questions en classe (trois sessions de 20-30 minutes par chapitre) : le mot en anglais s'affiche, l'élève tape la traduction, correction immédiate. Le planificateur personnalisé (modèle « DASH ») estimait pour chaque élève et chaque mot la force du souvenir à partir de trois choses : la difficulté propre du mot, le niveau de l'élève, et tout l'historique d'étude (réussites et échecs, regroupés par fenêtres de temps) ; il proposait en révision le mot dont la probabilité de rappel prédite était la plus proche d'un seuil de 33 %, autrement dit le mot au bord de l'oubli. Un tiers des mots de chaque élève suivait ce planificateur ; un autre tiers suivait la pratique scolaire habituelle (réviser le chapitre en cours) ; le dernier tiers un espacement identique pour tous (réviser le chapitre précédent), à nombre d'essais de révision égal partout. À l'examen cumulatif passé 28 jours après la fin du semestre : pratique habituelle ~52 % de bonnes réponses, espacement uniforme ~55 %, personnalisé ~60,5 % (Lindsey, Shroyer, Pashler & Mozer, 2014, Psychological Science, 25, 639-647). [A, texte complet lu ; deux corrections par rapport aux versions précédentes de cette revue : les « +16,5 % » et « +10,0 % » souvent cités sont des gains RELATIFS, soit environ +8,5 et +5,5 points de pourcentage ; et les auteurs reconnaissent eux-mêmes que le gain de la personnalisation est confondu avec la simple redistribution du temps de révision vers les chapitres anciens] (distance : proche) Deux bornes de portée : l'étude ne compare pas l'algorithme au libre choix de l'étudiant (l'idée que « l'étudiant est un mauvais guide de ses propres révisions » repose sur d'autres travaux, section 6.3) ; et le gain de la personnalisation par rapport à l'espacement uniforme est plus petit que le gain de l'espacement lui-même. L'ordre d'importance est donc clair : espacer d'abord, personnaliser ensuite.

Réussir un rappel après un long délai est un événement particulièrement renforçant. L'idée que le rappel réussi après une longue attente est ce qui consolide le plus le stockage vient de la théorie du désusage de Bjork et Bjork (1992), citée ici de mémoire [B], mais sa conséquence opérationnelle (une réussite très espacée vaut mieux qu'une réussite rapprochée) est cohérente avec Karpicke & Bauernschmidt 2011 [A].

Tableau de preuve du chapitre

Comment lire ce tableau. « Effectif » est le nombre de participants, ou le nombre d'études quand il s'agit d'une méta-analyse. « Comparateur » dit à quoi le groupe entraîné a été comparé, et c'est la colonne la plus souvent absente des résumés : un résultat n'existe que contre quelque chose. « Délai » est le temps écoulé entre la fin de l'apprentissage et la mesure finale. « Distance » reprend l'échelle de la section 2.7. Les tailles d'effet d et g sont définies en section 2.8.

3.2 La forme du calendrier : intervalles croissants, uniformes, ou peu importe ?

La forme précise du calendrier importe peu ; trois propriétés comptent. L'idée des intervalles croissants vient d'une étude fondatrice (Landauer & Bjork, 1978) dont les « intervalles » étaient des positions dans une même liste de laboratoire, à l'échelle de secondes, pas des jours. [A, texte complet lu le 2026-08-12 ; la portée est encore plus limitée que ne le disaient les versions précédentes.] (distance : éloignée) Le détail : 468 puis 218 étudiants en amphithéâtre, apprenant des noms de personnes fictives (une carte toutes les 9 secondes, ou une grille de visages toutes les 15 secondes), et surtout un test final passé 30 minutes plus tard. Résultat : l'espacement croissant bat l'espacement uniforme de même moyenne (66 % contre 56 % dans la seconde expérience), mais seulement lorsque la pratique consiste à se tester ; quand l'information est simplement réaffichée à chaque passage, c'est l'uniforme qui l'emporte légèrement (62 % contre 58 %). Autrement dit, cette étude fondatrice ne mesure ni des jours, ni du contenu de cours, ni la rétention au-delà d'une demi-heure : elle ne peut pas fonder à elle seule un calendrier d'intervalles croissants sur plusieurs semaines. Les travaux modernes qui comparent directement calendrier croissant et calendrier uniforme trouvent soit un avantage du croissant au test immédiat qui s'inverse au test différé (à 10 minutes : 71 % contre 62 % pour le croissant ; à 2 jours : 45 % contre 33 % pour l'uniforme ; et la troisième expérience isole le vrai facteur actif : le délai du premier rappel, pas la forme de la suite : premier rappel différé 52 % contre immédiat 44 % à 2 jours, quel que soit le calendrier ensuite) (Karpicke & Roediger, 2007, JEP: LMC, 33(4) ; 48 étudiants de 18 à 22 ans dans la première expérience, la moitié testée à 10 minutes et l'autre à 2 jours ; 36 paires de vocabulaire tirées d'annales du concours d'entrée aux études supérieures américaines, essais de 8 secondes, sans corrigé dans cette première expérience) [A, texte complet lu, effectifs vérifiés page 707] (distance : éloignée), soit pas d'avantage fiable d'une forme sur l'autre au test final à l'échelle de semaines, la plus proche d'une année scolaire : paires de japonais révisées aux jours 1-3-9-28 (croissant) contre 1-10-19-28 (uniforme), test 56 jours plus tard : 49 % contre 46 %, non significatif ; le croissant garde toutefois un avantage réel pendant la période d'entraînement (rappel moyen estimé 51 % contre 43 %) (Kang, Lindsey, Mozer & Pashler, 2014, Psychonomic Bulletin & Review, une seule expérience, 37 participants ; les versions précédentes de cette revue disaient à tort « trois expériences ») [A, texte complet lu] (distance : éloignée). La méta-analyse citée en 3.1 tranche cette question sur l'ensemble du corpus : 54 comparaisons, aucun avantage du croissant (g = 0,034), sans biais de publication et avec un intervalle étroit. Ces deux expériences ne sont donc pas des cas isolés, elles sont représentatives.

Ce qui compte, et que ces travaux désignent convergemment : des révisions sur des jours distincts, un espacement total substantiel, et un premier rappel pas trop facile. Aucune suite d'intervalles précise n'est validée par une étude ; ce que la littérature valide, c'est cette famille de calendriers — des suites qui croissent d'un facteur d'environ 2 à 3, la famille à laquelle appartiennent aussi les algorithmes établis de type SM-2 (1 jour, 6 jours, puis multiplication par ~2,5). Un calendrier fixe et prévisible est donc défendable ; chercher la « bonne courbe » ne l'est pas.

Combien de rappels réussis faut-il par notion ? Le protocole de l'étude de référence : 533 étudiants apprennent des définitions de concepts de cours en tapant la définition de mémoire puis en jugeant eux-mêmes leur réponse, avec deux réglages qui varient — le nombre de succès exigés lors de la séance initiale, et le nombre de séances ultérieures de reprise, espacées de quelques jours, où chaque notion est retravaillée jusqu'à un seul succès ; la rétention est mesurée un à quatre mois plus tard (Rawson & Dunlosky, 2011). [A, texte complet lu le 2026-08-12 ; le détail, les chiffres et les trois corrections qu'ils imposent sont en section 4.5.] (distance : intermédiaire) Ce qu'il faut en retenir ici : ce sont les séances de reprise qui portent l'effet (34 %, 46 %, 55 %, 60 % et 63 % de rétention à un mois pour une à cinq séances), tandis que durcir le premier jour ne rapporte presque rien. « Trois plus trois » n'est pas un optimum démontré mais le compromis que les auteurs jugent le meilleur entre résultat et temps dépensé. En cours réel de psychologie, le régime complet a produit 84 % de bonnes réponses aux vrais examens contre 72 % pour les notions apprises librement — soit 12 points, « plus d'une lettre de note » selon les auteurs (Rawson, Dunlosky & Sciartelli, 2013, 79 étudiants). [A, texte complet lu le 2026-08-12 ; le « +40 % » cité dans les versions précédentes était une hausse relative mal recopiée : les vraies valeurs des tests de rétention rédigés sont 80 % contre 27 % à trois jours et 64 % contre 17 % à vingt-quatre jours, sur un format qui ressemble beaucoup à l'entraînement, ce qui gonfle l'écart.] (distance : proche)

3.3 Ce qu'un calendrier fixe laisse sur la table : de l'efficience, pas de l'efficacité

Les ordonnanceurs adaptatifs — les logiciels qui ajustent les intervalles à chaque notion et à chaque étudiant au lieu d'appliquer une suite fixe — promettent de faire mieux. Concrètement, tous fonctionnent sur le même principe : un modèle statistique estime, à partir de l'historique (réussites, échecs, temps écoulé depuis la dernière révision), la probabilité qu'un item soit encore rappelable aujourd'hui, et le planificateur re-sert l'item quand cette probabilité approche un seuil. Trois jalons documentés :

• La « régression de demi-vie » de Duolingo estime pour chaque mot la durée au bout de laquelle la probabilité de rappel tombe à 50 %, et la met à jour à chaque réponse. Entraînée sur les traces d'usage, elle prédit les rappels observés avec 45 % d'erreur en moins que les systèmes à boîtes de type Leitner (Settles & Meeder, 2016, ACL, 12,9 millions de traces d'apprentissage). [A, texte complet lu le 2026-08-12 ; trois corrections, toutes dans le sens de la prudence.] (distance : éloignée) (1) Le « 45 % d'erreur en moins » porte sur une seule mesure, l'écart moyen entre probabilité prédite et rappel observé. Sur l'autre mesure de qualité de prédiction publiée dans le même tableau (la capacité à classer correctement ce qui sera su et ce qui ne le sera pas), c'est le vieux système à boîtes qui l'emporte, de peu (0,542 contre 0,538). (2) Le « +12 % d'activité quotidienne » n'oppose pas le nouveau modèle au système à boîtes : c'est la comparaison entre deux versions du nouveau modèle. Face au système à boîtes, l'essai réel donne +0,3 % d'activité et −7,3 % de sessions de pratique, ce que les auteurs interprètent comme des révisions redondantes évitées, interprétation raisonnable mais non mesurée. (3) Le modèle réellement mis en production est une version allégée, celle du tableau ayant souffert de surapprentissage. Enfin le chaînon manquant, déjà signalé et confirmé : mieux prédire le rappel ne fait pas mieux apprendre. Les essais réels mesurent le fait de revenir dans l'application le lendemain — un indicateur d'usage, jamais la rétention à un examen, et aucune mesure de compétence en langue n'est publiée.
• Un résultat théorique établit la forme de la solution optimale : sous les modèles de mémoire classiques, l'intensité de révision optimale est proportionnelle à la probabilité d'oubli courante, autrement dit « réviser d'autant plus qu'on est près d'oublier » (Tabibian et al., 2019, PNAS). [A, texte complet lu le 2026-08-12, le bon article ayant été fourni depuis ; la lecture confirme le principe et réduit nettement la portée de la validation empirique.] (distance : éloignée) La formule dit exactement ceci : l'intensité de révision optimale d'une notion décroît de façon linéaire avec la probabilité qu'on s'en souvienne encore aujourd'hui — bien retenue, on l'espace ; en train de s'effacer, on la ramène. Un paramètre unique règle le compromis entre bien retenir et ne pas trop réviser. Ce que vaut la partie empirique, en revanche, doit être dit sans détour : il n'y a eu aucune intervention, les auteurs écrivent eux-mêmes ne pas pouvoir en faire. Ils prennent 5,2 millions de couples utilisateur-mot chez Duolingo sur deux semaines, et classent après coup chaque historique de révision selon le calendrier auquel il ressemble le plus (celui de la formule, un rythme constant, ou un rythme à seuil). Les utilisateurs dont le comportement ressemble à la formule oublient moins — mais rien n'exclut qu'ils soient simplement plus assidus. S'ajoutent trois limites : l'indicateur d'oubli est calculé à partir des réponses données dans la même séance de l'application, pas par un test indépendant plus tard ; aucune valeur chiffrée de gain n'est publiée, seulement des graphiques avec seuils de significativité ; et deux semaines de données ne disent rien d'une rétention à l'échelle d'un semestre.
• Le banc d'essai communautaire de l'algorithme FSRS, c'est-à-dire la comparaison publiée par la communauté qui le développe (près de 10 000 collections Anki, ~350 millions de révisions) revendique la même rétention avec 20 à 30 % de révisions en moins qu'un calendrier classique. [C : mesure de qualité de prédiction, produite par l'équipe de l'algorithme elle-même, sur des utilisateurs auto-sélectionnés ; pas un essai contrôlé d'apprentissage] (distance : éloignée)

Le bilan de cette littérature, en une phrase : un calendrier fixe permet d'apprendre autant qu'un calendrier adaptatif ; l'adaptativité permet d'apprendre pareil en révisant moins. C'est un gain d'économie de temps, et aucun essai contrôlé d'apprentissage ne démontre à ce jour qu'elle fasse mieux apprendre.

3.4 Que faire d'un échec, et d'une révision manquée ? Ce que la littérature ne dit pas

Trois questions se posent à quiconque conçoit ou suit un calendrier de révision, et le champ y répond mal.

• Une révision manquée doit-elle être pénalisée ? Aucune étude ne compare directement une révision manquée simplement reportée à une révision manquée sanctionnée d'un retour en arrière. Ce qui existe est indirect : la littérature sur l'auto-pardon (section 7) montre que la culpabilité entretenue augmente la procrastination suivante, ce qui plaide contre la « dette punitive ». [A pour l'auto-pardon, constat d'absence pour la question posée]
• Un long retard suivi d'une réussite appelle-t-il un rattrapage ? Le cadre théorique répond non : le souvenir vient de prouver sa solidité (théorie du désusage, Bjork & Bjork 1992 [B] ; cohérent avec l'espacement absolu de Karpicke & Bauernschmidt 2011 [A]).
• Un échec doit-il remettre le compteur à zéro ? Deux appuis indirects, et rien de direct. Le premier est le phénomène des « économies de réapprentissage » (on réapprend toujours plus vite qu'on n'apprend, même après oubli apparent complet : Ebbinghaus 1885, répliqué par Murre & Dros, 2015, PLOS ONE, une réplication fidèle du protocole d'origine, donc sur un seul sujet apprenant des listes de syllabes pendant 70 heures, ce qui en fait une démonstration de mécanisme, pas une étude de population) [A, texte complet lu le 2026-08-12] (distance : éloignée). Ce que « économie de réapprentissage » veut dire concrètement, et les chiffres : on réapprend la même liste après un délai, et on mesure la part de l'effort initial qui est épargnée. Elle vaut 47 % après 20 minutes, encore 32 % après un jour, mais seulement 4 % après 31 jours chez ce sujet (contre 20 à 26 % chez les trois autres personnes connues à avoir fait l'exercice, écart que les auteurs n'expliquent pas). Deux limites à garder : cette étude ne teste aucune répétition espacée, elle décrit l'oubli après un apprentissage unique ; et la mesure par réapprentissage détecte des traces de mémoire qu'un simple test de rappel afficherait à zéro, elle n'est donc pas interchangeable avec un taux de bonne réponse. Ce qu'elle établit néanmoins est utile : un échec ne signifie pas un retour à zéro de la mémoire, ce qui plaide contre les remises à zéro complètes pratiquées par défaut dans les logiciels de cartes de révision. Le second appui, plus faible, est observationnel : les données publiées par l'équipe de l'algorithme FSRS vont dans le même sens, la stabilité de la mémoire survivant partiellement à un échec. [C] Aucune étude contrôlée ne compare remise à zéro complète et partielle : c'est un trou réel de la littérature, et toute règle d'échec précise est aujourd'hui un choix d'ingénierie, non un résultat. [constat d'absence]
• À quel intervalle entretenir une notion déjà sue ? L'étude de référence (Cepeda et al., 2008, section 3.1) donne, au rappel écrit, un intervalle optimal de 43 % du délai pour un test à une semaine, 23 % à cinq semaines, 17 % à dix semaines et 8 % à un an ; son résumé arrondit cela, en y incluant le test de reconnaissance, en « 20 à 40 % à une semaine, 5 à 10 % à un an ». La pénalité est asymétrique : un intervalle trop court coûte beaucoup plus qu'un intervalle trop long. [A] Pour des examens à quelques semaines ou mois, un ratio d'environ 15 % du délai restant est donc un peu EN DESSOUS des valeurs publiées, qui tournent entre 17 % et 23 % sur cette plage ; c'est l'écart le moins coûteux des deux, puisque l'asymétrie protège celui qui se trompe par excès de prudence, mais il ne faut pas le présenter comme le milieu de la fourchette. Ce qui reste une extrapolation non testée : appliquer ce ratio au délai restant d'une notion déjà rappelée plusieurs fois avec succès, alors que l'étude porte sur un seul cycle étude-révision-test de faits isolés. [A pour la fourchette, constat d'absence pour l'extrapolation]

3.5 Un plancher d'un jour entre deux révisions : le résultat le mieux établi du chapitre

Trois lignes de preuve convergent pour dire que le passage le plus rentable n'est pas d'affiner un calendrier, mais de cesser de tout faire le même jour :

