{"id":161817,"date":"2018-06-01T07:00:00","date_gmt":"2018-06-01T07:00:00","guid":{"rendered":"https:\/\/www.supermemo.com\/?p=161817"},"modified":"2026-07-27T08:42:16","modified_gmt":"2026-07-27T08:42:16","slug":"la-veritable-histoire-de-la-repetition-espacee","status":"publish","type":"post","link":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee","title":{"rendered":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e"},"content":{"rendered":"<div class=\"container\"><div class=\"row\"><div class=\"col-md-10 col-lg-9 col-xl-8 mx-auto\"><div class=\"entry-content\">\n<p class=\"wp-block-paragraph\">Dr Piotr Wozniak, juin 2018<\/p>\n\n<h2 class=\"wp-block-heading\">Sommaire<\/h2>\n\n<ul class=\"wp-block-list\"><li><a href=\"#Intro\">Introduction<\/a><\/li><li><a href=\"#1985\">1985&nbsp;: naissance de SuperMemo<\/a><\/li><li><a href=\"#1986\">1986&nbsp;: les premiers pas de SuperMemo<\/a><\/li><li><a href=\"#1987\">1987&nbsp;: SuperMemo 1.0 pour DOS<\/a><\/li><li><a href=\"#1988\">1988&nbsp;: les deux composantes de la m\u00e9moire<\/a><\/li><li><a href=\"#1989\">1989&nbsp;: SuperMemo s&rsquo;adapte \u00e0 la m\u00e9moire de l&rsquo;utilisateur<\/a><\/li><li><a href=\"#1990\">1990&nbsp;: une formule universelle pour la m\u00e9moire<\/a><\/li><li><a href=\"#1991\">1991&nbsp;: l&rsquo;exploitation des courbes d&rsquo;oubli<\/a><\/li><li><a href=\"#1994\">1994&nbsp;: la nature exponentielle de l&rsquo;oubli<\/a><\/li><li><a href=\"#1995\">1995&nbsp;: SuperMemo hyperm\u00e9dia<\/a><\/li><li><a href=\"#1997\">1997&nbsp;: l&rsquo;exploitation des r\u00e9seaux de neurones<\/a><\/li><li><a href=\"#1999\">1999&nbsp;: le choix du nom&nbsp;: \u00ab r\u00e9p\u00e9tition espac\u00e9e \u00bb<\/a><\/li><li><a href=\"#2005\">2005&nbsp;: la fonction d&rsquo;augmentation de la stabilit\u00e9<\/a><\/li><li><a href=\"#2014\">2014&nbsp;: l&rsquo;algorithme SM-17<\/a><\/li><li><a href=\"#Expo\">L&rsquo;adoption exponentielle de la r\u00e9p\u00e9tition espac\u00e9e<\/a><\/li><li><a href=\"#Summ\">R\u00e9sum\u00e9 de la recherche sur la m\u00e9moire<\/a><\/li><li><a href=\"#anatomy\">L&rsquo;anatomie de l&rsquo;\u00e9chec et de la r\u00e9ussite<\/a><\/li><\/ul>\n\n<h1 class=\"wp-block-heading\"><div id=\"Intro\">Introduction<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">La v\u00e9ritable histoire<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;histoire populaire de la r\u00e9p\u00e9tition espac\u00e9e est pleine de mythes et de contrev\u00e9rit\u00e9s. Ce texte se propose de vous raconter la v\u00e9ritable histoire. Le probl\u00e8me avec la r\u00e9p\u00e9tition espac\u00e9e, c&rsquo;est qu&rsquo;elle est devenue trop populaire pour se r\u00e9pliquer fid\u00e8lement. Comme un virus qui mute rapidement, elle saute d&rsquo;application en application, racontant sa propre histoire tout en accumulant des erreurs en chemin.<\/p>\n\n<h2 class=\"wp-block-heading\">Qui a invent\u00e9 la r\u00e9p\u00e9tition espac\u00e9e&nbsp;?<\/h2>\n\n<p class=\"wp-block-paragraph\">Voici l&rsquo;histoire de la fa\u00e7on dont j&rsquo;ai r\u00e9solu le probl\u00e8me de l&rsquo;oubli. J&rsquo;ai trouv\u00e9 comment apprendre efficacement. La modestie est une perte de temps, j&rsquo;ajouterai donc que je pense r\u00e9ellement savoir comment amplifier significativement l&rsquo;intelligence humaine. En r\u00e9sum\u00e9&nbsp;: la m\u00e9moire sous-tend la connaissance, qui sous-tend l&rsquo;intelligence. Si nous pouvons contr\u00f4ler ce que nous stockons en m\u00e9moire et ce que nous oublions, nous pouvons contr\u00f4ler notre capacit\u00e9 \u00e0 r\u00e9soudre des probl\u00e8mes. De la m\u00eame mani\u00e8re, nous pouvons aussi amplifier l&rsquo;intelligence artificielle. C&rsquo;est un grand soulagement de pouvoir enfin \u00e9crire ces mots fiers, apr\u00e8s tant d&rsquo;ann\u00e9es sous le b\u00e2illon impos\u00e9 par des consid\u00e9rations commerciales.<\/p>\n\n<p class=\"wp-block-paragraph\">Au d\u00e9but des ann\u00e9es 1990, je pensais savoir comment retourner les syst\u00e8mes \u00e9ducatifs du monde entier et les faire fonctionner pour tous les \u00e9l\u00e8ves. Cependant, tout changement majeur exige un basculement de paradigme culturel. Il ne suffit pas qu&rsquo;un \u00e9tudiant pauvre d&rsquo;un pays communiste pauvre annonce un potentiel de changement. Je l&rsquo;ai fait, dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>, mais mes id\u00e9es ont suscit\u00e9 peu d&rsquo;int\u00e9r\u00eat. M\u00eame ma propre famille se montrait d\u00e9daigneuse. Heureusement, j&rsquo;ai rencontr\u00e9 \u00e0 l&rsquo;universit\u00e9 quelques amis brillants qui ont d\u00e9cid\u00e9 d&rsquo;utiliser mes id\u00e9es pour monter une entreprise. Tout comme Microsoft a chang\u00e9 le monde de l&rsquo;informatique personnelle, nous allions changer la fa\u00e7on dont les gens apprennent. Nous poss\u00e9dions un outil d&rsquo;apprentissage puissant&nbsp;:&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo<\/a>. Cependant, pour que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo<\/a>&nbsp;puisse conqu\u00e9rir le monde, il devait un temps renoncer \u00e0 ses origines. Pour convaincre les autres,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;devait \u00eatre pr\u00e9sent\u00e9 comme le produit d&rsquo;une science pure. Il ne pouvait pas \u00eatre simplement une id\u00e9e con\u00e7ue par un humble \u00e9tudiant.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour ancrer&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;dans la science, nous avons fait un effort consid\u00e9rable pour publier nos id\u00e9es dans une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/ANE1994\" rel=\"noreferrer noopener\" target=\"_blank\">revue \u00e0 comit\u00e9 de lecture<\/a>, adopt\u00e9 un terme scientifique alors peu connu, \u00ab &nbsp;<em>r\u00e9p\u00e9tition espac\u00e9e&nbsp;<\/em> \u00bb, et replac\u00e9 notre technologie d&rsquo;apprentissage dans le contexte des th\u00e9ories de l&rsquo;apprentissage et de l&rsquo;histoire de la recherche en psychologie. Je suis tr\u00e8s sceptique \u00e0 l&rsquo;\u00e9gard des \u00e9coles, des dipl\u00f4mes et des titres. Pourtant, je suis m\u00eame all\u00e9 jusqu&rsquo;\u00e0 obtenir un doctorat en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Economics_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9conomie de l&rsquo;apprentissage<\/a>, pour donner du cr\u00e9dit \u00e0 mes propos.<\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, alors que la r\u00e9p\u00e9tition espac\u00e9e appara\u00eet enfin dans des centaines d&rsquo;outils, d&rsquo;applications et de services d&rsquo;apprentissage respectables, nous pouvons enfin revendiquer nos droits et planter le drapeau au sommet. Le nombre d&rsquo;utilisateurs atteint d\u00e9sormais&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_growth_of_the_popularity_of_Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">plusieurs centaines de millions<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Si vous lisez SuperMemopedia&nbsp;<a href=\"http:\/\/supermemopedia.com\/wiki\/Who_invented_spaced_repetition?\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>, vous pourriez conclure que&nbsp;<em>\u00ab Personne ne devrait jamais revendiquer la d\u00e9couverte de la r\u00e9p\u00e9tition espac\u00e9e \u00bb<\/em>. Je me permets de ne pas \u00eatre d&rsquo;accord. Dans ce texte, je vais revendiquer l&rsquo;entier cr\u00e9dit de la d\u00e9couverte, ainsi qu&rsquo;une part solide du cr\u00e9dit pour la diffusion de l&rsquo;id\u00e9e. Ma contribution \u00e0 cette derni\u00e8re s&rsquo;amenuise gr\u00e2ce \u00e0 la force de l&rsquo;id\u00e9e elle-m\u00eame et \u00e0 un cercle croissant de personnes impliqu\u00e9es dans le concept (bien au-del\u00e0 de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">notre entreprise<\/a>).<\/p>\n\n<h2 class=\"wp-block-heading\">Perp\u00e9tuer des mythes<\/h2>\n\n<p class=\"wp-block-paragraph\">C&rsquo;est&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>&nbsp;(PDG) qui a le moins de patience envers les fausses informations concernant la r\u00e9p\u00e9tition espac\u00e9e. Je vais donc attribuer ce texte et cet effort de d\u00e9mystification \u00e0 sa d\u00e9termination \u00e0 r\u00e9tablir l&rsquo;histoire dans sa v\u00e9rit\u00e9. SuperMemo pour DOS est n\u00e9 il y a 30 ans (1987). Rendons-lui un peu hommage.<\/p>\n\n<p class=\"wp-block-paragraph\">Si vous croyez qu&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Ebbinghaus\" rel=\"noreferrer noopener\" target=\"_blank\">Ebbinghaus<\/a>&nbsp;a invent\u00e9 la r\u00e9p\u00e9tition espac\u00e9e en 1885, je vous prie de m&rsquo;excuser. En r\u00e9digeant l&rsquo;&nbsp;<a href=\"http:\/\/super-memory.com\/english\/history.htm\" rel=\"nofollow noopener\" target=\"_blank\">histoire de SuperMemo<\/a>, nous avons plac\u00e9 le nom du v\u00e9n\u00e9rable psychologue allemand en t\u00eate de la liste chronologique, et le mythe est n\u00e9. Ebbinghaus n&rsquo;a jamais travaill\u00e9 sur la r\u00e9p\u00e9tition espac\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c9crire sur l&rsquo;histoire de la r\u00e9p\u00e9tition espac\u00e9e n&rsquo;est pas facile. Chaque fois que nous le faisons, nous engendrons davantage de mythes par des distorsions et des malentendus. Soyons donc clairs et cat\u00e9goriques. Il y a eu \u00e9norm\u00e9ment de recherches sur la m\u00e9moire avant&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Cependant, chaque fois que je distribue g\u00e9n\u00e9reusement les cr\u00e9dits, gardez \u00e0 l&rsquo;esprit les mots de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Biedalak\" rel=\"noreferrer noopener\" target=\"_blank\">Biedalak<\/a>&nbsp;:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Si&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;est une navette spatiale, il faut reconna\u00eetre le travail ant\u00e9rieur effectu\u00e9 sur des bicyclettes. Pendant ce temps, notre concurrence s&rsquo;efforce de reproduire notre navette, mais ses efforts rappellent le&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Buran_(spacecraft)\" rel=\"nofollow noopener\" target=\"_blank\">programme sovi\u00e9tique Bourane<\/a>. Le Bourane a au moins effectu\u00e9 un vol spatial. Il \u00e9tait inhabit\u00e9<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ce texte vise \u00e0 r\u00e9tablir les faits et \u00e0 d\u00e9voiler ouvertement les premiers pas de la r\u00e9p\u00e9tition espac\u00e9e. C&rsquo;est une incursion amusante dans le pass\u00e9, qui me procure un plaisir particulier avec ce sentiment de \u00ab mission accomplie \u00bb. Maintenant que nous pouvons qualifier notre entreprise de succ\u00e8s mondial, il n&rsquo;est plus besoin de la rendre plus respectable qu&rsquo;elle ne l&rsquo;est r\u00e9ellement. Nul besoin de la rendre plus scientifique, plus historique, ou plus certifi\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">La r\u00e9p\u00e9tition espac\u00e9e est l\u00e0, et elle est l\u00e0 pour rester. Nous l&rsquo;avons fait&nbsp;!<\/p>\n\n<h2 class=\"wp-block-heading\">Remerciements<\/h2>\n\n<p class=\"wp-block-paragraph\">La liste des contributeurs \u00e0 l&rsquo;id\u00e9e de r\u00e9p\u00e9tition espac\u00e9e est trop longue pour figurer dans ce court article. Certains noms n&rsquo;y apparaissent pas simplement parce que le temps qui m&rsquo;\u00e9tait allou\u00e9 pour d\u00e9crire leurs efforts s&rsquo;est \u00e9coul\u00e9. Le Dr Phil Pavlik a probablement produit les id\u00e9es les plus fra\u00eeches dans ce domaine. Toute une s\u00e9rie de chercheurs en m\u00e9moire \u00e9tudient l&rsquo;impact de l&rsquo;espacement sur la m\u00e9moire. Duolingo et Quizlet sont des concurrents de premier plan qui ont eu un impact puissant sur la bonne promotion de l&rsquo;id\u00e9e. J&rsquo;ai omis de citer beaucoup de mes fantastiques enseignants qui ont inspir\u00e9 ma r\u00e9flexion. Toute l&rsquo;\u00e9quipe de personnes travailleuses et talentueuses de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;m\u00e9riterait \u00e9galement une mention. Les utilisateurs de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;apportent constamment des suggestions incroyables qui alimentent de nouveaux progr\u00e8s. Le prix de l&rsquo;explication la plus marquante de la r\u00e9p\u00e9tition espac\u00e9e devrait revenir \u00e0&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Gary_Wolf_on_the_history_of_spaced_repetition\" rel=\"noreferrer noopener\" target=\"_blank\">Gary Wolf<\/a>&nbsp;de Wired, mais il y en a eu bien d&rsquo;autres. Peut-\u00eatre qu&rsquo;un autre jour, j&rsquo;aurai plus de temps pour \u00e9crire en d\u00e9tail sur toutes ces personnes formidables.<\/p>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1985\">1985&nbsp;: naissance de SuperMemo<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">La qu\u00eate d&rsquo;un meilleur apprentissage<\/h2>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai pass\u00e9 22 longues ann\u00e9es dans le syst\u00e8me \u00e9ducatif. Les vieilles v\u00e9rit\u00e9s sur la scolarit\u00e9 correspondent parfaitement \u00e0 mon cas.&nbsp;<a href=\"http:\/\/www.azquotes.com\/quote\/1425085\" rel=\"nofollow noopener\" target=\"_blank\">Je n&rsquo;ai jamais aim\u00e9 l&rsquo;\u00e9cole, mais j&rsquo;ai toujours aim\u00e9 apprendre<\/a>.&nbsp;<a href=\"http:\/\/www.azquotes.com\/quote\/298644\" rel=\"nofollow noopener\" target=\"_blank\">Je n&rsquo;ai jamais laiss\u00e9 l&rsquo;\u00e9cole interf\u00e9rer avec mon apprentissage<\/a>. \u00c0 mon entr\u00e9e \u00e0 l&rsquo;universit\u00e9, apr\u00e8s 12 ans dans le syst\u00e8me scolaire public, j&rsquo;aimais encore apprendre. La scolarit\u00e9 n&rsquo;a pas d\u00e9truit cet amour, pour deux raisons principales&nbsp;: (1) le syst\u00e8me \u00e9tait cl\u00e9ment avec moi, et (2) j&rsquo;avais toute libert\u00e9 d&rsquo;apprendre ce qui me plaisait \u00e0 la maison. Dans la Pologne communiste, je n&rsquo;ai jamais vraiment subi le fouet toxique d&rsquo;une scolarit\u00e9 pesante. Le syst\u00e8me \u00e9tait n\u00e9gligent, et j&rsquo;aimais les libert\u00e9s qui en r\u00e9sultaient.<\/p>\n\n<p class=\"wp-block-paragraph\">Nous savons tous que le meilleur apprentissage na\u00eet de la passion. Il est aliment\u00e9 par le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Learn_drive\" rel=\"noreferrer noopener\" target=\"_blank\">besoin d&rsquo;apprendre<\/a>. Mon besoin d&rsquo;apprendre \u00e9tait fort, m\u00eal\u00e9 d&rsquo;un peu de frustration. Plus j&rsquo;apprenais, plus je constatais la puissance de l&rsquo;oubli. Je ne pouvais pas rem\u00e9dier \u00e0 l&rsquo;oubli en apprenant davantage. Ma m\u00e9moire n&rsquo;\u00e9tait pas mauvaise par rapport \u00e0 celle des autres \u00e9tudiants, mais c&rsquo;\u00e9tait clairement un r\u00e9cipient perc\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1982, j&rsquo;ai pr\u00eat\u00e9 plus d&rsquo;attention \u00e0 ce que la plupart des \u00e9tudiants d\u00e9couvrent t\u00f4t ou tard&nbsp;: l&rsquo;&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Testing_effect\" rel=\"nofollow noopener\" target=\"_blank\">effet de test<\/a>. J&rsquo;ai commenc\u00e9 \u00e0 formuler mes connaissances pour le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Active_recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel actif<\/a>. J&rsquo;\u00e9crivais les questions sur la partie gauche d&rsquo;une page et les r\u00e9ponses dans une colonne s\u00e9par\u00e9e \u00e0 droite&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"500\" height=\"257\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs.jpg\" alt=\"\" class=\"wp-image-53041\" srcset=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs.jpg 500w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-350x180.jpg 350w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-304x156.jpg 304w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-320x164.jpg 320w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-260x134.jpg 260w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-245x126.jpg 245w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-200x103.jpg 200w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-117x60.jpg 117w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-110x57.jpg 110w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-175x90.jpg 175w, https:\/\/www.supermemo.com\/wp-content\/uploads\/500px-Woz_Pol-Eng_word_pairs-160x82.jpg 160w\" sizes=\"auto, (max-width: 500px) 100vw, 500px\" \/><\/figure>\n\n<p class=\"wp-block-paragraph\">Ainsi, je pouvais couvrir les r\u00e9ponses avec une feuille de papier, et exploiter le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Active_recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel actif<\/a>&nbsp;pour obtenir un meilleur effet m\u00e9moriel de la r\u00e9vision. C&rsquo;\u00e9tait un processus lent, mais l&rsquo;efficacit\u00e9 de l&rsquo;apprentissage a augment\u00e9 de fa\u00e7on spectaculaire. Mes carnets de l&rsquo;\u00e9poque sont d\u00e9crits comme du <em>\u00ab mat\u00e9riau d&rsquo;assimilation rapide \u00bb<\/em>, en r\u00e9f\u00e9rence \u00e0 la fa\u00e7on dont mes connaissances \u00e9taient consign\u00e9es.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es 1982-1983, j&rsquo;ai continu\u00e9 \u00e0 d\u00e9velopper mes connaissances \u00ab d&rsquo;assimilation rapide \u00bb en biochimie et en anglais. Je r\u00e9visais mes pages d&rsquo;informations de temps \u00e0 autre pour r\u00e9duire l&rsquo;oubli. Ma r\u00e9tention s&rsquo;am\u00e9liorait, mais ce n&rsquo;\u00e9tait qu&rsquo;une question de temps avant que je heurte \u00e0 nouveau le mur. Plus j&rsquo;avais de pages, moins la r\u00e9vision \u00e9tait fr\u00e9quente, et plus le probl\u00e8me de la m\u00e9moire qui fuit devenait \u00e9vident. Voici un exemple d&rsquo;historique de r\u00e9p\u00e9titions de cette \u00e9poque&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"300\" height=\"222\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table.jpg\" alt=\"\" class=\"wp-image-53055\" srcset=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table.jpg 300w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-211x156.jpg 211w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-260x192.jpg 260w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-245x181.jpg 245w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-200x148.jpg 200w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-81x60.jpg 81w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-110x81.jpg 110w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-122x90.jpg 122w, https:\/\/www.supermemo.com\/wp-content\/uploads\/300px-Woz_review_table-111x82.jpg 111w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/figure>\n\n<p class=\"wp-block-paragraph\">Entre juin 1982 et d\u00e9cembre 1984, mon carnet de paires de mots anglais-polonais comptait 79 pages qui ressemblaient \u00e0 ceci&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"3070\" height=\"2067\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/English-Polish_word_pairs_Wozniak_1982.jpg\" alt=\"\" class=\"wp-image-33162\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Une page typique de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">mon<\/a>&nbsp;carnet de mots anglais-polonais commenc\u00e9 en juin 1982. Les paires de mots \u00e9taient list\u00e9es \u00e0 gauche. L&rsquo;historique de r\u00e9vision \u00e9tait consign\u00e9 \u00e0 droite. Les erreurs de rappel \u00e9taient marqu\u00e9es par des points au milieu<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ces 79 pages ne repr\u00e9sentaient qu&rsquo;\u00e0 peine 2794 mots. Ce n&rsquo;\u00e9tait qu&rsquo;une fraction de ce dont j&rsquo;avais besoin, et d\u00e9j\u00e0 un vrai casse-t\u00eate \u00e0 r\u00e9viser. Il est int\u00e9ressant de noter que j&rsquo;ai commenc\u00e9 \u00e0 apprendre l&rsquo;anglais de fa\u00e7on active, c&rsquo;est-\u00e0-dire en utilisant des paires de mots polonais-anglais, seulement en 1984, soit avec deux ans de retard. J&rsquo;ai simplement mis du temps \u00e0 d\u00e9couvrir que la connaissance passive du vocabulaire suffit pour la lecture, mais pas pour parler une langue. Cette forme d&rsquo;ignorance apr\u00e8s 6 ann\u00e9es de scolarit\u00e9 est la norme. Les \u00e9coles font beaucoup de bachotage, mais \u00e9clairent bien peu sur ce qui rend l&rsquo;apprentissage efficace.<\/p>\n\n<p class=\"wp-block-paragraph\">Fin 1984, j&rsquo;ai d\u00e9cid\u00e9 d&rsquo;am\u00e9liorer le processus de r\u00e9vision et de mener une exp\u00e9rience qui a chang\u00e9 ma vie. Au bout du compte, trois d\u00e9cennies plus tard, je suis extr\u00eamement fier de constater qu&rsquo;elle a en r\u00e9alit\u00e9 touch\u00e9 des millions de personnes. Elle a ouvert les vannes. Nous vivons une \u00e8re d&rsquo;apprentissage plus rapide et meilleur.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici comment cette p\u00e9riode initiale \u00e9tait d\u00e9crite dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>&nbsp;en 1990&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive&nbsp;: Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab &nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;<\/em> \u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">C&rsquo;\u00e9tait en 1982 que j&rsquo;ai fait mes premi\u00e8res observations concernant le m\u00e9canisme de la m\u00e9moire, observations qui seraient plus tard utilis\u00e9es dans la formulation de la m\u00e9thode SuperMemo. En tant qu&rsquo;\u00e9tudiant en biologie mol\u00e9culaire \u00e0 l&rsquo;\u00e9poque, j&rsquo;\u00e9tais submerg\u00e9 par la quantit\u00e9 de connaissances n\u00e9cessaires pour r\u00e9ussir les examens de math\u00e9matiques, physique, chimie, biologie, etc. Le probl\u00e8me n&rsquo;\u00e9tait pas d&rsquo;\u00eatre incapable de ma\u00eetriser ces connaissances. En g\u00e9n\u00e9ral, 2 \u00e0 3 jours d&rsquo;\u00e9tude intensive suffisaient \u00e0 me remplir la t\u00eate des donn\u00e9es n\u00e9cessaires pour passer un examen. Le point frustrant \u00e9tait que seule une fraction infime de cette sagesse nouvellement acquise pouvait rester en m\u00e9moire quelques mois apr\u00e8s l&rsquo;examen.<\/p>\n\n<p class=\"wp-block-paragraph\">Ma premi\u00e8re observation, \u00e9vidente pour tout \u00e9tudiant attentif, \u00e9tait que l&rsquo;un des \u00e9l\u00e9ments cl\u00e9s de l&rsquo;apprentissage \u00e9tait le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Active_recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel actif<\/a>. Cette observation implique que la lecture passive des livres ne suffit pas si elle n&rsquo;est pas suivie d&rsquo;une tentative de rappeler les faits appris depuis la m\u00e9moire. Le principe consistant \u00e0 fonder le processus d&rsquo;apprentissage sur le rappel sera plus tard d\u00e9sign\u00e9 sous le nom de&nbsp;<strong>principe du rappel actif<\/strong>. Le processus de rappel est bien plus rapide, et non moins efficace, si les questions pos\u00e9es par l&rsquo;\u00e9tudiant sont sp\u00e9cifiques plut\u00f4t que g\u00e9n\u00e9rales. En effet, les r\u00e9ponses aux questions g\u00e9n\u00e9rales contiennent des informations redondantes n\u00e9cessaires pour d\u00e9crire les relations entre les sous-composantes de la r\u00e9ponse.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour illustrer le probl\u00e8me, imaginons une situation extr\u00eame dans laquelle un \u00e9tudiant souhaite ma\u00eetriser le contenu d&rsquo;un certain manuel, et n&rsquo;utilise qu&rsquo;une seule question dans le processus de rappel&nbsp;: Qu&rsquo;avez-vous appris de ce manuel&nbsp;? Manifestement, une information d\u00e9crivant l&rsquo;ordre des chapitres du livre serait utile pour r\u00e9pondre \u00e0 la question, mais elle est certainement redondante par rapport \u00e0 ce que l&rsquo;\u00e9tudiant veut r\u00e9ellement savoir. Le principe consistant \u00e0 fonder le processus de rappel sur des questions sp\u00e9cifiques sera plus tard d\u00e9sign\u00e9 sous le nom de&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/Minimum_information_principle\" rel=\"noreferrer noopener\" target=\"_blank\">principe d&rsquo;information minimale<\/a>&nbsp;<\/strong>. Ce principe semble justifi\u00e9 non seulement en raison de l&rsquo;\u00e9limination de la redondance.<\/p>\n\n<p class=\"wp-block-paragraph\">En gardant \u00e0 l&rsquo;esprit les principes du rappel actif et de l&rsquo;information minimale, j&rsquo;ai cr\u00e9\u00e9 mes premi\u00e8res bases de donn\u00e9es (c&rsquo;est-\u00e0-dire des ensembles de questions et de r\u00e9ponses) utilis\u00e9es dans le but de conserver les connaissances acquises en m\u00e9moire. \u00c0 cette \u00e9poque, les bases de donn\u00e9es \u00e9taient conserv\u00e9es sous forme \u00e9crite, sur papier. Ma premi\u00e8re base de donn\u00e9es a \u00e9t\u00e9 commenc\u00e9e le 6 juin 1982, et se composait de pages contenant chacune une quarantaine de paires de mots. Le premier mot d&rsquo;une paire (interpr\u00e9t\u00e9 comme une question) \u00e9tait un terme anglais, le second (interpr\u00e9t\u00e9 comme une r\u00e9ponse) \u00e9tait son \u00e9quivalent polonais. Je d\u00e9signerai ces paires sous le nom d&rsquo;&nbsp;<strong>\u00e9l\u00e9ments<\/strong>. Je r\u00e9p\u00e9tais certaines pages de la base de donn\u00e9es \u00e0 intervalles irr\u00e9guliers (d\u00e9pendant surtout de la disponibilit\u00e9 de temps), en notant toujours la date de la r\u00e9p\u00e9tition, les \u00e9l\u00e9ments non retenus et leur nombre. Cette fa\u00e7on de conserver les connaissances acquises en m\u00e9moire s&rsquo;est r\u00e9v\u00e9l\u00e9e suffisante pour une base de donn\u00e9es de taille mod\u00e9r\u00e9e, \u00e0 condition que les r\u00e9p\u00e9titions soient effectu\u00e9es suffisamment souvent.<\/p>\n\n<h2 class=\"wp-block-heading\">L&rsquo;anniversaire de la r\u00e9p\u00e9tition espac\u00e9e&nbsp;: le 31 juillet 1985<\/h2>\n\n<h3 class=\"wp-block-heading\">Intuitions<\/h3>\n\n<p class=\"wp-block-paragraph\">En 1984, mon raisonnement sur la m\u00e9moire reposait sur deux intuitions simples que tous les \u00e9tudiants ont probablement&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>si nous r\u00e9visons quelque chose deux fois, nous le retenons mieux. C&rsquo;est plut\u00f4t \u00e9vident, non&nbsp;? Si nous le r\u00e9visons 3 fois, nous le retenons probablement encore mieux<\/li><li>si nous m\u00e9morisons un ensemble de notes, elles dispara\u00eetront progressivement de la m\u00e9moire, c&rsquo;est-\u00e0-dire pas toutes en m\u00eame temps. C&rsquo;est facile \u00e0 observer dans la vie. Les souvenirs ont des dur\u00e9es de vie diff\u00e9rentes<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Ces deux intuitions devraient amener chacun \u00e0 se demander&nbsp;: \u00e0 quelle vitesse et combien de notes perdons-nous, et quand devrions-nous r\u00e9viser \u00e0 nouveau&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 ce jour, je suis toujours \u00e9tonn\u00e9 que si peu de gens aient pris la peine de mesurer cet \u00ab&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a> \u00bb. Lorsque je l&rsquo;ai mesur\u00e9 moi-m\u00eame, j&rsquo;\u00e9tais s\u00fbr de trouver des r\u00e9sultats plus pr\u00e9cis dans les ouvrages de psychologie. Je n&rsquo;en ai trouv\u00e9 aucun.<\/p>\n\n<h3 class=\"wp-block-heading\">Exp\u00e9rience<\/h3>\n\n<p class=\"wp-block-paragraph\">L&rsquo;exp\u00e9rience simple suivante a conduit \u00e0 la naissance de la r\u00e9p\u00e9tition espac\u00e9e. Elle a \u00e9t\u00e9 men\u00e9e en 1985 et d\u00e9crite pour la premi\u00e8re fois dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>&nbsp;en 1990. Elle a servi \u00e0 \u00e9tablir les intervalles optimaux pour les 5 premi\u00e8res r\u00e9p\u00e9titions de pages de connaissances. Chaque page contenait une quarantaine de paires de mots, et l&rsquo;intervalle optimal devait approcher le moment o\u00f9 environ 5 \u00e0 10&nbsp;% de ces connaissances \u00e9taient oubli\u00e9es. Naturellement, les intervalles \u00e9taient tr\u00e8s adapt\u00e9s \u00e0 ce type particulier de mat\u00e9riel d&rsquo;apprentissage et \u00e0 une personne sp\u00e9cifique, moi en l&rsquo;occurrence. De plus, pour acc\u00e9l\u00e9rer les choses, les \u00e9chantillons de mesure \u00e9taient r\u00e9duits. Notez que ce n&rsquo;\u00e9tait pas un projet de recherche. Il n&rsquo;\u00e9tait pas destin\u00e9 \u00e0 la publication. Le but \u00e9tait simplement d&rsquo;acc\u00e9l\u00e9rer mon propre apprentissage. J&rsquo;\u00e9tais convaincu que quelqu&rsquo;un d&rsquo;autre avait d\u00e9j\u00e0 mesur\u00e9 les intervalles de fa\u00e7on bien plus pr\u00e9cise, mais 13 ans avant la naissance de Google, je pensais que mesurer moi-m\u00eame les intervalles serait plus rapide que de fouiller les biblioth\u00e8ques \u00e0 la recherche de meilleures donn\u00e9es. L&rsquo;exp\u00e9rience s&rsquo;est achev\u00e9e le 24 ao\u00fbt 1985, date que j&rsquo;avais initialement d\u00e9sign\u00e9e comme l&rsquo;anniversaire de la r\u00e9p\u00e9tition espac\u00e9e. Cependant, en r\u00e9digeant ce texte en 2018, j&rsquo;ai retrouv\u00e9 le mat\u00e9riel d&rsquo;apprentissage original, et il semble que mon empressement \u00e0 apprendre m&rsquo;ait conduit \u00e0 formuler l&rsquo;\u00e9bauche d&rsquo;un algorithme et \u00e0 commencer l&rsquo;apprentissage de la biologie humaine le 31 juillet 1985.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour cette raison, je peux dire que la date de naissance la plus exacte de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;et de la r\u00e9p\u00e9tition espac\u00e9e informatis\u00e9e est le 31 juillet 1985.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 31 juillet, avant la fin de l&rsquo;exp\u00e9rience, les r\u00e9sultats semblaient d\u00e9j\u00e0 suffisamment pr\u00e9visibles. Dans les ann\u00e9es suivantes, les conclusions de cette exp\u00e9rience particuli\u00e8re se sont r\u00e9v\u00e9l\u00e9es assez universelles et ont pu \u00eatre \u00e9tendues \u00e0 davantage de domaines de connaissance et \u00e0 l&rsquo;ensemble de la population adulte en bonne sant\u00e9. M\u00eame en 2018, les param\u00e8tres par d\u00e9faut de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;ne s&rsquo;\u00e9cartent gu\u00e8re de ces conclusions rudimentaires.<\/p>\n\n<p class=\"wp-block-paragraph\">La r\u00e9p\u00e9tition espac\u00e9e est n\u00e9e le 31 juillet 1985<\/p>\n\n<p class=\"wp-block-paragraph\">Voici la description originale de l&rsquo;exp\u00e9rience, tir\u00e9e de mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>, avec de l\u00e9g\u00e8res corrections de grammaire et de style. Les passages en gras ont \u00e9t\u00e9 ajout\u00e9s en 2018 pour mettre en \u00e9vidence les points importants. Si cela vous semble ennuyeux et illisible, comparez avec&nbsp;<a href=\"http:\/\/psychclassics.yorku.ca\/Ebbinghaus\/index.htm\" rel=\"nofollow noopener\" target=\"_blank\">Ebbinghaus 1885<\/a>. C&rsquo;est le m\u00eame style d&rsquo;\u00e9criture dans le domaine de la m\u00e9moire. Seuls les objectifs diff\u00e9raient. Ebbinghaus essayait de comprendre la m\u00e9moire. 100 ans plus tard, je voulais simplement apprendre plus vite&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive&nbsp;: Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab &nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;<\/em> \u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Exp\u00e9rience destin\u00e9e \u00e0 approximer la dur\u00e9e des intervalles inter-r\u00e9p\u00e9titions optimaux<\/strong>&nbsp;(25 f\u00e9vrier 1985 &#8211; 24 ao\u00fbt 1985)&nbsp;:<\/p>\n\n<ol class=\"wp-block-list\"><li>L&rsquo;exp\u00e9rience se composait des \u00e9tapes A, B, C, etc. Chacune de ces \u00e9tapes visait \u00e0 calculer le deuxi\u00e8me, troisi\u00e8me, quatri\u00e8me, et suivants,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles inter-r\u00e9p\u00e9titions quasi optimaux<\/a>&nbsp;(le premier intervalle avait \u00e9t\u00e9 fix\u00e9 \u00e0 un jour, ce qui semblait l&rsquo;intervalle le plus adapt\u00e9 d&rsquo;apr\u00e8s les donn\u00e9es recueillies pr\u00e9c\u00e9demment). Le crit\u00e8re pour \u00e9tablir les intervalles quasi optimaux \u00e9tait qu&rsquo;ils devaient \u00eatre aussi longs que possible tout en n&rsquo;autorisant pas plus de 5&nbsp;% de perte des connaissances m\u00e9moris\u00e9es.<\/li><li>Les connaissances m\u00e9moris\u00e9es dans chacune des \u00e9tapes A, B, C se composaient de 5 pages contenant environ 40 \u00e9l\u00e9ments de la forme suivante&nbsp;:<em>Question<\/em>&nbsp;: mot anglais,<em>R\u00e9ponse<\/em>&nbsp;: son \u00e9quivalent polonais.<\/li><li>Chacune des pages utilis\u00e9es dans une \u00e9tape donn\u00e9e \u00e9tait m\u00e9moris\u00e9e en une seule session, puis r\u00e9p\u00e9t\u00e9e le jour suivant. Pour \u00e9viter toute confusion, notez que, afin de simplifier les d\u00e9veloppements ult\u00e9rieurs, j&rsquo;utilise le terme \u00ab premi\u00e8re r\u00e9p\u00e9tition \u00bb pour d\u00e9signer la m\u00e9morisation d&rsquo;un \u00e9l\u00e9ment ou d&rsquo;un groupe d&rsquo;\u00e9l\u00e9ments. Apr\u00e8s tout, les deux processus, m\u00e9morisation et r\u00e9apprentissage, ont la m\u00eame forme&nbsp;: r\u00e9pondre \u00e0 des questions jusqu&rsquo;\u00e0 ce que le nombre d&rsquo;erreurs atteigne z\u00e9ro.<\/li><li>Dans l&rsquo;\u00e9tape A (25 f\u00e9vrier &#8211; 16 mars), la troisi\u00e8me r\u00e9p\u00e9tition a \u00e9t\u00e9 effectu\u00e9e \u00e0 des intervalles de 2, 4, 6, 8 et 10 jours pour chacune des cinq pages respectivement. La perte de connaissances observ\u00e9e apr\u00e8s ces r\u00e9p\u00e9titions \u00e9tait respectivement de 0, 0, 0, 1, 17 pourcent. L&rsquo;intervalle de sept jours a \u00e9t\u00e9 choisi pour approximer le deuxi\u00e8me intervalle inter-r\u00e9p\u00e9titions quasi optimal s\u00e9parant la deuxi\u00e8me et la troisi\u00e8me r\u00e9p\u00e9tition.<\/li><li>Dans l&rsquo;\u00e9tape B (20 mars &#8211; 13 avril), la troisi\u00e8me r\u00e9p\u00e9tition a \u00e9t\u00e9 effectu\u00e9e apr\u00e8s des intervalles de sept jours, tandis que la quatri\u00e8me r\u00e9p\u00e9tition suivait apr\u00e8s 6, 8, 11, 13, 16 jours pour chacune des cinq pages respectivement. La perte de connaissances observ\u00e9e s&rsquo;\u00e9levait \u00e0 3, 0, 0, 0, 1 pourcent. L&rsquo;intervalle de 16 jours a \u00e9t\u00e9 choisi pour approximer le troisi\u00e8me intervalle quasi optimal. NB&nbsp;: il aurait \u00e9t\u00e9 scientifiquement plus valide de r\u00e9p\u00e9ter l&rsquo;\u00e9tape B avec des variantes plus longues du troisi\u00e8me intervalle, car la perte de connaissances \u00e9tait faible m\u00eame apr\u00e8s le plus long des intervalles choisis&nbsp;; cependant, j&rsquo;\u00e9tais alors trop impatient de voir les r\u00e9sultats des \u00e9tapes suivantes pour consacrer du temps \u00e0 r\u00e9p\u00e9ter l&rsquo;\u00e9tape B, qui semblait d\u00e9j\u00e0 suffisamment r\u00e9ussie (c&rsquo;est-\u00e0-dire qu&rsquo;elle avait produit une bonne r\u00e9tention)<\/li><li>Dans l&rsquo;\u00e9tape C (20 avril &#8211; 21 juin), les troisi\u00e8mes r\u00e9p\u00e9titions ont \u00e9t\u00e9 effectu\u00e9es apr\u00e8s des intervalles de sept jours, les quatri\u00e8mes r\u00e9p\u00e9titions apr\u00e8s des intervalles de 16 jours, et les cinqui\u00e8mes r\u00e9p\u00e9titions apr\u00e8s des intervalles de 20, 24, 28, 33 et 38 jours. La perte de connaissances observ\u00e9e \u00e9tait de 0, 3, 5, 3, 0 pourcent. L&rsquo;\u00e9tape C a \u00e9t\u00e9 r\u00e9p\u00e9t\u00e9e avec des intervalles plus longs pr\u00e9c\u00e9dant la cinqui\u00e8me r\u00e9p\u00e9tition (31 mai &#8211; 24 ao\u00fbt). Les intervalles et pertes de m\u00e9moire \u00e9taient les suivants&nbsp;: 32 jours-8&nbsp;%, 35 jours-8&nbsp;%, 39 jours-17&nbsp;%, 44 jours-20&nbsp;%, 51 jours-5&nbsp;% et 60 jours-20&nbsp;%. L&rsquo;intervalle de 35 jours a \u00e9t\u00e9 choisi pour approximer le quatri\u00e8me intervalle quasi optimal.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Il n&rsquo;est pas difficile de remarquer que chacune des \u00e9tapes de l&rsquo;exp\u00e9rience d\u00e9crite a n\u00e9cessit\u00e9 environ deux fois plus de temps que la pr\u00e9c\u00e9dente. Il pourrait falloir plusieurs ann\u00e9es pour \u00e9tablir les dix premiers intervalles inter-r\u00e9p\u00e9titions quasi optimaux. En effet, j&rsquo;ai poursuivi ce genre d&rsquo;exp\u00e9riences les ann\u00e9es suivantes afin de mieux comprendre le processus des r\u00e9p\u00e9titions optimalement espac\u00e9es des connaissances m\u00e9moris\u00e9es. Cependant, \u00e0 l&rsquo;\u00e9poque, j&rsquo;ai d\u00e9cid\u00e9 d&rsquo;exploiter ces conclusions dans mon processus quotidien d&rsquo;apprentissage routinier.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 31 juillet 1985, je pouvais d\u00e9j\u00e0 pressentir le r\u00e9sultat de l&rsquo;exp\u00e9rience. J&rsquo;ai commenc\u00e9 \u00e0 utiliser SuperMemo sur papier pour apprendre la biologie humaine. Ce serait la meilleure date \u00e0 retenir comme anniversaire de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Les \u00e9v\u00e9nements du 31 juillet 1985<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 31 juillet 1985,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;est n\u00e9. Je disposais d\u00e9j\u00e0 de la plupart des donn\u00e9es de mon exp\u00e9rience sur la r\u00e9p\u00e9tition espac\u00e9e. En praticien impatient, je n&rsquo;ai pas attendu la fin de l&rsquo;exp\u00e9rience. Je voulais commencer \u00e0 apprendre le plus vite possible. Ayant accumul\u00e9 une grande quantit\u00e9 de notes en biologie humaine, j&rsquo;ai commenc\u00e9 \u00e0 convertir ces notes au format&nbsp;<em>Special Memorization Test<\/em>&nbsp;(SMT \u00e9tait le nom original de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, et de la r\u00e9p\u00e9tition espac\u00e9e).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"3060\" height=\"2153\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SuperMemo_Memorization_Test_Human_biology_1985.07.31.jpg\" alt=\"\" class=\"wp-image-33177\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Biologie humaine au format Special Memorization Test, commenc\u00e9 le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">31 juillet 1985<\/a>&nbsp;(c&rsquo;est-\u00e0-dire la naissance de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>)<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Mes calculs m&rsquo;indiquaient que, \u00e0 20 min\/jour, il me faudrait 537 jours pour traiter mes notes et achever le travail en janvier 1987. J&rsquo;ai aussi calcul\u00e9 que chaque page du test me co\u00fbterait probablement 2 heures de vie. Malgr\u00e9 toute la promesse et la rapidit\u00e9 de SuperMemo, cette prise de conscience \u00e9tait assez douloureuse. La vitesse d&rsquo;apprentissage \u00e0 l&rsquo;universit\u00e9 est bien trop rapide pour la capacit\u00e9 de la m\u00e9moire humaine. Maintenant que je pouvais apprendre bien plus vite et bien mieux, j&rsquo;ai aussi r\u00e9alis\u00e9 que je ne couvrirais m\u00eame pas une fraction de ce que je pensais possible. Les \u00e9coles n&rsquo;ont aucun sens avec leur volume et leur rythme. Ce m\u00eame jour, j&rsquo;ai appris que le gouvernement communiste polonais avait lev\u00e9 les droits d&rsquo;importation sur les micro-ordinateurs. Cela devait rendre possible, \u00e0 terme, l&rsquo;achat d&rsquo;un ordinateur en Pologne. Cela ouvrait la voie vers SuperMemo pour DOS, 2 ans et demi plus tard.<\/p>\n\n<p class=\"wp-block-paragraph\">Toujours le 31 juillet, j&rsquo;ai not\u00e9 que si les vacances pouvaient durer toujours, j&rsquo;accomplirais bien davantage en mati\u00e8re d&rsquo;apprentissage, et m\u00eame dans la vie en g\u00e9n\u00e9ral. L&rsquo;\u00e9cole est un tel&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Problem_of_Schooling\" rel=\"noreferrer noopener\" target=\"_blank\">gaspillage de temps<\/a>. Cependant, la menace de la conscription m&rsquo;a maintenu dans le rang. J&rsquo;allais m&rsquo;engager sur une voie qui m&rsquo;obligerait \u00e0 m&rsquo;inscrire \u00e0 l&rsquo;universit\u00e9 pour 5 ann\u00e9es suppl\u00e9mentaires. Cependant, la plus grande partie de ce temps a \u00e9t\u00e9 consacr\u00e9e \u00e0 SuperMemo, et j&rsquo;ai peu de regrets.<\/p>\n\n<p class=\"wp-block-paragraph\">Mon exp\u00e9rience sur la r\u00e9p\u00e9tition espac\u00e9e s&rsquo;est achev\u00e9e le 24 ao\u00fbt 1985. J&rsquo;ai aussi&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">commenc\u00e9 \u00e0 apprendre le vocabulaire anglais<\/a>. \u00c0 cette date, j&rsquo;avais r\u00e9ussi \u00e0 mettre par \u00e9crit la plus grande partie de mon mat\u00e9riel de biochimie, sous forme de pages destin\u00e9es \u00e0 la r\u00e9vision dans SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">Remarque&nbsp;: mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>&nbsp;indique par erreur le 1er octobre 1985 comme le jour o\u00f9 j&rsquo;ai commenc\u00e9 \u00e0 apprendre la biologie humaine (et non le 31 juillet, comme le montre l&rsquo;image ci-dessus). Le 1er octobre 1985 \u00e9tait en r\u00e9alit\u00e9 le premier jour de mes \u00e9tudes universitaires en informatique, et n&rsquo;avait par ailleurs rien de remarquable. Avec le d\u00e9but de l&rsquo;universit\u00e9, mon temps et mon \u00e9nergie disponibles pour l&rsquo;apprentissage ont \u00e9t\u00e9 drastiquement r\u00e9duits. Paradoxalement, le d\u00e9but de l&rsquo;\u00e9cole semble toujours annoncer&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Problem_of_schooling\" rel=\"noreferrer noopener\" target=\"_blank\">la fin d&rsquo;un bon apprentissage<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Premier algorithme de r\u00e9p\u00e9tition espac\u00e9e&nbsp;: algorithme SM-0, 25 ao\u00fbt 1985<\/h2>\n\n<p class=\"wp-block-paragraph\">Gr\u00e2ce \u00e0 mon exp\u00e9rience de r\u00e9p\u00e9tition espac\u00e9e, j&rsquo;ai pu formuler le premier algorithme de r\u00e9p\u00e9tition espac\u00e9e qui ne n\u00e9cessitait aucun ordinateur. Tout l&rsquo;apprentissage devait se faire sur papier. Je n&rsquo;avais pas d&rsquo;ordinateur en 1985. Je n&rsquo;obtiendrais mon premier micro-ordinateur, un ZX Spectrum, qu&rsquo;en 1986. SuperMemo devrait attendre le premier ordinateur \u00e9quip\u00e9 d&rsquo;un lecteur de disquettes (Amstrad PC 1512, en 1987).<\/p>\n\n<p class=\"wp-block-paragraph\">On me pose souvent cette question simple&nbsp;: \u00ab&nbsp;<em>Comment peux-tu formuler SuperMemo \u00e0 partir d&rsquo;une exp\u00e9rience qui n&rsquo;a dur\u00e9 que 6 mois&nbsp;? Comment peux-tu pr\u00e9dire ce qui se passerait dans 20 ans&nbsp;?<\/em>&nbsp;\u00bb<\/p>\n\n<p class=\"wp-block-paragraph\">Les premi\u00e8res exp\u00e9riences relatives \u00e0 la dur\u00e9e de l&rsquo;intervalle optimal ont abouti \u00e0 des conclusions qui permettaient de pr\u00e9dire la dur\u00e9e la plus probable des intervalles inter-r\u00e9p\u00e9titions successifs sans m\u00eame mesurer la r\u00e9tention au-del\u00e0 de quelques semaines&nbsp;! En bref, on pourrait illustrer cela par le raisonnement suivant. Si les premiers mois de recherche produisaient les intervalles optimaux suivants&nbsp;: 1, 2, 4, 8, 16 et 32 jours, on pouvait esp\u00e9rer avec confiance que les intervalles suivants augmenteraient d&rsquo;un facteur deux.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive&nbsp;: Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab &nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;<\/em> \u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Algorithme SM-0, utilis\u00e9 pour la r\u00e9p\u00e9tition espac\u00e9e sans ordinateur (25 ao\u00fbt 1985)<\/strong><\/p>\n\n<ol class=\"wp-block-list\"><li>Diviser les connaissances en \u00e9l\u00e9ments de type question-r\u00e9ponse les plus petits possible<\/li><li>Associer les \u00e9l\u00e9ments en groupes de 20 \u00e0 40 \u00e9l\u00e9ments. Ces groupes seront appel\u00e9s plus tard des pages<\/li><li>R\u00e9p\u00e9ter des pages enti\u00e8res en utilisant les intervalles suivants (en jours)&nbsp;: I(1)=1 jourI(2)=7 joursI(3)=16 joursI(4)=35 jourspour i&gt;4&nbsp;: I(i):=I(i-1)*2o\u00f9&nbsp;:<ul><li>I(i) est l&rsquo;intervalle utilis\u00e9 apr\u00e8s la i-\u00e8me r\u00e9p\u00e9tition<\/li><\/ul><\/li><li>Copier tous les \u00e9l\u00e9ments oubli\u00e9s apr\u00e8s l&rsquo;intervalle du 35e jour dans des pages nouvellement cr\u00e9\u00e9es (sans les retirer des pages pr\u00e9c\u00e9demment utilis\u00e9es). Ces nouvelles pages seront r\u00e9p\u00e9t\u00e9es de la m\u00eame fa\u00e7on que les pages contenant des \u00e9l\u00e9ments appris pour la premi\u00e8re fois<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Notez que l&rsquo;on avait suppos\u00e9 que les intervalles inter-r\u00e9p\u00e9titions, apr\u00e8s la cinqui\u00e8me r\u00e9p\u00e9tition, doubleraient \u00e0 chaque r\u00e9p\u00e9tition suivante. Ce fait reposait sur une intuition plut\u00f4t que sur une exp\u00e9rience. En deux ans d&rsquo;utilisation de l&rsquo;algorithme SM-0, des donn\u00e9es suffisantes ont \u00e9t\u00e9 recueillies pour confirmer une pr\u00e9cision raisonnable de cette hypoth\u00e8se.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 ce jour, j&rsquo;entends encore certaines personnes utiliser, voire pr\u00e9f\u00e9rer, la version papier de SuperMemo.&nbsp;<a href=\"http:\/\/super-memory.com\/articles\/paper.htm\" rel=\"nofollow noopener\" target=\"_blank\">Voici<\/a>&nbsp;une description datant de 1992.<\/p>\n\n<p class=\"wp-block-paragraph\">Notez que l&rsquo;intuition selon laquelle les intervalles devraient doubler est aussi ancienne que la th\u00e9orie de l&rsquo;apprentissage. En 1932,&nbsp;<a href=\"http:\/\/en.wikipedia.org\/wiki\/Cecil_Alec_Mace\" rel=\"nofollow noopener\" target=\"_blank\">C. A. Mace<\/a>&nbsp;\u00e9voquait des m\u00e9thodes d&rsquo;apprentissage efficaces dans son ouvrage \u00ab&nbsp;<em>The psychology of study<\/em>&nbsp;\u00bb. Il mentionnait la \u00ab&nbsp;<em>r\u00e9p\u00e9tition active<\/em>&nbsp;\u00bb et les \u00ab&nbsp;<em>r\u00e9visions r\u00e9p\u00e9titives<\/em>&nbsp;\u00bb qui devaient \u00eatre espac\u00e9es selon des intervalles progressivement croissants, environ \u00ab&nbsp;<em>des intervalles d&rsquo;un jour, deux jours, quatre jours, huit jours, et ainsi de suite<\/em>&nbsp;\u00bb. Cette proposition a ensuite \u00e9t\u00e9 reprise par d&rsquo;autres auteurs, notamment Paul Pimsleur et Tony Buzan, qui ont chacun propos\u00e9 leurs propres intuitions, impliquant des intervalles tr\u00e8s courts (en minutes) ou une \u00ab r\u00e9p\u00e9tition finale \u00bb (apr\u00e8s quelques mois). Toutes ces id\u00e9es n&rsquo;ont pas vraiment p\u00e9n\u00e9tr\u00e9 la pratique de l&rsquo;\u00e9tude au-del\u00e0 des \u00e9lites de l&rsquo;apprentissage. Seule une application informatique a permis de commencer \u00e0 apprendre efficacement sans \u00e9tudier la m\u00e9thodologie elle-m\u00eame.<\/p>\n\n<p class=\"wp-block-paragraph\">Ce facteur de multiplication intuitif de 2 pour les intervalles est aussi apparu dans le cadre de l&rsquo;\u00e9tude de la possibilit\u00e9 d&rsquo;une optimisation \u00e9volutive de la m\u00e9moire en r\u00e9ponse aux propri\u00e9t\u00e9s statistiques de l&rsquo;environnement&nbsp;: \u00ab&nbsp;<a href=\"http:\/\/super-memory.com\/articles\/stability.htm\" rel=\"nofollow noopener\" target=\"_blank\"><strong>La m\u00e9moire est optimis\u00e9e pour r\u00e9pondre aux propri\u00e9t\u00e9s probabilistes de l&rsquo;environnement<\/strong>&nbsp;<\/a>&nbsp;\u00bb<\/p>\n\n<p class=\"wp-block-paragraph\">Malgr\u00e9 toute sa simplicit\u00e9, dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>, je n&rsquo;ai pas h\u00e9sit\u00e9 \u00e0 qualifier ma nouvelle m\u00e9thode de \u00ab r\u00e9volutionnaire \u00bb&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive&nbsp;: Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab &nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;<\/em> \u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">Bien que le taux d&rsquo;acquisition n&rsquo;ait pas sembl\u00e9 fulgurant, l&rsquo;algorithme SM-0 \u00e9tait r\u00e9volutionnaire par rapport \u00e0 mes m\u00e9thodes pr\u00e9c\u00e9dentes, pour deux raisons&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>avec le passage du temps, la r\u00e9tention des connaissances augmentait au lieu de diminuer (comme c&rsquo;\u00e9tait le cas avec l&rsquo;apprentissage intermittent)<\/li><li>sur le long terme, le taux d&rsquo;acquisition restait presque inchang\u00e9 (avec l&rsquo;apprentissage intermittent, le taux d&rsquo;acquisition d\u00e9clinait substantiellement au fil du temps)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">[&#8230;]<\/p>\n\n<p class=\"wp-block-paragraph\">Pour la premi\u00e8re fois, j&rsquo;ai pu concilier une r\u00e9tention \u00e9lev\u00e9e des connaissances avec des r\u00e9p\u00e9titions peu fr\u00e9quentes, ce qui a conduit \u00e0 un volume de connaissances retenues en constante augmentation, sans n\u00e9cessit\u00e9 d&rsquo;accro\u00eetre la charge de temps&nbsp;!<\/p>\n\n<p class=\"wp-block-paragraph\">Une r\u00e9tention de 80&nbsp;% \u00e9tait facilement atteinte, et pouvait m\u00eame \u00eatre augment\u00e9e en raccourcissant les intervalles inter-r\u00e9p\u00e9titions. Cela impliquait toutefois des r\u00e9p\u00e9titions plus fr\u00e9quentes et, par cons\u00e9quent, une charge de temps accrue. L&rsquo;espacement des r\u00e9p\u00e9titions retenu offrait un compromis satisfaisant entre r\u00e9tention et charge de travail.