• L'écart d'apprentissage le plus rentable est précisément le passage de « même jour » à « jours différents » : 50 paires de mots anglais-espagnol apprises en six sessions séparées de 0, 1 ou 30 jours (10 personnes par groupe). Les intervalles courts font apprendre plus vite (au début de la 2e session : 82 % de rappel pour le groupe « même jour », 53 % à un jour, 21 % à trente jours), mais le classement s'inverse complètement au test passé 30 jours après la dernière session : 68 % (même jour), 86 % (un jour), 95 % (trente jours) (Bahrick, 1979, JEP: General). [A, texte complet lu ; limite : 10 sujets par groupe] (distance : éloignée)
• À volume d'étude égal, l'espacement bat le bachotage même quand le test est proche. Le protocole : étudier un même paquet de cartes de vocabulaire soit en une grande pile de 20 (chaque carte revient après un long détour par les autres : espacement), soit divisé en quatre petites piles de 5 étudiées à fond l'une après l'autre (retours rapprochés : massage), à nombre de passages égal. La grande pile gagne de 13, 33 et 31 points selon l'expérience (par exemple 65 % contre 34 %), et bat aussi le bachotage de la veille (65 % contre 37 %) ; 90 % des 70 participants retiennent mieux avec la grande pile, alors que 72 % de ceux qui avaient un avis croyaient le massage plus efficace (Kornell, 2009, Applied Cognitive Psychology, trois expériences). [A, texte complet lu] (distance : intermédiaire)
• Le mécanisme plausible est la consolidation liée au sommeil, avec une démonstration à écart temporel constant : à 12 heures d'écart entre deux sessions, le groupe qui dort entre les deux (apprentissage le soir, réapprentissage le matin) réapprend en moitié moins d'essais (3,05 contre 5,80 passages de liste), retient 15,2 mots sur 16 à une semaine contre 11,25, et 8,7 contre 3,4 à six mois ; un troisième groupe qui dort mais ne refait pas la seconde session retombe au niveau du groupe éveillé, ce qui montre que c'est le couple sommeil + réapprentissage qui paie, pas le sommeil seul (Mazza et al., 2016, Psychological Science, n = 40 + 20, vocabulaire). [A, texte complet lu ; petit effectif, et l'heure d'apprentissage (matin/soir) reste partiellement confondue avec le sommeil] (distance : éloignée)

Honnêteté oblige : le bachotage massé a un rendement réel pour un test dans les heures qui suivent ; il est non durable et dominé à volume égal, pas inefficace. Un étudiant qui découvre une notion la veille de l'examen a intérêt à la revoir le jour même, et un dispositif qui le lui interdirait paierait là un coût réel, quoique marginal, au bénéfice de la rétention au-delà de l'examen. Le cas limite exact — deux révisions à quelques heures d'écart le dernier jour contre une seule — n'a été testé par personne. [constat d'absence]

4. Le rappel actif : se tester plutôt que relire

4.1 L'ampleur de l'effet, sur l'ensemble du corpus

Les versions antérieures de cette revue défendaient le rappel actif avec des expériences isolées, sans jamais donner la valeur d'ensemble. La voici. Elle vient de deux méta-analyses complémentaires, l'une en laboratoire, l'autre en classe réelle, et leurs deux chiffres se rejoignent à un centième près, ce qui est rare dans ce champ.

En laboratoire : g = 0,50. La méta-analyse de référence agrège 159 comparaisons entre se tester et réétudier le même matériau, recueillies jusqu'en mars 2013 dans PsycINFO, Google Scholar et une base de thèses, plus des données non publiées demandées directement aux chercheurs. Résultat : g = 0,50 [0,42 ; 0,58] ; 81 % des comparaisons sont positives, 18 % négatives, 1 % nulle (Rowland, 2014, Psychological Bulletin, 140(6), 1432-1463). [A, texte complet lu le 2026-08-12] (distance : éloignée) L'hétérogénéité est très forte (I² = 84 %), autrement dit la moyenne résume mal : ce qui compte, ce sont les conditions, et ce travail les identifie mieux qu'aucun autre.

Quatre conditions, dans l'ordre où elles changent le résultat :

1. Le corrigé double presque l'effet : g = 0,73 avec correction contre g = 0,39 sans. Sans corrigé, l'effet subsiste, mais il est deux fois plus petit.
2. Sans corrigé, il faut avoir réussi. C'est le résultat le plus important pour quiconque fabrique des questions difficiles : quand aucune correction n'est fournie et que la réussite au test d'entraînement descend à 50 % ou moins, l'effet du test disparaît purement et simplement (g = 0,03 [−0,21 ; 0,27]). Entre 51 et 75 % de réussite il vaut 0,29, au-dessus de 75 % il vaut 0,56. Se tester sur ce qu'on ne sait pas, sans jamais voir la réponse, ne fait rien apprendre.
3. Le délai augmente l'effet : g = 0,69 quand la mesure finale a lieu au moins un jour après, contre 0,41 en dessous d'un jour. C'est la section 1.3 en une ligne.
4. La forme du test d'entraînement compte : le rappel indicé (une question, une réponse à produire) donne g = 0,61, contre 0,29 pour le rappel libre et 0,29 pour la reconnaissance. Sur le sous-ensemble des études à forte exposition, qui contrôle mieux les facteurs confondus, le rappel indicé (0,72) et le rappel libre (0,81) se rejoignent et dominent tous deux la reconnaissance (0,36).

Une réserve de périmètre, à connaître avant de citer ce chiffre : cette méta-analyse exclut délibérément les études menées sur le contenu du cours auquel les participants étaient réellement inscrits (13 études écartées à ce titre). C'est un choix de méthode défendable — il évite de mélanger la mémoire et la motivation d'un étudiant noté — mais il signifie que g = 0,50 est une valeur de laboratoire. D'où l'intérêt de la seconde méta-analyse.

En classe réelle : g = 0,50 également. Le second travail intègre les données de 48 478 élèves et étudiants issues de 222 études indépendantes, toutes menées en établissement, et trouve g = 0,499 [0,442 ; 0,557]. Cinq méthodes distinctes d'évaluation du biais de publication ne détectent qu'un risque faible, ce qui est inhabituel et renforce le résultat (Yang, Luo, Vadillo, Yu & Shanks, 2021, Psychological Bulletin, 147(4), 399-435). [A, texte complet lu le 2026-08-12] (distance : proche) Chez les étudiants du supérieur spécifiquement, g = 0,486 [0,420 ; 0,552] ; le niveau scolaire ne modère pas l'effet de façon significative.

Ce travail répond à l'objection « cela marche en laboratoire, et ensuite ? » Il répond aussi, et c'est plus gênant, à une objection que personne ne pose : par rapport à quoi ? Le comparateur change tout, et l'écart entre les comparateurs est plus grand que l'effet lui-même :

La dernière ligne mérite d'être lue lentement. Face à une autre stratégie active, l'avantage du quiz tombe à presque rien. Ce qui est solidement établi, ce n'est donc pas que se tester soit la meilleure activité imaginable : c'est que se tester bat ne rien faire et bat relire. La comparaison avec des stratégies actives concurrentes reste ouverte, et les effectifs de cette dernière case sont faibles.

Quatre autres résultats de ce même travail, tous utiles :

• Le nombre de reprises paie, régulièrement. Une notion interrogée une fois donne g = 0,444 ; deux fois 0,601 ; trois fois ou plus 0,642 ; sans limite 0,762. La régression donne +0,083 par interrogation supplémentaire — un gain net, mais qui s'aplatit, ce qui rejoint les rendements décroissants de la section 4.5.
• Le corrigé, là aussi : 0,537 avec, 0,374 sans.
• Le contenu jamais interrogé profite quand même, en classe : g = 0,321 contre 0,512 pour le contenu interrogé. C'est un point où la classe et le laboratoire divergent, et la section 4.6 en tire les conséquences.
• La durée compte plus que l'intensité : un quiz unique donne g = 0,385, un dispositif tenu sur un semestre 0,547, au-delà d'un semestre 0,624.
• Le format du quiz ne modère pas l'effet de façon significative, mais les formats cohérents entre entraînement et examen font mieux (0,531) que les formats discordants (0,399), qui restent positifs. Autrement dit le transfert d'un format à l'autre existe, il coûte seulement un quart de l'effet.

Une réserve de méthode sur ce second travail : les protocoles où chaque élève est son propre témoin donnent des effets nettement plus grands (g = 0,674) que les protocoles à groupes séparés (g = 0,415). La valeur d'ensemble mélange les deux.

Tableau de preuve du chapitre

Comment lire ce tableau. « Effectif » est le nombre de participants, ou le nombre d'études quand il s'agit d'une méta-analyse. « Comparateur » dit à quoi le groupe entraîné a été comparé, et c'est la colonne la plus souvent absente des résumés : un résultat n'existe que contre quelque chose. « Délai » est le temps écoulé entre la fin de l'apprentissage et la mesure finale. « Distance » reprend l'échelle de la section 2.7. Les tailles d'effet d et g sont définies en section 2.8.

4.2 Le bénéfice du test est réel, mais différé

Cinq minutes après l'étude, la relecture répétée fait mieux que le test ; deux jours et une semaine après, c'est le test qui l'emporte largement (Roediger & Karpicke, 2006, Psychological Science, 17(3), 249-255). [A, texte complet lu le 2026-08-12 ; les niveaux absolus, absents des versions précédentes, sont donnés ci-dessous.] (distance : intermédiaire) Le protocole et les chiffres, parce qu'ils rendent l'argument utilisable : 120 puis 180 étudiants, deux textes de 256 et 275 mots découpés en 30 idées à retrouver, la mesure étant le pourcentage de ces idées restituées par écrit. Première expérience, relecture contre test : à 5 minutes, 81 % contre 75 % en faveur de la relecture ; à 2 jours, 54 % contre 68 % ; à une semaine, 42 % contre 56 %. Le groupe testé se souvenait après une semaine d'autant que le groupe relecture après deux jours. Deuxième expérience, à temps total égal : quatre relectures donnent 83 % à 5 minutes mais 40 % une semaine plus tard, tandis qu'une lecture suivie de trois tests donne 71 % puis 61 % — et le second groupe n'avait lu le texte que 3,4 fois en moyenne contre 14,2. Deux points à retenir pour ne pas sur-vendre le résultat : ces tests étaient donnés sans aucune correction (l'effet ne vient donc pas d'une réexposition déguisée), et le témoin est une relecture pleine, c'est-à-dire le comparateur le plus favorable possible à la relecture.

Figure 2. Se tester contre relire, selon le délai avant le test final. Redessinée à partir de la première expérience de Roediger & Karpicke (2006). C'est l'image la plus utile de cette revue : les deux courbes se croisent. Qui juge une technique d'étude sur ce qu'elle donne le jour même conclut exactement à l'inverse de ce qui est vrai à une semaine. Distance au cas d'usage : intermédiaire.

C'est un point que tout étudiant devrait connaître : la sensation de progrès immédiat est un mauvais indicateur. Une deuxième lecture « qui rentre mieux » ne prédit rien de la rétention à l'examen. La même étude le montre directement : les étudiants qui avaient seulement relu se disaient les plus confiants dans leur mémoire future (4,8 sur 7, contre 4,2 et 4,0) et furent les moins bons une semaine plus tard.

En miroir, la relecture immédiate d'un texte n'apporte essentiellement rien par rapport à une lecture unique, sur des textes pédagogiques réalistes et quel que soit le niveau du lecteur (Callender & McDaniel, 2009, Contemporary Educational Psychology, 34, 30-41, quatre expériences). [A] (distance : intermédiaire) La méta-analyse des techniques d'apprentissage de Dunlosky et collègues (2013) classe d'ailleurs la relecture parmi les techniques de faible utilité : le texte devient familier, et la familiarité se lit à tort comme de la maîtrise. [A]

4.3 Produire une réponse vaut mieux que la reconnaître

Un entraînement à réponse construite (l'étudiant rédige ou complète), suivi d'une correction, produit une meilleure rétention à trois jours qu'un entraînement en QCM (question à choix multiples). Le texte complet précise une condition décisive que le résumé cachait : l'avantage de la réponse construite n'existe qu'avec le corrigé. Sans corrigé, la moitié des réponses construites initiales sont fausses et le restent, et c'est le QCM qui l'emporte ; avec corrigé après chaque question, la réponse construite devient la meilleure condition sur les deux formats de test final (par exemple 94 % contre 87 % sur un test final en QCM), et le corrigé change beaucoup la donne pour la réponse construite (un item raté passe de 6 % à 27 % de réussite finale) et presque rien pour le QCM (Kang, McDermott & Roediger, 2007, 48 étudiants par expérience, articles de vulgarisation scientifique). [A, texte complet lu] (distance : intermédiaire) La conclusion pratique est donc conditionnelle, et la condition est facile à perdre de vue : exiger une réponse rédigée sans fournir de corrigé est pire qu'un QCM. Répondre en reconnaissant la bonne option crée par ailleurs une illusion de savoir (Rhodes & Castel, 2008, Journal of Experimental Psychology: General, 137(4), 615-625). [A rés. ; texte complet non lu.] (distance : éloignée)

Moins l'indice donne d'information, meilleure est la rétention. C'est le corollaire du résultat précédent, et il vaut pour toute question à trous : la quantité d'aide contenue dans la question elle-même pèse sur ce qu'elle fait apprendre (hypothèse de la récupération élaborative, Carpenter & DeLosh, 2006, Memory & Cognition, trois expériences). [A] (distance : éloignée) Une phrase à compléter dont le contexte rend le mot manquant devinable réduit l'effort de récupération, donc le bénéfice : elle mesure la lecture, pas la mémoire.

En revanche, le format « phrase à trou » lui-même n'a jamais été comparé à la question ouverte dans une étude à comité de lecture, et la règle d'atomicité qui l'accompagne d'ordinaire — une carte, une idée — n'a jamais été testée en tant que telle : c'est une heuristique de praticien, plausible et massivement adoptée, non validée. [constat d'absence] Un praticien reconnu du domaine (Matuschak) soutient même l'inverse — le trou dans une phrase produirait une compréhension plus superficielle que la paire question-réponse, le contexte servant d'indice parasite ; c'est une opinion d'expert, pas une donnée, mais elle pointe le même mécanisme que Carpenter & DeLosh. [C]

4.4 Échouer à un rappel prépare à mieux apprendre la correction

Une tentative de rappel qui échoue, suivie de la correction, produit un apprentissage plus durable qu'une simple lecture : après l'effort de recherche, la mémoire est momentanément plus réceptive à la bonne réponse (travaux de Kornell, Hays & Bjork sur les tentatives de récupération infructueuses ; littérature dite du « test-potentiated encoding », c'est-à-dire l'idée qu'un test raté prépare le terrain pour mieux enregistrer la correction). [A, texte complet lu ; les chiffres de cette étude sont donnés quelques lignes plus bas, dans le point sur le pré-test — 71 % contre 63 %, et 71 % contre 50 % sur du matériel qui a du sens.] (distance : éloignée)

Le même mécanisme joue avant même d'avoir appris : se poser deux ou trois questions courtes avant de lire un chapitre, questions auxquelles on se trompera probablement, améliore la rétention de la lecture qui suit (« effet de pré-test »). Le résultat est plus précis, et plus étroit, que la formule qui circule :

• L'effet existe et il est substantiel : dans l'étude fondatrice, tenter de répondre 2 minutes à 5 questions avant 8 minutes de lecture bat 10 minutes de lecture simple dans cinq expériences sur cinq, en ne comptant que les questions ratées au pré-test (réussies à 5-22 % seulement) : par exemple 75 % contre 56 % de rappel juste après, et 55 % contre 45 % une semaine après ; et tenter de répondre bat même mémoriser les questions sans y répondre (90 % contre 78 %) (Richland, Kornell & Kao, 2009, JEP: Applied). [A, texte complet lu] (distance : intermédiaire) Échouer en essayant n'est pas nuisible quand la correction suit : répondre faux fait même mieux que laisser en blanc (71 % contre 63 %), mais la nuance du texte complet mérite d'être dite : sur du matériel arbitraire, à temps total égal, tenter puis voir fait seulement jeu égal avec lire ; l'avantage net (par exemple 71 % contre 50 %) vient du matériel qui a du sens (Kornell, Hays & Bjork, 2009). [A, texte complet lu] (distance : éloignée)
• Deux méta-analyses indépendantes convergent : le bénéfice sur le contenu visé par les pré-questions vaut g = 0,54 [0,42 ; 0,66] (St. Hilaire, Chan & Ahn, 2023, Psychonomic Bulletin & Review, 97 effets) et g ≈ 0,66 (King-Shepard et al., 2025, Educational Psychology Review) ; le bénéfice sur le reste du chapitre est nul (g ≈ 0,04 et 0,01). [A, texte complet lu pour St. Hilaire le 2026-08-12 ; King-Shepard reste [A rés.], article non retrouvé] La promesse honnête n'est donc pas « le pré-test améliore la rétention du chapitre » mais « il améliore la rétention des notions qu'il vise ». Deux ou trois pré-questions doivent par conséquent viser les notions qu'on veut réellement retenir, pas échantillonner le chapitre au hasard.

Le texte complet ajoute trois conditions de forme, et corrige au passage un point souvent mal rapporté : le corrigé n'est pas un modérateur de cette méta-analyse, c'est un critère d'exclusion — les études où le corrigé arrive entre les pré-questions et la lecture en ont été écartées, donc l'effet de 0,54 est celui d'un pré-test sans corrigé immédiat, l'étudiant trouvant la réponse dans sa lecture. Les trois conditions : (1) il faut obliger à répondre, pas seulement faire lire les questions (g = 0,65 contre 0,22) ; (2) l'effet est bien plus net chez les adultes (0,62) que chez les enfants (0,22) ; (3) il est plus fort quand le test final demande une réponse rédigée (0,67) qu'un QCM (question à choix multiples, 0,42). Les trois sont favorables au cas qui nous occupe : des étudiants adultes, obligés de produire une réponse, réinterrogés plus tard en production.