<\/p>\n\n<p class=\"wp-block-paragraph\">[&#8230;]L&rsquo;am\u00e9lioration significative suivante de l&rsquo;algorithme SM-0 n&rsquo;est intervenue qu&rsquo;en 1987, apr\u00e8s l&rsquo;application d&rsquo;un ordinateur pour superviser le processus d&rsquo;apprentissage. Dans l&rsquo;intervalle, j&rsquo;avais accumul\u00e9 environ 7190 et 2817 \u00e9l\u00e9ments dans mes nouvelles bases de donn\u00e9es d&rsquo;anglais et de biologie respectivement. Avec un temps de travail estim\u00e9 \u00e0 12 minutes par jour pour chaque base de donn\u00e9es, le taux moyen d&rsquo;acquisition des connaissances s&rsquo;\u00e9levait \u00e0 260 et 110 \u00e9l\u00e9ments\/an\/minute respectivement, tandis que la r\u00e9tention des connaissances atteignait 80&nbsp;% au pire.<\/p>\n\n<h2 class=\"wp-block-heading\">La naissance de SuperMemo vue avec une d\u00e9cennie de recul<\/h2>\n\n<p class=\"wp-block-paragraph\">Une d\u00e9cennie apr\u00e8s la naissance de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, celui-ci \u00e9tait devenu plut\u00f4t connu en Pologne. Voici la m\u00eame histoire, telle que racont\u00e9e par&nbsp;<a href=\"http:\/\/www.super-memory.com\/articles\/kowal.htm\" rel=\"nofollow noopener\" target=\"_blank\">J. Kowalski, Enter, en 1994<\/a>&nbsp;:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>C&rsquo;\u00e9tait en 1982, lorsqu&rsquo;un \u00e9tudiant de 20 ans en biologie mol\u00e9culaire \u00e0 l&rsquo;universit\u00e9 Adam Mickiewicz de Pozna\u0144, Piotr Wozniak, s&rsquo;est trouv\u00e9 tr\u00e8s frustr\u00e9 par son incapacit\u00e9 \u00e0 retenir dans son cerveau les connaissances nouvellement apprises. Cela concernait la vaste mati\u00e8re de la biochimie, de la physiologie, de la chimie et de l&rsquo;anglais, qu&rsquo;il fallait ma\u00eetriser pour esp\u00e9rer une carri\u00e8re r\u00e9ussie en biologie mol\u00e9culaire. Une des principales incitations \u00e0 s&rsquo;attaquer au probl\u00e8me de l&rsquo;oubli de fa\u00e7on plus syst\u00e9matique fut un simple calcul effectu\u00e9 par Wozniak, qui lui montra qu&rsquo;en poursuivant son travail de ma\u00eetrise de l&rsquo;anglais avec ses m\u00e9thodes habituelles, il lui faudrait 120 ans pour acqu\u00e9rir tout le vocabulaire important. Cela a non seulement pouss\u00e9 Wozniak \u00e0 travailler sur des m\u00e9thodes d&rsquo;apprentissage, mais l&rsquo;a aussi transform\u00e9 en d\u00e9fenseur d\u00e9termin\u00e9 de l&rsquo;id\u00e9e d&rsquo;une langue unique pour tous (compte tenu du temps et de l&rsquo;argent d\u00e9pens\u00e9s par l&rsquo;humanit\u00e9 en traduction et en apprentissage des langues). Au d\u00e9part, Wozniak accumulait des piles croissantes de notes contenant des faits et chiffres qu&rsquo;il souhaitait retenir. Il ne fallut pas longtemps pour d\u00e9couvrir que l&rsquo;oubli exige des r\u00e9p\u00e9titions fr\u00e9quentes et qu&rsquo;une approche syst\u00e9matique est n\u00e9cessaire pour g\u00e9rer toutes les connaissances nouvellement collect\u00e9es et m\u00e9moris\u00e9es. Suivant une intuition \u00e9vidente, Wozniak a tent\u00e9 de mesurer la r\u00e9tention des connaissances apr\u00e8s diff\u00e9rents intervalles inter-r\u00e9p\u00e9titions, et a formul\u00e9 en 1985 la premi\u00e8re \u00e9bauche de SuperMemo, qui ne n\u00e9cessitait pas encore d&rsquo;ordinateur. En 1987, Wozniak, alors en deuxi\u00e8me ann\u00e9e d&rsquo;informatique, \u00e9tait assez stup\u00e9fait de l&rsquo;efficacit\u00e9 de sa m\u00e9thode et d\u00e9cida de l&rsquo;impl\u00e9menter sous forme d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_1.0_for_DOS_(1987)\" target=\"_blank\" rel=\"noreferrer noopener\">simple programme informatique<\/a>. L&rsquo;efficacit\u00e9 du programme s&rsquo;est r\u00e9v\u00e9l\u00e9e d\u00e9passer largement ce qu&rsquo;il avait imagin\u00e9. Cela a d\u00e9clench\u00e9 un \u00e9change scientifique passionnant entre Wozniak et ses coll\u00e8gues de l&rsquo;universit\u00e9 de technologie de Pozna\u0144 et de l&rsquo;universit\u00e9 Adam Mickiewicz. Une douzaine d&rsquo;\u00e9tudiants de son d\u00e9partement ont endoss\u00e9 le r\u00f4le de cobayes et m\u00e9moris\u00e9 des milliers d&rsquo;\u00e9l\u00e9ments, fournissant un flux constant de donn\u00e9es et de retours critiques. Le Dr Gorzela\u0144czyk, de l&rsquo;Acad\u00e9mie de m\u00e9decine, a contribu\u00e9 \u00e0 formuler le&nbsp;<a href=\"http:\/\/www.super-memory.com\/english\/ol\/mem1998.htm\" rel=\"nofollow noreferrer noopener\" target=\"_blank\">mod\u00e8le mol\u00e9culaire de la formation de la m\u00e9moire<\/a>&nbsp;et \u00e0 mod\u00e9liser les ph\u00e9nom\u00e8nes se produisant dans la synapse. Le Dr Maka\u0142owski, du d\u00e9partement de biochimie des biopolym\u00e8res, a contribu\u00e9 \u00e0 l&rsquo;analyse des aspects \u00e9volutifs de l&rsquo;optimisation de la m\u00e9moire (NB&nbsp;: c&rsquo;est aussi lui qui a sugg\u00e9r\u00e9 d&rsquo;enregistrer SuperMemo pour le prix Software for Europe). Janusz Murakowski, titulaire d&rsquo;un master en physique, alors inscrit dans un programme de doctorat \u00e0 l&rsquo;universit\u00e9 du Delaware, a aid\u00e9 Wozniak \u00e0 r\u00e9soudre des probl\u00e8mes math\u00e9matiques li\u00e9s au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" target=\"_blank\" rel=\"noreferrer noopener\">mod\u00e8le de l&rsquo;apprentissage intermittent<\/a>&nbsp;et \u00e0 la simulation des courants ioniques lors de la transmission du potentiel d&rsquo;action dans les cellules nerveuses. Une douzaine de futurs enseignants universitaires, avec en t\u00eate le Pr Zbigniew Kierzkowski, ont aid\u00e9 Wozniak \u00e0 orienter son programme d&rsquo;\u00e9tudes vers un seul objectif&nbsp;: combiner tous les aspects de SuperMemo en une th\u00e9orie coh\u00e9rente englobant les aspects mol\u00e9culaires, \u00e9volutifs, comportementaux, psychologiques, voire soci\u00e9taux de SuperMemo. Wozniak, qui affirme avoir d\u00e9couvert plusieurs propri\u00e9t\u00e9s importantes et jamais publi\u00e9es de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" target=\"_blank\" rel=\"noreferrer noopener\">m\u00e9moire<\/a>, avait l&rsquo;intention de consolider ses th\u00e9ories en obtenant un doctorat en neurosciences aux \u00c9tats-Unis. De longues heures de discussion avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noreferrer noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>, titulaire d&rsquo;un master en informatique, ont amen\u00e9 les deux hommes \u00e0 choisir une autre voie&nbsp;: tenter de r\u00e9aliser la vision consistant \u00e0 apporter SuperMemo aux \u00e9tudiants du monde entier.<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1986\">1986&nbsp;: les premiers pas de SuperMemo<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">SuperMemo sur papier<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 22 f\u00e9vrier 1984, j&rsquo;ai calcul\u00e9 qu&rsquo;\u00e0 mon rythme d&rsquo;apprentissage et avec l&rsquo;investissement que j&rsquo;y consacrais, il me faudrait 26 ans pour ma\u00eetriser l&rsquo;anglais (dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, le standard&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">Advanced English<\/a>&nbsp;est de 4 ans \u00e0 40 min\/jour). Avec l&rsquo;arriv\u00e9e de SuperMemo sur papier, cette statistique s&rsquo;est spectaculairement am\u00e9lior\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 l&rsquo;\u00e9t\u00e9 1985, en utilisant SuperMemo sur papier, j&rsquo;ai commenc\u00e9 \u00e0 apprendre avec un enthousiasme immense. Pour la premi\u00e8re fois, je savais que tout investissement dans l&rsquo;apprentissage porterait ses fruits. Rien ne pouvait plus passer entre les mailles du filet. Cet enthousiasme pr\u00e9coce me fait aujourd&rsquo;hui me demander pourquoi je n&rsquo;ai pas partag\u00e9 cette bonne nouvelle avec les autres.<\/p>\n\n<p class=\"wp-block-paragraph\">SuperMemo n&rsquo;\u00e9tait pas une \u00ab arme secr\u00e8te \u00bb que beaucoup d&rsquo;utilisateurs exploitent pour impressionner les autres. Je pensais simplement que la science avait d\u00e9j\u00e0 r\u00e9pondu \u00e0 toutes les questions relatives \u00e0 l&rsquo;apprentissage efficace. J&rsquo;avais l&rsquo;impression de n&rsquo;avoir fait que rafistoler mon propre acc\u00e8s limit\u00e9 \u00e0 la litt\u00e9rature occidentale par un peu de recherche personnelle. Ma na\u00efvet\u00e9 d&rsquo;alors \u00e9tait astronomique. Mon anglais n&rsquo;\u00e9tait pas assez bon pour comprendre les nouvelles venant de l&rsquo;Occident. L&rsquo;Am\u00e9rique \u00e9tait pour moi une terre de surhumains qui faisaient de la super-science, marchaient sur la Lune, r\u00e9alisaient toutes les grandes d\u00e9couvertes et allaient bient\u00f4t gu\u00e9rir le cancer et devenir immortels. En m\u00eame temps, c&rsquo;\u00e9tait le pays de Reagan, qui pouvait rayer la Pologne de la surface de la Terre avec des missiles Pershing ou de croisi\u00e8re. Cela m&rsquo;a valu quelques cauchemars. Peut-\u00eatre la seule v\u00e9ritable source de stress au d\u00e9but des ann\u00e9es 1980. Je m&rsquo;interroge souvent sur les incoh\u00e9rences \u00e9tonnantes pr\u00e9sentes dans le cerveau des tout-petits ou des enfants. Pour moi, la na\u00efvet\u00e9 de mon d\u00e9but de vingtaine me dit que j&rsquo;ai d\u00fb \u00eatre un enfant \u00e0 d\u00e9veloppement tardif, tr\u00e8s in\u00e9gal. L&rsquo;ignorance de l&rsquo;anglais se traduisait par l&rsquo;ignorance du monde. J&rsquo;\u00e9tais un jeune adulte avec des domaines de force et des zones d&rsquo;ignorance incroyable. Dans ce contexte, la r\u00e9p\u00e9tition espac\u00e9e appara\u00eet comme l&rsquo;enfant d&rsquo;un besoin combin\u00e9 \u00e0 l&rsquo;ignorance, \u00e0 la confiance en soi et \u00e0 la passion.<\/p>\n\n<h2 class=\"wp-block-heading\">L&rsquo;universit\u00e9<\/h2>\n\n<p class=\"wp-block-paragraph\">En octobre 1985, j&rsquo;ai commenc\u00e9 mes \u00e9tudes universitaires en informatique. J&rsquo;ai perdu ma passion pour l&rsquo;universit\u00e9 d\u00e8s la premi\u00e8re semaine de cours. Au lieu de programmer, nous \u00e9tions soumis \u00e0 des cours d&rsquo;introduction affreusement ennuyeux en math\u00e9matiques, physique, \u00e9lectronique, etc. Avec un emploi du temps charg\u00e9, j&rsquo;aurais pu facilement devenir un d\u00e9crocheur de SuperMemo. Heureusement, mon amour pour la biochimie et mon besoin d&rsquo;anglais ne me laissaient pas ralentir. J&rsquo;ai continu\u00e9 mes r\u00e9p\u00e9titions, ajoutant de nouvelles pages de temps \u00e0 autre. Surtout, j&rsquo;avais un nouveau r\u00eave&nbsp;: poss\u00e9der mon propre ordinateur et faire un peu de programmation moi-m\u00eame. L&rsquo;une des premi\u00e8res choses que je voulais impl\u00e9menter \u00e9tait SuperMemo. Je garderais mes pages sur l&rsquo;ordinateur et les ferais programmer automatiquement.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai mentionn\u00e9 en passant ma m\u00e9thode de super-apprentissage \u00e0 mon ami de lyc\u00e9e&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Mike_Kubiak\" rel=\"noreferrer noopener\" target=\"_blank\">Andrzej \u00ab Mike \u00bb Kubiak<\/a>&nbsp;seulement \u00e0 l&rsquo;\u00e9t\u00e9 1987 (le 29 ao\u00fbt). Nous jouions ensemble au football et \u00e0 la musique. Je lui ai finalement montr\u00e9 comment utiliser SuperMemo le 14 novembre 1987. Il m&rsquo;a fallu 836 jours (2 ans, 3 mois et 2 semaines) pour recruter le premier utilisateur de SuperMemo. Mike a ensuite \u00e9t\u00e9 mon cobaye pour tester SuperMemo dans l&rsquo;apprentissage proc\u00e9dural. Il s&rsquo;entra\u00eenait r\u00e9guli\u00e8rement \u00e0 des rythmes g\u00e9n\u00e9r\u00e9s par ordinateur en suivant un calendrier de type SuperMemo. Pour Mike, ce fut un coup de foudre. Son vocabulaire a explos\u00e9. Il est rest\u00e9 fid\u00e8le pendant de nombreuses ann\u00e9es, jusqu&rsquo;\u00e0 ce que la qualit\u00e9 de son anglais d\u00e9passe le besoin d&rsquo;un apprentissage suppl\u00e9mentaire. Il est yogi, et son voyage en Inde ainsi que son usage r\u00e9gulier de l&rsquo;anglais ont consolid\u00e9 les connaissances n\u00e9cessaires pour la vie.<\/p>\n\n<h2 class=\"wp-block-heading\">Le ZX Spectrum<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1986 et 1987, je pensais de plus en plus souvent \u00e0&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;sur ordinateur. Chose \u00e9trange, au d\u00e9part, je ne pensais pas beaucoup au probl\u00e8me de s\u00e9parer les pages en fiches individuelles. Cela illustre \u00e0 quel point nous pouvons avoir l&rsquo;esprit ferm\u00e9 lorsque nous tombons dans la routine de faire les m\u00eames choses tous les jours. Pour parvenir \u00e0 l&rsquo;\u00e9tat de 2018, SuperMemo a d\u00fb traverser des dizaines de perc\u00e9es et de micro-\u00e9tapes tout aussi \u00e9videntes. Tout cela semble si simple et \u00e9vident avec le recul. Cependant, il existe des limites cach\u00e9es \u00e0 la pens\u00e9e humaine qui ont emp\u00each\u00e9 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;d&rsquo;\u00e9merger une d\u00e9cennie plus t\u00f4t. Seule une fraction de ces limites rel\u00e8ve de la technologie.<\/p>\n\n<p class=\"wp-block-paragraph\">Lors de ma premi\u00e8re ann\u00e9e d&rsquo;universit\u00e9, j&rsquo;avais tr\u00e8s peu de temps et d&rsquo;\u00e9nergie disponibles, et j&rsquo;ai investi la plus grande partie de ce temps \u00e0 obtenir mon premier ordinateur&nbsp;: un ZX Spectrum (janvier 1986). J&rsquo;en avais emprunt\u00e9 un \u00e0 un ami pour une journ\u00e9e \u00e0 l&rsquo;automne 1985, et j&rsquo;\u00e9tais compl\u00e8tement subjugu\u00e9. J&rsquo;ai commenc\u00e9 \u00e0 programmer \u00ab sur papier \u00bb longtemps avant d&rsquo;avoir ce jouet en main. Mon premier programme \u00e9tait un pr\u00e9curseur de \u00ab planification de la journ\u00e9e \u00bb, anc\u00eatre de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Plan\" rel=\"noreferrer noopener\" target=\"_blank\">Plan<\/a>. Le programme \u00e9tait pr\u00eat \u00e0 \u00eatre saisi dans l&rsquo;ordinateur lorsque j&rsquo;ai allum\u00e9 mon ZX Spectrum pour la premi\u00e8re fois, le 4 janvier 1986. \u00c0 partir de ce jour, j&rsquo;ai pass\u00e9 la plupart de mes journ\u00e9es \u00e0 programmer, ignorant l&rsquo;\u00e9cole et \u00e9crivant mes programmes sur papier, m\u00eame pendant les cours.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1200\" height=\"882\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/ZX_Spectrum.jpg\" alt=\"\" class=\"wp-image-33192\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Ordinateur personnel 8 bits ZX Spectrum.<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">L&rsquo;arm\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">Le d\u00e9but de l&rsquo;ann\u00e9e 1986 a \u00e9t\u00e9 g\u00e2ch\u00e9 par la menace de la conscription. Je pensais que 5 ann\u00e9es suppl\u00e9mentaires \u00e0 l&rsquo;universit\u00e9 signifiaient 5 ann\u00e9es suppl\u00e9mentaires de libert\u00e9. Cependant, l&rsquo;arm\u00e9e avait d&rsquo;autres id\u00e9es. Pour elle, un second dipl\u00f4me ne comptait pas, et j&rsquo;ai d\u00fb me d\u00e9mener pour \u00e9viter le service. Ma col\u00e8re \u00e9tait tripl\u00e9e par le fait que je n&rsquo;aurais jamais envisag\u00e9 12 mois de s\u00e9paration avec mon meilleur nouvel ami&nbsp;: le ZX Spectrum. J&rsquo;ai expliqu\u00e9 \u00e0 l&rsquo;homme en uniforme qu&rsquo;ils ne voulaient vraiment pas avoir un homme en col\u00e8re avec une arme dans leurs rangs. Heureusement, dans le fatras de la bureaucratie communiste, j&rsquo;ai r\u00e9ussi \u00e0 passer entre les mailles du filet et \u00e0 poursuivre mes \u00e9tudes. \u00c0 ce jour, je suis particuli\u00e8rement sensible aux questions de libert\u00e9. La conscription n&rsquo;est pas tr\u00e8s diff\u00e9rente de l&rsquo;esclavage. Ce n&rsquo;\u00e9tait pas une conscription au nom de la lutte contre le fascisme. C&rsquo;\u00e9tait une conscription pour un bachotage sans r\u00e9flexion, le pas de l&rsquo;oie, les r\u00e9veils pr\u00e9coces, les repas chauds aval\u00e9s \u00e0 la h\u00e2te et le stress. Si cela devait servir la pr\u00e9paration du bloc communiste, ce serait une pr\u00e9paration digne de l&rsquo;&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/The_Good_Soldier_%C5%A0vejk\" rel=\"noreferrer noopener\" target=\"_blank\">arm\u00e9e du brave soldat Chv\u00e9\u00efk<\/a>. Aujourd&rsquo;hui, des millions d&rsquo;enfants sont envoy\u00e9s \u00e0 l&rsquo;\u00e9cole dans le cadre d&rsquo;un effort similaire, proche de la conscription, \u00e0 la limite de l&rsquo;esclavage. Je vous invite \u00e0 lire mon texte <em>\u00ab&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Problem_of_Schooling\" rel=\"noreferrer noopener\" target=\"_blank\">Je n&rsquo;enverrais jamais mes enfants \u00e0 l&rsquo;\u00e9cole<\/a>&nbsp;\u00bb<\/em> pour conna\u00eetre mon point de vue sur le pi\u00e9tinement coercitif des droits humains des enfants. Je suis certain qu&rsquo;une partie de mes convictions ont \u00e9t\u00e9 fa\u00e7onn\u00e9es par ce sentiment d&rsquo;asservissement v\u00e9cu en 1986.<\/p>\n\n<p class=\"wp-block-paragraph\">Le jour o\u00f9 le nuage radioactif de Tchernobyl est pass\u00e9 au-dessus de Pozna\u0144, en Pologne, j&rsquo;\u00e9tais occup\u00e9 \u00e0 marcher de bureau en bureau \u00e0 travers la vaste ville, visitant des bureaux militaires et civils dans mon effort pour \u00e9chapper \u00e0 l&rsquo;arm\u00e9e. J&rsquo;ai r\u00e9ussi, et l&rsquo;\u00e9t\u00e9 1986 a \u00e9t\u00e9 l&rsquo;un des plus ensoleill\u00e9s jamais v\u00e9cus. J&rsquo;ai pass\u00e9 mes journ\u00e9es \u00e0 programmer, faire du jogging, apprendre avec SuperMemo (sur papier), nager, jouer au football, et programmer encore.<\/p>\n\n<h2 class=\"wp-block-heading\">L&rsquo;\u00e9t\u00e9 1986<\/h2>\n\n<p class=\"wp-block-paragraph\">Mon app\u00e9tit pour les nouveaux logiciels \u00e9tait insatiable. J&rsquo;ai \u00e9crit un programme de composition musicale, un autre pour pr\u00e9dire les r\u00e9sultats de la Coupe du monde, un pour le morpion en 3D, un pour r\u00e9diger des contr\u00f4les scolaires, et bien d&rsquo;autres encore. J&rsquo;ai obtenu quelques travaux du d\u00e9partement de biochimie (universit\u00e9 Adam Mickiewicz). Mon h\u00e9ros, le Pr Augustyniak, avait besoin d&rsquo;un logiciel pour simuler la fusion de l&rsquo;ADN, et pour la recherche rapide de g\u00e8nes d&rsquo;ARNt (des ann\u00e9es plus tard, cela a conduit \u00e0 une publication). Il m&rsquo;a \u00e9galement command\u00e9 un programme d&rsquo;analyse de r\u00e9gression, qui a plus tard inspir\u00e9 des progr\u00e8s dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;(en particulier les algorithmes SM-6 et SM-8).<\/p>\n\n<p class=\"wp-block-paragraph\">Tout en programmant, j&rsquo;avais SuperMemo constamment en t\u00eate, mais tous mes logiciels se caract\u00e9risaient par l&rsquo;absence de toute base de donn\u00e9es. Les programmes devaient \u00eatre charg\u00e9s depuis une cassette, ce qui \u00e9tait vraiment p\u00e9nible (cela ne me g\u00eanait pas \u00e0 l&rsquo;\u00e9poque, en 1986). Il \u00e9tait plus simple de conserver mes connaissances SuperMemo sur papier. J&rsquo;ai commenc\u00e9 \u00e0 r\u00eaver d&rsquo;un ordinateur plus puissant. Cependant, dans la Pologne communiste, le co\u00fbt \u00e9tait hors de port\u00e9e. J&rsquo;ai un jour calcul\u00e9 qu&rsquo;un IBM PC co\u00fbterait l&rsquo;\u00e9quivalent des revenus de toute une vie de travail de ma m\u00e8re dans le syst\u00e8me communiste. Encore en 1989, je ne pouvais pas me permettre d&rsquo;utiliser des toilettes payantes en Hollande, tant c&rsquo;\u00e9tait astronomiquement cher compar\u00e9 aux salaires polonais.<\/p>\n\n<h2 class=\"wp-block-heading\">Le PC 1512<\/h2>\n\n<p class=\"wp-block-paragraph\">Toute ma famille a mis la main \u00e0 la poche. Mon cousin, le Dr Garbatowski, a arrang\u00e9 un compte sp\u00e9cial en devises \u00e9trang\u00e8res pour les transferts en Deutsche Mark. Par miracle, j&rsquo;ai pu m&rsquo;offrir un Amstrad PC 1512 venu d&rsquo;Allemagne, pour 1000 DM. L&rsquo;ordinateur n&rsquo;a pas \u00e9t\u00e9 introduit en contrebande, contrairement \u00e0 ce qui a un jour \u00e9t\u00e9 rapport\u00e9 dans la presse. Ma tentative de contrebande rat\u00e9e remonte \u00e0 deux ans plus t\u00f4t, concernant le ZX Spectrum. Mes amis du Za\u00efre devaient me l&rsquo;acheter \u00e0 Berlin-Ouest. Finalement, j&rsquo;ai achet\u00e9 un ZX Spectrum d&rsquo;occasion en Pologne, \u00e0 bon prix, aupr\u00e8s de quelqu&rsquo;un qui pensait vendre \u00ab juste un clavier \u00bb.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1384\" height=\"1546\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Schneider_Amstrad_PC_1512_DD.png\" alt=\"\" class=\"wp-image-33207\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;: Amstrad PC-1512 DD.<\/strong>&nbsp;Ma version ne comportait qu&rsquo;un seul lecteur de disquettes. Le syst\u00e8me d&rsquo;exploitation MS-DOS devait \u00eatre charg\u00e9 depuis une disquette, Turbo Pascal 3.0 depuis une autre, et SuperMemo depuis encore une autre. Le temps que j&rsquo;obtienne mon premier disque dur en 1991, ma collection d&rsquo;anglais \u00e9tait r\u00e9partie en morceaux de 3000 \u00e9l\u00e9ments sur 13 disquettes. J&rsquo;en avais bien d&rsquo;autres pour les autres domaines de connaissance. Le 21 janvier 1997,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;a retrouv\u00e9 la trace de ce PC original et l&rsquo;a rachet\u00e9 \u00e0 son propri\u00e9taire&nbsp;: Jarek Kantecki. Le PC a fonctionn\u00e9 parfaitement pendant toute une d\u00e9cennie. Il est aujourd&rsquo;hui enseveli quelque part dans les archives poussi\u00e9reuses de l&rsquo;entreprise. Peut-\u00eatre publierons-nous un jour sa photo. L&rsquo;image pr\u00e9sent\u00e9e provient de Wikipedia<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Mon Amstrad-Schneider PC 1512 allemand a \u00e9t\u00e9 command\u00e9 aupr\u00e8s d&rsquo;une entreprise polonaise, Olech. Olech devait le livrer en juin 1987. Ils l&rsquo;ont fait en septembre. Cela m&rsquo;a co\u00fbt\u00e9 tout l&rsquo;\u00e9t\u00e9 en stress. Quelque temps plus tard,&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>&nbsp;a command\u00e9 un PC aupr\u00e8s d&rsquo;une entreprise n\u00e9erlandaise, Colgar, et n&rsquo;a jamais re\u00e7u ni le PC ni son argent en retour. Si cela m&rsquo;\u00e9tait arriv\u00e9, j&rsquo;aurais perdu confiance en l&rsquo;humanit\u00e9. Cela aurait tu\u00e9 SuperMemo. Cela aurait pu tuer ma passion pour les ordinateurs. Biedalak, lui, est sto\u00efquement retourn\u00e9 au travail acharn\u00e9 et a r\u00e9cup\u00e9r\u00e9 son argent, et bien plus encore. Ce serait l&rsquo;une des diff\u00e9rences de personnalit\u00e9 essentielles entre lui et moi. La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stress_resilience\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9silience au stress<\/a>&nbsp;devrait \u00eatre l&rsquo;une des composantes du d\u00e9veloppement personnel. J&rsquo;ai d\u00e9velopp\u00e9 ma propre r\u00e9silience au stress tardivement, gr\u00e2ce \u00e0 un entra\u00eenement \u00e0 la discipline personnelle (comme la nage hivernale ou les marathons). Ayant perdu son argent, Biedalak ne s&rsquo;est pas plaint. Il l&rsquo;a r\u00e9cup\u00e9r\u00e9 en un rien de temps. J&rsquo;\u00e9tais bient\u00f4t envieux de son nouveau PC tout brillant. Son travail acharn\u00e9 et sa d\u00e9termination \u00e0 atteindre ses objectifs ont toujours \u00e9t\u00e9 essentiels \u00e0 la survie de l&rsquo;entreprise. C&rsquo;est son propre argent, gagn\u00e9 \u00e0 titre priv\u00e9, qui a aid\u00e9&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;\u00e0 survivre ses premiers mois. Il n&rsquo;a pas re\u00e7u de cadeau de ses parents. Il a toujours su se d\u00e9brouiller seul.<\/p>\n\n<h2 class=\"wp-block-heading\">Simuler le processus d&rsquo;apprentissage<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 22 f\u00e9vrier 1986, avec mon ZX Spectrum, j&rsquo;ai \u00e9crit un programme pour simuler le processus d&rsquo;apprentissage \u00e0 long terme avec&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Je craignais qu&rsquo;avec l&rsquo;accumulation de mat\u00e9riel, le processus d&rsquo;apprentissage ne ralentisse consid\u00e9rablement. Cependant, mes r\u00e9sultats pr\u00e9liminaires \u00e9taient assez contre-intuitifs&nbsp;: la progression est presque lin\u00e9aire. Il n&rsquo;y a pas de ralentissement notable de l&rsquo;apprentissage au-del\u00e0 de la p\u00e9riode initiale.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 25 f\u00e9vrier 1986, j&rsquo;ai \u00e9tendu le programme de simulation avec de nouvelles fonctions destin\u00e9es \u00e0 r\u00e9pondre \u00e0 des \u00ab&nbsp;<em>questions br\u00fblantes sur la m\u00e9moire<\/em>&nbsp;\u00bb. Le programme a tourn\u00e9 sur le Spectrum pendant 5 jours avant que je puisse obtenir des r\u00e9sultats complets pour 80 ann\u00e9es d&rsquo;apprentissage. Il a confirm\u00e9 mes conclusions initiales.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 23 mars 1986, j&rsquo;ai r\u00e9ussi \u00e0 \u00e9crire le m\u00eame programme de simulation en Pascal, un langage compil\u00e9. Cette fois, j&rsquo;ai pu ex\u00e9cuter la simulation de 80 ann\u00e9es en seulement 70 minutes. J&rsquo;ai obtenu les m\u00eames r\u00e9sultats. Aujourd&rsquo;hui, SuperMemo permet encore d&rsquo;ex\u00e9cuter des simulations similaires. La m\u00eame proc\u00e9dure ne prend qu&rsquo;une ou deux secondes.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"862\" height=\"632\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Learning_process_simulation.jpg\" alt=\"\" class=\"wp-image-33237\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;permet de simuler le d\u00e9roulement de l&rsquo;apprentissage sur 15 ans, en utilisant des donn\u00e9es r\u00e9elles collect\u00e9es lors des r\u00e9p\u00e9titions.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Certains des r\u00e9sultats de cette simulation restent valables aujourd&rsquo;hui. Je pr\u00e9sente ci-dessous quelques-unes des conclusions originales. Certaines ont pu \u00eatre r\u00e9vis\u00e9es en 1990 ou en 1994.<\/p>\n\n<h3 class=\"wp-block-heading\">La courbe d&rsquo;apprentissage est presque lin\u00e9aire<\/h3>\n\n<p class=\"wp-block-paragraph\">La courbe d&rsquo;apprentissage obtenue \u00e0 partir du mod\u00e8le, \u00e0 l&rsquo;exception de la p\u00e9riode initiale, est presque lin\u00e9aire.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"799\" height=\"600\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Linear_learning_curve-1.gif\" alt=\"\" class=\"wp-image-53071\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Courbe d&rsquo;apprentissage pour un mat\u00e9riel g\u00e9n\u00e9rique, avec un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 10&nbsp;%, et un temps de travail quotidien d&rsquo;une minute.<\/em><\/p><\/blockquote>\n\n<h3 class=\"wp-block-heading\">Les nouveaux \u00e9l\u00e9ments occupent 5&nbsp;% du temps<\/h3>\n\n<p class=\"wp-block-paragraph\">Dans un processus \u00e0 long terme, pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 10&nbsp;%, et pour un temps de travail quotidien fixe, le temps moyen consacr\u00e9 \u00e0 m\u00e9moriser de nouveaux \u00e9l\u00e9ments ne repr\u00e9sente que 5&nbsp;% du temps total consacr\u00e9 aux r\u00e9p\u00e9titions. Cette valeur est presque ind\u00e9pendante de la taille du mat\u00e9riel d&rsquo;apprentissage.<\/p>\n\n<h3 class=\"wp-block-heading\">Vitesse d&rsquo;apprentissage<\/h3>\n\n<p class=\"wp-block-paragraph\">Selon la simulation, le nombre d&rsquo;\u00e9l\u00e9ments m\u00e9moris\u00e9s au fil des ann\u00e9es cons\u00e9cutives, en travaillant une minute par jour, peut \u00eatre approxim\u00e9 par l&rsquo;\u00e9quation suivante&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Nouveaux\u00c9l\u00e9ments=aar*(3*e&nbsp;<sup>-0.3*ann\u00e9e<\/sup>+1)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>Nouveaux\u00c9l\u00e9ments &#8211; \u00e9l\u00e9ments m\u00e9moris\u00e9s au fil des ann\u00e9es cons\u00e9cutives, en travaillant une minute par jour,<\/li><li>ann\u00e9e &#8211; num\u00e9ro ordinal de l&rsquo;ann\u00e9e,<\/li><li>aar &#8211; taux d&rsquo;acquisition asymptotique, c&rsquo;est-\u00e0-dire le taux d&rsquo;apprentissage minimum atteint apr\u00e8s de nombreuses ann\u00e9es de r\u00e9p\u00e9titions (g\u00e9n\u00e9ralement environ 200 \u00e9l\u00e9ments\/an\/min)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Dans un processus \u00e0 long terme, pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 10&nbsp;%, le taux moyen d&rsquo;apprentissage pour un mat\u00e9riel g\u00e9n\u00e9rique peut \u00eatre approxim\u00e9 \u00e0 200-300 \u00e9l\u00e9ments\/an\/min, c&rsquo;est-\u00e0-dire qu&rsquo;une minute d&rsquo;apprentissage par jour permet d&rsquo;acqu\u00e9rir 200 \u00e0 300 \u00e9l\u00e9ments par an. Les utilisateurs de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;rapportent g\u00e9n\u00e9ralement un taux d&rsquo;apprentissage moyen de 50 \u00e0 2000 \u00e9l\u00e9ments\/an\/min.<\/p>\n\n<h3 class=\"wp-block-heading\">Charge de travail<\/h3>\n\n<p class=\"wp-block-paragraph\">Pour un mat\u00e9riel g\u00e9n\u00e9rique et un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;d&rsquo;environ 10&nbsp;%, la fonction du temps quotidien requis pour les r\u00e9p\u00e9titions par \u00e9l\u00e9ment peut \u00eatre approximativement d\u00e9crite par la formule&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">temps=1\/500*ann\u00e9e&nbsp;<sup>-1.5<\/sup>+1\/30000<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>temps &#8211; temps quotidien moyen consacr\u00e9 aux r\u00e9p\u00e9titions par \u00e9l\u00e9ment, pour une ann\u00e9e donn\u00e9e (en minutes),<\/li><li>ann\u00e9e &#8211; ann\u00e9e du processus.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Comme le temps n\u00e9cessaire aux r\u00e9p\u00e9titions d&rsquo;un \u00e9l\u00e9ment unique est presque ind\u00e9pendant de la taille totale du mat\u00e9riel appris, la formule ci-dessus peut \u00eatre utilis\u00e9e pour approximer la charge de travail pour un mat\u00e9riel d&rsquo;apprentissage de n&rsquo;importe quelle taille. Par exemple, la charge de travail totale pour une collection de 3000 \u00e9l\u00e9ments, la premi\u00e8re ann\u00e9e, sera de 3000\/500*1+3000\/30000=6,1 (min\/jour).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"799\" height=\"600\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Workload-1.gif\" alt=\"\" class=\"wp-image-53085\"\/><\/figure>\n\n<h3 class=\"wp-block-heading\">L&rsquo;indice d&rsquo;oubli optimal<\/h3>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Charge de travail, en minutes par jour, pour un mat\u00e9riel g\u00e9n\u00e9rique de 3000 \u00e9l\u00e9ments, avec un indice d&rsquo;oubli \u00e9gal \u00e0 10&nbsp;%.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Le taux global d&rsquo;acquisition des connaissances le plus \u00e9lev\u00e9 est obtenu pour un indice d&rsquo;oubli d&rsquo;environ 20 \u00e0 30&nbsp;%. Cela r\u00e9sulte d&rsquo;un compromis entre la r\u00e9duction de la charge de r\u00e9p\u00e9tition et l&rsquo;augmentation de la charge de r\u00e9apprentissage lorsque l&rsquo;indice d&rsquo;oubli progresse vers le haut. En d&rsquo;autres termes, des valeurs \u00e9lev\u00e9es de l&rsquo;indice d&rsquo;oubli entra\u00eenent des intervalles plus longs, mais le gain est compens\u00e9 par une charge de travail suppl\u00e9mentaire provenant d&rsquo;un plus grand nombre d&rsquo;\u00e9l\u00e9ments oubli\u00e9s qui doivent \u00eatre r\u00e9appris.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour un indice d&rsquo;oubli sup\u00e9rieur \u00e0 20&nbsp;%, l&rsquo;effet positif des intervalles longs sur la m\u00e9moire, r\u00e9sultant de l&rsquo;effet d&rsquo;espacement, est compens\u00e9 par le nombre croissant d&rsquo;\u00e9l\u00e9ments oubli\u00e9s.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"799\" height=\"600\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Knowledge_acquisition_rate_vs_forgetting_index-1.gif\" alt=\"\" class=\"wp-image-53100\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;D\u00e9pendance du taux d&rsquo;acquisition des connaissances par rapport \u00e0 l&rsquo;indice d&rsquo;oubli.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Lorsque l&rsquo;indice d&rsquo;oubli descend sous 5&nbsp;%, la charge de r\u00e9p\u00e9tition augmente rapidement (voir la figure ci-dessus). La valeur recommand\u00e9e de l&rsquo;indice d&rsquo;oubli dans la pratique de l&rsquo;apprentissage est de 6 \u00e0 14&nbsp;%.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"799\" height=\"600\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Knowledge_retention_vs_workload-1.gif\" alt=\"\" class=\"wp-image-53114\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Compromis entre la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;des connaissances (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>) et la charge de travail (nombre de r\u00e9p\u00e9titions d&rsquo;un \u00e9l\u00e9ment moyen sur 10 000 jours).<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es suivantes, il s&rsquo;est av\u00e9r\u00e9 que la valeur optimale de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;diff\u00e9rait selon les outils utilis\u00e9s (par exemple l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>).<\/p>\n\n<h3 class=\"wp-block-heading\">Capacit\u00e9 de la m\u00e9moire<\/h3>\n\n<p class=\"wp-block-paragraph\">La capacit\u00e9 maximale du cerveau humain, sur toute une vie, \u00e0 acqu\u00e9rir de nouvelles connaissances au moyen de proc\u00e9dures d&rsquo;apprentissage fond\u00e9es sur le mod\u00e8le discut\u00e9, peut \u00eatre estim\u00e9e \u00e0 pas plus de quelques millions d&rsquo;\u00e9l\u00e9ments. Comme personne n&rsquo;est susceptible de consacrer toute sa vie \u00e0 l&rsquo;apprentissage, je doute de jamais voir quelqu&rsquo;un avec un million d&rsquo;\u00e9l\u00e9ments en m\u00e9moire.<\/p>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1987\">1987&nbsp;: SuperMemo 1.0 pour DOS<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">SuperMemo 1.0 pour DOS&nbsp;: jour apr\u00e8s jour (1987)<\/h2>\n\n<p class=\"wp-block-paragraph\">Le&nbsp;<a href=\"http:\/\/super-memory.com\/english\/history.htm#1987\" rel=\"noreferrer noopener\" target=\"_blank\">fichier historique de SuperMemo<\/a>&nbsp;affirme que \u00ab &nbsp;<em>Wozniak a \u00e9crit son premier SuperMemo en 16 soir\u00e9es<\/em>&nbsp;\u00bb. La r\u00e9alit\u00e9 \u00e9tait l\u00e9g\u00e8rement plus complexe, et j&rsquo;ai pens\u00e9 la d\u00e9crire plus en d\u00e9tail \u00e0 l&rsquo;aide des notes du jour.<\/p>\n\n<p class=\"wp-block-paragraph\">Je ne parviens pas \u00e0 comprendre ce que je voulais dire en \u00e9crivant, le 3 juillet 1987, que \u00ab &nbsp;<em>j&rsquo;ai une id\u00e9e de programme r\u00e9volutionnaire organisant mon travail et mes exp\u00e9riences scientifiques SMTests<\/em>&nbsp;\u00bb (SMTests d\u00e9signait SuperMemo sur papier). Le passage du papier \u00e0 l&rsquo;ordinateur semble une \u00e9tape \u00e9vidente. Il a d\u00fb exister un obstacle mental sur le chemin qui exigeait de \u00ab penser hors des sentiers battus \u00bb. Malheureusement, je n&rsquo;en ai pas not\u00e9 les d\u00e9tails. Aujourd&rsquo;hui, cela n&rsquo;a d&rsquo;importance que dans la mesure o\u00f9 cela illustre \u00e0 quel point une id\u00e9e apparemment \u00e9vidente peut mettre un temps affreusement long \u00e0 s&rsquo;infiltrer dans l&rsquo;esprit.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 8 septembre 1987, mon premier PC est arriv\u00e9 d&rsquo;Allemagne (Amstrad PC 1512). Mon enthousiasme \u00e9tait sans \u00e9gal&nbsp;! Je ne pouvais pas dormir. J&rsquo;ai travaill\u00e9 toute la nuit. Le premier programme que j&rsquo;avais pr\u00e9vu d&rsquo;\u00e9crire devait servir aux approximations math\u00e9matiques. SuperMemo arrivait en second dans la liste.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1384\" height=\"1546\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Schneider_Amstrad_PC_1512_DD-1.png\" alt=\"\" class=\"wp-image-33314\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;: Amstrad PC-1512 DD.<\/strong>&nbsp;Ma version ne comportait qu&rsquo;un seul lecteur de disquettes. Le syst\u00e8me d&rsquo;exploitation MS-DOS devait \u00eatre charg\u00e9 depuis une disquette, Turbo Pascal 3.0 depuis une autre, et SuperMemo depuis encore une autre. Le temps que j&rsquo;obtienne mon premier disque dur en 1991, ma collection d&rsquo;anglais \u00e9tait r\u00e9partie en morceaux de 3000 \u00e9l\u00e9ments sur 13 disquettes. J&rsquo;en avais bien d&rsquo;autres pour les autres domaines de connaissance. Le 21 janvier 1997,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;a retrouv\u00e9 la trace de ce PC original et l&rsquo;a rachet\u00e9 \u00e0 son propri\u00e9taire&nbsp;: Jarek Kantecki. Le PC a fonctionn\u00e9 parfaitement pendant toute une d\u00e9cennie. Il est aujourd&rsquo;hui enseveli quelque part dans les archives poussi\u00e9reuses de l&rsquo;entreprise. Peut-\u00eatre publierons-nous un jour sa photo. L&rsquo;image pr\u00e9sent\u00e9e provient de Wikipedia<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Le 16 octobre 1987, vendredi, j&rsquo;ai \u00e9crit en 12 heures mon premier SuperMemo en GW-Basic (719 minutes de programmation non-stop). Il \u00e9tait lent comme un escargot et bogu\u00e9. Je ne l&rsquo;aimais pas beaucoup. Je n&rsquo;ai pas commenc\u00e9 \u00e0 apprendre avec. Cela pouvait-il \u00eatre la fin de SuperMemo&nbsp;? Un mauvais choix de langage de programmation&nbsp;? Les journ\u00e9es charg\u00e9es \u00e0 l&rsquo;\u00e9cole m&rsquo;occupaient avec un million de choses sans importance. Effet typique de l&rsquo;\u00e9cole&nbsp;: n&rsquo;apprendre rien de tout. Aucun temps pour la cr\u00e9ativit\u00e9 ni pour son propre apprentissage. Heureusement, j&rsquo;utilisais tout le temps SuperMemo sur papier. L&rsquo;id\u00e9e de SuperMemo ne pouvait pas mourir. Elle devait t\u00f4t ou tard \u00eatre automatis\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 14 novembre 1987, samedi, SuperMemo sur papier a obtenu son premier utilisateur&nbsp;: <a href=\"http:\/\/supermemo.guru\/wiki\/Mike_Kubiak\" rel=\"noreferrer noopener\" target=\"_blank\">Mike Kubiak<\/a>. Il \u00e9tait tr\u00e8s enthousiaste. Le feu continuait \u00e0 br\u00fbler. Le 18 novembre, j&rsquo;ai d\u00e9couvert Turbo Pascal. Il ne fonctionnait pas sur mon ordinateur. \u00c0 cette \u00e9poque, si vous aviez la mauvaise carte graphique, vous pouviez gal\u00e9rer. Au lieu d&rsquo;une carte&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Hercules_Graphics_Card\" rel=\"nofollow noopener\" target=\"_blank\">Hercules<\/a>, j&rsquo;avais une carte&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Color_Graphics_Adapter\" rel=\"nofollow noopener\" target=\"_blank\">CGA<\/a>&nbsp;monochrome en mode texte (noir et blanc). J&rsquo;ai r\u00e9ussi \u00e0 r\u00e9soudre le probl\u00e8me en modifiant les programmes dans l&rsquo;\u00e9diteur de texte RPED plut\u00f4t que dans l&rsquo;environnement Turbo Pascal. Plus tard, j&rsquo;ai obtenu la bonne version pour ma carte d&rsquo;affichage. Fait amusant, les anciennes versions de SuperMemo apparaissent en couleurs. Je les programmais en nuances de gris et n&rsquo;ai jamais su \u00e0 quoi elles ressemblaient r\u00e9ellement en mode couleur.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 21 novembre 1987 fut une journ\u00e9e importante. C&rsquo;\u00e9tait un samedi. Les jours sans \u00e9cole sont des jours de cr\u00e9ativit\u00e9. J&rsquo;esp\u00e9rais me lever \u00e0 9h, mais je me suis r\u00e9veill\u00e9 avec 72 minutes de retard. C&rsquo;est mauvais pour le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Plan\" rel=\"noreferrer noopener\" target=\"_blank\">plan<\/a>, mais c&rsquo;est g\u00e9n\u00e9ralement bon pour le cerveau et les performances. J&rsquo;ai commenc\u00e9 la journ\u00e9e par SuperMemo sur papier (r\u00e9vision de l&rsquo;anglais, de la biologie humaine, de l&rsquo;informatique, etc.). Plus tard dans la journ\u00e9e, j&rsquo;ai lu le manuel de mon Amstrad PC, appris des choses sur Pascal et Prolog, r\u00e9fl\u00e9chi un moment \u00e0 la mani\u00e8re dont le cortex humain pourrait fonctionner, fait un peu d&rsquo;exercice, et, tard dans la soir\u00e9e, dans un \u00e9tat d&rsquo;esprit l\u00e9g\u00e8rement fatigu\u00e9, en une pens\u00e9e apr\u00e8s coup, j&rsquo;ai d\u00e9cid\u00e9 d&rsquo;\u00e9crire SuperMemo pour DOS. Ce serait ma deuxi\u00e8me tentative. Cette fois cependant, j&rsquo;ai choisi Turbo Pascal 3.0, et je n&rsquo;ai jamais regrett\u00e9 ce choix. Aujourd&rsquo;hui encore, cons\u00e9quence directe de ce choix, le code de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_17\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo 17<\/a>&nbsp;est \u00e9crit en Pascal (Delphi).<\/p>\n\n<p class=\"wp-block-paragraph\">Pour m\u00e9moire, le nom SuperMemo a \u00e9t\u00e9 propos\u00e9 bien plus tard. \u00c0 l&rsquo;\u00e9poque, j&rsquo;appelais mon programme&nbsp;: SMTOP, pour Super-Memorization Test Optimization Program. En 1988,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Tomasz_Kuehn\" rel=\"noreferrer noopener\" target=\"_blank\">Tomasz Kuehn<\/a>&nbsp;a insist\u00e9 pour l&rsquo;appeler CALOM, pour Computer-Aided Learning Optimization Method.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 22 novembre 1987 fut la copie fid\u00e8le du 21 novembre. J&rsquo;en ai conclu que je savais comment fonctionnait le cortex et qu&rsquo;un jour, il serait bien de construire un ordinateur suivant des principes similaires (voir les travaux de&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Jeff_Hawkins\" rel=\"nofollow noopener\" target=\"_blank\">Jeff Hawkins<\/a>). Le fait que je sois retourn\u00e9 \u00e0 la programmation de SuperMemo tard dans la soir\u00e9e, c&rsquo;est-\u00e0-dire \u00e0 un tr\u00e8s mauvais moment pour le travail cr\u00e9atif, semble indiquer que la passion ne s&rsquo;\u00e9tait pas encore vraiment enflamm\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 23 novembre 1987 fut identique. Je ne sais plus pourquoi je n&rsquo;avais aucune obligation scolaire ce lundi, mais cela a peut-\u00eatre sauv\u00e9 SuperMemo. Le 24 novembre 1987, l&rsquo;excitation a pris le dessus et j&rsquo;ai travaill\u00e9 8 heures d&rsquo;affil\u00e9e (\u00e0 nouveau le soir). Le programme disposait d\u00e9sormais d&rsquo;un menu simple et pouvait ajouter de nouveaux \u00e9l\u00e9ments \u00e0 la base de donn\u00e9es.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 25 novembre 1987 fut une journ\u00e9e perdue&nbsp;: je devais aller \u00e0 l&rsquo;\u00e9cole, j&rsquo;\u00e9tais fatigu\u00e9 et somnolent. Nous avions des cours affreusement ennuyeux d&rsquo;architecture informatique, probablement une d\u00e9cennie derri\u00e8re l&rsquo;\u00e9tat de l&rsquo;art occidental.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 26 novembre \u00e9tait de nouveau un jour libre, et j&rsquo;ai pu \u00e0 nouveau rattraper le travail sur SuperMemo. Le programme a grossi jusqu&rsquo;\u00e0 atteindre 15&nbsp;400 octets. J&rsquo;en ai conclu que le programme pourrait \u00eatre \u00ab &nbsp;<em>tr\u00e8s utille<\/em>&nbsp;\u00bb (sic&nbsp;!).<\/p>\n\n<p class=\"wp-block-paragraph\">Le 27 novembre, j&rsquo;ai ajout\u00e9 3 heures de travail suppl\u00e9mentaires apr\u00e8s l&rsquo;\u00e9cole.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 28 novembre \u00e9tait un samedi, et j&rsquo;ai pu ajouter 12 heures enthousiastes de programmation non-stop. SuperMemo semblait d\u00e9sormais presque pr\u00eat \u00e0 l&#8217;emploi.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 29 novembre, dimanche, j&rsquo;ai vot\u00e9 pour les r\u00e9formes \u00e9conomiques et la d\u00e9mocratisation en Pologne. Le soir, je n&rsquo;ai pas fait beaucoup de progr\u00e8s. Je devais pr\u00e9parer un essai pour mon cours d&rsquo;anglais. L&rsquo;essai d\u00e9crivait le jour o\u00f9 j&rsquo;avais exp\u00e9riment\u00e9 l&rsquo;alcool, un jour de 1982. J&rsquo;\u00e9tais abstinent, mais en tant que biologiste, j&rsquo;ai conclu que je devais savoir comment l&rsquo;alcool affecte l&rsquo;esprit.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 30 novembre fut perdu \u00e0 l&rsquo;\u00e9cole, mais nous avons eu une agr\u00e9able marche jusqu&rsquo;\u00e0 la maison avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>. Nous avons eu une longue conversation en anglais sur notre avenir. Cet avenir devait principalement concerner la science, probablement aux \u00c9tats-Unis.<\/p>\n\n<p class=\"wp-block-paragraph\">Du 1er au 4 d\u00e9cembre, j&rsquo;ai de nouveau perdu mon temps \u00e0 l&rsquo;\u00e9cole. Aucun temps pour programmer. Lors d&rsquo;une conversation avec un professeur russe, j&rsquo;ai r\u00e9alis\u00e9 que j&rsquo;avais compl\u00e8tement oubli\u00e9 le russe en seulement 6 ans. J&rsquo;en \u00e9tais autrefois fi\u00e8rement fluide&nbsp;! J&rsquo;ai d\u00fb canaliser mon temps de programmation vers un logiciel ennuyeux de conception de circuits \u00e9lectroniques. J&rsquo;ai d\u00fb le faire pour valider un cours d&rsquo;\u00e9lectronique. J&rsquo;avais un accord avec l&rsquo;enseignant selon lequel je n&rsquo;assisterais pas au cours, \u00e0 condition d&rsquo;\u00e9crire ce logiciel. Je n&rsquo;ai rien appris, et \u00e0 ce jour je regrette encore ce temps perdu. Si j&rsquo;avais \u00e9t\u00e9 libre, j&rsquo;aurais pu investir cette \u00e9nergie dans SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 5 d\u00e9cembre \u00e9tait un samedi. Libre de l&rsquo;\u00e9cole. Hourra&nbsp;! Cependant, j&rsquo;ai d\u00fb commencer par perdre 4 heures sur une \u00ab proc\u00e9dure de code de touche \u00bb. \u00c0 cette \u00e9poque, m\u00eame d\u00e9coder la touche press\u00e9e pouvait \u00eatre un d\u00e9fi. Puis une heure suppl\u00e9mentaire perdue \u00e0 modifier certains attributs d&rsquo;\u00e9cran. En plus de cela, j&rsquo;ai ajout\u00e9 6 heures pour \u00e9crire un \u00ab \u00e9diteur d&rsquo;\u00e9l\u00e9ments \u00bb. Ainsi, je pouvais modifier commod\u00e9ment les \u00e9l\u00e9ments dans SuperMemo. Les choses que l&rsquo;on tient aujourd&rsquo;hui pour acquises sans effort&nbsp;: curseur gauche, curseur droit, suppression, haut, nouvelle ligne, etc., n\u00e9cessitaient \u00e0 l&rsquo;\u00e9poque une journ\u00e9e enti\u00e8re de programmation.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 6 d\u00e9cembre fut un charmant dimanche. J&rsquo;ai pass\u00e9 7 heures \u00e0 d\u00e9boguer SuperMemo, \u00e0 ajouter le \u00ab drill final \u00bb, etc. L&rsquo;excitation ne cessait de cro\u00eetre. Dans une semaine, je pourrais commencer \u00e0 utiliser mon nouveau logiciel r\u00e9volutionnaire d&rsquo;apprentissage rapide.<\/p>\n\n<p class=\"wp-block-paragraph\">Le lundi 7 d\u00e9cembre, apr\u00e8s l&rsquo;\u00e9cole, j&rsquo;ai ajout\u00e9 une proc\u00e9dure de suppression d&rsquo;\u00e9l\u00e9ments.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 8 d\u00e9cembre, tandis que Reagan et Gorbatchev signaient leur&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Intermediate-Range_Nuclear_Forces_Treaty\" rel=\"nofollow noopener\" target=\"_blank\">accord nucl\u00e9aire<\/a>, j&rsquo;ai ajout\u00e9 une proc\u00e9dure de recherche d&rsquo;\u00e9l\u00e9ments et d&rsquo;affichage de certaines statistiques sur les \u00e9l\u00e9ments. SuperMemo \u00ab gonfla \u00bb jusqu&rsquo;\u00e0 43&nbsp;800 octets.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 9 d\u00e9cembre fut g\u00e2ch\u00e9 par l&rsquo;\u00e9cole et par la programmation pour le cours d&rsquo;\u00e9lectronique.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 10 d\u00e9cembre, j&rsquo;ai c\u00e9l\u00e9br\u00e9 des coupures de courant \u00e0 l&rsquo;\u00e9cole. Au lieu de cours ennuyeux, j&rsquo;ai pu faire un peu de programmation suppl\u00e9mentaire.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 11 d\u00e9cembre, nous avons eu un magnifique cours avec l&rsquo;un des plus grands cerveaux de l&rsquo;\u00e9cole&nbsp;: le Pr Jan W\u0119glarz. Il insistait sur le fait qu&rsquo;il pouvait accomplir davantage en Pologne qu&rsquo;\u00e0 l&rsquo;\u00e9tranger. C&rsquo;\u00e9tait un message puissant. Cependant, en 2018, sa fiche Wikipedia indique que sa d\u00e9couverte de la m\u00e9thode \u00e0 deux phases a \u00e9t\u00e9 ignor\u00e9e, puis reproduite plus tard \u00e0 l&rsquo;Ouest, parce qu&rsquo;il avait choisi de publier en polonais. W\u0119glarz a effectivement cr\u00e9\u00e9 une \u00e9quipe formidable, parmi les meilleurs cerveaux en recherche op\u00e9rationnelle de Pozna\u0144. Si je ne m&rsquo;\u00e9tais pas tourn\u00e9 vers SuperMemo, je serais certainement venu, chapeau \u00e0 la main, chercher une opportunit\u00e9 d&#8217;emploi. Le soir, j&rsquo;ai ajout\u00e9 une proc\u00e9dure pour v\u00e9rifier le nombre d&rsquo;\u00e9l\u00e9ments \u00e0 r\u00e9viser chaque jour (la \u00ab charge de travail \u00bb d&rsquo;aujourd&rsquo;hui).<\/p>\n\n<p class=\"wp-block-paragraph\">Le 12 d\u00e9cembre \u00e9tait un samedi. J&rsquo;ai enrichi SuperMemo d&rsquo;un \u00e9diteur de file d&rsquo;attente en suspens, et il semblait pr\u00eat \u00e0 commencer l&rsquo;apprentissage, cependant&#8230;<\/p>\n\n<p class=\"wp-block-paragraph\">&#8230; le 13 d\u00e9cembre, j&rsquo;ai \u00e9t\u00e9 frapp\u00e9 par une bombe&nbsp;: \u00ab &nbsp;<em>m\u00e9moire insuffisante<\/em>&nbsp;\u00bb. J&rsquo;ai r\u00e9ussi, en optimisant le code, \u00e0 r\u00e9soudre le probl\u00e8me. La derni\u00e8re option qu&rsquo;il me fallait ajouter \u00e9tait de faire lire la date par le programme. Oui. Ce fut une astuce d&rsquo;importance majeure. Sans elle, j&rsquo;aurais d\u00fb saisir manuellement la date courante \u00e0 chaque d\u00e9marrage du programme. Finalement, tant attendu, dans l&rsquo;apr\u00e8s-midi du 13 d\u00e9cembre 1987, j&rsquo;ai pu ajouter mes premiers \u00e9l\u00e9ments \u00e0 ma collection de biologie humaine&nbsp;: des questions sur le syst\u00e8me nerveux autonome. Le 23 d\u00e9cembre 1987, mes bases de donn\u00e9es combin\u00e9es, papier et informatique, comptaient 3795 questions sur la biologie humaine (dont presque 10&nbsp;% d\u00e9j\u00e0 dans SuperMemo). Malheureusement, j&rsquo;ai d\u00fb supprimer les historiques complets de r\u00e9p\u00e9tition dans SuperMemo ce jour-l\u00e0. Il n&rsquo;y avait pas assez d&rsquo;espace sur les disquettes de 360 Ko. La recherche sur la r\u00e9p\u00e9tition espac\u00e9e devrait attendre encore quelques ann\u00e9es.