• Le feedback n'a pas besoin d'être instantané, mais tarder semble coûter : avec corrigé immédiat, le pré-test rapporte +16 à +20 points de rappel (par exemple 66,5 % contre 50 %) ; avec corrigé différé de 24-48 h, encore +9 à +12 points (Mera et al., 2025, Journal of Cognition, n = 64 puis 25). [A, texte complet lu ; précision du texte : les intervalles de confiance des deux conditions se recouvrent, la baisse n'est donc pas statistiquement établie, et l'avantage disparaît dans la seule cellule qui cumule corrigé différé et test différé] (distance : intermédiaire) Dans le dispositif le plus courant, la lecture du chapitre qui suit immédiatement les pré-questions tient elle-même le rôle du corrigé.

Les autres gestes réputés préparer une première lecture ont des niveaux de preuve très inégaux, et la lecture des textes complets les classe autrement que leur réputation.

• L'auto-explication (s'expliquer à soi-même, à voix haute ou par écrit, le raisonnement d'un exemple) reste le mieux soutenu : g = 0,55 sur 69 effets et 5 917 participants (Bisra et al., 2018, Educational Psychology Review). [A, texte complet lu] (distance : intermédiaire) Deux précisions du texte complet. La première répond à l'objection la plus naturelle — « l'effet ne vient-il pas simplement du contenu supplémentaire que l'explication apporte ? » : non, puisque s'auto-expliquer bat aussi le fait de recevoir une explication toute faite (g = 0,35 contre ce comparateur-là, et 0,67 contre un groupe qui ne reçoit rien de plus). La seconde est directement exploitable : la forme de la relance compte plus que le fait d'en poser une. Les relances qui demandent de conceptualiser (« pourquoi cette règle s'applique-t-elle ici ? ») valent g = 0,87, les meilleures du lot ; les relances au format QCM (question à choix multiples) tombent à g = 0,24 et ne sont pas statistiquement distinguables de zéro. Faire « auto-expliquer » par des options pré-écrites n'achète donc pas l'effet mesuré ici.
• Les notes guidées à trous (un support de cours lacunaire que l'étudiant complète en lisant) sont souvent présentées comme un appui modéré. Le corpus est en réalité de 8 études et 125 participants, dont 7 en protocole de cas unique (on suit quelques élèves un par un, sans groupe témoin), majoritairement des élèves en difficulté scolaire. Aucune taille d'effet standardisée n'existe dans cette méta-analyse. L'indicateur employé, le PND (pourcentage de points de mesure qui dépassent le meilleur point de la période sans intervention), vaut 52,95 % en moyenne (chiffre vérifié directement page 437), et se décompose en 68,7 % chez les élèves d'âge scolaire contre 21,5 % chez les étudiants du supérieur : la seule population qui nous concerne est celle où l'effet est le plus faible. S'ajoute que la seule étude comparant les notes à trous à des notes déjà complètes fournies par l'enseignant ne trouve pas de différence nette — ce que le corpus soutient au mieux, c'est qu'un support écrit vaut mieux que rien, pas que les trous font apprendre. On reste dans tous les cas sous le seuil de 70 % que les auteurs eux-mêmes retiennent pour parler d'une intervention efficace (Konrad, Joseph & Eveleigh, 2009). [A, texte complet lu — soutien insuffisant, à ne plus citer comme un appui] (distance : intermédiaire)
• L'organisateur préalable (la demi-page de structure lue avant le chapitre, idée d'Ausubel) a maintenant ses chiffres exacts : effet moyen 0,21 (erreur type 0,04) sur 135 études (Luiten, Ames & Ackerson, 1980). C'est petit, et deux détails en précisent la portée : l'effet grandit avec le délai entre la lecture et le test (0,19 à court terme, 0,38 en rétention différée), au lieu de s'éroder ; mais il est deux fois plus fort quand l'organisateur est présenté oralement (0,37) que par écrit (0,17), or c'est la forme écrite qu'emploie tout support de révision. [A, texte complet lu] (distance : intermédiaire) La seconde méta-analyse citée d'ordinaire (Stone, 1983) n'a pas été retrouvée en texte complet ; elle reste [B].

Aucune étude ne teste ces gestes en combinaison. Additionner les effets de composants isolés ne prédit pas l'effet de l'ensemble, et ces gestes se disputent le même temps de première lecture : celui qui en empilerait trois paierait trois fois et ne peut pas savoir ce qu'il achète. [constat d'absence]

4.5 Retravailler un échec, oui ; rejouer une réussite, non

La prescription la plus précise du champ sur la « dose » de rappel est le réapprentissage successif (« successive relearning ») : reprendre une notion, jour après jour, en se la faisant redemander plutôt qu'en la relisant, jusqu'à un critère de réussite fixé d'avance. Les versions précédentes de cette revue la résumaient, comme le fait couramment la littérature de seconde main, par « trois rappels corrects initiaux puis trois réapprentissages espacés, l'optimum mesuré ». La lecture du texte complet confirme la valeur de la méthode et corrige quatre choses sur quatre dans cette phrase. C'est la correction la plus importante de cette revue, parce que cette prescription est la seule du champ à donner une dose chiffrée, et qu'elle est donc partout recopiée.

Le protocole, d'abord, parce que tout en dépend. Trois expériences, 533 étudiants de premier cycle en laboratoire (Kent State), sur des définitions courtes de termes de psychologie (8 termes par texte, textes de 426 à 605 mots) — pas des raisonnements, pas des cas pratiques. Un essai se déroule ainsi : le terme s'affiche seul, l'étudiant tape la définition de mémoire, puis il coche lui-même, idée par idée, ce que sa réponse contenait ; s'il n'a pas tout, l'item repart en fin de file et reviendra plus tard dans la même séance ; sinon il voit la définition complète et sort de la file. Les tests finaux ont lieu de 1 à 4 mois plus tard, en rédigeant la définition, corrigés à la main par des correcteurs entraînés (plus de 100 000 réponses notées).

Les quatre corrections (Rawson & Dunlosky, 2011, Journal of Experimental Psychology: General, 140(3), 283-302). [A, texte complet lu — le PDF étant un scan, il a été lu page par page en images] (distance : intermédiaire)

1. « Trois rappels corrects » ne veut pas dire trois d'affilée. Le compteur est cumulatif sur la séance : échouer ne remet rien à zéro, l'item revient plus tard et il suffit d'accumuler trois succès en tout. Exiger trois réussites consécutives serait un critère plus dur que celui qui a été mesuré.
2. « Trois réapprentissages espacés » compte des SÉANCES, pas des réussites. Dans chacune de ces séances, le critère d'arrêt est un seul rappel correct. Trois séances à des jours différents, une réussite dans chacune.
3. Ce n'est pas un optimum, c'est un compromis assumé. Les auteurs écrivent noir sur blanc qu'ils « choisissent un gagnant » et reconnaissent que leur choix pourrait ne pas faire consensus. Le rappel continue de progresser au-delà de trois séances : au test à un mois, 34 %, 46 %, 55 %, 60 % et 63 % pour une à cinq séances de réapprentissage (30 %, 36 %, 40 %, 47 % et 48 % au test à quatre mois ; environ 10 % pour des notions jamais pratiquées). Ce qui s'aplatit, c'est le rapport entre le gain et le temps dépensé : la troisième séance coûte environ 2,7 minutes de pratique par notion, la quatrième 3,4 et la cinquième 4,8, pour des gains de plus en plus petits. « Trois » est le point où l'on cesse de payer cher, pas le point où l'on cesse de gagner.

Figure 3. Rendement décroissant des séances de reprise. Redessinée à partir des valeurs publiées par Rawson & Dunlosky (2011). La courbe ne plafonne pas à trois séances : elle continue de monter, et c'est le temps dépensé par point gagné qui augmente. Distance au cas d'usage : intermédiaire.

1. L'exigence initiale compte beaucoup moins qu'on ne le croyait. Passer de un à trois rappels corrects lors de la toute première séance ne change rien de mesurable aux tests finaux dans deux expériences sur trois ; dans la troisième, la plus grande, il reste un écart réel mais modeste (54,8 % contre 48,4 % à un mois). Ce qui porte l'effet, ce sont les séances suivantes, pas la sévérité du premier jour.

Une cinquième réserve, qui n'est pas une correction mais qui pèse sur la transposition : dans ces expériences, c'est l'étudiant qui juge si sa réponse est correcte, et son jugement ne concorde avec celui d'un correcteur entraîné que dans 77 à 92 % des cas, avec un biais de surconfiance. Un dispositif qui corrigerait automatiquement, contre une clé de réponse, n'appliquerait donc pas le mécanisme qui a été mesuré ici — ce qui ne veut pas dire qu'il ferait moins bien, seulement que la transposition n'est pas directe.

Ce que cela vaut hors du laboratoire : une mesure sur un vrai cours, avec de vraies notes. La même équipe a transporté la méthode dans un cours de psychologie de première année (Kent State) : les étudiants travaillaient par réapprentissage successif la moitié des notions du cours, l'autre moitié étant apprise par leurs propres moyens et servant de comparaison. Aux vrais examens du semestre (en QCM, question à choix multiples), les notions travaillées obtiennent 84 % de bonnes réponses contre 72 % (79 étudiants, d = 0,65), ce que les auteurs traduisent par « plus d'une lettre de note complète ». Deux comparaisons de contrôle montrent où est l'ingrédient actif : relire sans jamais se tester ne donne rien de significatif (78 % contre 73 %), et laisser l'étudiant gérer lui-même son outil de cartes non plus (81 % contre 77 %). Aux tests de rappel rédigé passés 3 puis 24 jours après l'examen, l'écart devient énorme (80 % contre 27 %, puis 64 % contre 17 %) — mais ce format-là ressemble à l'entraînement, ce qui gonfle mécaniquement l'écart, les auteurs le disent. Une seconde expérience (104 étudiants) réplique le résultat de justesse (80 % contre 69 %, p = 0,060) et, détail décisif pour tout usage non encadré, la version faite seul chez soi, sans surveillance, marche aussi bien (82 % contre 73 %) (Rawson, Dunlosky & Sciartelli, 2013, Educational Psychology Review, 25(4), 523-548). [A, texte complet lu le 2026-08-12 ; réserve de méthode : chaque étudiant est son propre témoin, la moitié de ses notions contre l'autre moitié, ce n'est pas un groupe témoin séparé.] (distance : proche)

Ce qu'il faut retenir de cette prescription, dit franchement. L'ordre de grandeur est bien « une poignée de réussites réparties sur des jours différents », et c'est la recommandation de dose la mieux établie du champ. Mais elle est presque toujours mal recopiée : la règle mesurée porte sur le nombre de séances distinctes, pas sur un total de réussites, et l'exigence du premier jour est le levier le plus faible des deux. Qui durcit le premier passage en croyant suivre Rawson & Dunlosky se trompe de levier.

Une asymétrie suit directement de ces résultats : re-poser aujourd'hui une question à laquelle on vient d'échouer est utile ; re-poser une question qu'on vient de réussir ne rapporte rien (Karpicke & Bauernschmidt 2011 : trois rappels enchaînés sans espacement n'ajoutent rien à un seul).

Enfin, une conséquence pour la couverture d'un programme entier, qui est un raisonnement et non un résultat : puisque la dose optimale par notion est bornée et à rendement décroissant, il vaut mieux couvrir davantage de notions à dose suffisante que sur-répéter un petit nombre de notions. Personne n'a mesuré ce compromis directement. [A pour la dose, constat d'absence pour l'arbitrage]

4.6 Le rappel transfère au-delà de la question apprise

Le bénéfice du test ne se limite pas à la question testée : il transfère (d = 0,40 [0,31 ; 0,50] contre une simple réexposition, 192 tailles d'effet, 10 396 participants) (Pan & Rickard, 2018, Psychological Bulletin). [A, texte complet lu le 2026-08-11 ; le classement des types de transfert donné dans les versions précédentes est corrigé] (distance : éloignée) Le détail par type de transfert, corrigé sur le texte complet : les plus forts sont le changement de format de question (d = 0,58) et les indices voisins ou reliés (d = 0,61) ; les questions d'application et d'inférence transfèrent positivement mais moyennement (d = 0,33), le diagnostic médical bien (d = 0,59) ; le matériel étudié mais jamais testé ne profite pas (d = 0,16, non significatif). Trois conditions cumulables augmentent le transfert : que la réponse attendue soit la même dans les deux situations (+0,35), que le rappel soit élaboré ou le corrigé complet (+0,22 ; un corrigé qui ne donne que la bonne réponse n'améliore pas le transfert), et que le test d'entraînement soit largement réussi (+0,46 sur l'étendue observée). Avec les trois, l'effet prédit atteint d = 0,90 ; sans aucune, il tombe à zéro une fois corrigé le biais de publication. La leçon utile est donc moins « le rappel transfère » que : le transfert se paie en faisant réussir l'entraînement, en servant un corrigé riche plutôt qu'une bonne réponse sèche, et en n'attendant aucun effet sur ce qui n'est jamais interrogé.

5. Le feedback : quand et comment la correction fait apprendre

C'est le domaine où les chiffres de la littérature sont les plus frappants, et c'est aussi celui où cette revue devait être corrigée le plus nettement.

5.1 D'abord une correction : le retour d'information n'est pas toujours bénéfique

Les versions précédentes de ce document affirmaient que le retour d'information est décisif, sans contrepoint. C'était faux, ou plutôt c'était vrai d'un cas particulier présenté comme la règle. La correction est due à la méta-analyse historique du domaine, qui est aussi le travail le plus cité sur la question, et elle est sévère.

Sur 607 tailles d'effet, tirées de 131 articles exploitables, 12 652 participants et 23 663 observations, le retour d'information améliore la performance en moyenne (d = 0,41) — mais plus d'un tiers des effets sont négatifs : 38 % (Kluger & DeNisi, 1996, Psychological Bulletin, 119(2), 254-284). [A, texte complet lu le 2026-08-12] (distance : éloignée) Ce n'est pas un artefact, et les auteurs prennent la peine de le démontrer de trois façons. La variance observée des effets (0,97) est dix fois supérieure à celle qu'expliquerait l'erreur d'échantillonnage (0,09). En retirant les études d'un unique laboratoire, qui manipulait des retours d'information très négatifs, 33 % des effets restants sont encore négatifs. Et le signe du retour d'information — positif ou négatif — n'explique pas la différence : donner un retour encourageant ne suffit pas à le rendre bénéfique.

Ce qui distingue un retour d'information utile d'un retour nuisible, selon les modérateurs qui survivent à toutes les exclusions du corpus. La règle tient en une phrase : plus l'attention du destinataire est ramenée vers la tâche, mieux c'est ; plus elle est ramenée vers lui-même, pire c'est.

Deux lignes de ce tableau sont contre-intuitives et méritent d'être dites en clair. Féliciter ne fait pas apprendre : les retours d'information contenant des éloges tombent à d = 0,09, presque rien, et les auteurs l'expliquent par le fait que l'éloge parle de la personne et non du travail. Décourager fait activement régresser : d = −0,14. Les retours menaçant l'estime de soi vont dans le même sens.

Deux réserves de périmètre, importantes avant de transporter ce résultat vers la révision scolaire. D'abord, ce corpus est majoritairement celui de la psychologie du travail et de l'apprentissage moteur : les tâches sont professionnelles, physiques ou de laboratoire, et non des révisions de cours. Les auteurs relèvent d'ailleurs que l'effet est plus fort sur les tâches de mémoire que sur les autres, ce qui est plutôt favorable au cas qui nous occupe. Ensuite, un constat de méthode qui vaut d'être connu : les deux tiers de la littérature sur le retour d'information ne peuvent rien démontrer, faute de groupe témoin ou à cause de traitements confondus. Les auteurs ont dû écarter cette proportion de leur propre champ.

Ce que cette correction change, et ce qu'elle ne change pas. Elle ne contredit aucun des résultats de la section suivante : donner la bonne réponse après une erreur, sur du matériau à mémoriser, reste solidement établi — et c'est précisément la case « la solution correcte est donnée » qui obtient ici le meilleur score. Ce qu'elle interdit, c'est la formule générale « le retour d'information améliore l'apprentissage », qui est fausse. Un retour d'information est un dispositif à concevoir, pas un bien en soi : selon ce qu'il dit, il peut faire progresser ou faire régresser.

Tableau de preuve du chapitre

Comment lire ce tableau. « Effectif » est le nombre de participants, ou le nombre d'études quand il s'agit d'une méta-analyse. « Comparateur » dit à quoi le groupe entraîné a été comparé, et c'est la colonne la plus souvent absente des résumés : un résultat n'existe que contre quelque chose. « Délai » est le temps écoulé entre la fin de l'apprentissage et la mesure finale. « Distance » reprend l'échelle de la section 2.7. Les tailles d'effet d et g sont définies en section 2.8.

5.2 Après une erreur, la correction est décisive

Après une erreur, le feedback est décisif ; après une réussite, presque inutile. Donner la bonne réponse après une réponse fausse augmente la rétention finale de 494 % (test une semaine plus tard) ; le feedback après une réponse correcte ne change presque rien (Pashler, Cepeda, Wixted & Rohrer, 2005, Journal of Experimental Psychology: Learning, Memory, and Cognition, 31(1), 3-8, 258 sujets). [A, texte complet lu le 2026-08-12.] (distance : éloignée) Ce que la lecture permet enfin de préciser, et qui manquait aux versions précédentes :

• « +494 % » est bien un rapport, pas un score. C'est une augmentation relative, mesurée uniquement sur les items que le participant avait ratés ou laissés en blanc au premier essai. Le texte ne publie pas les deux taux bruts qui composent ce rapport (ils se lisent sur une figure) : l'ordre de grandeur est donc établi, la paire de valeurs absolues ne l'est pas. Écrire « la correction multiplie par près de six la rétention des items ratés » est fidèle ; écrire « la rétention passe à 494 % » ou l'appliquer à l'ensemble de la matière ne l'est pas.
• Le comparateur exact : cinq groupes, dont deux témoins sans aucune correction (passage immédiat à l'item suivant, ou 5 secondes d'écran vide) et un témoin « verdict seul » (le mot correct ou incorrect affiché 5 secondes, sans la bonne réponse). C'est donc bien donner la bonne réponse qui produit l'effet, pas dire si c'était juste. L'écran vide de 5 secondes n'apporte rien : ce n'est pas le temps supplémentaire qui agit.
• Après une bonne réponse, aucun effet mesurable du type de correction (tous les p > 0,05).

Réserve déjà connue et confirmée : le matériau était du vocabulaire (20 paires de mots luganda-anglais), appris et testé en ligne, chez des volontaires rémunérés par tirage au sort, pas des étudiants en situation de cours ; un seul délai, une semaine.

Exception qui compte : la bonne réponse donnée sans assurance. Le feedback double la rétention des réponses correctes données « en devinant » : 85 % de maintien avec corrigé contre 40 % sans, sur le niveau de confiance le plus bas ; sur l'ensemble des réponses correctes, le gain est plus modeste (93 % contre 79 %), et il disparaît presque à haute confiance. Le même dispositif montre l'ampleur du corrigé après erreur : une réponse fausse suivie du corrigé est correcte au test final dans 82 % des cas, contre 3 % sans corrigé (Butler, Karpicke & Roediger, 2008, JEP: LMC, 34(4), 918-928 ; 2 × 30 étudiants, culture générale, rétention 5 minutes puis 2 jours). [A, texte complet lu ; précision d'interprétation : le dispositif forçait à répondre à toutes les questions ; en réponse libre, les réponses à faible confiance ne sont souvent pas données du tout] (distance : éloignée) Une bonne réponse trouvée « au hasard » mérite donc d'être revue, pas ignorée.

Les erreurs commises avec assurance sont les mieux corrigées. C'est l'effet d'hypercorrection : une erreur émise avec forte confiance est plus durablement corrigée après feedback qu'une erreur hésitante, sans doute parce que la surprise mobilise l'attention (Butterfield & Metcalfe, 2001, JEP: LMC, 27(6), 1491-1494 ; synthèse dans Metcalfe, 2017, Annual Review of Psychology, 68, 465-489). [A] (distance : éloignée) L'évitement de l'erreur, dominant dans la culture scolaire, est donc contre-productif : l'erreur assumée puis corrigée est un des moments d'apprentissage les plus rentables.

Voir la réponse avant d'avoir cherché rend le feedback contre-productif. La méta-analyse de Bangert-Drowns, Kulik, Kulik & Morgan (1991, Review of Educational Research, 61(2), 213-238, 58 tailles d'effet) montre que le feedback n'agit que reçu attentivement ; quand la réponse est consultable avant l'effort de recherche, l'effet devient négatif (les sujets recopient au lieu de chercher) ; et un simple « juste/faux » sans la bonne réponse n'a pratiquement pas d'effet. [A pour le résultat qualitatif ; les valeurs chiffrées qui circulent viennent d'une source secondaire et n'ont pas été vérifiées ici] (distance : intermédiaire)

Le feedback différé n'est pas une version dégradée du feedback immédiat. Dans l'étude de référence, des étudiants passent un QCM après lecture de courts textes, puis reçoivent la correction soit immédiatement, soit après un délai (10 minutes, puis 1 jour dans la seconde expérience). Au test final de rappel une semaine plus tard, le feedback différé d'un jour fait mieux que l'immédiat (70 % contre 60 %) ; à rétention d'un jour seulement, l'écart (73 % contre 68 %) n'est pas significatif (Butler, Karpicke & Roediger, 2007, JEP: Applied, 13(4), 273-281, 2 × 40-48 étudiants). [A, texte complet lu ; réserve des auteurs eux-mêmes : dans l'étude, la lecture attentive du feedback était forcée (affichage de 10 secondes) ; en conditions réelles, un feedback différé n'est bénéfique que s'il est effectivement consulté] (distance : intermédiaire) La littérature prise dans son ensemble est partagée sur immédiat contre différé ; aucun des deux n'est mauvais. [A/B]

5.3 Ce que ce chapitre permet et ne permet pas de conclure

Quatre règles se déduisent solidement de ce qui précède : la réponse ne doit pas être consultable avant l'effort de recherche (Bangert-Drowns et al.) ; elle doit l'être après, surtout après une erreur (Pashler et al., Butler et al.) ; un simple verdict « juste / faux » ne remplace pas la bonne réponse (les deux mêmes, et Kluger & DeNisi par une autre voie) ; et la correction doit porter sur la tâche, jamais sur la personne — ni éloge, ni découragement, l'un ne rapportant rien et l'autre faisant régresser (Kluger & DeNisi).

Une quatrième question, elle, reste ouverte et importe à tout dispositif qui corrige automatiquement : quel est le coût d'une correction erronée ? Aucune étude ne compare les conséquences d'un faux « correct » à celles d'un faux « incorrect ». Le raisonnement veut qu'elles soient asymétriques — un verdict faussement négatif se rattrape à la tentative suivante, un verdict faussement positif interrompt les révisions d'une notion mal sue, en silence et sans que personne le conteste — mais c'est un raisonnement, non un résultat. [constat d'absence]

6. Métacognition : se juger soi-même, et pourquoi il ne faut pas trop s'y fier

6.1 Nos jugements d'apprentissage sont biaisés par la fluidité

Les jugements que nous portons sur notre propre apprentissage sont pilotés par la performance immédiate et le sentiment de facilité : un texte relu devient familier, la familiarité se lit comme maîtrise, et l'étudiant arrête de travailler trop tôt (Bjork, Dunlosky & Kornell, 2013, Annual Review of Psychology, 64, 417-444). [A] Ce biais a une conséquence mesurée, et le texte complet en donne le mécanisme : des étudiants apprennent des définitions en cycles rappel-jugement-réétude, où leur propre jugement retire la définition de la pratique après trois « entièrement correct » auto-déclarés ; l'excès de confiance (se juger entièrement correct alors qu'il manque des idées) arrête donc la pratique trop tôt. Résultat : la rétention à deux jours va d'environ 89 % chez les mieux calibrés à environ 32 % chez les plus surconfiants (corrélation r = −0,75), et donner un standard de comparaison (cocher les idées présentes dans sa réponse avant de se noter) améliore la rétention de 17 points (Dunlosky & Rawson, 2012, Learning and Instruction, 22(4), 271-280). [A, texte complet lu ; 6 définitions, rétention 2 jours, lien corrélationnel pour la partie individuelle] (distance : intermédiaire) Le mécanisme est démontré, pas seulement supposé : quand on retire du calcul le niveau atteint en fin de séance d'étude, le lien entre surconfiance et rétention finale tombe de −0,75 à −0,34. Autrement dit, l'essentiel du dommage passe bien par le fait d'avoir arrêté de réviser trop tôt, et non par un effet mystérieux de la confiance sur la mémoire. Apprendre à se calibrer, c'est-à-dire à comparer ce qu'on croit savoir à ce qu'on sait vraiment, est donc un objectif d'apprentissage en soi. La recommandation directe de cette étude est de fournir un point de comparaison externe — la liste des idées attendues, une clé de réponse — plutôt que de laisser l'apprenant se noter à l'impression.

Tableau de preuve du chapitre

6.2 Demander sa confiance n'est pas un geste qui fait apprendre

Une littérature distincte, souvent ignorée quand on demande à un étudiant de déclarer sa confiance, est celle de la « réactivité » des jugements métacognitifs : le simple fait de demander un jugement peut modifier l'apprentissage. La lecture du texte complet de la méta-analyse de référence (19 expériences, 1 321 participants, uniquement du matériel verbal de laboratoire) précise ce qu'elle dit vraiment : effet global quasi nul (g = 0,054, non significatif), effets positifs modérés sur les paires de mots reliées (g = 0,32) et les listes de mots (g = 0,38), aucun effet sur les paires non reliées (Double, Birney & Walker, 2018, Memory). [A, texte complet lu ; correction par rapport à la version précédente : la méta-analyse ne mesure AUCUN effet négatif d'ensemble ; le seul résultat négatif du corpus est une expérience isolée sur 19, sur des paires de mots sans lien de sens, où l'effet mesuré vaut g = −0,41 (Mitchum, Kelley & Fox, 2016) — pris ensemble, ces matériels donnent g = −0,014, non significatif. L'idée d'un coût pour les apprenants peu confiants est une hypothèse de la discussion, issue d'une autre étude sur des tâches de raisonnement, pas un résultat mesuré] (distance : éloignée) Ce qu'on peut en dire sans forcer : demander sa confiance se justifie comme outil de diagnostic — le jugement sert à décider quoi revoir et comment corriger, et cet usage-là est bien soutenu par l'hypercorrection — mais pas comme geste qui ferait apprendre par lui-même. Le risque d'un effet négatif chez les apprenants les moins confiants est une hypothèse à surveiller, pas un fait établi. S'ajoute une nuance sur l'hypercorrection elle-même : l'effet persiste à une semaine, mais les erreurs à forte confiance ont aussi tendance à revenir si la bonne réponse est oubliée (Butler, Fazio & Marsh, 2011, Psychonomic Bulletin & Review) [A] (distance : éloignée), ce qui justifie de re-tester ces items plutôt que de les considérer réglés après une correction. Une seconde réserve vient de la lecture du texte complet de Butler, Karpicke & Roediger (2008) : dans leur propre dispositif, l'hypercorrection apparaît au test immédiat mais disparaît au test à deux jours, et les auteurs demandent eux-mêmes qu'on l'interprète avec prudence, faute d'assez d'erreurs commises avec assurance pour trancher. [A, texte complet lu le 2026-08-12] Traiter à part les erreurs commises avec assurance est donc une pratique raisonnable, pas une conséquence établie de la littérature.

6.3 Laisser l'étudiant choisir ses cartes dégrade l'apprentissage ; le laisser choisir sa dose le motive

Deux résultats symétriques, tous deux issus de la littérature :

• Quand les apprenants gèrent eux-mêmes leur pile de révision, ils retirent trop tôt les items qu'ils croient sus (« dropping »), avec un effet négatif, petit mais systématique, sur l'apprentissage (Kornell & Bjork, 2008, Memory, 16(2), 125-136, quatre expériences, 60 + 112 + 25 + 57 étudiants, vocabulaire anglais-swahili). [A, texte complet lu le 2026-08-12 ; la lecture déplace l'argument, elle ne l'annule pas.] (distance : éloignée)

Ce que dit vraiment l'article, dans l'ordre de solidité. Le résultat le plus net n'est pas « laisser abandonner nuit » : cet effet-là est petit et souvent à la limite du seuil statistique (36 % contre 33 % une fois écartés les participants qui vident toute leur pile, p = 0,35 ; p = 0,086 dans la deuxième expérience). Le résultat solide et répété est le critère d'abandon : les étudiants retirent une carte après une seule bonne réponse dans 63 % des cas, et ces cartes-là sont ensuite retrouvées à 62 %, contre 88 % pour celles gardées jusqu'à deux bonnes réponses (et 19 % pour celles abandonnées sans aucune bonne réponse). Quand c'est la machine qui applique le critère, le même écart apparaît : abandon après une bonne réponse 21 %, après deux 50 %, contre 65 % quand l'étudiant décide lui-même. Deux précisions honnêtes : les étudiants estiment correctement leurs chances de retenir une carte abandonnée (51 % annoncés, 56 % réels), le défaut n'est donc pas un excès de confiance mais une règle de décision trop indulgente ; et le dommage se concentre sur les 20 % qui abandonnent délibérément les cartes difficiles (52 % contre 70 %). Le correctif que l'article désigne lui-même est explicite : imposer plusieurs rappels corrects, espacés, avant de retirer une notion de la circulation.

• Donner un choix sur la quantité augmente la motivation intrinsèque (d = 0,30 à 0,36), la compétence perçue (d = 0,59) et la performance immédiate (d = 0,32) (Patall, Cooper & Robinson, 2008, Psychological Bulletin, 134(2), 270-300, méta-analyse de 41 études). [A, texte complet lu le 2026-08-11 ; correction importante par rapport à la formule qui circule] (distance : intermédiaire) La lecture du texte complet corrige la formule « effet maximal pour 2 à 4 options » qui circulait : le modérateur fort est le nombre de choix faits (2 à 4 choix successifs : d = 0,61-0,63, contre 0,21 pour un choix unique, et 0,32 pour cinq choix ou plus ; la différence entre « 2 à 4 » et « cinq ou plus » n'est significative que sous un des deux modèles statistiques), tandis que le nombre d'options par choix (3 à 5 optimal, d = 0,38) n'est qu'une tendance marginale (p = 0,06 à 0,20 selon le modèle). Deux autres précisions qui comptent : la variable mesurée est la motivation (temps passé librement sur la tâche, auto-évaluations), pas l'apprentissage : l'effet du choix sur l'apprentissage ultérieur est d = 0,10, non significatif ; et les auteurs signalent que leurs modérateurs sont confondus entre eux. La lecture honnête est donc : offrir un petit choix, répété plusieurs fois, est un levier de motivation raisonnable et peu risqué, mais ni le chiffre « 2 à 4 options » qui circule ni un gain d'apprentissage ne sont établis.

Pris ensemble, ces deux résultats dessinent une division du travail : le choix de ce qu'il faut réviser gagne à être imposé, le choix de la quantité gagne à être laissé. C'est une déduction, aucune étude n'ayant comparé les deux répartitions dans un même dispositif. [A pour chaque moitié, constat d'absence pour la combinaison]

6.4 Revenir sur sa session : trois gestes très différents sous un même mot

« Revoir sa session » désigne dans le langage courant trois actes que la littérature évalue très différemment, et cette confusion coûte cher à qui révise :

• Rejouer les mêmes questions le jour même : c'est de la répétition massée, sans bénéfice mesurable au-delà du premier rappel (section 3). [A]
• Relire le cours à la place de se tester : stratégie faible, qui produit une illusion de fluidité (section 4.2). [A]
• Débriefer, c'est-à-dire revenir sur ses propres réponses et sur la correction reçue : c'est le plus rentable des trois. Les débriefings structurés améliorent la performance d'environ 25 % (d = 0,67) dans la méta-analyse de Tannenbaum & Cerasoli (2013, Human Factors, 55, 231-245, 46 échantillons). [A, texte complet lu le 2026-08-12 ; la version précédente citait ce chiffre sans savoir ce que « débriefing » désignait exactement, c'est maintenant réparé.] (distance : éloignée)

Ce que les auteurs appellent un débriefing est défini par quatre conditions cumulatives, et une séance qui n'en remplit pas les quatre a été exclue de la méta-analyse : (1) l'apprenant est actif, il reconstruit lui-même ce qui s'est passé au lieu d'écouter un verdict ; (2) l'intention est de progresser, pas de noter ni de sanctionner ; (3) le retour porte sur des événements précis et identifiés, pas sur une impression d'ensemble ; (4) il s'appuie sur plusieurs sources d'information (sa propre réponse, la trace de ce qui a été fait, un regard extérieur). Durée moyenne relevée : 17,85 minutes. Deux précisions que la version précédente ne pouvait pas donner : en retirant les échantillons aberrants, l'effet retombe à d = 0,54, soit environ 21 % ; et le facteur qui compte le plus n'est ni la durée ni la présence d'un animateur, c'est l'alignement entre ce sur quoi porte le débriefing et ce qui est ensuite mesuré (d = 1,20 quand les deux coïncident). L'écart entre débriefing animé par un tiers (0,75) et auto-débriefing (0,25) repose sur deux échantillons seulement et ne peut pas fonder une recommandation.

Ce que cela vaut ici, sans complaisance : ces mesures portent sur la performance de tâches professionnelles (aviation, médecine, militaire), jamais sur la rétention scolaire, et le transfert d'un domaine à l'autre n'a jamais été chiffré. La quatrième condition est celle qu'un dispositif automatisé remplit le plus mal : le seul regard extérieur qu'il puisse offrir est la correction elle-même. Le critère d'alignement, en revanche, lui est favorable, puisque les questions revues sont exactement celles qui reviendront. Cela reste un argument de forme, pas une preuve d'efficacité sur l'apprentissage. [A pour la méta-analyse, constat d'absence pour la transposition scolaire]

7. Motivation, régularité et charge de travail

7.1 La bienveillance envers soi-même est plus efficace que la culpabilité

Les étudiants qui se pardonnent une procrastination procrastinent moins la fois suivante (Wohl, Pychyl & Bennett, 2010, Personality and Individual Differences, 48(7), 803-808). [A] (distance : proche) À l'inverse, la « pile de retard » punitive des logiciels de cartes de révision classiques est le premier motif d'abandon rapporté par leurs communautés d'utilisateurs. [C] Le vocabulaire de la dette et du retard n'a donc, en l'état des connaissances, aucun appui : rien ne montre qu'il fasse réviser davantage, et une littérature modeste mais convergente suggère l'inverse.

Dans le même esprit, les mécaniques de séries à ne pas briser (« streaks ») augmentent l'engagement par aversion à la perte, au prix d'une anxiété documentée et d'abandons à la rupture ; les chiffres viennent de sources industrielles (Duolingo) et valent illustration, pas preuve. [C] Personne n'a mesuré ce qu'elles font à la rétention. [constat d'absence]

Tableau de preuve du chapitre

7.2 Le retour après une coupure est un moment charnière

Les repères temporels de recommencement (début de semaine, rentrée, nouvel an) augmentent réellement les comportements d'aspiration : +33 % de fréquentation des salles de sport en début de semaine, environ +50 % au nouvel an (Dai, Milkman & Riis, 2014, Management Science, 60(10), 2563-2582). [A, mesuré sur des comportements généraux, pas sur la révision scolaire] (distance : éloignée) Le moment où un étudiant revient après plusieurs jours d'absence est donc, selon ce résultat, un moment favorable — ce qui plaide pour l'accueillir plutôt que de lui présenter le décompte de ce qu'il a manqué. La transposition à la révision n'a pas été mesurée.