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1052\" height=\"537\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Sm1_BW.jpg\" alt=\"\" class=\"wp-image-33330\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;SuperMemo 1.0 pour DOS (1987).<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Algorithme SM-2<\/h2>\n\n<p class=\"wp-block-paragraph\">Voici la description de l&rsquo;algorithme utilis\u00e9 dans SuperMemo 1.0. Cette description est tir\u00e9e de mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>, r\u00e9dig\u00e9 2 ans et demi plus tard (1990). SuperMemo 1.0 fut rapidement remplac\u00e9 par un SuperMemo 2.0 plus soign\u00e9, que je pouvais offrir \u00e0 mes amis de l&rsquo;universit\u00e9. Il y eut des mises \u00e0 jour mineures de l&rsquo;algorithme, qui fut nomm\u00e9 algorithme SM-2, d&rsquo;apr\u00e8s la version de SuperMemo. Cela signifie qu&rsquo;il n&rsquo;y a jamais eu d&rsquo;algorithme SM-1.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai ma\u00eetris\u00e9 1000 questions de biologie dans les 8 premiers mois. Mieux encore, j&rsquo;ai m\u00e9moris\u00e9 exactement 10&nbsp;000 \u00e9l\u00e9ments de paires de mots anglais lors des 365 premiers jours, en travaillant 40 min\/jour. Ce chiffre a servi de r\u00e9f\u00e9rence dans la publicit\u00e9 de SuperMemo lors de ses premiers jours commerciaux. M\u00eame aujourd&rsquo;hui, 40 minutes restent l&rsquo;investissement quotidien recommand\u00e9 pour ma\u00eetriser l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Advanced_English\" rel=\"noreferrer noopener\" target=\"_blank\">Advanced English<\/a>&nbsp;en 4 ans (plus de 40 000 \u00e9l\u00e9ments).<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 ce jour, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_growth_of_the_popularity_of_Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\"><strong>algorithme SM-2<\/strong>&nbsp;demeure populaire<\/a>&nbsp;et est encore utilis\u00e9 par des applications telles qu&rsquo;Anki, Mnemosyne, et bien d&rsquo;autres.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive&nbsp;: Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>3.2. Application d&rsquo;un ordinateur pour am\u00e9liorer les r\u00e9sultats obtenus avec la m\u00e9thode SuperMemo<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>J&rsquo;ai \u00e9crit le premier programme SuperMemo en d\u00e9cembre 1987 (Turbo Pascal 3.0, IBM PC). Il visait \u00e0 am\u00e9liorer la m\u00e9thode SuperMemo de deux fa\u00e7ons fondamentales&nbsp;:<\/strong><\/p>\n\n<ul class=\"wp-block-list\"><li>appliquer les proc\u00e9dures d&rsquo;optimisation aux \u00e9l\u00e9ments les plus petits possible (dans le SuperMemo sur papier, les \u00e9l\u00e9ments \u00e9taient regroup\u00e9s en pages),<\/li><li>diff\u00e9rencier les \u00e9l\u00e9ments en fonction de leur difficult\u00e9 respective.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Ayant observ\u00e9 que les intervalles inter-r\u00e9p\u00e9titions successifs augmentaient selon un facteur approximativement constant (par exemple deux, dans le cas de l&rsquo;algorithme SM-0 pour le vocabulaire anglais), j&rsquo;ai d\u00e9cid\u00e9 d&rsquo;appliquer la formule suivante pour calculer les intervalles inter-r\u00e9p\u00e9titions&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">I(1):=1<\/p>\n\n<p class=\"wp-block-paragraph\">I(2):=6<\/p>\n\n<p class=\"wp-block-paragraph\">pour n&gt;2 I(n):=I(n-1)*EF<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>I(n) &#8211; intervalle inter-r\u00e9p\u00e9titions apr\u00e8s la n-i\u00e8me r\u00e9p\u00e9tition (en jours)<\/li><li>EF &#8211; facteur de facilit\u00e9 refl\u00e9tant la facilit\u00e9 \u00e0 m\u00e9moriser et retenir un \u00e9l\u00e9ment donn\u00e9 en m\u00e9moire (appel\u00e9 plus tard le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>).<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Les facteurs E pouvaient varier entre 1,1 pour les \u00e9l\u00e9ments les plus difficiles et 2,5 pour les plus faciles. Au moment de l&rsquo;introduction d&rsquo;un \u00e9l\u00e9ment dans une base de donn\u00e9es SuperMemo, son facteur E \u00e9tait suppos\u00e9 \u00e9gal \u00e0 2,5. Au cours des r\u00e9p\u00e9titions, cette valeur \u00e9tait progressivement diminu\u00e9e en cas de probl\u00e8mes de rappel. Ainsi, plus un \u00e9l\u00e9ment posait de probl\u00e8mes au rappel, plus la diminution de son facteur E \u00e9tait importante.<\/p>\n\n<p class=\"wp-block-paragraph\">Peu apr\u00e8s la mise en \u0153uvre du premier programme SuperMemo, j&rsquo;ai remarqu\u00e9 que les facteurs E ne devaient pas descendre en dessous de la valeur de 1,3. Les \u00e9l\u00e9ments dont le facteur E \u00e9tait inf\u00e9rieur \u00e0 1,3 \u00e9taient r\u00e9p\u00e9t\u00e9s de fa\u00e7on exasp\u00e9r\u00e9ment fr\u00e9quente et semblaient toujours pr\u00e9senter des d\u00e9fauts inh\u00e9rents dans leur formulation (g\u00e9n\u00e9ralement, ils ne respectaient pas le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Minimum_information_principle\" rel=\"noreferrer noopener\" target=\"_blank\">principe d&rsquo;information minimale<\/a>). Ainsi, le fait d&#8217;emp\u00eacher les facteurs E de descendre sous 1,3 a consid\u00e9rablement am\u00e9lior\u00e9 le rendement du processus et fourni un indicateur des \u00e9l\u00e9ments \u00e0 reformuler. La formule utilis\u00e9e pour calculer les nouveaux facteurs E des \u00e9l\u00e9ments a \u00e9t\u00e9 construite de mani\u00e8re heuristique et n&rsquo;a gu\u00e8re chang\u00e9 au cours des 3,5 ann\u00e9es suivantes d&rsquo;utilisation de la m\u00e9thode SuperMemo informatis\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour calculer la nouvelle valeur d&rsquo;un facteur E, l&rsquo;\u00e9tudiant doit \u00e9valuer la qualit\u00e9 de sa r\u00e9ponse \u00e0 la question pos\u00e9e lors de la r\u00e9p\u00e9tition d&rsquo;un \u00e9l\u00e9ment (mes programmes SuperMemo utilisent une \u00e9chelle de notation de 0 \u00e0 5, plage d\u00e9termin\u00e9e par l&rsquo;ergonomie de l&rsquo;utilisation du pav\u00e9 num\u00e9rique). La forme g\u00e9n\u00e9rale de la formule utilis\u00e9e \u00e9tait&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">EF&rsquo;:=f(EF,q)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>EF&rsquo; &#8211; nouvelle valeur du facteur E<\/li><li>EF &#8211; ancienne valeur du facteur E<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse<\/li><li>f &#8211; fonction utilis\u00e9e dans le calcul de EF&rsquo;.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">La fonction f avait initialement un caract\u00e8re multiplicatif ; dans les versions ult\u00e9rieures du programme SuperMemo, lorsque l&rsquo;interpr\u00e9tation des facteurs E a consid\u00e9rablement chang\u00e9, elle a \u00e9t\u00e9 convertie en une fonction additive sans alt\u00e9ration significative des relations entre EF&rsquo;, EF et q. Pour simplifier la suite de l&rsquo;expos\u00e9, seule la fonction f dans sa forme la plus r\u00e9cente est prise en compte :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>EF&rsquo;:=EF-0.8+0.28*q-0.02*q*q<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">qui est une forme r\u00e9duite de :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>EF&rsquo;:=EF+(0.1-(5-q)*(0.08+(5-q)*0.02))<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Notez que pour q=4, le facteur E ne change pas.<\/p>\n\n<p class=\"wp-block-paragraph\">Consid\u00e9rons maintenant la forme finale de l&rsquo;algorithme SM-2, qui, avec quelques modifications mineures, a \u00e9t\u00e9 utilis\u00e9e dans les programmes SuperMemo, versions 1.0 \u00e0 3.0, entre le 13 d\u00e9cembre 1987 et le 9 mars 1989 (le nom SM-2 a \u00e9t\u00e9 choisi parce que SuperMemo 2.0 \u00e9tait de loin la version la plus populaire mettant en \u0153uvre cet algorithme).<\/p>\n\n<p class=\"wp-block-paragraph\">Algorithme SM-2 utilis\u00e9 dans la variante informatique de la m\u00e9thode SuperMemo, impliquant le calcul des facteurs de facilit\u00e9 pour chaque \u00e9l\u00e9ment :<\/p>\n\n<ol class=\"wp-block-list\"><li>D\u00e9coupez les connaissances en \u00e9l\u00e9ments les plus petits possibles.<\/li><li>Associez \u00e0 tous les \u00e9l\u00e9ments un facteur E \u00e9gal \u00e0 2,5.<\/li><li>R\u00e9p\u00e9tez les \u00e9l\u00e9ments en utilisant les intervalles suivants :<strong>I(1):=1<\/strong><strong>I(2):=6<\/strong><strong>pour n&gt;2 : I(n):=I(n-1)*EF<\/strong>o\u00f9 :<ul><li>I(n) &#8211; intervalle inter-r\u00e9p\u00e9tition apr\u00e8s la n-i\u00e8me r\u00e9p\u00e9tition (en jours),<\/li><li>EF &#8211; facteur E d&rsquo;un \u00e9l\u00e9ment donn\u00e9<\/li><\/ul>Si l&rsquo;intervalle est une fraction, arrondissez-le \u00e0 l&rsquo;entier sup\u00e9rieur.<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, \u00e9valuez la qualit\u00e9 de la r\u00e9ponse sur une \u00e9chelle de 0 \u00e0 5 :5 &#8211; r\u00e9ponse parfaite4 &#8211; r\u00e9ponse correcte apr\u00e8s h\u00e9sitation3 &#8211; r\u00e9ponse correcte rappel\u00e9e avec grande difficult\u00e92 &#8211; r\u00e9ponse incorrecte ; la r\u00e9ponse correcte semblait facile \u00e0 retrouver1 &#8211; r\u00e9ponse incorrecte ; la r\u00e9ponse correcte, une fois r\u00e9v\u00e9l\u00e9e, s&rsquo;est rappel\u00e9e0 &#8211; trou de m\u00e9moire complet.<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, modifiez le facteur E de l&rsquo;\u00e9l\u00e9ment r\u00e9cemment r\u00e9p\u00e9t\u00e9 selon la formule :EF&rsquo;:=EF+(0.1-(5-q)*(0.08+(5-q)*0.02))o\u00f9 :<ul><li>EF&rsquo; &#8211; nouvelle valeur du facteur E,<\/li><li>EF &#8211; ancienne valeur du facteur E,<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse sur l&rsquo;\u00e9chelle de 0 \u00e0 5.<\/li><\/ul>Si EF est inf\u00e9rieur \u00e0 1,3, fixez EF \u00e0 1,3.<\/li><li>Si la qualit\u00e9 de la r\u00e9ponse \u00e9tait inf\u00e9rieure \u00e0 3, recommencez les r\u00e9p\u00e9titions de l&rsquo;\u00e9l\u00e9ment depuis le d\u00e9but sans modifier le facteur E (c&rsquo;est-\u00e0-dire utilisez les intervalles I(1), I(2), etc. comme si l&rsquo;\u00e9l\u00e9ment venait d&rsquo;\u00eatre m\u00e9moris\u00e9).<\/li><li>Apr\u00e8s chaque session de r\u00e9p\u00e9tition d&rsquo;une journ\u00e9e donn\u00e9e, r\u00e9p\u00e9tez \u00e0 nouveau tous les \u00e9l\u00e9ments ayant obtenu une note inf\u00e9rieure \u00e0 quatre. Continuez les r\u00e9p\u00e9titions jusqu&rsquo;\u00e0 ce que tous ces \u00e9l\u00e9ments obtiennent au moins quatre.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">La proc\u00e9dure d&rsquo;optimisation utilis\u00e9e pour d\u00e9terminer les facteurs E s&rsquo;est r\u00e9v\u00e9l\u00e9e tr\u00e8s efficace. Dans les programmes SuperMemo, on trouve toujours une option permettant d&rsquo;afficher la distribution des facteurs E (appel\u00e9e plus tard la distribution E). La forme de la distribution E dans une base de donn\u00e9es donn\u00e9e s&rsquo;\u00e9tablissait approximativement en quelques mois \u00e0 partir du d\u00e9but des r\u00e9p\u00e9titions. Cela signifie que les facteurs E ne changeaient plus de mani\u00e8re significative apr\u00e8s cette p\u00e9riode, et l&rsquo;on peut raisonnablement supposer qu&rsquo;ils correspondent \u00e0 peu pr\u00e8s au facteur r\u00e9el selon lequel les intervalles inter-r\u00e9p\u00e9tition devraient cro\u00eetre au fil des r\u00e9p\u00e9titions successives.<\/p>\n\n<p class=\"wp-block-paragraph\">Au cours de la premi\u00e8re ann\u00e9e d&rsquo;utilisation de l&rsquo;algorithme SM-2 (apprentissage du vocabulaire anglais), j&rsquo;ai m\u00e9moris\u00e9 10 255 \u00e9l\u00e9ments. Le temps n\u00e9cessaire \u00e0 la cr\u00e9ation de la base de donn\u00e9es et aux r\u00e9p\u00e9titions s&rsquo;\u00e9levait \u00e0 41 minutes par jour. Cela correspond \u00e0 un taux d&rsquo;acquisition de 270 \u00e9l\u00e9ments\/an\/minute. La r\u00e9tention globale \u00e9tait de 89,3 %, mais apr\u00e8s exclusion des \u00e9l\u00e9ments r\u00e9cemment m\u00e9moris\u00e9s (intervalles inf\u00e9rieurs \u00e0 3 semaines), qui ne pr\u00e9sentent pas encore de facteurs E correctement \u00e9tablis, la r\u00e9tention atteignait 92 %. En comparant les algorithmes SM-0 et SM-2, il faut tenir compte du fait que, dans le premier cas, la r\u00e9tention \u00e9tait artificiellement \u00e9lev\u00e9e en raison des indices offerts \u00e0 l&rsquo;\u00e9tudiant lors de la r\u00e9p\u00e9tition des \u00e9l\u00e9ments d&rsquo;une page donn\u00e9e. Les \u00e9l\u00e9ments pr\u00e9c\u00e9dant celui en question pouvaient facilement sugg\u00e9rer la bonne r\u00e9ponse.L&rsquo;algorithme SM-2, bien que peu impressionnant en termes de comparaisons quantitatives, a donc marqu\u00e9 la deuxi\u00e8me am\u00e9lioration majeure de la m\u00e9thode SuperMemo apr\u00e8s l&rsquo;introduction du concept d&rsquo;intervalles optimaux en 1985. La s\u00e9paration des \u00e9l\u00e9ments jusque-l\u00e0 regroup\u00e9s en pages et l&rsquo;introduction des facteurs E constituaient les deux composantes majeures de cet algorithme am\u00e9lior\u00e9. Construit par essais et erreurs, l&rsquo;algorithme SM-2 a d\u00e9montr\u00e9 en pratique la justesse de presque toutes les hypoth\u00e8ses fondamentales qui avaient conduit \u00e0 sa conception.<\/p>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1988\">1988 : Les deux composantes de la m\u00e9moire<\/div><\/h1>\n\n<p class=\"wp-block-paragraph\">Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two-component_model_of_long-term_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire \u00e0 long terme<\/a>&nbsp;est au fondement de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, et il est exprim\u00e9 explicitement dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>. Il distingue le degr\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;d&rsquo;une connaissance dans le stockage \u00e0 long terme, et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">facilit\u00e9 avec laquelle on peut la r\u00e9cup\u00e9rer<\/a>. C&rsquo;est un fait essentiel de la th\u00e9orie de l&rsquo;apprentissage, mais peu connu : on peut \u00eatre fluide dans un domaine tout en s&rsquo;en souvenant mal.<\/p>\n\n<p class=\"wp-block-paragraph\">La fluidit\u00e9 est un mauvais indicateur de l&rsquo;apprentissage \u00e0 long terme<\/p>\n\n<h2 class=\"wp-block-heading\">Les composantes de la m\u00e9moire \u00e0 long terme<\/h2>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai d\u00e9crit pour la premi\u00e8re fois l&rsquo;id\u00e9e des deux composantes de la m\u00e9moire dans un article r\u00e9dig\u00e9 pour mon cours de simulations informatiques, le 9 janvier 1988. Dans ce m\u00eame article, j&rsquo;ai conclu que des circuits diff\u00e9rents devaient intervenir dans l&rsquo;apprentissage d\u00e9claratif et l&rsquo;apprentissage proc\u00e9dural.<\/p>\n\n<p class=\"wp-block-paragraph\">Si l&rsquo;on y r\u00e9fl\u00e9chit un instant, l&rsquo;id\u00e9e des deux composantes devrait para\u00eetre assez \u00e9vidente. Si l&rsquo;on prend deux&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;juste apr\u00e8s une r\u00e9vision, l&rsquo;un avec un intervalle optimal court et l&rsquo;autre avec un intervalle optimal long, leur \u00e9tat mn\u00e9sique doit forc\u00e9ment diff\u00e9rer. Les deux peuvent \u00eatre rappel\u00e9s parfaitement (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;maximale), mais ils doivent aussi diff\u00e9rer par la dur\u00e9e pendant laquelle ils peuvent se maintenir en m\u00e9moire (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;diff\u00e9rente). J&rsquo;ai \u00e9t\u00e9 surpris de ne trouver aucune litt\u00e9rature sur le sujet. Cependant, si la litt\u00e9rature ne mentionne pas l&rsquo;existence de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;en r\u00e9p\u00e9tition espac\u00e9e, cette conclusion en apparence \u00e9vidente se cache peut-\u00eatre derri\u00e8re une autre id\u00e9e tout aussi apparemment \u00e9vidente : la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">progression de l&rsquo;allongement des intervalles en r\u00e9vision optimalement espac\u00e9e<\/a>. C&rsquo;est une jolie illustration de la fa\u00e7on dont le progr\u00e8s humain est incr\u00e9mental et d\u00e9sesp\u00e9r\u00e9ment lent. Nous sommes notoirement mauvais pour penser hors des sentiers battus. L&rsquo;endroit le plus sombre est sous le chandelier. Cette faiblesse peut \u00eatre surmont\u00e9e par l&rsquo;explosion de la communication sur le web. Je pr\u00f4ne moins de relecture par les pairs et davantage d&rsquo;hypoth\u00e8ses audacieuses. Je pense \u00e0 un exemple fantastique tir\u00e9 de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Bad_learning_contributes_to_Alzheimer%27s\" rel=\"noreferrer noopener\" target=\"_blank\">article de Robin Clarke sur la maladie d&rsquo;Alzheimer<\/a>. La relecture stricte par les pairs rappelle l&rsquo;enseignement prussien : dans la qu\u00eate de la perfection, on perd sa cr\u00e9ativit\u00e9, puis son humanit\u00e9, et finalement le plaisir de vivre.<\/p>\n\n<p class=\"wp-block-paragraph\">Lorsque j&rsquo;ai pr\u00e9sent\u00e9 mes id\u00e9es pour la premi\u00e8re fois \u00e0 mon professeur, le Dr Katulski, le 19 f\u00e9vrier 1988, il n&rsquo;a pas \u00e9t\u00e9 particuli\u00e8rement impressionn\u00e9, mais il m&rsquo;a accord\u00e9 la validation du cr\u00e9dit de simulations informatiques. Fait notable, quelque temps plus tard, Katulski est devenu l&rsquo;un des premiers utilisateurs de SuperMemo 1.0 pour DOS.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" target=\"_blank\" rel=\"noreferrer noopener\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>&nbsp;(1990), j&rsquo;ai ajout\u00e9 une d\u00e9monstration l\u00e9g\u00e8rement plus formelle de l&rsquo;existence des deux composantes. Cette partie de mon m\u00e9moire est pass\u00e9e inaper\u00e7ue.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1994, J. Kowalski&nbsp;<a href=\"http:\/\/www.super-memory.com\/articles\/kowal.htm\" rel=\"nofollow noopener\" target=\"_blank\">a \u00e9crit dans Enter<\/a>, en Pologne :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Nous en sommes arriv\u00e9s au point o\u00f9 l&rsquo;interpr\u00e9tation \u00e9volutionniste de la m\u00e9moire indique qu&rsquo;elle fonctionne selon les principes de l&rsquo;allongement des intervalles et de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>. Existe-t-il une preuve de ce mod\u00e8le de la m\u00e9moire au-del\u00e0 de la sp\u00e9culation \u00e9volutionniste ? Dans sa th\u00e8se de doctorat, Wozniak a longuement trait\u00e9 des aspects mol\u00e9culaires de la m\u00e9moire et a pr\u00e9sent\u00e9 un mod\u00e8le hypoth\u00e9tique des changements se produisant dans la synapse au cours du processus d&rsquo;apprentissage. L&rsquo;\u00e9l\u00e9ment novateur pr\u00e9sent\u00e9 dans cette th\u00e8se \u00e9tait la distinction entre la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;des traces mn\u00e9siques. Cela ne pouvait pas servir \u00e0 valider&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, pour la simple raison que c&rsquo;\u00e9tait SuperMemo lui-m\u00eame qui avait jet\u00e9 les bases de l&rsquo;hypoth\u00e8se. Cependant, un nombre croissant de preuves mol\u00e9culaires semble co\u00efncider avec le mod\u00e8le stabilit\u00e9-r\u00e9cup\u00e9rabilit\u00e9, apportant en m\u00eame temps un soutien \u00e0 la justesse des hypoth\u00e8ses qui ont conduit \u00e0 SuperMemo. En termes simples, la r\u00e9cup\u00e9rabilit\u00e9 est une propri\u00e9t\u00e9 de la m\u00e9moire qui d\u00e9terrmine le niveau d&rsquo;efficacit\u00e9 avec lequel les synapses peuvent s&rsquo;activer en r\u00e9ponse \u00e0 un stimulus, d\u00e9clenchant ainsi l&rsquo;action apprise. Plus la r\u00e9cup\u00e9rabilit\u00e9 est faible, moins il est probable que l&rsquo;on se souvienne de la bonne r\u00e9ponse \u00e0 une question. La stabilit\u00e9, en revanche, refl\u00e8te l&rsquo;historique des r\u00e9p\u00e9titions ant\u00e9rieures et d\u00e9terrmine la dur\u00e9e pendant laquelle les traces mn\u00e9siques peuvent \u00eatre maintenues. Plus la stabilit\u00e9 de la m\u00e9moire est \u00e9lev\u00e9e, plus il faudra de temps pour que la r\u00e9cup\u00e9rabilit\u00e9 retombe \u00e0 z\u00e9ro, c&rsquo;est-\u00e0-dire au niveau o\u00f9 les souvenirs sont d\u00e9finitivement perdus. Selon Wozniak, lorsque nous apprenons quelque chose pour la premi\u00e8re fois, nous connaissons une l\u00e9g\u00e8re augmentation de la stabilit\u00e9 et de la r\u00e9cup\u00e9rabilit\u00e9 dans les synapses impliqu\u00e9es dans le codage de l&rsquo;association stimulus-r\u00e9ponse en question. Avec le temps, la r\u00e9cup\u00e9rabilit\u00e9 d\u00e9cline rapidement ; c&rsquo;est le ph\u00e9nom\u00e8ne \u00e9quivalent \u00e0 l&rsquo;oubli. Dans le m\u00eame temps, la stabilit\u00e9 de la m\u00e9moire reste \u00e0 peu pr\u00e8s au m\u00eame niveau. Cependant, si nous r\u00e9p\u00e9tons l&rsquo;association avant que la r\u00e9cup\u00e9rabilit\u00e9 ne retombe \u00e0 z\u00e9ro, la r\u00e9cup\u00e9rabilit\u00e9 retrouve sa valeur initiale, tandis que la stabilit\u00e9 augmente jusqu&rsquo;\u00e0 un niveau nouveau, sensiblement plus \u00e9lev\u00e9 qu&rsquo;\u00e0 l&rsquo;apprentissage initial. Avant que la r\u00e9p\u00e9tition suivante n&rsquo;ait lieu, gr\u00e2ce \u00e0 la stabilit\u00e9 accrue, la r\u00e9cup\u00e9rabilit\u00e9 diminue \u00e0 un rythme plus lent, et l&rsquo;intervalle inter-r\u00e9p\u00e9tition peut \u00eatre beaucoup plus long avant que l&rsquo;oubli ne survienne. Deux autres propri\u00e9t\u00e9s importantes de la m\u00e9moire doivent \u00e9galement \u00eatre not\u00e9es : (1) les r\u00e9p\u00e9titions n&rsquo;ont pas le pouvoir d&rsquo;augmenter la stabilit\u00e9 lorsque la r\u00e9cup\u00e9rabilit\u00e9 est \u00e9lev\u00e9e (effet d&rsquo;espacement), (2) lors de l&rsquo;oubli, la stabilit\u00e9 d\u00e9cline rapidement<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Nous avons publi\u00e9 nos id\u00e9es avec les Drs&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Janusz Murakowski<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Edward_Gorzelanczyk\" rel=\"noreferrer noopener\" target=\"_blank\">Edward Gorzela\u0144czyk<\/a>&nbsp;en&nbsp;<a href=\"http:\/\/super-memory.com\/english\/2vm.htm\" rel=\"nofollow noopener\" target=\"_blank\">1995<\/a>. Murakowski a perfectionn\u00e9 la d\u00e9monstration math\u00e9matique. Gorzela\u0144czyk a \u00e9toff\u00e9 le mod\u00e8le mol\u00e9culaire. Nous n&rsquo;avons gu\u00e8re re\u00e7u d&rsquo;enthousiasme ni de retours de la part de la communaut\u00e9 scientifique. L&rsquo;id\u00e9e des deux composantes de la m\u00e9moire est comme le vin : plus elle vieillit, meilleure elle devient. Nous continuons \u00e0 nous demander quand elle recevra une reconnaissance plus large. Apr\u00e8s tout, nous ne vivons pas \u00e0 l&rsquo;\u00e9poque de&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Gregor_Mendel\" rel=\"nofollow noopener\" target=\"_blank\">Mendel<\/a>, o\u00f9 l&rsquo;on pouvait laisser un joyau enfoui dans quelque archive obscure. Il existe des millions d&rsquo;utilisateurs de la r\u00e9p\u00e9tition espac\u00e9e, et m\u00eame si seulement 0,1 % d&rsquo;entre eux s&rsquo;int\u00e9ressaient \u00e0 la th\u00e9orie, ils entendraient parler de nos deux composantes. Aujourd&rsquo;hui, m\u00eame le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">tout dernier algorithme<\/a>&nbsp;de SuperMemo repose sur le mod\u00e8le \u00e0 deux composantes, et il fonctionne \u00e0 merveille. Ironiquement, les utilisateurs ont tendance \u00e0 se ruer vers des solutions plus simples o\u00f9 toute la m\u00e9canique de la m\u00e9moire humaine reste cach\u00e9e. M\u00eame sur&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">supermemo.com<\/a>, nous veillons \u00e0 ne pas effrayer les clients avec un exc\u00e8s de chiffres \u00e0 l&rsquo;\u00e9cran.<\/p>\n\n<p class=\"wp-block-paragraph\">Le concept des deux composantes de la m\u00e9moire pr\u00e9sente des parall\u00e8les avec des recherches ant\u00e9rieures, notamment celles de Bjork.