Deux autres leviers de régularité circulent avec un niveau de preuve moindre : l'ancrage du geste d'étude à un moment fixe de la journée (intention d'implémentation, Gollwitzer 1999, cité ici de mémoire et non revérifié [B]), et la visibilité d'une fin (« gradient d'objectif » : l'effort s'intensifie à l'approche d'une fin visible, Kivetz, Urminsky & Zheng, 2006, Journal of Marketing Research, 43, 39-58 [A] (distance : éloignée), mesuré sur des cartes de fidélité et non sur de l'étude). Le second a une conséquence qu'il faut oser énoncer : une file de révision qui ne se vide jamais ne présente aucune fin visible, et la littérature ne dit pas ce que cela coûte. [constat d'absence]

7.3 L'échec répété à l'identique attaque le sentiment de compétence

Une notion échouée plusieurs fois de suite, re-servie à l'identique en boucle (ce que les utilisateurs de logiciels de cartes appellent un « leech », une sangsue), menace le sentiment de compétence, prédicteur central de la persistance selon la théorie de l'autodétermination (Deci & Ryan, cadre cité ici sans étude précise). [B]

Le principe d'une porte de sortie est soutenu, ses paramètres ne le sont pas. Trois lignes de preuve soutiennent l'idée de redescendre d'un cran quand un item est hors de portée :

• Le modèle de la « région d'apprentissage proximal » : quand on manipule expérimentalement l'allocation du temps d'étude, la performance est maximale quand le temps va aux items de difficulté moyenne, pas aux plus durs (Metcalfe & Kornell, 2005, Journal of Memory and Language). [A] (distance : éloignée) La formulation canonique de Bjork le dit autrement : une difficulté n'est « souhaitable » que si l'apprenant est équipé pour la surmonter.
• Un argument théorique convergent : pour toute une classe d'algorithmes d'apprentissage, la vitesse d'apprentissage est maximale autour de 85 % de réussite (taux d'erreur optimal exact : 15,87 %) (Wilson et al., 2019, Nature Communications). [A, texte complet lu ; le périmètre est étroit et les auteurs le disent eux-mêmes : démontré par dérivation et simulation sur des algorithmes, pour des tâches de classification à DEUX réponses possibles ; la valeur change avec les hypothèses (82 % ou 75 % sous d'autres bruits) ; « aucun travail formel n'a traité l'effet chez l'humain » est leur propre formule. Une analogie inspirante, pas un paramètre à coder] (distance : hors échelle : pas d’apprenants humains)
• L'« étayage » (scaffolding) désigne toute aide fournie pendant la tâche pour la rendre franchissable : indices progressifs, questions qui guident le raisonnement, découpage en étapes, modèle à compléter, l'aide étant censée se retirer à mesure que l'apprenant progresse. L'étayage informatisé a un effet moyen établi (g = 0,46 sur 144 études, Belland et al., 2017, Review of Educational Research). [A, texte complet lu le 2026-08-12 : la valeur et la nuance ci-dessous sont confirmées] (distance : intermédiaire) Nuance notable de ce même corpus : aucune différence détectée entre étayage ajusté dynamiquement et étayage fixe ; la plus-value de l'ajustement à la volée est faible ou non démontrée. Réserve à garder : cette comparaison-là repose sur des effectifs réduits (une douzaine d'effets par catégorie), ce qui rend l'absence de différence peu concluante — « pas de différence détectée » n'est pas « différence démontrée nulle ». Reste la question de savoir si « poser une question plus simple » relève de ce corpus : la lecture du texte complet répond à moitié. Les formes d'aide réellement représentées sont, par ordre de fréquence, l'aide à réfléchir aux éléments du problème (227 mesures sur 333), l'aide à appliquer une méthode (75), l'aide à évaluer sa propre compréhension (28) et l'aide à rester engagé (3 seulement). Ce sont des aides données pendant la résolution d'un problème long, pas des questions de révision courtes : la parenté avec l'idée de simplifier une question échouée est réelle mais indirecte, et il faut le dire ainsi.

En revanche, aucun seuil chiffré n'existe : ni le nombre d'échecs à partir duquel il faudrait changer de question, ni la manière de la simplifier. La seule référence disponible est une pratique communautaire (le logiciel Anki suspend une carte par défaut à huit échecs et recommande de la reformuler) : de la littérature grise, pas de la science. [C, et constat d'absence pour toute valeur chiffrée]

7.4 Combien de travail par jour ? Ce que la science borne et ne borne pas

La question « combien de notions nouvelles par jour » est celle sur laquelle on attendrait le plus de la science, et c'est l'une de celles où elle donne le moins. Le constat tient en trois temps :

1. Aucune limite cognitive quotidienne connue ne justifie un débit d'apprentissage très faible (une à deux notions nouvelles par jour). Les limites de la mémoire de travail (cadres de Sweller et Cowan) s'appliquent à l'instant de l'encodage et plaident pour des sessions bien découpées, pas pour un faible volume quotidien. [B pour les cadres, constat d'absence pour la limite quotidienne] En médecine, la norme communautaire est de 20 à 40 nouvelles cartes par jour. [C]
2. Ce que la science borne vraiment, c'est la dose par notion (section 3.4, Rawson & Dunlosky [A]), et non le nombre de notions par jour. La contrainte réelle est arithmétique plutôt que cognitive : toute notion introduite engendre les rappels qu'elle devra recevoir, et c'est ce cumul, non un plafond de la mémoire, qui borne le débit soutenable.
3. Le sentiment d'être débordé est réel mais ne vient pas du débit d'entrée en soi : 82 % des étudiants en médecine jugent leur outil de répétition « écrasant » à des degrés divers, et pourtant un plus grand nombre de cartes quotidiennes est corrélé à une perception de réussite plus élevée (r = 0,33, corrélation modérée, sur la perception et non le résultat) (Nour & Harris, 2025, Cureus). [A rés., corrélationnel ; chiffre cité sans son protocole : l'effectif de l'enquête, la façon dont « écrasant » et « perception de réussite » ont été demandés, et le mode de recrutement ne sont pas connus ici. À traiter comme une indication d'ambiance, pas comme une mesure : le texte complet n'a pas été obtenu.] Aucun travail ne démêle, dans ce sentiment de débordement, la part du volume de celle de la façon dont le retard est présenté. [constat d'absence]

Sur l'assiduité : l'usage régulier des cartes de révision est corrélé à de meilleurs résultats aux examens de licence de médecine américains. Les chiffres, pour qu'on puisse en juger : 72 étudiants d'une seule école américaine, interrogés après coup sur leurs pratiques, avec un score moyen de 253,6 à l'examen national ; en tenant compte des notes antérieures, de l'anxiété d'examen, de l'épuisement et de la dépression, il faut environ 445 questions de banque faites pour un point de plus au score (p < 0,001) et environ 1 700 cartes de révision distinctes pour un point de plus (p = 0,024) ; l'anxiété d'examen est le seul facteur négatif (Deng, Gluckstein & Larsen, 2015, Perspectives on Medical Education). Un second travail va dans le même sens en désignant la régularité plutôt que le volume brut (Lu, Farhat & Beck Dallaghan, 2021, Medical Science Educator). [A pour Deng, texte complet lu ; A rés. pour Lu. Dans les deux cas, corrélationnel et déclaratif : les étudiants qui travaillent beaucoup sont aussi ceux qui réussissent, et rien ici ne prouve le sens de la flèche.] (distance : proche)

Une conséquence pratique découle de l'arithmétique plutôt que d'une mesure, et mérite d'être énoncée parce qu'elle est contre-intuitive : une séance de révision supplémentaire et une séance de découverte supplémentaire n'ont pas le même effet sur les semaines à venir. La première réduit le travail futur ; la seconde l'augmente, puisque chaque notion nouvelle appelle la série de rappels qui la consolidera. L'étudiant enthousiaste un dimanche s'achète ainsi des semaines de charge sans le voir. Aucune étude ne mesure cet effet. [constat d'absence]

8. L'entrelacement et les notions qui se ressemblent

Mélanger les types de problèmes pendant l'entraînement dégrade la performance immédiate et améliore fortement la performance différée. Les deux meilleures démonstrations, lues en texte complet, se corrigent au passage (les versions précédentes citaient « 25 points à 2 semaines », chiffre qui ne figure nulle part) : chez 126 élèves américains de 12 ans, sur 3 mois, répartir les exercices d'un type de problème en petites doses au fil des feuilles, plutôt que les concentrer dans une seule, donne 74 % contre 42 % au test surprise à 30 jours (+32 points, d = 0,79 ; +16 points seulement à 1 jour : l'avantage grandit avec le délai) (Rohrer, Dedrick & Stershic, 2015, Journal of Educational Psychology). [A, texte complet lu] (distance : proche) L'essai randomisé de confirmation, prédéclaré, sur 54 classes et 787 élèves, donne 61 % contre 38 % (+23 points, d = 0,83), avec un effet positif chez chacun des 15 enseignants (Rohrer, Dedrick, Hartwig & Cheung, 2020, JEP). [A, texte complet lu ; réserves des auteurs : le temps passé par feuille n'était pas mesuré, et le mélange demande probablement plus de temps] (distance : proche) L'analyse des erreurs montre que la pratique par blocs prive l'étudiant de l'apprentissage du choix de la méthode. En classe de sciences, de simples quiz hebdomadaires entrelacés font 63 % au test final à un mois, contre 54 % pour les mêmes quiz par blocs et 47 % sans quiz (Sana & Yan, 2022, Psychological Science, 155 lycéens). [A, texte complet lu] (distance : proche) Le même mécanisme est mesuré en médecine : en apprentissage de la lecture d'électrocardiogrammes, la pratique contrastive (exemples de catégories différentes mélangés) donne 46 % d'exactitude diagnostique contre 30 % pour la pratique en blocs (Hatala, Brooks & Norman, 2003, Advances in Health Sciences Education, 8(1), 17-26). [A, texte complet lu le 2026-08-12 ; le protocole, qui manquait aux versions précédentes, change la portée du chiffre.] (distance : intermédiaire) Le détail : 66 étudiants en médecine, et le résultat brut est 2,8 diagnostics justes sur 6 en pratique contrastive contre 1,8 sur 6 en pratique par blocs (soit les 47 % et 30 % arrondis ci-dessus). Deux limites que le seul pourcentage cachait : le test final est passé immédiatement après l'entraînement, il n'y a donc aucune mesure de rétention ; et les étudiants ont été répartis par séance entière, pas individuellement, ce qui laisse ouvert un effet de groupe. C'est un appui à la discrimination, pas une preuve d'apprentissage durable. Un troisième enseignement de cet article, souvent perdu, précise où se joue l'effet : dans une première expérience du même travail (71 étudiants), organiser l'enseignement autrement — par caractéristique du tracé plutôt que par maladie — ne change rien (63 % contre 68 %, écart non significatif). Seul l'ordre des exemples pendant l'entraînement compte. Transposé au tout dispositif de révision : ce n'est pas la manière de ranger le cours qui fait discriminer, c'est la manière d'enchaîner les questions.

Ce résultat désigne une cible précise : les notions confusables, c'est-à-dire celles que l'apprenant risque de prendre l'une pour l'autre. En droit, ce sont souvent des paires en miroir — opposable et inopposable, demandeur et défendeur, obligation de moyens et obligation de résultat. La littérature permet d'examiner pièce par pièce ce qu'il faut faire de telles paires : les présenter ensemble ou séparément, annoncer ou non ce qui les distingue, et sous quelle forme interroger.

Tableau de preuve du chapitre

L'adjacence délibérée est soutenue, précisément pour ce cas. La présentation simultanée ou immédiatement successive de catégories très similaires bat leur présentation espacée. L'étude la plus directe mérite son protocole : des étudiants (88 puis 90 selon l'expérience) apprennent à reconnaître le style de trois peintres à partir de leurs tableaux ; dans la condition décisive, chaque écran affiche en même temps, 15 secondes, un tableau de chacun des trois peintres ; le test (attribuer des tableaux jamais vus à leur peintre) a lieu environ 20 minutes plus tard. Cette juxtaposition simultanée bat la présentation par blocs (d = 0,78) et fait aussi bien que l'entrelacement séquentiel ; surtout, l'espacement temporel sans juxtaposition ne fait pas mieux que le bloc : le mécanisme est le contraste discriminatif, pas l'espacement (Kang & Pashler, 2012, Applied Cognitive Psychology ; convergent avec Birnbaum et al., 2013). [A ; limites : matériel perceptif, trois catégories, test à 20 minutes, pas de rétention à long terme] (distance : éloignée) La méta-analyse du domaine (59 études, 238 tailles d'effet, 8 466 participants) chiffre l'ensemble : effet global de l'entrelacement g = 0,42 [0,34 ; 0,50], qui monte à g = 0,73 quand les items se succèdent immédiatement et tombe à g = 0,22 (non significatif) quand ils sont espacés dans le temps ; l'effet croît avec la similarité entre catégories (b = +0,41) et décroît avec la similarité interne (b = −0,33) ; le modérateur le plus fort est la familiarité du matériel (Brunmair & Richter, 2019, Psychological Bulletin). [A, texte complet lu ; à savoir : l'hétérogénéité est forte, un biais de publication est suspecté sur l'ensemble (g corrigé = 0,29), et les auteurs eux-mêmes refusent de recommander l'entrelacement pour les textes, les mots et les mathématiques] (distance : éloignée) Les paires juridiques en miroir sont exactement le cas « forte similarité » où l'adjacence est prédite payante (cadre de Carvalho & Goldstone, 2014-2017 : entrelacer aide quand les catégories se ressemblent, bloquer aide quand elles diffèrent). [A]

Deux mises en garde issues de la même littérature :

• L'effet dépend de la tâche. Le corpus favorable porte sur la discrimination (classer un cas nouveau). Sur le vocabulaire appris comme associations verbales pures, l'effet s'inverse (g = −0,39 en faveur des blocs), et la littérature d'acquisition du vocabulaire montre que présenter ensemble des mots sémantiquement reliés augmente les erreurs d'interférence quand rien ne force le traitement des différences (Tinkham 1997 ; Nakata & Suzuki, 2019). [A] (distance : éloignée) L'antidote que cette littérature recommande — nommer explicitement ce qui distingue les notions et poser une question qui l'exige — n'a jamais été testé comme tel : l'adjacence n'est un pari gagnant que si la question posée fait discriminer, pas réciter, et cette condition n'est vérifiée par aucune expérience publiée sur du matériel verbal de cours. [constat d'absence]
• L'axe de distinction affiché d'emblée n'est pas la configuration optimale publiée. Comparer deux cas plutôt que les étudier l'un après l'autre fonctionne : d = 0,60 [0,47 ; 0,72] sur 57 expériences et 336 comparaisons, enfants comme adultes. Le bénéfice est nettement plus grand quand le principe général est donné après la tentative de comparaison (d = 1,18 ; d = 1,07 en test immédiat, 1,60 en différé) que dit d'avance (d = 0,37, soit exactement le score obtenu en ne le donnant pas du tout). Un troisième modérateur mérite d'être connu parce qu'il contredit l'intuition : demander de chercher seulement les ressemblances fait mieux (d = 0,68) que demander ressemblances et différences ensemble (d = 0,28) (Alfieri, Nokes-Malach & Schunn, 2013, Educational Psychologist ; même leçon chez Schwartz & Bransford, 1998, « A time for telling »). [Alfieri : A, texte complet lu le 2026-08-12 — les valeurs sont confirmées, mais deux corrections importantes viennent avec, et elles affaiblissent l'argument. D'abord, l'écart entre le test immédiat (1,07) et le test différé (1,60) n'est pas statistiquement significatif (p = 0,056) : on ne peut pas dire que le bénéfice grandit avec le délai, seulement qu'il est grand dans les deux cas (moyenne d'ensemble de la condition « principe après » : d = 1,18). Ensuite, et c'est plus gênant, toutes les conditions « principe après » de cette méta-analyse proviennent d'un seul et même article : Schwartz & Bransford 1998. Ce n'est donc pas une méta-analyse qui confirme une expérience, ce sont deux façons de citer la même expérience. Troisième précision, favorable au raisonnement : donner le principe avant ne fait pas mieux que ne pas le donner du tout. Schwartz & Bransford : A, texte complet lu : dans leur expérience décisive (36 étudiants), analyser des cas contrastés puis recevoir le cours permet d'appliquer ≈ 1,8 concept sur 4 à une expérience nouvelle une semaine plus tard, contre ≈ 0,6 en analysant deux fois sans cours et ≈ 0,65 en résumant un chapitre puis suivant le cours ; précision utile : le contrôle est « résumer puis cours », pas « cours seul », et l'écart n'existe que sur le transfert : au vrai/faux, toutes les conditions plafonnaient à 93 %] (distance : intermédiaire) Traduit en conseil : faire chercher la distinction d'abord, l'énoncer ensuite. Une règle qui rejoint celle du chapitre 5 sur le feedback, par un chemin entièrement différent. Mais le degré de confiance est plus faible qu'il n'y paraît : cette recommandation ne s'appuie pas sur « une méta-analyse et une expérience », elle s'appuie sur une seule expérience de 1998, sur 36 étudiants, en sciences expérimentales, comptée deux fois. Elle reste la meilleure indication disponible, elle ne suffit pas à trancher seule.

Une seule question suffit-elle à séparer deux notions ? Rien ne le soutient. Aucune étude ne compare une question de discrimination forcée à une question de rappel simple pour des paires confusables ; c'est un vide de la littérature, à dire tel quel. [constat d'absence] Les preuves indirectes vont dans le bon sens : la pratique de classement avec feedback améliore la généralisation à des cas nouveaux (Jacoby, Wahlheim & Coane, 2010 ; Rawson, Thomas & Jacoby, 2015 : pour des concepts confusables, la compétence cible est le classement d'exemples, pas la récitation de définitions). [A rés.] (distance : intermédiaire) La preuve indirecte la plus frappante, lue en texte complet, vient des « distracteurs compétitifs » : quand deux questions voisines partagent les mêmes options de réponse, s'entraîner en devant écarter les concurrentes améliore aussi la question sœur jamais posée (≈ 49 % contre 39 % sans entraînement), là où s'entraîner en réponse à produire la dégrade (≈ 34 % contre 45 % : récupérer une réponse inhibe ses voisines non récupérées) (Little, Bjork, Bjork & Angello, 2012, Psychological Science). [A, texte complet lu ; test à 5 minutes seulement, et tout tient à des distracteurs plausibles, difficiles à écrire] (distance : éloignée) Ce résultat a une portée qui dépasse le QCM : il dit que récupérer une notion en mémoire inhibe ses voisines non récupérées. Interroger isolément un membre d'une paire confusable peut donc dégrader l'autre. Faire porter la question sur la discrimination elle-même (« lequel des deux s'applique ici, et pourquoi ») évite ce piège, mais cette forme précise n'a pas été mesurée. Rien ne soutient non plus qu'une seule question, resservie à l'identique, suffise : le risque documenté ailleurs dans cette revue est d'apprendre la réponse à cette question plutôt que la distinction. [constat d'absence]

L'entrelacement entre matières sans lien n'est pas de l'entrelacement au sens de la littérature. La seule étude directe (mélanger du vocabulaire indonésien et de l'anatomie, quatre expériences, 55 à 133 participants) ne trouve aucun effet fiable, ni bénéfice ni coût. Son expérience décisive sépare proprement les deux ingrédients : à une semaine, mélangé 36 %, non-mélangé mais espacé sur deux jours 36 %, non-mélangé massé 22 % : l'espacement rapporte 14 points, le mélange zéro (Hausman & Kornell, 2014, JARMAC). [A, texte complet lu] (distance : intermédiaire) Alterner les matières dans une même séance de révision est donc à requalifier : c'est neutre pour l'apprentissage, et cela se justifie seulement comme moyen commode d'espacer et de répartir le temps disponible. Justification légitime, mais entièrement différente de celle qu'on invoque d'ordinaire en parlant d'entrelacement. Le coût de commutation entre tâches, réel en laboratoire à l'échelle de la milliseconde (Monsell, 2003), n'a rien montré de mesurable à l'échelle de blocs de révision de plusieurs minutes. [A, risque théorique non confirmé]

9. La pratique authentique : s'entraîner au format de l'examen

9.1 Ce que la littérature soutient, et ce qu'elle ne soutient pas

À rebours d'une idée reçue : la littérature dite de l'« évaluation authentique » ne démontre pas d'effet sur la rétention. Son corpus empirique porte sur les perceptions, l'engagement et la satisfaction, pas sur la mémoire mesurée à distance (Gulikers, Bastiaens & Kirschner, 2004 ; Villarroel et al., 2018 ; revue systématique de Sokhanvar et al., 2021). [A, constat d'absence] De même, la méthode des cas en gestion, malgré son prestige, n'a pas de socle empirique concluant (revues successives de 1987 à 2022). [A, constat d'absence]

Ce qui justifie réellement l'entraînement au format d'examen vient d'ailleurs :

• Le transfert du rappel vers les tâches d'application : réel mais moyen (d = 0,33 ; d = 0,59 pour le diagnostic médical), et conditionné à un entraînement réussi avec corrigé riche (Pan & Rickard, 2018, détail corrigé en section 4.6). [A]
• La correspondance des niveaux cognitifs : les quiz d'ordre supérieur (appliquer, analyser) améliorent la performance aux tests d'ordre supérieur ; les quiz purement factuels, non. L'entraînement doit ressembler au test visé (« transfer-appropriate processing ») (Agarwal, 2019, Journal of Educational Psychology). [A, texte complet lu le 2026-08-12] (distance : intermédiaire) Les chiffres, qui manquaient jusqu'ici, disent à quel point l'effet est spécifique : s'entraîner sur des questions de fait donne 78 % au test de fait, mais 46 % au test d'ordre supérieur, c'est-à-dire exactement le score obtenu en ayant seulement lu le texte ; s'entraîner sur des questions d'ordre supérieur donne 72 % au test d'ordre supérieur. Autrement dit, les faits appris par cœur ne se transforment pas d'eux-mêmes en capacité de raisonnement. Deux prolongements du même article : en laboratoire, deux quiz du même type battent un mélange des deux types ; mais en classe réelle (expérience 3), le mélange fait très bien (91 % et 82 %), ce qui interdit d'en tirer une consigne rigide contre le mélange.
• Une preuve directe en droit : ajouter des évaluations formatives à un cours de droit qui n'avait qu'un examen final améliore la note finale jusqu'à une lettre complète pour environ 70 % des étudiants (Sargent & Curcio, 2012, Journal of Legal Education ; étudiants américains de niveau master, réserve de transposition). [A] (distance : proche)

Tableau de preuve du chapitre

9.2 Le débutant a besoin d'exemples résolus avant de résoudre seul

Pour un apprenant qui débute sur un chapitre, étudier des exemples résolus bat la résolution de problèmes non guidée ; l'avantage s'inverse à mesure que la connaissance s'installe (effet d'inversion de l'expertise, Sweller et Kalyuga ; répliqué en comptabilité, domaine « à règles » proche du droit et de la gestion). [A] Les modèles de conception de formation les plus établis (4C/ID de van Merriënboer) placent les tâches complètes au centre mais les séquencent : exemple résolu, puis problème à compléter, puis problème entier. [A, cadre de conception] Résoudre avant l'enseignement peut fonctionner (« productive failure »), mais seulement si le dispositif est étayé par la comparaison des solutions et l'enseignement qui suit (Sinha & Kapur, 2021, Review of Educational Research, 53 études). [A] (distance : intermédiaire) La séquence recommandée est donc : exemple entièrement résolu, puis exemple à compléter, puis problème entier — dans cet ordre, et en avançant à mesure que la connaissance s'installe.

9.3 Le bon format dépend de la matière, pas de la filière

La méthode se choisit sur le type de contenu (faits, concepts, procédures, principes) croisé avec le niveau visé, pas sur la discipline (cadres convergents de Merrill et de Schmidt & Boshuizen). [A, cadres] Concrètement :

• une matière de pure mémorisation (anatomie, nomenclature) n'a pas de tâche experte à imiter : y fabriquer un exercice « authentique » artificiel consomme un temps que le rappel actif emploierait mieux. C'est une déduction des cadres cités, pas une mesure ; [constat d'absence]
• le droit s'examine sous au moins cinq formats non interchangeables (cas pratique, commentaire d'arrêt, fiche d'arrêt, dissertation, commentaire de texte), et la méthode pèse une part majeure de la note : s'entraîner toute l'année à un seul format, c'est découvrir l'autre le jour de l'examen ; [C pour les formats, A pour le principe de correspondance]
• en médecine, le format le mieux validé de la revue est le « problème à éléments clés » (un cas bref suivi de deux ou trois questions sur les seules étapes décisives ; validité établie, optimum mesuré à 2-3 éléments par cas, Page & Bordage, 1995). Le « test de concordance de script » est au contraire écarté : validité faible et vulnérable à la triche. [A] (distance : intermédiaire)
• la dose compte, et c'est l'avertissement le plus utile de ce chapitre : les courbes d'apprentissage mesurées (lecture d'électrocardiogrammes) donnent environ 34 cas pratiqués et 112 minutes pour atteindre 75 % d'exactitude. Un ou deux exercices de méthode par matière, revus toutes les quelques semaines, sont un ordre de grandeur en dessous de la dose qui produit un effet mesurable. Un entraînement à la méthode servi à cette dose-là est probablement décoratif. [A pour la courbe, constat d'absence pour la transposition à d'autres disciplines] (distance : intermédiaire)

Deux conséquences se déduisent des chapitres précédents plutôt que d'une mesure propre : les formats d'exercice gagnent à être entrelacés plutôt que travaillés par blocs (section 8), et un échec de méthode n'est pas un oubli de notion — les deux ne se rattrapent pas au même rythme et ne devraient pas alimenter le même calendrier. [constat d'absence]

10. Synthèse : les recommandations praticables pour un étudiant

En croisant les niveaux de preuve, voici ce que cette revue permet de dire à un étudiant, du plus solide au plus incertain :

10.1 Tableau de synthèse des recommandations

Une ligne par recommandation. La colonne « appui » donne l'étude ou la méta-analyse qui la porte le plus directement ; la colonne « ce qui la ferait tomber » dit à quelle condition elle cesserait de valoir, ce qui est la seule façon honnête de présenter une recommandation issue d'un corpus imparfait.

Deux recommandations qui circulent largement ne figurent pas dans ce tableau, et leur absence est délibérée : les notes guidées à trous, dont le corpus se réduit à 8 études et 125 participants sous le seuil d'efficacité retenu par ses propres auteurs, et le passage à un calendrier adaptatif, dont aucun essai contrôlé ne montre qu'il fasse mieux apprendre.

10.2 Les recommandations, en langage courant

Appuyé sur des études vérifiées [A] :

• Testez-vous au lieu de relire ; méfiez-vous de la sensation de facilité d'une relecture. Le gain vaut environ un demi-écart-type, mesuré aussi bien en laboratoire que sur 48 000 élèves en classe réelle.
• Ne vous testez jamais sans vérifier la réponse ensuite. C'est la condition la plus souvent oubliée : sans correction, l'effet du test est divisé par deux, et si votre réussite à l'entraînement tombe sous 50 %, il disparaît complètement.
• Espacez vos révisions ; l'écart réel compte, pas le schéma du calendrier ; élargissez les écarts quand l'examen est loin. Ne cherchez pas à faire croître vos intervalles : sur 54 comparaisons, un calendrier croissant ne fait pas mieux qu'un calendrier régulier.
• Repassez plusieurs fois sur la même notion, à des jours différents : chaque reprise rapporte encore, mais de moins en moins.
• Rédigez vos réponses au lieu de les reconnaître parmi des options.
• Cherchez avant de regarder la réponse ; puis regardez-la toujours, surtout après une erreur ; accueillez vos erreurs les plus assurées comme vos meilleures occasions d'apprendre ; revoyez aussi vos bonnes réponses hésitantes.
• Si vous corrigez le travail de quelqu'un d'autre : donnez la bonne réponse et parlez de la tâche. Ni éloge, ni découragement : l'un ne rapporte rien, l'autre fait régresser.
• Retravaillez le jour même une question ratée jusqu'à la réussir une fois ; ne rejouez pas vos réussites du jour.
• Mélangez les notions qui se ressemblent et les types d'exercices ; travaillez la distinction, pas chaque notion isolément.
• Entraînez-vous au format réel de votre examen, à dose suffisante, et commencez par des corrigés modèles avant de produire seul.
• Ne vous punissez pas d'un jour manqué : reprenez, simplement. Le retour après une coupure est un bon moment pour repartir.

Appuyé sur des mesures corrélationnelles ou des cadres théoriques [A corrélationnel / B] :

• La régularité prédit mieux la réussite que le volume brut.
• Ancrez l'étude à un moment fixe de la journée.
• Une auto-évaluation exacte de ce que vous savez va de pair avec une meilleure rétention : notez votre confiance avant de vérifier.

Le compte des distances, pour qui veut savoir sur quoi tout cela repose. Sur les soixante-douze affirmations porteuses marquées dans ce document, onze reposent sur des études proches du cas d'usage (contenu de cours réel, examens réels), vingt-cinq sur du matériel scolaire simplifié, et trente-six sur des paires de mots, des faits isolés ou des tâches de laboratoire. Une repose sur des algorithmes et non sur des humains. Autrement dit : la moitié de ce que la recherche établit sur l'étude efficace n'a jamais été mesuré sur de l'étude. Les huit recommandations ci-dessus restent les mieux appuyées du champ ; ce compte dit à quel prix.

Ce que la littérature ne dit pas, et qu'il faut cesser de lui prêter. Douze questions traversées par cette revue n'ont pas de réponse publiée. Elles sont réunies ici parce que c'est là que la tentation de combler par le bon sens est la plus forte :

1. Aucune étude ne compare une remise à zéro complète du compteur de révisions après un échec à une remise à zéro partielle (section 3.4).
2. Aucune ne dit à quel intervalle entretenir une notion déjà rappelée plusieurs fois avec succès : la fourchette publiée porte sur un cycle unique étude-révision-test (section 3.4).
3. Aucune ne teste le cas limite de deux révisions le dernier jour avant l'examen contre une seule (section 3.5).
4. Aucune ne compare le format à trou à la question ouverte, ni ne teste la règle d'atomicité (section 4.3).
5. Aucune ne mesure les gestes de préparation à la première lecture en combinaison, alors qu'ils se disputent le même temps (section 4.4).
6. Aucune ne tranche l'arbitrage entre couvrir plus de notions et sur-répéter les mêmes (section 4.5).
7. Aucune ne compare le coût d'un faux « correct » à celui d'un faux « incorrect » dans une correction automatique (section 5.3).
8. Aucune ne teste la répartition des choix — imposer le contenu, laisser la quantité — dans un même dispositif (section 6.3).
9. Aucune ne transpose le débriefing structuré des tâches professionnelles vers la rétention scolaire (section 6.4).
10. Aucune ne mesure l'effet des mécaniques de série ni celui d'une file de révision sans fin visible sur ce qui est retenu (section 7.2).
11. Aucune ne chiffre le seuil d'échecs à partir duquel il faut changer de question, ni la bonne façon de la simplifier (section 7.3).
12. Aucune ne vérifie que la question qui force à discriminer deux notions confusables fait mieux qu'un rappel isolé, ni qu'une seule question suffise (section 8).

Conditions de transposition. Presque toutes les études citées portent sur un autre matériel, une autre population ou une autre échelle que l'étudiant qui révise son semestre. Pour chaque conclusion, voici ce qu'il faut admettre pour que le résultat se transporte, et ce qui le ferait tomber :

• Espacement, plancher d'un jour, maintenance : mesurés surtout sur du vocabulaire et des faits isolés. Transposition raisonnable si une notion de cours se comporte comme un fait à retenir ; fragile pour ce qui est surtout un savoir-faire (rédiger un cas pratique), où la littérature pertinente est celle de la pratique (section 9).
• Dose de rappel par notion : mesurée sur des définitions de concepts de cours — et, depuis 2013, sur un vrai cours avec de vraies notes d'examen (84 % contre 72 %). C'est la transposition la moins risquée de la revue. Deux réserves qui ne l'annulent pas : ce que l'étude compte, ce sont des séances de reprise réparties sur des jours différents ; et la correction y est un auto-jugement de l'étudiant, exact dans 77 à 92 % des cas seulement, ce qui n'est pas le mécanisme d'une correction automatique.
• Adjacence des confusables : mesurée sur de la discrimination perceptive (peintres, oiseaux). Se transporte si la difficulté de l'étudiant est bien de classer des cas (« cette clause est-elle opposable ? ») ; si la question posée est une récitation de définition, la littérature du vocabulaire prédit l'effet inverse (interférence). Le pari dépend donc de la forme des questions, pas des notions.
• Pré-test : mesuré sur des textes courts en laboratoire et quelques classes réelles ; se transporte si les pré-questions visent les notions du chapitre effectivement testées ensuite, et seulement pour elles.
• Entrelacement des formats d'exercice : mesuré sur des types de problèmes de mathématiques (collégiens) et la lecture d'électrocardiogrammes ; se transporte si la difficulté est de choisir la méthode face à un énoncé non étiqueté, ce qui est précisément le cas des épreuves de droit et de gestion.
• Débriefing structuré : mesuré sur des tâches professionnelles ; argument de forme uniquement, aucun transfert chiffré vers la rétention scolaire ne doit en être déduit.
• Simplifier une question hors de portée : la règle des 85 % vient d'algorithmes, l'étayage de tâches guidées en sciences ; seul le principe (une difficulté hors de portée fait perdre du temps) se transporte, aucun paramètre chiffré.

11. Discussion

11.1 Ce que l'ensemble de ces résultats dessine

Pris chapitre par chapitre, ce corpus donne l'impression d'une accumulation de recettes. Pris ensemble, il dessine quelque chose de plus simple, et de plus exigeant.

Un seul mécanisme revient sous quatre noms. L'espacement, le test, la production d'une réponse et l'entrelacement ont ceci de commun qu'ils rendent l'accès au souvenir plus difficile sur le moment. Espacer, c'est laisser le souvenir s'affaiblir avant de le rappeler. Se tester, c'est aller chercher au lieu de recevoir. Rédiger, c'est produire au lieu de reconnaître. Entrelacer, c'est retrouver la bonne méthode au lieu de l'appliquer en série. Dans les quatre cas, la performance immédiate baisse et la rétention monte. Ce n'est pas une coïncidence, c'est la thèse des « difficultés souhaitables », et elle est le fil de toute cette revue.