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es 1940, des chercheurs ont \u00e9tudi\u00e9 la force de l&rsquo;habitude et la force de la r\u00e9ponse comme des composantes ind\u00e9pendantes du comportement chez le rat. Ces concepts ont ensuite \u00e9t\u00e9 reformul\u00e9s dans la th\u00e9orie de la d\u00e9su\u00e9tude de Bjork. Herbert Simon semble avoir per\u00e7u la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Herbert_Simon_predicted_two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">n\u00e9cessit\u00e9 d&rsquo;une variable de stabilit\u00e9 de la m\u00e9moire dans son article de 1966<\/a>. En 1969, Robert Bjork a formul\u00e9 le paradoxe de la force : une relation inverse entre la probabilit\u00e9 de rappel et l&rsquo;effet mn\u00e9sique d&rsquo;une r\u00e9vision. Notez que ceci n&rsquo;est qu&rsquo;une reformulation de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>&nbsp;en termes du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes<\/a>, ce qui n&rsquo;est qu&rsquo;\u00e0 un petit pas de la formulation de la distinction entre les variables de la m\u00e9moire. Cela a conduit \u00e0 la nouvelle th\u00e9orie de la d\u00e9su\u00e9tude de Bjork (1992), qui distinguerait la force de stockage et la force de r\u00e9cup\u00e9ration. Ce sont des \u00e9quivalents proches de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;et de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>, avec une interpr\u00e9tation l\u00e9g\u00e8rement diff\u00e9rente des m\u00e9canismes sous-jacents \u00e0 cette distinction. Le plus frappant est que Bjork croit que lorsque la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;retombe \u00e0 z\u00e9ro, les souvenirs stables sont malgr\u00e9 tout conserv\u00e9s (dans notre mod\u00e8le, la stabilit\u00e9 devient ind\u00e9termin\u00e9e). Au niveau cellulaire, Bjork a peut-\u00eatre raison, au moins pour un temps, mais la pratique de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;d\u00e9montre la puissance de l&rsquo;oubli complet, alors que, du point de vue neuronal, conserver des souvenirs en d\u00e9su\u00e9tude serait extr\u00eamement inefficace, quelle que soit leur&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>. Enfin, Bjork d\u00e9finit la force de stockage en termes de connectivit\u00e9, ce qui se rapproche fort de ce que je pense se produire chez les bons \u00e9tudiants : la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Coherence\" rel=\"noreferrer noopener\" target=\"_blank\">coh\u00e9rence<\/a>&nbsp;affecte la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Pourquoi les deux composantes de la m\u00e9moire n&rsquo;entrent-elles pas encore dans la recherche grand public ? J&rsquo;affirme que si l&rsquo;esprit humain a tendance \u00e0 \u00eatre myope, ce qui est le cas pour nous tous par nature, l&rsquo;esprit de la science peut \u00eatre v\u00e9ritablement \u00e9touff\u00e9 par des obligations \u00e9puisantes, la course \u00e0 la publication, les luttes pour les subventions, les hi\u00e9rarchies, les conflits d&rsquo;int\u00e9r\u00eats, la relecture par les pairs, les obligations d&rsquo;enseignement, voire le code de conduite. Les chercheurs en m\u00e9moire ont tendance \u00e0 vivre dans une dimension unique, celle de la \u00ab force de la m\u00e9moire \u00bb. Dans cette dimension, ils ne peuvent v\u00e9ritablement appr\u00e9hender la v\u00e9ritable dynamique des processus mol\u00e9culaires qu&rsquo;il faudrait \u00e9tudier pour r\u00e9soudre le probl\u00e8me. Ironiquement, les progr\u00e8s pourraient venir de ceux qui travaillent en intelligence artificielle ou sur les r\u00e9seaux de neurones. Les esprits prodigieux de&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Demis_Hassabis\" rel=\"nofollow noopener\" target=\"_blank\">Demis Hassabis<\/a>&nbsp;ou d&rsquo;Andreas Knoblauch aboutissent \u00e0 des id\u00e9es jumelles par un raisonnement, des mod\u00e8les et des simulations ind\u00e9pendants. Les biologistes devront apprendre \u00e0 \u00e9couter le langage des math\u00e9matiques ou de l&rsquo;informatique.<\/p>\n\n<h2 class=\"wp-block-heading\">Le mod\u00e8le \u00e0 deux composantes dans l&rsquo;algorithme SM-17<\/h2>\n\n<p class=\"wp-block-paragraph\">Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_long-term_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire \u00e0 long terme<\/a>&nbsp;est \u00e0 la base de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>. Le succ\u00e8s de l&rsquo;algorithme SM-17 constitue la preuve pratique ultime de la validit\u00e9 du mod\u00e8le.<\/p>\n\n<p class=\"wp-block-paragraph\">Un graphique des changements r\u00e9els des valeurs des deux composantes de la m\u00e9moire fournit une visualisation conceptuelle de l&rsquo;\u00e9volution de l&rsquo;\u00e9tat de la m\u00e9moire :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1517\" height=\"917\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Memory_status.jpg\" alt=\"\" class=\"wp-image-33345\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Changements de l&rsquo;\u00e9tat de la m\u00e9moire au fil du temps pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ment<\/a>&nbsp;pris en exemple. L&rsquo;axe horizontal repr\u00e9sente le temps couvrant l&rsquo;ensemble de l&rsquo;historique des r\u00e9p\u00e9titions. Le panneau sup\u00e9rieur montre la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;(puissance dixi\u00e8me, R^10, pour faciliter l&rsquo;analyse). La grille de r\u00e9cup\u00e9rabilit\u00e9 en&nbsp;gris&nbsp;est \u00e9tiquet\u00e9e par R=99 %, R=98 %, etc. Le panneau central affiche les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>&nbsp;en&nbsp;bleu marine. Les dates de r\u00e9p\u00e9tition sont marqu\u00e9es par des&nbsp;lignes verticales bleues&nbsp;et \u00e9tiquet\u00e9es en&nbsp;bleu turquoise. La fin de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>, o\u00f9 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9 (R)<\/a>&nbsp;franchit la ligne des 90 %, est marqu\u00e9e par des&nbsp;lignes verticales rouges&nbsp;(uniquement si les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>&nbsp;sont plus longs que les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>). Le panneau inf\u00e9rieur visualise la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;(pr\u00e9sent\u00e9e sous forme de&nbsp;<code>ln(S)\/ln(jours)<\/code>&nbsp;pour faciliter l&rsquo;analyse). Le graphique montre que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;chute rapidement (de mani\u00e8re exponentielle) apr\u00e8s les premi\u00e8res&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9titions<\/a>, lorsque la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;est faible ; cependant, elle ne chute que de 100 % \u00e0 94 % en 10 longues ann\u00e9es apr\u00e8s la 7e r\u00e9vision. Toutes les valeurs sont d\u00e9riv\u00e9es d&rsquo;un historique de r\u00e9p\u00e9titions r\u00e9el et du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Three_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 trois composantes de la m\u00e9moire<\/a>.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">En raison du fait que l&rsquo;application de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;dans la vie r\u00e9elle exige de traiter des contenus d&rsquo;apprentissage de difficult\u00e9s vari\u00e9es, la troisi\u00e8me variable impliqu\u00e9e dans le mod\u00e8le est la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment (D). Certaines implications de la difficult\u00e9 des \u00e9l\u00e9ments ont \u00e9galement \u00e9t\u00e9 abord\u00e9es dans l&rsquo;article ci-dessus, en particulier l&rsquo;impact des souvenirs composites dont les sous-composantes ont des stabilit\u00e9s mn\u00e9siques (S) diff\u00e9rentes.<\/p>\n\n<p class=\"wp-block-paragraph\">Aux fins du nouvel algorithme, nous avons d\u00e9fini les trois composantes de la m\u00e9moire comme suit :<\/p>\n\n<ul class=\"wp-block-list\"><li>La stabilit\u00e9 de la m\u00e9moire (S) est d\u00e9finie comme l&rsquo;intervalle inter-r\u00e9p\u00e9tition qui produit une probabilit\u00e9 de rappel moyenne de 0,9 au moment de la r\u00e9vision<\/li><li>La r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire (R) est d\u00e9finie comme la probabilit\u00e9 de rappel attendue \u00e0 tout moment, en supposant un oubli exponentiel n\u00e9gatif d&rsquo;un contenu d&rsquo;apprentissage homog\u00e8ne, avec une constante de d\u00e9croissance d\u00e9termin\u00e9e par la stabilit\u00e9 de la m\u00e9moire (S)<\/li><li>La difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment (D) est d\u00e9finie comme l&rsquo;augmentation maximale possible de la stabilit\u00e9 de la m\u00e9moire (S) lors d&rsquo;une r\u00e9vision, ramen\u00e9e lin\u00e9airement \u00e0 l&rsquo;intervalle 0..1, o\u00f9 0 correspond aux \u00e9l\u00e9ments les plus faciles possibles et 1 correspond \u00e0 la difficult\u00e9 la plus \u00e9lev\u00e9e envisag\u00e9e dans SuperMemo (le seuil de coupure se situe actuellement \u00e0 une augmentation de stabilit\u00e9 6 fois inf\u00e9rieure au maximum possible)<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">D\u00e9monstration<\/h2>\n\n<p class=\"wp-block-paragraph\">Voici la d\u00e9monstration originale tir\u00e9e de mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" target=\"_blank\" rel=\"noreferrer noopener\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>. Pour une meilleure pr\u00e9sentation de cette d\u00e9monstration, voir la&nbsp;d\u00e9monstration de Murakowski.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>10.4.2. Deux variables de la m\u00e9moire : stabilit\u00e9 et r\u00e9cup\u00e9rabilit\u00e9<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Une conclusion importante d\u00e9coule directement de la th\u00e9orie de SuperMemo : il existe deux variables ind\u00e9pendantes, et non une seule comme on le croit commun\u00e9ment, qui d\u00e9crivent la conductivit\u00e9 d&rsquo;une synapse et la m\u00e9moire en g\u00e9n\u00e9ral. Pour illustrer ce point, reprenons le mod\u00e8le de la calpa\u00efne de la m\u00e9moire synaptique. Il est \u00e9vident, \u00e0 partir de ce mod\u00e8le, que ses auteurs supposent qu&rsquo;une seule variable ind\u00e9pendante suffit \u00e0 d\u00e9crire la conductivit\u00e9 d&rsquo;une synapse. L&rsquo;afflux de calcium, l&rsquo;activit\u00e9 de la calpa\u00efne, la d\u00e9gradation de la fodrine et le nombre de r\u00e9cepteurs au glutamate sont autant d&rsquo;exemples d&rsquo;une telle variable. Notez que tous les param\u00e8tres mentionn\u00e9s sont d\u00e9pendants, c&rsquo;est-\u00e0-dire qu&rsquo;en connaissant l&rsquo;un d&rsquo;eux, on pourrait calculer tous les autres ; cela n&rsquo;est \u00e9videmment possible que si l&rsquo;on parvenait \u00e0 construire les formules pertinentes. Cette d\u00e9pendance des param\u00e8tres est une cons\u00e9quence directe des liens causaux qui les relient tous entre eux.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, le processus d&rsquo;apprentissage optimal exige exactement deux variables ind\u00e9pendantes pour d\u00e9crire l&rsquo;\u00e9tat d&rsquo;une synapse \u00e0 un instant donn\u00e9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>Une variable qui joue le r\u00f4le d&rsquo;une horloge mesurant le temps entre les r\u00e9p\u00e9titions. Voici quelques param\u00e8tres pouvant \u00eatre utilis\u00e9s \u00e0 cette fin :<ul><li>T&nbsp;<sub>e<\/sub>&nbsp;&#8211; temps \u00e9coul\u00e9 depuis la derni\u00e8re r\u00e9p\u00e9tition (il appartient \u00e0 l&rsquo;intervalle &lt;0, intervalle-optimal&gt;),<\/li><li>T&nbsp;<sub>l<\/sub>&nbsp;&#8211; temps qui doit s&rsquo;\u00e9couler avant que la prochaine r\u00e9p\u00e9tition n&rsquo;ait lieu (T&nbsp;<sub>l<\/sub>=intervalle-optimal-T&nbsp;<sub>e<\/sub>),<\/li><li>P&nbsp;<sub>f<\/sub>&nbsp;&#8211; probabilit\u00e9 que la synapse perde la trace mn\u00e9sique au cours du jour consid\u00e9r\u00e9 (elle appartient \u00e0 l&rsquo;intervalle &lt;0,1&gt;).<\/li><\/ul>Il est \u00e9vident que l&rsquo;on peut concevoir un nombre incalculable de param\u00e8tres susceptibles de repr\u00e9senter la variable d&rsquo;horloge. Tous ces param\u00e8tres sont d\u00e9pendants, c&rsquo;est-\u00e0-dire que l&rsquo;un d&rsquo;entre eux suffit \u00e0 calculer tous les autres.<\/li><li>Une variable qui mesure la durabilit\u00e9 de la m\u00e9moire. Voici quelques param\u00e8tres pouvant \u00eatre utilis\u00e9s \u00e0 cette fin :<ul><li>I(n+1) &#8211; intervalle optimal \u00e0 utiliser apr\u00e8s la prochaine r\u00e9p\u00e9tition (I(n+1)=I(n)*C, o\u00f9 C est une constante sup\u00e9rieure \u00e0 trois),<\/li><li>I(n) &#8211; intervalle optimal actuel,<\/li><li>n &#8211; nombre de r\u00e9p\u00e9titions pr\u00e9c\u00e9dant le moment consid\u00e9r\u00e9, etc.<\/li><\/ul>L\u00e0 encore, les param\u00e8tres sont d\u00e9pendants, et un seul d&rsquo;entre eux suffit \u00e0 caract\u00e9riser la durabilit\u00e9 de la m\u00e9moire.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Voyons maintenant si les variables ci-dessus sont n\u00e9cessaires et suffisantes pour caract\u00e9riser l&rsquo;\u00e9tat des synapses dans le processus d&rsquo;apprentissage optimal dans le temps. Pour montrer que les variables sont ind\u00e9pendantes, nous montrerons qu&rsquo;aucune d&rsquo;elles ne peut \u00eatre calcul\u00e9e \u00e0 partir de l&rsquo;autre. Notons que le param\u00e8tre I(n) reste constant pendant un intervalle inter-r\u00e9p\u00e9tition donn\u00e9, tandis que le param\u00e8tre T&nbsp;<sub>e<\/sub>&nbsp;varie de z\u00e9ro \u00e0 I(n). Cela montre qu&rsquo;il n&rsquo;existe aucune fonction f satisfaisant la condition :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>T&nbsp;<sub>e<\/sub>=f(I(n))<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">D&rsquo;autre part, au moment des r\u00e9p\u00e9titions successives, T&nbsp;<sub>e<\/sub>&nbsp;vaut toujours z\u00e9ro tandis que I(n) a toujours une valeur diff\u00e9rente, croissante. Il n&rsquo;existe donc aucune fonction g satisfaisant la condition :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>I(n)=g(T&nbsp;<sub>e<\/sub>)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">D&rsquo;o\u00f9 l&rsquo;ind\u00e9pendance de I(n) et de T&nbsp;<sub>e<\/sub>.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour montrer qu&rsquo;aucune autre variable n&rsquo;est n\u00e9cessaire dans le processus d&rsquo;apprentissage optimal, notons qu&rsquo;\u00e0 tout instant donn\u00e9 nous pouvons calculer tous les moments des r\u00e9p\u00e9titions futures \u00e0 l&rsquo;aide de l&rsquo;algorithme suivant :<\/p>\n\n<ol class=\"wp-block-list\"><li>Laisser s&rsquo;\u00e9couler I(n)-T&nbsp;<sub>e<\/sub>&nbsp;jours.<\/li><li>Effectuer une r\u00e9p\u00e9tition.<\/li><li>Remettre T&nbsp;<sub>e<\/sub>&nbsp;\u00e0 z\u00e9ro et multiplier I(n) par C.<\/li><li>Retourner \u00e0 1.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Notez que la valeur de C est une constante caract\u00e9ristique d&rsquo;une synapse donn\u00e9e et qu&rsquo;elle ne change pas, en tant que telle, au cours du processus d&rsquo;apprentissage. J&rsquo;utiliserai plus tard le terme&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;<\/strong>pour d\u00e9signer la premi\u00e8re de ces variables, et le terme&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;<\/strong>pour d\u00e9signer la seconde. Pour justifier le choix du premier terme, notons que nous avons l&rsquo;habitude de penser que les souvenirs sont forts apr\u00e8s une t\u00e2che d&rsquo;apprentissage, puis s&rsquo;estompent progressivement jusqu&rsquo;\u00e0 devenir irr\u00e9cup\u00e9rables. C&rsquo;est la r\u00e9cup\u00e9rabilit\u00e9 qui d\u00e9terrmine le moment o\u00f9 les souvenirs ne sont plus l\u00e0. Il convient \u00e9galement de noter que la r\u00e9cup\u00e9rabilit\u00e9 \u00e9tait la variable tacitement consid\u00e9r\u00e9e comme la seule n\u00e9cessaire pour d\u00e9crire la m\u00e9moire (comme dans le mod\u00e8le de la calpa\u00efne). L&rsquo;invisibilit\u00e9 de la variable de stabilit\u00e9 r\u00e9sultait du fait que les chercheurs concentraient leurs efforts sur une seule t\u00e2che d&rsquo;apprentissage et l&rsquo;observation des changements cons\u00e9cutifs dans les synapses, alors que l&rsquo;importance de la stabilit\u00e9 ne peut \u00eatre mise en \u00e9vidence que dans le processus de r\u00e9p\u00e9tition de la m\u00eame t\u00e2che \u00e0 de nombreuses reprises. Pour conclure cette analyse des variables de la m\u00e9moire, posons la question standard que l&rsquo;on doit se poser lors de l&rsquo;\u00e9laboration de tout mod\u00e8le biologique. Quel avantage \u00e9volutif possible r\u00e9sulte de l&rsquo;existence de deux variables de la m\u00e9moire ?<\/p>\n\n<p class=\"wp-block-paragraph\">La r\u00e9cup\u00e9rabilit\u00e9 et la stabilit\u00e9 sont toutes deux n\u00e9cessaires pour coder un processus d&rsquo;apprentissage qui permet aux intervalles inter-r\u00e9p\u00e9tition successifs de s&rsquo;allonger sans oubli. On peut facilement d\u00e9montrer qu&rsquo;un tel mod\u00e8le d&rsquo;apprentissage est le plus favorable au taux de survie d&rsquo;un individu, si l&rsquo;on reconna\u00eet que se souvenir sans jamais oublier engorgerait rapidement le syst\u00e8me mn\u00e9sique, qui est fini. Si la m\u00e9moire doit \u00eatre sujette \u00e0 l&rsquo;oubli, elle doit disposer d&rsquo;un moyen de conserver les traces qui semblent importantes pour la survie. La r\u00e9p\u00e9tition, en tant que facteur de renforcement de la m\u00e9moire, constitue un tel moyen. Voyons maintenant quel serait le calendrier le plus adapt\u00e9 pour le processus de r\u00e9p\u00e9tition. Si un ph\u00e9nom\u00e8ne donn\u00e9 est rencontr\u00e9 pour la n-i\u00e8me fois, la probabilit\u00e9 qu&rsquo;il soit rencontr\u00e9 une n+1-i\u00e8me fois augmente, et un temps de r\u00e9tention mn\u00e9sique plus long semble donc avantageux. La fonction exacte d\u00e9crivant le meilleur processus de r\u00e9p\u00e9tition d\u00e9pend de la taille du stockage mn\u00e9sique, du nombre de ph\u00e9nom\u00e8nes possibles rencontr\u00e9s par un individu, et de bien d&rsquo;autres facteurs. Cependant, l&rsquo;utilit\u00e9 d&rsquo;allonger les intervalles n\u00e9cessaires pour maintenir la m\u00e9moire par r\u00e9p\u00e9titions est indiscutable, et il en va de m\u00eame pour la valeur \u00e9volutive de la r\u00e9cup\u00e9rabilit\u00e9 et de la stabilit\u00e9 de la m\u00e9moire. On peut imaginer de nombreuses situations qui viennent perturber cette image simple du d\u00e9veloppement de la m\u00e9moire au cours de l&rsquo;\u00e9volution. Par exemple, les \u00e9v\u00e9nements associ\u00e9s \u00e0 un stress intense devraient \u00eatre mieux m\u00e9moris\u00e9s. Ce fait a d&rsquo;ailleurs \u00e9t\u00e9 d\u00e9montr\u00e9 par des recherches sur l&rsquo;influence des cat\u00e9cholamines sur l&rsquo;apprentissage. Il serait peut-\u00eatre possible, en utilisant une stimulation hormonale, d&rsquo;am\u00e9liorer les performances d&rsquo;un \u00e9tudiant appliquant la m\u00e9thode SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>R\u00e9sum\u00e9 interm\u00e9diaire<\/strong><\/p>\n\n<ol class=\"wp-block-list\"><li>L&rsquo;existence de deux variables ind\u00e9pendantes n\u00e9cessaires pour d\u00e9crire le processus d&rsquo;apprentissage optimal a \u00e9t\u00e9 postul\u00e9e. Ces variables ont \u00e9t\u00e9 nomm\u00e9es&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;de la m\u00e9moire<\/li><li>La r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire refl\u00e8te le temps \u00e9coul\u00e9 entre les r\u00e9p\u00e9titions et indique dans quelle mesure les traces mn\u00e9siques peuvent \u00eatre utilis\u00e9es avec succ\u00e8s dans le processus de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a><\/li><li>La stabilit\u00e9 de la m\u00e9moire refl\u00e8te l&rsquo;historique des r\u00e9p\u00e9titions au cours du processus d&rsquo;apprentissage et augmente \u00e0 chaque stimulation de la synapse. Elle d\u00e9terrmine la longueur de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle inter-r\u00e9p\u00e9tition optimal<\/a><\/li><\/ol>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"2169\" height=\"3054\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Hypothetical_mechanism_involved_in_the_process_of_optimal_learning.jpg\" alt=\"\" class=\"wp-image-33360\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;M\u00e9canisme hypoth\u00e9tique impliqu\u00e9 dans le processus d&rsquo;apprentissage optimal. (A) Ph\u00e9nom\u00e8nes mol\u00e9culaires (B) Changements quantitatifs dans la synapse.<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">D\u00e9monstration par Murakowski<\/h2>\n\n<p class=\"wp-block-paragraph\">Voici une version am\u00e9lior\u00e9e de la d\u00e9monstration par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Murakowski<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Des recherches ant\u00e9rieures ont montr\u00e9 que l&rsquo;espacement optimal des r\u00e9p\u00e9titions dans l&rsquo;apprentissage par paires associ\u00e9es, compris comme l&rsquo;espacement n\u00e9cessitant un nombre minimal de r\u00e9p\u00e9titions pour maintenir ind\u00e9finiment un niveau constant de r\u00e9tention des connaissances (par ex. 95 %), peut \u00eatre exprim\u00e9 approximativement \u00e0 l&rsquo;aide des formules suivantes (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_repetition_spacing_in_the_practice_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Wozniak et Gorzela\u0144czyk, 1994<\/a>).<\/p>\n\n<ul class=\"wp-block-list\"><li>(1) I&nbsp;<sub>1<\/sub>=C&nbsp;<sub>1<\/sub><\/li><li>(2) I&nbsp;<sub>i<\/sub>=I&nbsp;<sub>i-1<\/sub>*C&nbsp;<sub>2<\/sub><\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>I&nbsp;<sub>i<\/sub>&nbsp;&#8211; intervalle inter-r\u00e9p\u00e9tition apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>C&nbsp;<sub>1<\/sub>&nbsp;&#8211; longueur du premier intervalle (d\u00e9pendant de la r\u00e9tention des connaissances choisie, et g\u00e9n\u00e9ralement \u00e9gale \u00e0 plusieurs jours)<\/li><li>C&nbsp;<sub>2<\/sub>&nbsp;&#8211; constante qui d\u00e9signe l&rsquo;augmentation des intervalles inter-r\u00e9p\u00e9tition lors des r\u00e9p\u00e9titions successives (d\u00e9pendant de la r\u00e9tention des connaissances choisie et de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment m\u00e9moris\u00e9)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Les formules ci-dessus ont \u00e9t\u00e9 \u00e9tablies pour des sujets humains \u00e0 l&rsquo;aide de proc\u00e9dures d&rsquo;optimisation informatique employ\u00e9es pour superviser le processus d&rsquo;apprentissage autog\u00e9r\u00e9 de paires de mots par la technique de rappel actif avec \u00e9limination. [&#8230;]<\/p>\n\n<p class=\"wp-block-paragraph\">Comme il sera montr\u00e9 ci-dessous, la force de la m\u00e9moire (ou potentialisation synaptique), largement \u00e9tudi\u00e9e, ne suffit pas \u00e0 expliquer le sch\u00e9ma r\u00e9gulier de l&rsquo;espacement optimal des r\u00e9p\u00e9titions : [&#8230;]<\/p>\n\n<ol class=\"wp-block-list\"><li>Nous voulons d\u00e9terminer l&rsquo;ensemble des variables (mol\u00e9culaires) impliqu\u00e9es dans le stockage des traces mn\u00e9siques qui suffirait \u00e0 expliquer l&rsquo;espacement optimal des r\u00e9p\u00e9titions. Supposons, dans un premier temps, deux corr\u00e9lats de ces variables dans un apprentissage soumis \u00e0 l&rsquo;espacement optimal tel qu&rsquo;exprim\u00e9 par les \u00e9quations (1) et (2) :&nbsp;<em>r<\/em>&nbsp;&#8211; le temps qui reste, \u00e0 partir du moment pr\u00e9sent, jusqu&rsquo;\u00e0 la fin de l&rsquo;intervalle optimal en cours (l&rsquo;intervalle optimal \u00e9tant l&rsquo;intervalle \u00e0 la fin duquel la r\u00e9tention retombe au niveau pr\u00e9alablement d\u00e9fini, par ex. 95 %)&nbsp;<em>s<\/em>&nbsp;&#8211; la longueur de l&rsquo;intervalle optimal en cours.<\/li><li>Juste au d\u00e9but de la i-i\u00e8me r\u00e9p\u00e9tition,&nbsp;<em>r<\/em>=0, tandis que&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>&gt;&nbsp;<em>s<\/em>&nbsp;<sub>i-1<\/sub>&gt;0 (&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>&nbsp;d\u00e9signe&nbsp;<em>s<\/em>&nbsp;juste au d\u00e9but de la i-i\u00e8me r\u00e9p\u00e9tition). Cela indique qu&rsquo;il n&rsquo;existe aucune fonction g&nbsp;<sub>1<\/sub>&nbsp;telle que s=g&nbsp;<sub>1<\/sub>(&nbsp;<em>r<\/em>), c&rsquo;est-\u00e0-dire que&nbsp;<em>s<\/em>&nbsp;ne peut \u00eatre fonction de&nbsp;<em>r<\/em>&nbsp;seul.<\/li><li>Pendant l&rsquo;intervalle inter-r\u00e9p\u00e9tition,&nbsp;<em>r<\/em>(t&nbsp;<sub>1<\/sub>)&lt;&gt;&nbsp;<em>r<\/em>(t&nbsp;<sub>2<\/sub>) si t&nbsp;<sub>1<\/sub>&lt;&gt;t&nbsp;<sub>2<\/sub>&nbsp;(t d\u00e9signe le temps et&nbsp;<em>r<\/em>(t) d\u00e9signe&nbsp;<em>r<\/em>&nbsp;au moment t). En revanche,&nbsp;<em>s<\/em>(t&nbsp;<sub>1<\/sub>)=&nbsp;<em>s<\/em>(t&nbsp;<sub>2<\/sub>) (&nbsp;<em>s<\/em>(t) d\u00e9signe&nbsp;<em>s<\/em>&nbsp;au moment t). Cela montre qu&rsquo;il n&rsquo;existe aucune fonction g&nbsp;<sub>2<\/sub>&nbsp;telle que&nbsp;<em>r<\/em>=g&nbsp;<sub>2<\/sub>(&nbsp;<em>s<\/em>), sinon on aurait :&nbsp;<em>r<\/em>(t&nbsp;<sub>1<\/sub>)=g&nbsp;<sub>2<\/sub>(&nbsp;<em>s<\/em>(t&nbsp;<sub>1<\/sub>))=g&nbsp;<sub>2<\/sub>&nbsp;(&nbsp;<em>s<\/em>(t&nbsp;<sub>2<\/sub>))=&nbsp;<em>r<\/em>(t&nbsp;<sub>2<\/sub>), ce qui conduit \u00e0 une contradiction.