La même unité explique les échecs. Chaque fois qu'une de ces techniques ne marche pas, c'est que la difficulté est devenue infranchissable ou qu'elle a été neutralisée. Se tester sans jamais voir la réponse, avec moins d'une réussite sur deux, ne rapporte rien du tout (g = 0,03) : la difficulté est là, mais rien ne permet de la surmonter. Une phrase à trous dont le contexte livre la réponse ne rapporte pas non plus : la difficulté a disparu. Mélanger des matières sans lien ne rapporte rien : il n'y a aucune discrimination à faire, donc aucune difficulté utile. Le critère n'est ni la difficulté ni la facilité : c'est une difficulté que l'apprenant peut surmonter, suivie de la possibilité de vérifier.

Ce qui est établi et ce qui ne l'est pas se répartissent de façon très régulière. Les principes sont solides, souvent confirmés par des méta-analyses convergentes et parfois par des essais randomisés en classe réelle. Les paramètres ne le sont jamais. Aucune étude ne valide une suite d'intervalles, un seuil d'échecs, un nombre de réussites, une durée. Ce partage n'est pas un accident de la recherche : les paramètres dépendent du matériau, de l'échéance et de la personne, et les mesurer tous demanderait un corpus qui n'existe pas. La conséquence pratique est nette : tout dispositif chiffré est un choix d'ingénierie qui s'appuie sur un principe validé, et il doit se présenter comme tel.

Trois croyances répandues sortent affaiblies de cette revue, et il vaut la peine de les nommer ensemble. Que les intervalles doivent croître : non, sur 54 comparaisons. Que le retour d'information est bon en soi : non, plus d'un tiers des interventions dégradent la performance. Que les techniques actives se valent entre elles et battent la relecture pour la même raison : face à une autre stratégie active, l'avantage du quiz tombe à g = 0,095, ce qui signifie que ce qui est établi est « se tester bat ne rien faire et relire », pas « se tester est la meilleure activité possible ».

Une asymétrie de coût mérite d'être dite pour finir. Les techniques défendues ici ne demandent presque aucun moyen : elles réorganisent du temps déjà dépensé. Espacer ne coûte rien ; se tester au lieu de relire ne coûte rien ; poser deux questions avant de lire un chapitre coûte deux minutes. À l'inverse, ce que la littérature ne soutient pas — les calendriers adaptatifs, les supports à trous, les dispositifs sophistiqués — coûte cher à construire. La recherche sur l'étude a ceci de particulier que ses résultats les mieux établis sont aussi les moins chers à appliquer, et qu'ils butent sur un seul obstacle : ils sont désagréables.

11.2 Programme de recherche : les questions qu'il faudrait traiter

Les douze vides recensés au chapitre 10 sont des constats. Trois d'entre eux méritent d'être élevés au rang de programme, parce qu'ils bloquent des décisions que des millions de personnes prennent chaque jour.

1. Que faire d'un échec ? Aucune étude contrôlée ne compare une remise à zéro complète du compteur de révisions à une remise à zéro partielle ou nulle. C'est pourtant la décision la plus fréquente de tout dispositif de révision, et la plus lourde de conséquences sur la charge de travail. Le protocole serait simple : même matériau, mêmes apprenants, trois règles d'échec, une mesure de rétention à un mois et un décompte du temps dépensé.
2. Quelle question poser sur deux notions qu'on risque de confondre ? Personne n'a comparé une question qui force à discriminer (« lequel des deux s'applique ici, et pourquoi ») à un rappel isolé de chaque notion. Toute la littérature disponible est perceptive — des tableaux, des oiseaux — et le résultat de Little et al. 2012 avertit qu'interroger isolément peut dégrader la notion voisine. C'est le vide le plus gênant de cette revue, parce que la pratique courante est précisément celle qui n'a pas été testée.
3. Combien de notions nouvelles par jour ? La question sur laquelle on attend le plus de la science est celle où elle donne le moins. Rien n'établit de plafond quotidien ; la seule contrainte connue est arithmétique, chaque notion introduite engendrant les rappels qu'elle devra recevoir. Un travail utile mesurerait la rétention et l'abandon en fonction du débit d'entrée, sur un semestre entier.

À quoi s'ajoutent deux exigences de méthode qui vaudraient pour l'ensemble du champ. Mesurer à distance : la moitié des comparaisons de certaines méta-analyses portent sur une mesure immédiate, ce qui mélange performance et apprentissage. Publier le comparateur et le taux de réussite à l'entraînement : ce sont les deux informations qui décident du résultat, et ce sont les deux qui manquent le plus souvent.

12. Limites de cette revue

1. Aucune vérification humaine indépendante n'a eu lieu. La lecture des articles et l'extraction des chiffres ont été faites par des modèles de langage ; aucune personne n'a rouvert les articles pour contrôler par échantillonnage, et aucun spécialiste n'a relu ce document. C'est la limite la plus lourde, elle est décrite en détail en section 2.9, et elle est réversible.
2. Aucune mesure d'apprentissage n'a été produite par les auteurs de cette revue. Tout ce qu'elle avance vient d'études publiées par d'autres. Elle rassemble et vérifie, elle ne mesure pas.
3. Une partie de la littérature n'a été lue qu'en résumé. Cinquante-trois articles ont été lus en texte intégral, dont toutes les affirmations porteuses ; ce qui n'a pas pu l'être est signalé sur place par la mention [A rés.], et la liste des textes encore manquants est donnée au point 7.
4. Des références citées de mémoire. Bjork & Bjork 1992, Gollwitzer 1999 et les valeurs chiffrées de Bangert-Drowns 1991 n'ont pas été rouvertes.
5. Des populations pas toujours comparables. Étudiants américains de droit (niveau master), collégiens (entrelacement en mathématiques), professionnels (débriefings), volontaires rémunérés apprenant du vocabulaire (feedback) : la transposition à l'étudiant de licence française est une hypothèse, et elle est signalée à chaque fois.
6. La recherche documentaire a ses propres limites, décrites en section 2. Elle a été menée sur le web, à partir d'un corpus de départ constitué au fil d'un travail de conception et non par une requête systématique. Certains chiffres restent de seconde main et sont marqués comme tels : plusieurs études de réactivité de la confiance, la description de l'algorithme SM-2. Les évaluations des algorithmes adaptatifs de type FSRS viennent des équipes qui les développent, sur des données d'utilisateurs auto-sélectionnés, et mesurent la qualité de prédiction du rappel, pas un gain d'apprentissage contrôlé. Enfin, la littérature convoquée sur la discrimination de catégories porte surtout sur du matériel perceptif (peintures, oiseaux) : sa transposition à des notions verbales est une hypothèse raisonnée.
7. Six textes manquent encore, et leur absence est une limite de couverture, non un oubli. Restent introuvables : Stone (1983), seconde méta-analyse sur les organisateurs préalables ; King-Shepard et al. (2025), seconde méta-analyse sur le pré-test ; Mitchum, Kelley & Fox (2016), sur l'effet de la déclaration de confiance ; Jacoby, Wahlheim & Coane (2010) et Rawson, Thomas & Jacoby (2015), sur le classement d'exemples. S'y ajoute un chiffre cité sans son protocole, faute de texte : l'enquête sur la perception de charge en médecine (Nour & Harris 2025). Tous ces points sont marqués [A rés.] dans le texte.
8. Une correction ne vaut que jusqu'à la prochaine lecture. Une douzaine d'affirmations des versions précédentes de cette revue, écrites de bonne foi à partir de résumés, se sont révélées inexactes à la lecture des textes complets. C'est le taux d'erreur d'une méthode, pas un accident : tout chiffre encore marqué [A rés.] doit être lu avec la même défiance que celle qui a été appliquée, rétrospectivement, aux versions précédentes de ce document.

13. Références

Style et convention, énoncés parce qu'ils sont irréguliers. Les références sont données dans un style unique : auteurs, année, titre, revue, volume, pages, puis l'identifiant numérique d'article (DOI) lorsqu'il a été vérifié un par un auprès de Crossref, la base des éditeurs scientifiques. Un DOI se résout en collant https://doi.org/ suivi du code dans un navigateur.

Trois mentions apparaissent en fin de ligne :

• [lu] : le texte complet de l'article a été lu, page par page (53 références).
• [résumé] : seul le résumé a été lu ; le chiffre cité dans le texte est recoupé mais le protocole n'a pas été vérifié. Ces références sont signalées [A rés.] aux endroits où elles sont mobilisées.
• [non rouvert] : référence citée de mémoire, aucun chiffre n'en est tiré.

Une lacune de traçabilité, déclarée. Une partie des références ci-dessous n'a ni titre relevé ni DOI vérifié : ces éléments n'ont pas été notés au moment de la lecture. Cela ne met pas en doute l'existence de l'article — il a été lu dans plusieurs cas — mais empêche un lecteur de le retrouver aussi vite que les autres. Ce défaut est à corriger dans une version ultérieure.

13.1 Liste alphabétique

• Agarwal, P. K. (2019). Retrieval practice & Bloom's taxonomy: do students need fact knowledge before higher order learning? Journal of Educational Psychology, 111(2), 189-209. DOI 10.1037/edu0000282 — [lu]
• Alfieri, L., Nokes-Malach, T. J., & Schunn, C. D. (2013). Learning through case comparisons: a meta-analytic review. Educational Psychologist, 48(2), 87-113. DOI 10.1080/00461520.2013.775712 — [lu]
• Bahrick, H. P. (1979). Maintenance of knowledge: questions about memory we forgot to ask. Journal of Experimental Psychology: General, 108(3), 296-308. DOI 10.1037/0096-3445.108.3.296 (identifiant au format standard, non confirmé chez l'éditeur) — [lu]
• Bangert-Drowns, R. L., Kulik, C.-L. C., Kulik, J. A., & Morgan, M. (1991). Review of Educational Research, 61(2), 213-238 — méta-analyse du retour d'information. Les valeurs chiffrées qui circulent à propos de cet article n'ont pas été vérifiées ici ; seul son résultat qualitatif est mobilisé. — [résumé]
• Belland, B. R., Walker, A. E., Kim, N. J., & Lefler, M. (2017). Synthesizing results from empirical research on computer-based scaffolding in STEM education. Review of Educational Research, 87(2), 309-344. DOI 10.3102/0034654316670999 — [lu]
• Birnbaum, M. S., Kornell, N., Bjork, E. L., & Bjork, R. A. (2013). Memory & Cognition, 41, 392-402 — contraste discriminatif et espacement. — [résumé]
• Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). Inducing self-explanation: a meta-analysis. Educational Psychology Review, 30(3), 703-725. DOI 10.1007/s10648-018-9434-x — [lu]
• Bjork, R. A., & Bjork, E. L. (1992). Théorie du désusage (new theory of disuse). — [non rouvert]
• Bjork, R. A., Dunlosky, J., & Kornell, N. (2013). Annual Review of Psychology, 64, 417-444 — auto-régulation de l'apprentissage et illusions métacognitives. — [résumé]
• Brunmair, M., & Richter, T. (2019). Psychological Bulletin — méta-analyse de l'entrelacement, 59 études. — [lu]
• Butler, A. C., Fazio, L. K., & Marsh, E. J. (2011). Psychonomic Bulletin & Review — persistance et retour des erreurs à forte confiance. — [résumé]
• Butler, A. C., Karpicke, J. D., & Roediger, H. L. (2007). The effect of type and timing of feedback on learning from multiple-choice tests. Journal of Experimental Psychology: Applied, 13(4), 273-281. DOI 10.1037/1076-898X.13.4.273 — [lu]
• Butler, A. C., Karpicke, J. D., & Roediger, H. L. (2008). Correcting a metacognitive error: feedback increases retention of low-confidence correct responses. Journal of Experimental Psychology: Learning, Memory, and Cognition, 34(4), 918-928. DOI 10.1037/0278-7393.34.4.918 — [lu]
• Butterfield, B., & Metcalfe, J. (2001). Journal of Experimental Psychology: Learning, Memory, and Cognition, 27(6), 1491-1494 — hypercorrection. — [résumé]
• Callender, A. A., & McDaniel, M. A. (2009). The limited benefits of rereading educational texts. Contemporary Educational Psychology, 34(1), 30-41. DOI 10.1016/j.cedpsych.2008.07.001 — [lu]
• Carpenter, S. K., & DeLosh, E. L. (2006). Memory & Cognition, 34, 268-276 — indices de récupération appauvris, récupération élaborative. — [résumé]
• Carvalho, P. F., & Goldstone, R. L. (2014-2017). Interaction entre séquence d'étude et similarité des catégories. — [résumé]
• Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: a review and quantitative synthesis. Psychological Bulletin, 132, 354-380. — [lu]
• Cepeda, N. J., Vul, E., Rohrer, D., Wixted, J. T., & Pashler, H. (2008). Psychological Science, 19(11), 1095-1102 — intervalle optimal et délai de rétention. — [lu]
• Dai, H., Milkman, K. L., & Riis, J. (2014). Management Science, 60(10), 2563-2582 — effet « nouveau départ ». — [résumé]
• Deci, E. L., & Ryan, R. M. Théorie de l'autodétermination. — [non rouvert]
• Deng, F., Gluckstein, J. A., & Larsen, D. P. (2015). Perspectives on Medical Education — pratique de récupération et examens de médecine. — [lu]
• Double, K. S., Birney, D. P., & Walker, S. A. (2018). A meta-analysis and systematic review of reactivity to judgements of learning. Memory, 26(6), 741-750. DOI 10.1080/09658211.2017.1404111 — [lu]
• Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Méta-analyse des techniques d'apprentissage : classement de la relecture parmi les techniques de faible utilité. — [résumé]
• Dunlosky, J., & Rawson, K. A. (2012). Overconfidence produces underachievement. Learning and Instruction, 22(4), 271-280. DOI 10.1016/j.learninstruc.2011.08.003 — [lu]
• Gollwitzer, P. M. (1999). Intentions d'implémentation. — [non rouvert]
• Gulikers, J. T. M., Bastiaens, T. J., & Kirschner, P. A. (2004) ; Villarroel, V., et al. (2018) ; Sokhanvar, Z., et al. (2021). Évaluation dite authentique : constat d'absence d'effet mesuré sur la rétention. — [résumé]
• Hatala, R., Brooks, L. R., & Norman, G. R. (2003). Practice makes perfect: the critical role of mixed practice in the acquisition of ECG interpretation skills. Advances in Health Sciences Education, 8(1), 17-26. DOI 10.1023/A:1022687404380 — [lu]
• Hausman, H., & Kornell, N. (2014). Journal of Applied Research in Memory and Cognition, 3(3), 153-160 — mélange de matières sans lien : effet nul. — [lu]
• Jacoby, L. L., Wahlheim, C. N., & Coane, J. H. (2010). Test-enhanced learning of natural concepts: effects on recognition memory, classification, and metacognition. Journal of Experimental Psychology: Learning, Memory, and Cognition, 36(6), 1441-1451. DOI 10.1037/a0020636 — [résumé]
• Kang, S. H. K., Lindsey, R. V., Mozer, M. C., & Pashler, H. (2014). Psychonomic Bulletin & Review, 21 — calendrier croissant contre uniforme à l'échelle de semaines. — [lu]
• Kang, S. H. K., McDermott, K. B., & Roediger, H. L. (2007). Test format and corrective feedback modify the effect of testing on long-term retention. European Journal of Cognitive Psychology, 19(4-5), 528-558. DOI 10.1080/09541440601056620 — [lu]
• Kang, S. H. K., & Pashler, H. (2012). Applied Cognitive Psychology, 26, 97-103 — présentation simultanée de catégories confusables. — [lu]
• Karpicke, J. D., & Bauernschmidt, A. (2011). Spaced retrieval: absolute spacing enhances learning regardless of relative spacing. Journal of Experimental Psychology: Learning, Memory, and Cognition, 37(5), 1250-1257. DOI 10.1037/a0023436 — [lu]
• Karpicke, J. D., & Roediger, H. L. (2007). Journal of Experimental Psychology: Learning, Memory, and Cognition, 33(4) — inversion du calendrier croissant au test différé. — [lu]
• King-Shepard, Q. W., Walker, J., Nokes-Malach, T. J., Carpenter, S. K., & Fraundorf, S. H. (2025). The effect of prequestions on learning: a multilevel meta-analysis. Educational Psychology Review, 37, article 115. DOI 10.1007/s10648-025-10075-7 — [résumé, texte complet non obtenu]
• Kivetz, R., Urminsky, O., & Zheng, Y. (2006). Journal of Marketing Research, 43, 39-58 — gradient d'objectif. — [résumé]
• Kluger, A. N., & DeNisi, A. (1996). The effects of feedback interventions on performance: a historical review, a meta-analysis, and a preliminary feedback intervention theory. Psychological Bulletin, 119(2), 254-284. DOI 10.1037/0033-2909.119.2.254 — [lu]
• Konrad, M., Joseph, L. M., & Eveleigh, E. (2009). A meta-analytic review of guided notes. Education and Treatment of Children, 32(3), 421-444. DOI 10.1353/etc.0.0066 — [lu]
• Kornell, N. (2009). Applied Cognitive Psychology, 23, 1297-1317 — espacement contre bachotage sur cartes de révision. — [lu]
• Kornell, N., & Bjork, R. A. (2008). Optimising self-regulated study: the benefits (and costs) of dropping flashcards. Memory, 16(2), 125-136. DOI 10.1080/09658210701763899 — [lu]
• Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4) — les tentatives infructueuses préparent l'apprentissage. — [lu]
• Landauer, T. K., & Bjork, R. A. (1978). In Practical Aspects of Memory (chapitre d'ouvrage) — étude fondatrice des intervalles croissants, à l'échelle de la séance de laboratoire. — [lu]
• Latimier, A., Peyre, H., & Ramus, F. (2021). A meta-analytic review of the benefit of spacing out retrieval practice episodes on retention. Educational Psychology Review, 33(3), 959-987. DOI 10.1007/s10648-020-09572-8 — [lu]
• Lindsey, R. V., Shroyer, J. D., Pashler, H., & Mozer, M. C. (2014). Improving students' long-term knowledge retention through personalized review. Psychological Science, 25(3), 639-647. DOI 10.1177/0956797613504302 — [lu]
• Little, J. L., Bjork, E. L., Bjork, R. A., & Angello, G. (2012). Psychological Science — alternatives compétitives. Citée en preuve indirecte : cette étude porte sur des QCM, format que la revue n'inclut pas dans ses recommandations. — [lu]
• Lu, M., Farhat, J. H., & Beck Dallaghan, G. L. (2021). Medical Science Educator — régularité d'usage et examen national de médecine. — [résumé]
• Luiten, J., Ames, W., & Ackerson, G. (1980). A meta-analysis of the effects of advance organizers on learning and retention. American Educational Research Journal, 17(2), 211-218. DOI 10.3102/00028312017002211 — [lu]
• Mazza, S., et al. (2016). Psychological Science, 27(10) — sommeil intercalé entre deux séances. — [lu]
• McCabe, J. (2011). Metacognitive awareness of learning strategies in undergraduates. Memory & Cognition, 39, 462-476. Connue par la revue de Soderstrom & Bjork 2015. — [résumé]
• Mera, Y., Dianova, V., & Marin-Garcia, E. (2025). Journal of Cognition, 8(1) — pré-test et délai du retour d'information. — [lu]
• Metcalfe, J. (2017). Annual Review of Psychology, 68, 465-489 — apprendre de ses erreurs. — [résumé]
• Metcalfe, J., & Kornell, N. (2005). Journal of Memory and Language — région d'apprentissage proximal. — [résumé]
• Mitchum, A. L., Kelley, C. M., & Fox, M. C. (2016). When asking the question changes the ultimate answer: metamemory judgments change memory. Journal of Experimental Psychology: General, 145(2), 200-219. DOI 10.1037/a0039923 — [résumé, texte complet non obtenu]
• Monsell, S. (2003). Trends in Cognitive Sciences, 7, 134-140 — coûts de commutation de tâche. — [résumé]
• Murre, J. M. J., & Dros, J. (2015). PLOS ONE, 10(7) — réplication de la courbe d'oubli d'Ebbinghaus et économies de réapprentissage. — [lu]
• Nakata, T., & Suzuki, Y. (2019). Studies in Second Language Acquisition, 41(2) — interférence entre mots sémantiquement reliés. — [résumé]
• Nour, R., & Harris, J. (2025). Cureus — perception de charge et de réussite chez les utilisateurs de cartes de révision en médecine. Chiffre cité sans son protocole : effectif, formulation des questions et mode de recrutement inconnus ici. — [résumé, texte complet non obtenu]
• Page, G., & Bordage, G. (1995). Problèmes à éléments clés : validité. — [résumé]
• Pan, S. C., & Rickard, T. C. (2018). Psychological Bulletin, 144(7), 710-756 — méta-analyse du transfert du rappel. DOI 10.1037/bul0000151 — [lu]
• Pashler, H., Cepeda, N. J., Wixted, J. T., & Rohrer, D. (2005). When does feedback facilitate learning of words? Journal of Experimental Psychology: Learning, Memory, and Cognition, 31(1), 3-8. DOI 10.1037/0278-7393.31.1.3 — [lu]
• Patall, E. A., Cooper, H., & Robinson, J. C. (2008). Psychological Bulletin, 134(2), 270-300 — méta-analyse du choix et de la motivation. DOI 10.1037/0033-2909.134.2.270 — [lu]
• Rawson, K. A., & Dunlosky, J. (2011). Optimizing schedules of retrieval practice for durable and efficient learning: how much is enough? Journal of Experimental Psychology: General, 140(3), 283-302. DOI 10.1037/a0023956 — [lu, PDF scanné, lu page par page sous forme d'images]
• Rawson, K. A., Dunlosky, J., & Sciartelli, S. M. (2013). The power of successive relearning: improving performance on course exams and long-term retention. Educational Psychology Review, 25(4), 523-548. DOI 10.1007/s10648-013-9240-4 — [lu]
• Rawson, K. A., Thomas, R. C., & Jacoby, L. L. (2015). The power of examples: illustrative examples enhance conceptual learning of declarative concepts. Educational Psychology Review, 27(3), 483-504. DOI 10.1007/s10648-014-9273-3 — [résumé]
• Rhodes, M. G., & Castel, A. D. (2008). Journal of Experimental Psychology: General, 137(4), 615-625 — illusion de savoir créée par la reconnaissance. — [résumé]
• Richland, L. E., Kornell, N., & Kao, L. S. (2009). Journal of Experimental Psychology: Applied, 15(3), 243-257 — effet de pré-test sur texte en prose. — [lu]
• Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: taking memory tests improves long-term retention. Psychological Science, 17(3), 249-255. DOI 10.1111/j.1467-9280.2006.01693.x — [lu]
• Rohrer, D., Dedrick, R. F., & Stershic, S. (2015). Journal of Educational Psychology — entrelacement des exercices de mathématiques. — [lu]
• Rohrer, D., Dedrick, R. F., Hartwig, M. K., & Cheung, C.-N. (2020). Journal of Educational Psychology — essai randomisé prédéclaré, 54 classes. — [lu]
• Rowland, C. A. (2014). The effect of testing versus restudy on retention: a meta-analytic review of the testing effect. Psychological Bulletin, 140(6), 1432-1463. DOI 10.1037/a0037559 — [lu]
• Sana, F., & Yan, V. X. (2022). Psychological Science, 33(5), 782-788 — quiz entrelacés en classe. — [lu]
• Sargent, C., & Curcio, A. (2012). Journal of Legal Education — évaluations formatives dans un cours de droit. — [résumé]
• Schwartz, D. L., & Bransford, J. D. (1998). A time for telling. Cognition and Instruction, 16(4), 475-522. — [lu]
• Settles, B., & Meeder, B. (2016). Actes de la conférence ACL 2016, 1848-1858 — régression de demi-vie (Duolingo). Article de conférence, non publié en revue à comité de lecture. — [lu]
• Sinha, T., & Kapur, M. (2021). Review of Educational Research — « productive failure », 53 études. — [résumé]
• Soderstrom, N. C., & Bjork, R. A. (2015). Learning versus performance: an integrative review. Perspectives on Psychological Science, 10(2), 176-199. DOI 10.1177/1745691615569000 — [lu]
• St. Hilaire, K. J., Chan, J. C. K., & Ahn, D. (2024). Guessing as a learning intervention: a meta-analytic review of the prequestion effect. Psychonomic Bulletin & Review, 31(1), 12-35. DOI 10.3758/s13423-023-02353-8. Citée « 2023 » dans le texte, année de sa parution en ligne. — [lu]
• Stone, C. L. (1983). A meta-analysis of advance organizer studies. Journal of Experimental Education, 51(4), 194-199. DOI 10.1080/00220973.1983.11011862 — [non obtenu ; aucun chiffre n'en est tiré]
• Sweller, J. (1988) ; Sweller, J., van Merriënboer, J., & Paas, F. (1998) — charge cognitive ; Kalyuga, S. — inversion de l'expertise ; van Merriënboer, J. — modèle 4C/ID ; Merrill, M. D. — théorie de la présentation des contenus ; Schmidt, H. G., & Boshuizen, H. P. A. (2007) — développement de l'expertise médicale ; Cowan, N. — mémoire de travail. Cadres théoriques. — [non rouverts]
• Tabibian, B., Upadhyay, U., De, A., Zarezade, A., Schölkopf, B., & Gomez-Rodriguez, M. (2019). Enhancing human learning via spaced repetition optimization. Proceedings of the National Academy of Sciences, 116(10), 3988-3993. DOI 10.1073/pnas.1815156116 — [lu]
• Tannenbaum, S. I., & Cerasoli, C. P. (2013). Do team and individual debriefs enhance performance? A meta-analysis. Human Factors, 55(1), 231-245. DOI 10.1177/0018720812448394 — [lu]
• Tinkham, T. (1997) — interférence entre mots sémantiquement reliés. — [résumé]
• Wilson, R. C., Shenhav, A., Straccia, M., & Cohen, J. D. (2019). Nature Communications, 10:4646 — règle des 85 %, démontrée par dérivation et simulation sur des algorithmes. — [lu]
• Wohl, M. J. A., Pychyl, T. A., & Bennett, S. H. (2010). Personality and Individual Differences, 48(7), 803-808 — auto-pardon et procrastination. — [résumé]
• Yang, C., Luo, L., Vadillo, M. A., Yu, R., & Shanks, D. R. (2021). Testing (quizzing) boosts classroom learning: a systematic and meta-analytic review. Psychological Bulletin, 147(4), 399-435. DOI 10.1037/bul0000309 — [lu]

13.2 Sources non évaluées par les pairs, citées comme illustration [C]

Ces sources ne démontrent rien et ne sont jamais employées comme preuve. Elles apparaissent parce qu'elles décrivent des pratiques réellement répandues, et que le silence sur ces pratiques serait une omission.

• Banc d'essai communautaire des algorithmes de répétition espacée (open-spaced-repetition/srs-benchmark) : mesure de qualité de prédiction produite par l'équipe qui développe l'algorithme, sur des utilisateurs auto-sélectionnés.
• Documentation de l'algorithme FSRS et manuel du logiciel de cartes de révision Anki : traitement des échecs, suspension des cartes dites « sangsues ».
• Notes publiques d'Andy Matuschak : opinion de praticien sur les phrases à trous comparées aux paires question-réponse.
• Guides communautaires de préparation à l'examen national de médecine américain : volumes quotidiens de cartes de révision.
• Rapports d'entreprise Duolingo : mécaniques de séries à ne pas briser.
• Guides méthodologiques du droit français : formats d'épreuves.
• Règles de formulation du logiciel SuperMemo (Wozniak) : atomicité, principe d'information minimale.

Annexe A. Journal des versions

Ce document est tenu comme une revue vivante : il est destiné à être corrigé, et chaque correction est datée plutôt que silencieuse. Les versions antérieures ne sont pas réécrites : ce qu'elles affirmaient à tort est signalé sur place dans le texte actuel.

Version 1 et 2 (2026-08-09). Première mise en ordre des connaissances. La plupart des études étaient alors connues par leur seul résumé.

Version 2.1 (2026-08-11). Définition des mesures d'effet ; distinction explicite entre étude lue en texte complet et étude lue au seul résumé ; signalement de chaque chiffre cité sans son protocole.

Version 3 (2026-08-12). Quarante-huit articles obtenus en texte intégral et lus page par page, chaque affirmation porteuse confrontée à son article d'origine. Ce travail a produit deux choses. D'abord, les protocoles et les niveaux bruts sont donnés dans le texte : on peut juger un chiffre au lieu de le croire. Ensuite, une quinzaine d'affirmations des versions précédentes étaient inexactes et sont corrigées, chacune signalée sur place. Les corrections vont dans les deux sens : quatre appuis se révèlent plus faibles qu'annoncé (les notes guidées à trous, la révélation de l'axe de distinction après la tentative, le gain d'algorithme de Duolingo, la dose de rappel optimale), plusieurs autres plus précis et plus utilisables. La section 4.5, qui porte la seule recommandation de dose chiffrée du champ, est entièrement réécrite.

Version 4 (2026-08-12). Trois changements de nature différente.

1. Le document devient publiable hors du contexte qui l'a produit. Tout ce qui décrivait une application de révision particulière, ses choix de conception, ses mesures internes et ses bancs d'essai en a été retiré, et conservé ailleurs sans être détruit. Les affirmations qui en dépendaient sont soit reformulées comme énoncés de littérature, soit requalifiées en constat d'absence, c'est-à-dire en questions que personne n'a étudiées.
2. L'appareil d'une revue est mis en place : question de recherche et périmètre déclarés (section 1), méthode décrite y compris dans ses défauts (section 2), déclaration de fabrication et d'usage de l'intelligence artificielle (section 2.9), second axe de « distance au cas d'usage » appliqué à soixante-douze affirmations (section 2.7), sept tableaux de preuve, trois figures, discussion et programme de recherche (section 11).
3. Cinq travaux majeurs qui manquaient sont lus et intégrés : les deux méta-analyses de l'effet de test (Rowland 2014 en laboratoire, Yang et al. 2021 en classe réelle, 222 études et 48 478 élèves), la méta-analyse qui croise espacement et rappel (Latimier, Peyre & Ramus 2021), le cadre théorique apprentissage contre performance (Soderstrom & Bjork 2015), et la méta-analyse historique du retour d'information (Kluger & DeNisi 1996), qui corrige une affirmation fausse de ce document : il y était écrit que le retour d'information est décisif, sans mentionner que plus d'un tiers des interventions dégradent la performance.

Version 4.1 (2026-08-20). Une correction, sur le passage le plus repris de ce document : les quatre intervalles optimaux de Cepeda et al. (2008), en section 3.1.

Ce qui a déclenché la relecture est une incohérence interne : la version 4 écrivait « environ 1 jour pour un test à 7 jours (soit 43 % du délai) », or 1 jour sur 7 fait 14 %. L'article a été relu. C'est le nombre de jours qui était faux : 3 jours, et non 1. La série interpolée qu'il publie pour le rappel écrit est 3, 8, 12 et 27 jours, soit 43 %, 23 %, 17 % et 8 % des quatre échéances. La version 4 se trompait donc deux fois : sur la première valeur (1 jour au lieu de 3) et sur la dernière (21 jours et 6 % au lieu de 27 jours et 8 %). Les deux erreurs ont la même origine : l'article publie DEUX séries de chiffres, le meilleur des intervalles réellement essayés (1, 11, 21 et 21 jours) et le sommet d'une courbe ajustée sur ces points (3, 8, 12 et 27 jours), et deux valeurs de la première série s'étaient glissées dans la seconde.

Trois ajouts accompagnent la correction. Les deux séries sont désormais distinguées explicitement, avec la liste des intervalles réellement essayés à chaque échéance, pour que le lecteur voie à quel point la grille est grossière. La fourchette « 20 à 40 % à une semaine, 5 à 10 % à un an » est rendue à ce qu'elle est : l'enveloppe du rappel écrit et de la reconnaissance, et non un arrondi d'une seule série. Enfin, le gain apporté par le bon intervalle est donné échéance par échéance (+10 %, +59 %, +111 %, +77 %), tel que l'article l'imprime, au lieu d'un exemple chiffré qui avait été lu sur une figure. La section 3.4 et la figure 1 sont mises à jour.

Annexe B. Déclarations

Financement. Aucun financement, public ou privé, n'a été reçu pour la préparation de ce document. Aucune institution ne l'a commandé.

Conflits d'intérêts. Les auteurs de ce document travaillent par ailleurs à la conception d'un outil d'aide à la révision. C'est un conflit d'intérêts potentiel et il est déclaré ici sans être minimisé : une équipe qui construit un tel outil a intérêt à ce que la littérature soutienne les techniques qu'elle met en œuvre. Trois éléments permettent au lecteur d'en juger par lui-même plutôt que sur parole. Le produit n'est ni nommé, ni décrit, ni comparé nulle part dans ce document, et aucune recommandation n'y renvoie. Les conclusions défavorables ont été conservées et sont visibles : l'alternance de matières sans lien est déclarée sans effet, les notes guidées à trous sont écartées, les calendriers adaptatifs sont ramenés à un gain d'efficience sans gain d'apprentissage démontré, et une affirmation antérieure sur le retour d'information est déclarée fausse. Enfin, les douze questions sans réponse publiée sont énumérées au chapitre 10, y compris celles dont l'absence de réponse est la plus embarrassante pour quiconque voudrait justifier un choix de conception.

Usage de l'intelligence artificielle. Déclaré en section 2.9. En résumé : la lecture des articles, l'extraction des données et la rédaction ont été faites par des modèles de langage ; aucune vérification humaine indépendante n'a eu lieu.

Évaluation par les pairs. Ce document n'a pas été évalué par les pairs, et il ne prétend pas l'avoir été. Aucune relecture externe n'a eu lieu à ce jour.

Licence et droits. Ce document est publié sous licence Creative Commons Attribution, pas d'utilisation commerciale, partage dans les mêmes conditions (CC BY-NC-SA 4.0). En clair : vous pouvez le copier, l'imprimer, le traduire et le distribuer, y compris à vos étudiants, à trois conditions — citer la source, ne pas en faire un usage commercial, et placer toute version dérivée sous la même licence. Les trois figures ont été redessinées à partir des valeurs publiées dans les articles cités, et non reproduites : aucune figure d'origine n'est copiée, et elles sont couvertes par la même licence que le texte. Les articles lus, eux, appartiennent à leurs éditeurs et ne sont pas redistribués.

Absence d'identifiant permanent. Ce document est publié sur un site, à l'adresse https://nokital.fr/revue, et sans identifiant permanent de type DOI. Deux conséquences, à connaître avant de le citer : il n'est pas repérable par les moteurs de recherche académiques, et rien ne garantit que l'adresse survive à une refonte du site. Un lecteur qui souhaite le citer durablement a intérêt à en conserver une copie datée, ce que la licence lui permet expressément.

Comment corriger ce document. Toute erreur signalée sera corrigée dans une version datée, et la correction apparaîtra dans le journal des versions plutôt que d'être passée sous silence. Les affirmations les plus fragiles sont celles marquées [A rés.], et c'est par là qu'il faut commencer.