&nbsp;<em>r<\/em>&nbsp;ne peut \u00eatre fonction de&nbsp;<em>s<\/em>&nbsp;seul.<\/li><li>Dans les \u00e9tapes 2 et 3, nous avons montr\u00e9 que&nbsp;<em>r<\/em>&nbsp;et&nbsp;<em>s<\/em>&nbsp;sont ind\u00e9pendantes, puisqu&rsquo;il n&rsquo;existe pas de fonctions g&nbsp;<sub>1<\/sub>&nbsp;et g&nbsp;<sub>2<\/sub>&nbsp;telles que&nbsp;<em>s<\/em>=g&nbsp;<sub>1<\/sub>(&nbsp;<em>r<\/em>) ou&nbsp;<em>r<\/em>=g&nbsp;<sub>2<\/sub>(&nbsp;<em>s<\/em>). Cela ne signifie \u00e9videmment pas qu&rsquo;il n&rsquo;existe pas de param\u00e8tre x et de fonctions y&nbsp;<sub>s<\/sub>&nbsp;et y&nbsp;<sub>r<\/sub>&nbsp;telles que&nbsp;<em>s<\/em>=y&nbsp;<sub>s<\/sub>(x) et&nbsp;<em>r<\/em>=y&nbsp;<sub>r<\/sub>(x).<\/li><li>On peut montrer que&nbsp;<em>r<\/em>&nbsp;et&nbsp;<em>s<\/em>&nbsp;suffisent pour calculer l&rsquo;espacement optimal des r\u00e9p\u00e9titions (cf. \u00e9quations (1) et (2)). Supposons d&rsquo;abord que les deux fonctions suivantes f&nbsp;<sub>r<\/sub>&nbsp;et f&nbsp;<sub>s<\/sub>&nbsp;soient connues dans le syst\u00e8me impliqu\u00e9 dans le stockage mn\u00e9sique :&nbsp;<em>r<\/em>&nbsp;<sub>i<\/sub>=f&nbsp;<sub>r<\/sub>(&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>) et&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>=f&nbsp;<sub>s<\/sub>(&nbsp;<em>s<\/em>&nbsp;<sub>i-1<\/sub>). Dans notre cas, ces fonctions ont une forme triviale, f&nbsp;<sub>r<\/sub>:&nbsp;<em>r<\/em>&nbsp;<sub>i<\/sub>=&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>&nbsp;et f&nbsp;<sub>s<\/sub>:&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>=&nbsp;<em>s<\/em>&nbsp;<sub>i-1<\/sub>*C&nbsp;<sub>2<\/sub>&nbsp;(o\u00f9 C&nbsp;<sub>2<\/sub>&nbsp;est la constante de l&rsquo;\u00e9quation (2)). Dans ce cas, les variables&nbsp;<em>r<\/em>&nbsp;et&nbsp;<em>s<\/em>&nbsp;suffisent \u00e0 repr\u00e9senter la m\u00e9moire \u00e0 tout moment t dans l&rsquo;espacement optimal des r\u00e9p\u00e9titions. Voici un algorithme d&rsquo;espacement des r\u00e9p\u00e9titions qui le d\u00e9montre :<ol><li>supposer que les variables&nbsp;<em>r<\/em>&nbsp;<sub>i<\/sub>&nbsp;et&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub>&nbsp;d\u00e9crivent l&rsquo;\u00e9tat de la m\u00e9moire apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>laisser s&rsquo;\u00e9couler un temps&nbsp;<em>r<\/em>&nbsp;<sub>i<\/sub><\/li><li>effectuer une r\u00e9p\u00e9tition<\/li><li>utiliser la fonction f&nbsp;<sub>s<\/sub>&nbsp;pour calculer la nouvelle valeur de&nbsp;<em>s<\/em>&nbsp;<sub>i+1<\/sub>&nbsp;\u00e0 partir de&nbsp;<em>s<\/em>&nbsp;<sub>i<\/sub><\/li><li>utiliser la fonction f&nbsp;<sub>r<\/sub>&nbsp;pour calculer la nouvelle valeur de&nbsp;<em>r<\/em>&nbsp;<sub>i+1<\/sub>&nbsp;\u00e0 partir de&nbsp;<em>s<\/em>&nbsp;<sub>i+1<\/sub><\/li><li>i:=i+1<\/li><li>retourner \u00e0 2<\/li><\/ol><\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Le raisonnement ci-dessus montre que les variables&nbsp;<em>r<\/em>&nbsp;et&nbsp;<em>s<\/em>&nbsp;forment un ensemble suffisant de variables ind\u00e9pendantes n\u00e9cessaires pour calculer l&rsquo;espacement optimal des r\u00e9p\u00e9titions. Il est \u00e9vident qu&rsquo;en utilisant un ensemble de fonctions de transformation de la forme&nbsp;<em>r<\/em>\u00a0\u00bb=Tr(&nbsp;<em>r<\/em>&lsquo;) et&nbsp;<em>s<\/em>\u00a0\u00bb=Ts(&nbsp;<em>s<\/em>&lsquo;), on peut concevoir une famille infinie de paires de variables&nbsp;<em>r<\/em>&#8211;&nbsp;<em>s<\/em>&nbsp;susceptibles de d\u00e9crire l&rsquo;\u00e9tat du syst\u00e8me mn\u00e9sique. Il reste un choix difficile \u00e0 faire : celui de la paire&nbsp;<em>r<\/em>&#8211;&nbsp;<em>s<\/em>&nbsp;qui correspondra le plus commod\u00e9ment aux ph\u00e9nom\u00e8nes mol\u00e9culaires se produisant au niveau de la synapse.<\/p>\n\n<p class=\"wp-block-paragraph\">Les auteurs proposent la terminologie et l&rsquo;interpr\u00e9tation suivantes pour un syst\u00e8me mn\u00e9sique impliquant l&rsquo;existence de la paire de variables&nbsp;<em>r<\/em>&#8211;&nbsp;<em>s<\/em>&nbsp;: la variable R, r\u00e9cup\u00e9rabilit\u00e9, d\u00e9terrmine la probabilit\u00e9 avec laquelle une trace mn\u00e9sique donn\u00e9e peut \u00eatre \u00e9voqu\u00e9e \u00e0 un moment donn\u00e9, tandis que la variable S, stabilit\u00e9 de la m\u00e9moire, d\u00e9terrmine le taux de d\u00e9clin de la r\u00e9cup\u00e9rabilit\u00e9 r\u00e9sultant de l&rsquo;oubli, et par cons\u00e9quent la longueur des intervalles inter-r\u00e9p\u00e9tition dans l&rsquo;espacement optimal des r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">En supposant une d\u00e9croissance exponentielle n\u00e9gative de la r\u00e9cup\u00e9rabilit\u00e9, et en interpr\u00e9tant la stabilit\u00e9 comme l&rsquo;inverse de la constante de d\u00e9croissance de la r\u00e9cup\u00e9rabilit\u00e9, nous pouvons repr\u00e9senter commod\u00e9ment la relation entre R et S \u00e0 l&rsquo;aide de la formule suivante (t d\u00e9signe le temps) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(3) R=e&nbsp;<sup>-t\/S<\/sup><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Les fonctions de transformation, \u00e0 partir de la paire&nbsp;<em>r<\/em>&#8211;&nbsp;<em>s<\/em>&nbsp;utilis\u00e9e dans les \u00e9tapes 1 \u00e0 5 du raisonnement, vers l&rsquo;interpr\u00e9tation propos\u00e9e R-S se pr\u00e9sentent comme suit (en supposant la d\u00e9finition de l&rsquo;intervalle inter-r\u00e9p\u00e9tition optimal comme l&rsquo;intervalle produisant une r\u00e9tention des connaissances K=0,95) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(4) S=-&nbsp;<em>s<\/em>\/ln(K)<\/p><p>(5) R=e&nbsp;<sup>-(&nbsp;<em>s<\/em>&#8211;&nbsp;<em>r<\/em>)\/S<\/sup><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">La relation entre la stabilit\u00e9 apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition (S&nbsp;<sub>i<\/sub>) et les constantes C&nbsp;<sub>1<\/sub>&nbsp;et C&nbsp;<sub>2<\/sub>&nbsp;d\u00e9terminant l&rsquo;espacement optimal des r\u00e9p\u00e9titions tel que d\u00e9fini par les \u00e9quations (1) et (2) peut donc s&rsquo;\u00e9crire :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(6) S&nbsp;<sub>i<\/sub>=-(C&nbsp;<sub>1<\/sub>*C&nbsp;<sub>2<\/sub>&nbsp;<sup>i-1<\/sup>)\/ln(K)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">et enfin, la r\u00e9cup\u00e9rabilit\u00e9 dans l&rsquo;espacement optimal des r\u00e9p\u00e9titions peut s&rsquo;exprimer comme :<\/p>\n\n<p class=\"wp-block-paragraph\">(7) R&nbsp;<sub>i<\/sub>(t)=exp&nbsp;<sup>(t*ln(K)\/(C&nbsp;<sub>1<\/sub>*C&nbsp;<sub>2<\/sub>&nbsp;i-1))<\/sup><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>i &#8211; num\u00e9ro de la r\u00e9p\u00e9tition consid\u00e9r\u00e9e<\/li><li>t &#8211; temps \u00e9coul\u00e9 depuis la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>R&nbsp;<sub>i<\/sub>(t) &#8211; r\u00e9cup\u00e9rabilit\u00e9 apr\u00e8s le temps t \u00e9coul\u00e9 depuis la i-i\u00e8me r\u00e9p\u00e9tition dans l&rsquo;espacement optimal des r\u00e9p\u00e9titions<\/li><li>C&nbsp;<sub>1<\/sub>&nbsp;et C&nbsp;<sub>2<\/sub>&nbsp;&#8211; constantes des \u00e9quations (1) et (2)<\/li><li>K &#8211; r\u00e9tention des connaissances \u00e9gale \u00e0 0,95 (il est important de noter que la relation exprim\u00e9e par l&rsquo;\u00e9quation (7) peut ne pas \u00eatre valable pour une r\u00e9tention sup\u00e9rieure \u00e0 0,95, en raison de l&rsquo;effet d&rsquo;espacement r\u00e9sultant d&rsquo;intervalles plus courts)<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">Les deux composantes de la m\u00e9moire dans SuperMemo<\/h2>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;a toujours \u00e9t\u00e9 fond\u00e9 sur le mod\u00e8le \u00e0 deux composantes, qui s&rsquo;est exprim\u00e9 sous une forme de plus en plus explicite au fil du temps. La constante C&nbsp;<sub>2<\/sub>&nbsp;de l&rsquo;\u00e9quation (2) dans la d\u00e9monstration de Murakowski ci-dessus repr\u00e9sente l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>. En 2018, l&rsquo;augmentation de la stabilit\u00e9 est repr\u00e9sent\u00e9e dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;par la matrice&nbsp;<em>SInc[]<\/em>. C&nbsp;<sub>2<\/sub>&nbsp;indique de combien les intervalles inter-r\u00e9p\u00e9tition doivent augmenter dans l&rsquo;apprentissage pour respecter les crit\u00e8res de niveau d&rsquo;oubli admissible. En r\u00e9alit\u00e9, C&nbsp;<sub>2<\/sub>&nbsp;n&rsquo;est pas une constante. Elle d\u00e9pend de plusieurs facteurs, dont les plus importants sont :<\/p>\n\n<ul class=\"wp-block-list\"><li>la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment (D) (voir :&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>) : plus l&rsquo;information m\u00e9moris\u00e9e est difficile, plus C&nbsp;<sub>2<\/sub>&nbsp;est petit (c&rsquo;est-\u00e0-dire que le contenu difficile doit \u00eatre r\u00e9vis\u00e9 plus souvent)<\/li><li>la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;(S) : plus le souvenir est durable, plus la valeur de C&nbsp;<sub>2<\/sub>&nbsp;est petite<\/li><li>la probabilit\u00e9 de rappel (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>) (R) : plus la probabilit\u00e9 de rappel est faible, plus la valeur de C&nbsp;<sub>2<\/sub>&nbsp;est \u00e9lev\u00e9e (c&rsquo;est-\u00e0-dire qu&rsquo;en raison de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>, les \u00e9l\u00e9ments sont mieux m\u00e9moris\u00e9s s&rsquo;ils sont r\u00e9vis\u00e9s avec un d\u00e9lai)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">En raison de ces multiples d\u00e9pendances, la valeur pr\u00e9cise de C&nbsp;<sub>2<\/sub>&nbsp;n&rsquo;est pas facilement pr\u00e9visible. SuperMemo r\u00e9sout ce probl\u00e8me d&rsquo;optimisation, et d&rsquo;autres similaires, en utilisant des matrices multidimensionnelles pour repr\u00e9senter des fonctions \u00e0 plusieurs arguments et en ajustant la valeur de ces matrices \u00e0 partir des mesures effectu\u00e9es au cours du processus d&rsquo;apprentissage r\u00e9el. Les valeurs initiales de ces matrices sont d\u00e9riv\u00e9es d&rsquo;un mod\u00e8le th\u00e9orique ou de mesures ant\u00e9rieures. Les valeurs r\u00e9ellement utilis\u00e9es finiront, avec le temps, par diff\u00e9rer l\u00e9g\u00e8rement de celles pr\u00e9dites th\u00e9oriquement ou d\u00e9riv\u00e9es des donn\u00e9es d&rsquo;\u00e9tudiants pr\u00e9c\u00e9dents.<\/p>\n\n<p class=\"wp-block-paragraph\">Par exemple, si la valeur de C&nbsp;<sub>2<\/sub>&nbsp;pour un \u00e9l\u00e9ment donn\u00e9, d&rsquo;une difficult\u00e9 donn\u00e9e, dans un \u00e9tat mn\u00e9sique donn\u00e9, produit un intervalle inter-r\u00e9p\u00e9tition plus long que souhait\u00e9 (c&rsquo;est-\u00e0-dire produisant un niveau de rappel inf\u00e9rieur \u00e0 celui souhait\u00e9), la valeur de C&nbsp;<sub>2<\/sub>&nbsp;est r\u00e9duite en cons\u00e9quence.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici l&rsquo;\u00e9volution de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>&nbsp;(constante C&nbsp;<sub>2<\/sub>) au fil des ann\u00e9es :<\/p>\n\n<ul class=\"wp-block-list\"><li>dans la version papier-crayon de SuperMemo (1985), C&nbsp;<sub>2<\/sub>&nbsp;\u00e9tait effectivement (presque) une constante. Fix\u00e9e \u00e0 une moyenne de 1,75 (variant de 1,5 \u00e0 2,0 pour des raisons d&rsquo;arrondi et de simplicit\u00e9), elle ne tenait pas compte de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9 du contenu<\/a>, de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;ou de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;des souvenirs, etc.<\/li><li>dans les premi\u00e8res versions de SuperMemo pour DOS (1987), C&nbsp;<sub>2<\/sub>, appel\u00e9 le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>, refl\u00e9tait pour la premi\u00e8re fois la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/a>. Il \u00e9tait diminu\u00e9 pour les mauvaises notes et augment\u00e9 pour les bonnes notes<\/li><li>SuperMemo 4 (1989) n&rsquo;utilisait pas C&nbsp;<sub>2<\/sub>, mais employait pour la premi\u00e8re fois des matrices d&rsquo;optimisation pour calculer les intervalles inter-r\u00e9p\u00e9tition<\/li><li>dans SuperMemo 5 (1990), C&nbsp;<sub>2<\/sub>, appel\u00e9 le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/O-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur O<\/a>, \u00e9tait enfin repr\u00e9sent\u00e9 sous forme de matrice et incluait \u00e0 la fois la dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;et la dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>. L\u00e0 encore, les entr\u00e9es de la matrice \u00e9taient soumises au cycle mesure-v\u00e9rification-correction qui, en partant de la valeur initiale fond\u00e9e sur des mesures ant\u00e9rieures, produisait une convergence vers la valeur satisfaisant les crit\u00e8res d&rsquo;apprentissage<\/li><li>dans SuperMemo 6 (1991), C&nbsp;<sub>2<\/sub>, sous la forme de la matrice du facteur O, \u00e9tait d\u00e9riv\u00e9 d&rsquo;une matrice tridimensionnelle incluant la dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. L&rsquo;implication importante de cette troisi\u00e8me dimension \u00e9tait que, pour la premi\u00e8re fois, SuperMemo permettait d&rsquo;examiner les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;pour diff\u00e9rents niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 mn\u00e9sique<\/a><\/li><li>de SuperMemo 8 (1997) \u00e0 SuperMemo 16, la repr\u00e9sentation de C&nbsp;<sub>2<\/sub>&nbsp;n&rsquo;a gu\u00e8re chang\u00e9 ; en revanche, l&rsquo;algorithme utilis\u00e9 pour produire une transition rapide et stable du jeu de donn\u00e9es th\u00e9orique vers le jeu de donn\u00e9es r\u00e9el est progressivement devenu de plus en plus complexe. Plus important encore, les nouvelles versions de SuperMemo exploitent mieux la dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;de C&nbsp;<sub>2<\/sub>. Ainsi, ind\u00e9pendamment de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>, l&rsquo;\u00e9tudiant peut s&rsquo;\u00e9carter des crit\u00e8res d&rsquo;apprentissage initiaux, par exemple pour bachoter avant un examen, sans introduire de bruit dans la proc\u00e9dure d&rsquo;optimisation<\/li><li>dans SuperMemo 17 (2016), C&nbsp;<sub>2<\/sub>&nbsp;a enfin pris la forme fond\u00e9e sur le mod\u00e8le original \u00e0 deux composantes. Il est tir\u00e9 de la matrice d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>&nbsp;(SInc), qui comporte trois dimensions repr\u00e9sentant les trois variables d\u00e9terminant l&rsquo;augmentation de la stabilit\u00e9 :&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. La matrice SInc se remplit de donn\u00e9es au cours de l&rsquo;apprentissage gr\u00e2ce \u00e0 un algorithme complexe connu sous le nom d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>. La matrice d&rsquo;augmentation de la stabilit\u00e9 peut \u00eatre consult\u00e9e dans SuperMemo 17 via&nbsp;<strong>Outils : M\u00e9moire : Graphiques 4D<\/strong>&nbsp;(onglet&nbsp;<strong>Stabilit\u00e9<\/strong>)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1989\">1989 : SuperMemo s&rsquo;adapte \u00e0 la m\u00e9moire de l&rsquo;utilisateur<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Introduction de la fonction d&rsquo;intervalle flexible<\/h2>\n\n<p class=\"wp-block-paragraph\">SuperMemo 2 \u00e9tait excellent. Son algorithme simple a&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_growth_of_the_popularity_of_Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">surv\u00e9cu sous diverses mutations jusqu&rsquo;\u00e0 aujourd&rsquo;hui<\/a>&nbsp;dans des applications populaires comme Anki ou Mnemosyne. Cependant, l&rsquo;algorithme \u00e9tait rigide en ce sens qu&rsquo;il n&rsquo;existait aucun moyen de modifier la fonction des intervalles optimaux. Les conclusions de 1985 \u00e9taient grav\u00e9es dans le marbre. La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;mn\u00e9sique et l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>&nbsp;\u00e9taient exprim\u00e9es par un seul et m\u00eame nombre : le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>. C&rsquo;est un peu comme utiliser un seul levier sur un v\u00e9lo pour changer \u00e0 la fois de vitesse et de direction.<\/p>\n\n<p class=\"wp-block-paragraph\">Chaque \u00e9l\u00e9ment pouvait individuellement adapter l&rsquo;espacement de sa r\u00e9vision par des modifications de sa&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;estim\u00e9e. Ces modifications pouvaient compenser des erreurs dans la fonction des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>. M\u00eame si l&rsquo;algorithme convergeait lentement vers l&rsquo;optimum, il \u00e9tait, en th\u00e9orie, convergent. Le principal d\u00e9faut r\u00e9sidait dans le fait que, dans l&rsquo;algorithme SM-2, les nouveaux \u00e9l\u00e9ments ne b\u00e9n\u00e9ficiaient pas de l&rsquo;exp\u00e9rience des anciens \u00e9l\u00e9ments.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-2 n&rsquo;est pas adaptable. Les nouveaux \u00e9l\u00e9ments ne b\u00e9n\u00e9ficient pas de l&rsquo;exp\u00e9rience des anciens \u00e9l\u00e9ments<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-4 fut la premi\u00e8re tentative de doter&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;d&rsquo;une adaptabilit\u00e9 universelle. Il fut achev\u00e9 en f\u00e9vrier 1989. En fin de compte, l&rsquo;adaptabilit\u00e9 \u00e9tait trop lente \u00e0 se manifester, mais l&rsquo;inspiration acquise avec l&rsquo;algorithme SM-4 s&rsquo;est r\u00e9v\u00e9l\u00e9e essentielle pour les progr\u00e8s ult\u00e9rieurs, notamment pour comprendre le probl\u00e8me de la stabilit\u00e9 contre la pr\u00e9cision en r\u00e9p\u00e9tition espac\u00e9e. En bref, l&rsquo;algorithme SM-4 \u00e9tait trop stable pour \u00eatre pr\u00e9cis. Ce d\u00e9faut fut rapidement corrig\u00e9 dans l&rsquo;algorithme SM-5, seulement 7 mois plus tard. Voici un extrait de mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>&nbsp;pour en expliquer les d\u00e9tails :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">Le principal d\u00e9faut de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>&nbsp;semble avoir \u00e9t\u00e9 la forme arbitraire de la fonction des intervalles optimaux. Bien que tr\u00e8s efficace en pratique et confirm\u00e9e par des ann\u00e9es de r\u00e9p\u00e9titions exp\u00e9rimentales,&nbsp;<strong>cette fonction ne pouvait pr\u00e9tendre \u00e0 une validit\u00e9 scientifiquement d\u00e9montr\u00e9e<\/strong>, ni d\u00e9tecter l&rsquo;impact global de variations de quelques jours des intervalles optimaux sur le processus d&rsquo;apprentissage. Compte tenu de ces d\u00e9fauts, j&rsquo;ai d\u00e9cid\u00e9 d&#8217;employer les r\u00e9p\u00e9titions courantes de SuperMemo pour valider la fonction des intervalles optimaux !<\/p>\n\n<p class=\"wp-block-paragraph\">En utilisant des proc\u00e9dures d&rsquo;optimisation semblables \u00e0 celles employ\u00e9es pour d\u00e9terminer les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>, je voulais que le programme corrige la fonction initialement propos\u00e9e chaque fois que des corrections semblaient justifi\u00e9es.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour atteindre cet objectif, j&rsquo;ai tabul\u00e9 la fonction des intervalles optimaux.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"2740\" height=\"2202\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Matrix_of_optimum_intervals_in_SuperMemo_5.jpg\" alt=\"\" class=\"wp-image-33375\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;La matrice des intervalles optimaux est apparue dans SuperMemo 4 en 1989 et a surv\u00e9cu jusqu&rsquo;\u00e0 aujourd&rsquo;hui dans SuperMemo 17, avec quelques modifications. L&rsquo;image pr\u00e9sente une matrice de SuperMemo 5 et montre un \u00e9cart significatif par rapport aux valeurs d&rsquo;origine de la matrice. Dans SuperMemo 4, les adaptations se produisaient \u00e0 un rythme beaucoup plus lent<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Les entr\u00e9es particuli\u00e8res de la matrice des intervalles optimaux (appel\u00e9e par la suite matrice OI) \u00e9taient initialement tir\u00e9es des formules utilis\u00e9es dans l&rsquo;algorithme SM-2.<\/p>\n\n<p class=\"wp-block-paragraph\">SuperMemo 4 (f\u00e9vrier 1989), dans lequel la nouvelle solution fut mise en \u0153uvre, utilisait la matrice OI pour d\u00e9terminer les valeurs des intervalles inter-r\u00e9p\u00e9tition :<\/p>\n\n<p class=\"wp-block-paragraph\">I(n):=OI(n,EF)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>I(n) &#8211; le n-i\u00e8me intervalle inter-r\u00e9p\u00e9tition d&rsquo;un \u00e9l\u00e9ment donn\u00e9 (en jours),<\/li><li>EF &#8211; facteur E de l&rsquo;\u00e9l\u00e9ment,<\/li><li>OI(n,EF) &#8211; l&rsquo;entr\u00e9e de la matrice OI correspondant \u00e0 la n-i\u00e8me r\u00e9p\u00e9tition et au facteur E EF.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Cependant, la matrice OI n&rsquo;\u00e9tait pas fix\u00e9e une fois pour toutes. Au cours des r\u00e9p\u00e9titions, les entr\u00e9es particuli\u00e8res de la matrice \u00e9taient augment\u00e9es ou diminu\u00e9es en fonction des notes obtenues. Par exemple, si l&rsquo;entr\u00e9e indiquait un intervalle optimal X et que l&rsquo;intervalle utilis\u00e9 \u00e9tait X+Y, alors que la note obtenue apr\u00e8s cet intervalle n&rsquo;\u00e9tait pas inf\u00e9rieure \u00e0 quatre, la nouvelle valeur de l&rsquo;entr\u00e9e se situerait entre X et X+Y.<\/p>\n\n<p class=\"wp-block-paragraph\">Ainsi, les valeurs des entr\u00e9es de la matrice OI devaient se stabiliser, \u00e0 l&rsquo;\u00e9quilibre, au point o\u00f9 le flux d&rsquo;\u00e9l\u00e9ments \u00e0 faible r\u00e9tention \u00e9quilibre le flux d&rsquo;\u00e9l\u00e9ments \u00e0 bonne r\u00e9tention dans leur influence sur la matrice.En cons\u00e9quence, SuperMemo 4 avait pour but de produire une d\u00e9finition ultime de la fonction des intervalles optimaux.<\/p>\n\n<h2 class=\"wp-block-heading\">SuperMemo 4, rigide<\/h2>\n\n<p class=\"wp-block-paragraph\">Il ne m&rsquo;a pas fallu longtemps pour me rendre compte que le cycle de v\u00e9rification-correction du nouvel algorithme \u00e9tait trop long. Ce n&rsquo;\u00e9tait pas tr\u00e8s diff\u00e9rent de reproduire sur ordinateur l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">exp\u00e9rience de 1985<\/a>. Pour d\u00e9terminer des intervalles de dix ans, il me fallait attendre dix ans pour tester les r\u00e9sultats de la r\u00e9vision. Cela a conduit \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>&nbsp;sept mois plus tard. Voici le probl\u00e8me de l&rsquo;algorithme SM-4, tel que d\u00e9crit dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-4 fut mis en \u0153uvre dans SuperMemo 4 et utilis\u00e9 entre le 9 mars 1989 et le 17 octobre 1989. Bien que le concept principal, consistant \u00e0 modifier la fonction des intervalles optimaux, sembl\u00e2t constituer une avanc\u00e9e majeure, la mise en \u0153uvre de l&rsquo;algorithme s&rsquo;est r\u00e9v\u00e9l\u00e9e un \u00e9chec. L&rsquo;insuffisance fondamentale de l&rsquo;algorithme semble r\u00e9sulter des formules employ\u00e9es pour modifier la matrice OI.<\/p>\n\n<p class=\"wp-block-paragraph\">Deux d\u00e9fauts \u00e9taient particuli\u00e8rement frappants :<\/p>\n\n<ul class=\"wp-block-list\"><li>les modifications \u00e9taient trop subtiles pour r\u00e9organiser visiblement la matrice OI dans un d\u00e9lai raisonnablement court,<\/li><li>pour les intervalles inter-r\u00e9p\u00e9tition plus longs, l&rsquo;effet de la modification devait attendre tr\u00e8s longtemps avant d&rsquo;\u00eatre fix\u00e9 de mani\u00e8re stable, c&rsquo;est-\u00e0-dire qu&rsquo;il fallait beaucoup de temps avant que le r\u00e9sultat d&rsquo;une modification d&rsquo;un intervalle de plusieurs mois puisse \u00eatre observ\u00e9 et corrig\u00e9 si n\u00e9cessaire<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Apr\u00e8s sept mois d&rsquo;utilisation de l&rsquo;algorithme SM-4, les matrices OI des diff\u00e9rentes bases de donn\u00e9es ne semblaient pas tr\u00e8s diff\u00e9rentes de leur \u00e9tat initial. On pourrait expliquer ce fait par la justesse de mes pr\u00e9dictions ant\u00e9rieures concernant les valeurs r\u00e9elles des intervalles inter-r\u00e9p\u00e9tition optimaux ; cependant, comme cela fut prouv\u00e9 plus tard gr\u00e2ce \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>, la v\u00e9ritable raison de la stabilit\u00e9 des matrices r\u00e9sidait dans les d\u00e9fauts des formules d&rsquo;optimisation.Pour ce qui concerne le taux d&rsquo;acquisition et la r\u00e9tention, aucune preuve fiable ne montre que l&rsquo;algorithme SM-4 ait apport\u00e9 un quelconque progr\u00e8s. La l\u00e9g\u00e8re am\u00e9lioration observ\u00e9e pourrait tout aussi bien \u00eatre li\u00e9e \u00e0 l&rsquo;am\u00e9lioration g\u00e9n\u00e9rale du logiciel et aux progr\u00e8s des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">principes de formulation des \u00e9l\u00e9ments<\/a><\/p>\n\n<h2 class=\"wp-block-heading\">Vestiges de SuperMemo 4 dans les nouveaux SuperMemo<\/h2>\n\n<p class=\"wp-block-paragraph\">Il est int\u00e9ressant de noter que l&rsquo;on peut encore voir la matrice des intervalles optimaux dans les versions plus r\u00e9centes de SuperMemo. La matrice n&rsquo;est plus utilis\u00e9e par l&rsquo;algorithme, mais elle est affich\u00e9e dans les statistiques de SuperMemo car elle informe l&rsquo;utilisateur de l&rsquo;impact de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;sur les perspectives des \u00e9l\u00e9ments dans le processus d&rsquo;apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">Si vous comparez une matrice produite par SuperMemo 5 en 8 mois d&rsquo;utilisation, vous remarquerez une similitude significative avec une matrice produite en deux d\u00e9cennies d&rsquo;utilisation de l&rsquo;algorithme SM-8 :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1408\" height=\"828\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/OF_matrix_in_SuperMemo_17.jpg\" alt=\"\" class=\"wp-image-33406\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;La matrice des intervalles optimaux n&rsquo;est plus utilis\u00e9e dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>. Elle peut n\u00e9anmoins toujours \u00eatre g\u00e9n\u00e9r\u00e9e avec les proc\u00e9dures de l&rsquo;algorithme SM-15. Les colonnes correspondent \u00e0 la facilit\u00e9 du contenu, exprim\u00e9e sous forme de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>. Les lignes correspondent \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 mn\u00e9sique<\/a>, exprim\u00e9e sous forme de cat\u00e9gorie de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9tition<\/a><\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Algorithme SM-4<\/h2>\n\n<p class=\"wp-block-paragraph\">Voici les grandes lignes de l&rsquo;algorithme SM-4, telles que d\u00e9crites dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Algorithme SM-4 utilis\u00e9 dans SuperMemo 4.0<\/strong> :<\/p>\n\n<ol class=\"wp-block-list\"><li>D\u00e9coupez les connaissances en \u00e9l\u00e9ments les plus petits possibles<\/li><li>Associez \u00e0 tous les \u00e9l\u00e9ments un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;\u00e9gal \u00e0 2,5<\/li><li>Tabulez la matrice OI pour diff\u00e9rents num\u00e9ros de r\u00e9p\u00e9tition et cat\u00e9gories de facteur E<\/li><li>Utilisez l&rsquo;espacement de r\u00e9p\u00e9tition suivant pour obtenir la matrice OI initiale :OI(1,EF):=1OI(2,EF):=6pour n&gt;2 : OI(n,EF):=OI(n-1,EF)*EFo\u00f9 :<ul><li>OI(n,EF) &#8211; intervalle inter-r\u00e9p\u00e9tition optimal apr\u00e8s la n-i\u00e8me r\u00e9p\u00e9tition (en jours) pour les \u00e9l\u00e9ments dont le facteur E est \u00e9gal \u00e0 EF,<\/li><\/ul><\/li><li>Utilisez la matrice OI pour d\u00e9terminer les intervalles inter-r\u00e9p\u00e9tition :I(n,EF):=OI(n,EF)o\u00f9 :<ul><li>I(n,EF) &#8211; le n-i\u00e8me intervalle inter-r\u00e9p\u00e9tition pour un \u00e9l\u00e9ment dont le facteur E est \u00e9gal \u00e0 EF (en jours),<\/li><li>OI(n,EF) &#8211; l&rsquo;entr\u00e9e de la matrice OI correspondant \u00e0 la n-i\u00e8me r\u00e9p\u00e9tition et au facteur E EF<\/li><\/ul><\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, \u00e9valuez la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Grade\" rel=\"noreferrer noopener\" target=\"_blank\">qualit\u00e9 de la r\u00e9ponse \u00e0 la r\u00e9p\u00e9tition<\/a>&nbsp;sur l&rsquo;\u00e9chelle de 0 \u00e0 5 (voir l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>).<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, modifiez le facteur E de l&rsquo;\u00e9l\u00e9ment r\u00e9cemment r\u00e9p\u00e9t\u00e9 selon la formule :EF&rsquo;:=EF+(0.1-(5-q)*(0.08+(5-q)*0.02))o\u00f9 :<ul><li>EF&rsquo; &#8211; nouvelle valeur du facteur E,<\/li><li>EF &#8211; ancienne valeur du facteur E,<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse sur l&rsquo;\u00e9chelle de 0 \u00e0 5.<\/li><\/ul>Si EF est inf\u00e9rieur \u00e0 1,3, fixez EF \u00e0 1,3.<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, modifiez l&rsquo;entr\u00e9e correspondante de la matrice OI.<\/li><li>Une formule exemplaire pourrait se pr\u00e9senter comme suit (la formule r\u00e9ellement utilis\u00e9e dans SuperMemo 4 \u00e9tait plus complexe) :OI&rsquo;:=intervalle+intervalle*(1-1\/EF)\/2*(0.25*q-1)OI&nbsp;<em>:=(1-fraction)*OI+fraction*OI&rsquo;<\/em>o\u00f9 :<ul><li>OI&nbsp;<em>&#8211; nouvelle valeur de l&rsquo;entr\u00e9e OI,<\/em><\/li><li>OI&rsquo; &#8211; valeur auxiliaire de l&rsquo;entr\u00e9e OI utilis\u00e9e dans les calculs,<\/li><li>OI &#8211; ancienne valeur de l&rsquo;entr\u00e9e OI,<\/li><li>intervalle &#8211; intervalle utilis\u00e9 avant la r\u00e9p\u00e9tition consid\u00e9r\u00e9e (c&rsquo;est-\u00e0-dire le dernier intervalle utilis\u00e9 pour l&rsquo;\u00e9l\u00e9ment donn\u00e9),<\/li><li>fraction &#8211; un nombre quelconque entre 0 et 1 (plus il est grand, plus rapides sont les changements de la matrice OI),<\/li><li>EF &#8211; facteur E de l&rsquo;\u00e9l\u00e9ment r\u00e9p\u00e9t\u00e9,<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse sur l&rsquo;\u00e9chelle de 0 \u00e0 5.<\/li><\/ul>Notez que pour q=4, l&rsquo;OI ne change pas, et que pour q=5, l&rsquo;OI augmente 4 fois moins qu&rsquo;il ne diminue pour q=0.Notez \u00e9galement que le changement maximal de l&rsquo;OI est \u00e9gal \u00e0 (I(n)-I(n-1))\/2 en termes de l&rsquo;espacement de r\u00e9p\u00e9tition utilis\u00e9 dans l&rsquo;algorithme SM-2 (c&rsquo;est-\u00e0-dire (OI-OI\/EF)\/2).<\/li><li>Si la qualit\u00e9 de la r\u00e9ponse \u00e9tait inf\u00e9rieure \u00e0 3, recommencez les r\u00e9p\u00e9titions de l&rsquo;\u00e9l\u00e9ment depuis le d\u00e9but sans modifier le facteur E.<\/li><li>Apr\u00e8s chaque session de r\u00e9p\u00e9tition d&rsquo;une journ\u00e9e donn\u00e9e, r\u00e9p\u00e9tez \u00e0 nouveau tous les \u00e9l\u00e9ments ayant obtenu une note inf\u00e9rieure \u00e0 quatre. Continuez les r\u00e9p\u00e9titions jusqu&rsquo;\u00e0 ce que tous ces \u00e9l\u00e9ments obtiennent au moins quatre<\/li><\/ol>\n\n<h2 class=\"wp-block-heading\">Probl\u00e8mes li\u00e9s \u00e0 la matrice d&rsquo;intervalles<\/h2>\n\n<p class=\"wp-block-paragraph\">Outre sa convergence lente, l&rsquo;algorithme SM-4 a montr\u00e9 que l&rsquo;utilisation d&rsquo;une matrice d&rsquo;intervalles entra\u00eenait plusieurs probl\u00e8mes qui pouvaient facilement \u00eatre r\u00e9solus en rempla\u00e7ant les intervalles par des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/O-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs O<\/a>. Ces d\u00e9fauts suppl\u00e9mentaires ont conduit \u00e0 une mise en \u0153uvre rapide de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>, d\u00e8s 1989. Voici une br\u00e8ve analyse expliquant les d\u00e9fauts de l&rsquo;utilisation de la matrice des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<ul class=\"wp-block-list\"><li>Au cours des r\u00e9p\u00e9titions, il pouvait arriver que l&rsquo;un des intervalles soit calcul\u00e9 comme plus court que le pr\u00e9c\u00e9dent. Cela est bien entendu incompatible avec les hypoth\u00e8ses g\u00e9n\u00e9rales qui sous-tendent la m\u00e9thode SuperMemo. De plus, la validit\u00e9 d&rsquo;un tel r\u00e9sultat a \u00e9t\u00e9 r\u00e9fut\u00e9e par les r\u00e9sultats obtenus avec l&rsquo;application de l&rsquo;algorithme SM-5. Ce d\u00e9faut aurait pu \u00eatre \u00e9vit\u00e9 en interdisant aux intervalles d&rsquo;augmenter ou de diminuer au-del\u00e0 de certaines valeurs, mais une telle approche aurait consid\u00e9rablement ralenti le processus d&rsquo;optimisation, en reliant les intervalles optimaux par des d\u00e9pendances superflues. Le cas \u00e9voqu\u00e9 a effectivement \u00e9t\u00e9 observ\u00e9 dans une des bases de donn\u00e9es. La divergence n&rsquo;a pas \u00e9t\u00e9 \u00e9limin\u00e9e avant la fin de la p\u00e9riode d&rsquo;utilisation de l&rsquo;algorithme SM-4, malgr\u00e9 le fait que les intervalles en question n&rsquo;\u00e9taient que de deux semaines<\/li><li>Les facteurs E de chaque \u00e9l\u00e9ment sont constamment modifi\u00e9s ; ainsi, dans la matrice OI, un \u00e9l\u00e9ment peut passer d&rsquo;une cat\u00e9gorie de difficult\u00e9 \u00e0 une autre. Si le num\u00e9ro de r\u00e9p\u00e9tition de cet \u00e9l\u00e9ment est suffisamment \u00e9lev\u00e9, cela entra\u00eenera de s\u00e9rieuses perturbations dans le processus de r\u00e9p\u00e9tition de cet \u00e9l\u00e9ment. Notez que plus le num\u00e9ro de r\u00e9p\u00e9tition est \u00e9lev\u00e9, plus la diff\u00e9rence entre les intervalles optimaux des colonnes de cat\u00e9gories de facteur E voisines est grande. Ainsi, si le facteur E augmente, l&rsquo;intervalle optimal utilis\u00e9 pour l&rsquo;\u00e9l\u00e9ment peut devenir artificiellement long, tandis que, dans la situation inverse, l&rsquo;intervalle peut \u00eatre beaucoup trop court<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-4 tentait de relier la longueur de l&rsquo;intervalle optimal au num\u00e9ro de r\u00e9p\u00e9tition. Cette approche semble incorrecte, car la m\u00e9moire est bien plus susceptible d&rsquo;\u00eatre sensible \u00e0 la longueur de l&rsquo;intervalle inter-r\u00e9p\u00e9tition pr\u00e9c\u00e9demment appliqu\u00e9 qu&rsquo;au num\u00e9ro de la r\u00e9p\u00e9tition.<\/p>\n\n<h2 class=\"wp-block-heading\">SuperMemo 5<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;id\u00e9e de la matrice des intervalles optimaux est n\u00e9e le 11 f\u00e9vrier 1989. Le 1er mars 1989, j&rsquo;ai commenc\u00e9 \u00e0 utiliser SuperMemo 4 pour apprendre l&rsquo;esp\u00e9ranto. Tr\u00e8s t\u00f4t, j&rsquo;ai remarqu\u00e9 que l&rsquo;id\u00e9e avait besoin d&rsquo;\u00eatre r\u00e9vis\u00e9e. La convergence de l&rsquo;algorithme \u00e9tait affreusement lente.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 5 mai, j&rsquo;avais une nouvelle id\u00e9e en t\u00eate. C&rsquo;\u00e9tait, en substance, la naissance de la fonction d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" target=\"_blank\" rel=\"noreferrer noopener\">augmentation de la stabilit\u00e9<\/a>, sauf que, dans la r\u00e9vision optimale de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, il n&rsquo;y aurait pas de dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" target=\"_blank\" rel=\"noreferrer noopener\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. Le nouvel algorithme utiliserait la matrice des facteurs optimaux. Il retiendrait de combien les intervalles doivent augmenter en fonction de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_complexity\" target=\"_blank\" rel=\"noreferrer noopener\">complexit\u00e9 mn\u00e9sique<\/a>&nbsp;et de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" target=\"_blank\" rel=\"noreferrer noopener\">stabilit\u00e9 mn\u00e9sique<\/a>&nbsp;actuelle. La lenteur de convergence de l&rsquo;algorithme SM-4 a \u00e9galement inspir\u00e9 le besoin de&nbsp;randomiser les intervalles&nbsp;(20 mai).<\/p>\n\n<p class=\"wp-block-paragraph\">Dans l&rsquo;intervalle, le progr\u00e8s a de nouveau d\u00fb \u00eatre retard\u00e9 \u00e0 cause des obligations scolaires. Avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>, nous avons d\u00e9cid\u00e9 d&rsquo;\u00e9crire un programme de cr\u00e9ation de tests scolaires pouvant \u00eatre utilis\u00e9 avec SuperMemo. Le projet a de nouveau servi \u00e0 \u00e9chapper \u00e0 d&rsquo;autres obligations dans les cours du Dr Katulski, esprit ouvert qui \u00e9tait d\u00e9sormais devenu un adepte de tout ce qui touchait \u00e0 SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai pass\u00e9 l&rsquo;\u00e9t\u00e9 en stage pratique aux Pays-Bas, o\u00f9 les progr\u00e8s \u00e9taient lents en raison de diverses obligations. L&rsquo;une des principales raisons de cette lenteur \u00e9tait un r\u00e9gime alimentaire extr\u00eame, r\u00e9sultant du besoin d&rsquo;\u00e9conomiser de l&rsquo;argent pour rembourser mes dettes li\u00e9es au PC 1512. J&rsquo;esp\u00e9rais \u00e9galement gagner un peu plus pour acheter un disque dur pour mon ordinateur. Tout mon travail a \u00e9t\u00e9 rendu possible gr\u00e2ce \u00e0 l&rsquo;amabilit\u00e9 de Peter Klijn, de l&rsquo;universit\u00e9 d&rsquo;Eindhoven. Il m&rsquo;a simplement pr\u00eat\u00e9 son PC pour mon usage personnel pendant toute la dur\u00e9e de mon s\u00e9jour. Il ne voulait pas que mon bon travail sur SuperMemo soit ralenti. C&rsquo;\u00e9tait la premi\u00e8re fois que je pouvais conserver tous mes fichiers sur un disque dur, et j&rsquo;ai eu l&rsquo;impression de passer d&rsquo;un vieux v\u00e9lo \u00e0 une Tesla Model S.<\/p>\n\n<p class=\"wp-block-paragraph\">Ce n&rsquo;est que le 16 octobre 1989 que le nouvel algorithme SM-5 fut achev\u00e9, et j&rsquo;ai commenc\u00e9 \u00e0 utiliser SuperMemo 5. J&rsquo;ai not\u00e9 dans mes carnets : \u00ab&nbsp;<em>une grande r\u00e9volution se pr\u00e9pare<\/em>\u00bb. Le progr\u00e8s fut en effet consid\u00e9rable.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;avais quelques utilisateurs de SuperMemo 2 pr\u00eats \u00e0 passer \u00e0 SuperMemo 5. Je n&rsquo;ai exig\u00e9 qu&rsquo;un seul prix : qu&rsquo;ils commencent avec la matrice des facteurs optimaux initialis\u00e9e \u00e0 une valeur sp\u00e9cifique. Cela devait permettre de valider l&rsquo;algorithme et de s&rsquo;assurer qu&rsquo;il ne comportait aucun pr\u00e9jug\u00e9 pr\u00e9con\u00e7u. Toutes les matrices d&rsquo;optimisation pr\u00e9r\u00e9gl\u00e9es convergeaient joliment et rapidement. Ce fait a ensuite \u00e9t\u00e9 utilis\u00e9 pour revendiquer une convergence universelle, et l&rsquo;algorithme a \u00e9t\u00e9 d\u00e9crit comme tel dans la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_repetition_spacing_in_the_practice_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">toute premi\u00e8re publication sur les algorithmes de r\u00e9p\u00e9tition espac\u00e9e<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Algorithme SM-5<\/h2>\n\n<p class=\"wp-block-paragraph\">SuperMemo utilise un principe simple :&nbsp;<em>\u00ab utiliser, v\u00e9rifier et corriger \u00bb<\/em>. Apr\u00e8s une r\u00e9p\u00e9tition, un nouvel intervalle est calcul\u00e9 \u00e0 l&rsquo;aide de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>. L&rsquo;\u00ab entr\u00e9e pertinente \u00bb pour calculer l&rsquo;intervalle d\u00e9pend de la r\u00e9p\u00e9tition (cat\u00e9gorie) et de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment. Une fois l&rsquo;intervalle \u00e9coul\u00e9, SuperMemo demande la r\u00e9p\u00e9tition suivante. La note sert \u00e0 indiquer \u00e0 SuperMemo dans quelle mesure l&rsquo;intervalle a \u00ab bien fonctionn\u00e9 \u00bb. Si la note est faible, on a des raisons de croire que l&rsquo;intervalle est trop long et que l&rsquo;entr\u00e9e de la matrice OF est trop \u00e9lev\u00e9e. Dans ce cas, on r\u00e9duit l\u00e9g\u00e8rement l&rsquo;entr\u00e9e OF. L&rsquo;entr\u00e9e pertinente ici est celle qui a \u00e9t\u00e9 pr\u00e9c\u00e9demment utilis\u00e9e pour calculer l&rsquo;intervalle (c&rsquo;est-\u00e0-dire avant que l&rsquo;intervalle ne commence). En d&rsquo;autres termes, c&rsquo;est l&rsquo;entr\u00e9e qui est (1) utilis\u00e9e pour calculer l&rsquo;intervalle (apr\u00e8s la n-i\u00e8me r\u00e9p\u00e9tition), puis (2) utilis\u00e9e pour corriger la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>&nbsp;(apr\u00e8s la n+1-i\u00e8me r\u00e9p\u00e9tition).<\/p>\n\n<p class=\"wp-block-paragraph\">Voici les grandes lignes de l&rsquo;algorithme SM-5, telles que pr\u00e9sent\u00e9es dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>La formulation finale de l&rsquo;algorithme utilis\u00e9 dans SuperMemo 5 est pr\u00e9sent\u00e9e ci-dessous (algorithme SM-5) :<\/strong><\/p>\n\n<ol class=\"wp-block-list\"><li>D\u00e9coupez les connaissances en \u00e9l\u00e9ments les plus petits possibles<\/li><li>Associez \u00e0 tous les \u00e9l\u00e9ments un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;\u00e9gal \u00e0 2,5<\/li><li>Tabulez la matrice OF pour diff\u00e9rents num\u00e9ros de r\u00e9p\u00e9tition et cat\u00e9gories de facteur E. Utilisez la formule suivante :OF(1,EF):=4pour n&gt;1 : OF(n,EF):=EFo\u00f9 :<ul><li>OF(n,EF) &#8211; facteur optimal correspondant \u00e0 la n-i\u00e8me r\u00e9p\u00e9tition et au facteur E EF<\/li><\/ul><\/li><li>Utilisez la matrice OF pour d\u00e9terminer les intervalles inter-r\u00e9p\u00e9tition :I(n,EF)=OF(n,EF)*I(n-1,EF)I(1,EF)=OF(1,EF)o\u00f9 :<ul><li>I(n,EF) &#8211; le n-i\u00e8me intervalle inter-r\u00e9p\u00e9tition pour un \u00e9l\u00e9ment d&rsquo;un facteur E donn\u00e9 EF (en jours)<\/li><li>OF(n,EF) &#8211; l&rsquo;entr\u00e9e de la matrice OF correspondant \u00e0 la n-i\u00e8me r\u00e9p\u00e9tition et au facteur E EF<\/li><\/ul><\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, \u00e9valuez la qualit\u00e9 des r\u00e9ponses de r\u00e9p\u00e9tition sur une \u00e9chelle de notation de 0 \u00e0 5 (cf. algorithme SM-2)<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, modifiez le facteur E de l&rsquo;\u00e9l\u00e9ment r\u00e9cemment r\u00e9p\u00e9t\u00e9 selon la formule :EF&rsquo;:=EF+(0.1-(5-q)*(0.08+(5-q)*0.02))o\u00f9 :<ul><li>EF&rsquo; &#8211; nouvelle valeur du facteur E<\/li><li>EF &#8211; ancienne valeur du facteur E<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse sur l&rsquo;\u00e9chelle de notation de 0 \u00e0 5<\/li><\/ul>Si EF est inf\u00e9rieur \u00e0 1,3, r\u00e9glez EF sur 1,3<\/li><li>Apr\u00e8s chaque r\u00e9p\u00e9tition, modifiez l&rsquo;entr\u00e9e correspondante de la matrice OF. Voici, \u00e0 titre d&rsquo;exemple, des formules construites arbitrairement pouvant \u00eatre utilis\u00e9es pour cette modification :OF&rsquo;:=OF*(0.72+q*0.07)OF&nbsp;<em>:=(1-fraction)*OF+fraction*OF&rsquo;<\/em>o\u00f9 :<ul><li>OF&nbsp;<em>&#8211; nouvelle valeur de l&rsquo;entr\u00e9e OF<\/em><\/li><li>OF&rsquo; &#8211; valeur auxiliaire de l&rsquo;entr\u00e9e OF utilis\u00e9e dans les calculs<\/li><li>OF &#8211; ancienne valeur de l&rsquo;entr\u00e9e OF<\/li><li>fraction &#8211; un nombre quelconque entre 0 et 1 (plus il est \u00e9lev\u00e9, plus les changements de la matrice OF sont rapides)<\/li><li>q &#8211; qualit\u00e9 de la r\u00e9ponse sur l&rsquo;\u00e9chelle de notation de 0 \u00e0 5<\/li><\/ul>Notez que pour q=4, l&rsquo;OF ne change pas. Il augmente pour q&gt;4 et diminue pour q&lt;4.<\/li><li>Si la qualit\u00e9 de la r\u00e9ponse \u00e9tait inf\u00e9rieure \u00e0 3, recommencez les r\u00e9p\u00e9titions de l&rsquo;\u00e9l\u00e9ment depuis le d\u00e9but sans modifier le facteur E<\/li><li>Apr\u00e8s chaque session de r\u00e9p\u00e9tition d&rsquo;une journ\u00e9e donn\u00e9e, r\u00e9p\u00e9tez \u00e0 nouveau tous les \u00e9l\u00e9ments ayant obtenu un score inf\u00e9rieur \u00e0 quatre lors de l&rsquo;\u00e9valuation de la qualit\u00e9. Poursuivez les r\u00e9p\u00e9titions jusqu&rsquo;\u00e0 ce que tous ces \u00e9l\u00e9ments obtiennent un score d&rsquo;au moins quatre<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Conform\u00e9ment aux observations pr\u00e9c\u00e9dentes, les entr\u00e9es de la matrice OF n&rsquo;\u00e9taient pas autoris\u00e9es \u00e0 descendre en dessous de 1,2. Dans l&rsquo;algorithme SM-5, par d\u00e9finition, les intervalles ne peuvent pas devenir plus courts lors des r\u00e9p\u00e9titions suivantes. Les intervalles sont au moins 1,2 fois plus longs que leurs pr\u00e9d\u00e9cesseurs. Changer de cat\u00e9gorie de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;n&rsquo;augmente le prochain intervalle appliqu\u00e9 que dans la mesure exig\u00e9e par l&rsquo;entr\u00e9e correspondante de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Critique de l&rsquo;algorithme SM-5<\/h2>\n\n<p class=\"wp-block-paragraph\">Le manuel d&rsquo;Anki contient un passage \u00e9tonnamment critique \u00e0 l&rsquo;\u00e9gard de l&rsquo;algorithme SM-5 (avril 2018). Ces mots sont d&rsquo;autant plus surprenants que l&rsquo;algorithme SM-5 n&rsquo;a jamais \u00e9t\u00e9 publi\u00e9 en int\u00e9gralit\u00e9 (la version pr\u00e9sent\u00e9e ci-dessus n&rsquo;est qu&rsquo;un aper\u00e7u grossier). Bien que ces critiques aient manifestement \u00e9t\u00e9 formul\u00e9es de bonne foi, elles sugg\u00e8rent que si l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>&nbsp;\u00e9tait sup\u00e9rieur \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>, peut-\u00eatre l&rsquo;est-il aussi par rapport \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>. Si c&rsquo;\u00e9tait le cas, j&rsquo;aurais gaspill\u00e9 les 30 derni\u00e8res ann\u00e9es de recherche et de programmation. \u00c0 ce jour, Wikip\u00e9dia \u00ab critique \u00bb encore \u00ab SM3+ \u00bb. \u00ab SM3+ \u00bb est une \u00e9tiquette utilis\u00e9e pour la premi\u00e8re fois dans le manuel d&rsquo;Anki et reprise sur des dizaines de sites web (en particulier ceux qui pr\u00e9f\u00e8rent s&rsquo;en tenir \u00e0 l&rsquo;ancien algorithme pour sa simplicit\u00e9). Une comparaison entre l&rsquo;algorithme SM-2 et l&rsquo;algorithme SM-17 est pr\u00e9sent\u00e9e&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Universal_metric_for_cross-comparison_of_spaced_repetition_algorithms\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>.<\/p>\n\n<h3 class=\"wp-block-heading\">Affirmation erron\u00e9e dans le manuel d&rsquo;Anki<\/h3>\n\n<p class=\"wp-block-paragraph\">Mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de ma\u00eetrise<\/a>, publi\u00e9 en extraits en 1998 sur&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">supermemo.com<\/a>, ne comportait qu&rsquo;une description succincte de l&rsquo;algorithme SM-5. Par souci de clart\u00e9, des dizaines de proc\u00e9dures mineures n&rsquo;ont pas \u00e9t\u00e9 publi\u00e9es. Ces proc\u00e9dures auraient n\u00e9cessit\u00e9 un long travail d&rsquo;ajustement pour garantir une bonne convergence, stabilit\u00e9 et pr\u00e9cision. Ce type d&rsquo;ajustement demande des mois d&rsquo;apprentissage combin\u00e9s \u00e0 de l&rsquo;analyse. Il n&rsquo;a jamais exist\u00e9 de version&nbsp;<em>pr\u00eate \u00e0 l&#8217;emploi<\/em>&nbsp;de l&rsquo;algorithme SM-5.<\/p>\n\n<p class=\"wp-block-paragraph\">Le code source de l&rsquo;algorithme SM-5 n&rsquo;a jamais \u00e9t\u00e9 publi\u00e9 ni ouvert, et l&rsquo;algorithme original ne pouvait \u00eatre test\u00e9 que par les utilisateurs de SuperMemo 5, sous MS-DOS. SuperMemo 5 est devenu gratuit (freeware) en 1993. Il est important de noter que la dispersion al\u00e9atoire des intervalles autour de la valeur optimale \u00e9tait essentielle pour \u00e9tablir la convergence. Sans cette dispersion, la progression de l&rsquo;algorithme aurait \u00e9t\u00e9 atrocement lente. De m\u00eame, le&nbsp;lissage de la matrice&nbsp;\u00e9tait n\u00e9cessaire pour garantir un comportement coh\u00e9rent, ind\u00e9pendamment de la richesse des donn\u00e9es recueillies pour diff\u00e9rents niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" target=\"_blank\" rel=\"noreferrer noopener\">stabilit\u00e9<\/a>&nbsp;et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" target=\"_blank\" rel=\"noreferrer noopener\">complexit\u00e9<\/a>&nbsp;des \u00e9l\u00e9ments.<\/p>\n\n<p class=\"wp-block-paragraph\">De nombreuses \u00e9valuations men\u00e9es en 1989, et depuis, ont mis en \u00e9vidence une sup\u00e9riorit\u00e9 incontestable de l&rsquo;algorithme SM-5 et des algorithmes ult\u00e9rieurs sur l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>, quelle que soit la mesure \u00e9tudi\u00e9e. L&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;pourrait d&rsquo;ailleurs servir \u00e0 mesurer l&rsquo;efficacit\u00e9 de l&rsquo;algorithme SM-5, si nous avions des volontaires pour r\u00e9impl\u00e9menter ce vieux code afin de l&rsquo;utiliser avec nos m\u00e9triques universelles. Nous l&rsquo;avons fait pour l&rsquo;algorithme SM-2 jusqu&rsquo;\u00e0 pr\u00e9sent, le co\u00fbt de mise en \u0153uvre \u00e9tant n\u00e9gligeable. Il va sans dire que l&rsquo;algorithme SM-2 accuse un net retard en mati\u00e8re de pouvoir pr\u00e9dictif, en particulier pour les niveaux sous-optimaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">M\u00eame une compr\u00e9hension \u00e9l\u00e9mentaire du mod\u00e8le sous-jacent devrait suffire \u00e0 faire comprendre qu&rsquo;une bonne impl\u00e9mentation apporterait des b\u00e9n\u00e9fices consid\u00e9rables. SuperMemo 5 adaptait sa fonction d&rsquo;intervalles \u00e0 la m\u00e9moire de l&rsquo;utilisateur. SuperMemo 2, lui, \u00e9tait fig\u00e9 une fois pour toutes. Je suis tr\u00e8s fier que les hypoth\u00e8ses hasardeuses formul\u00e9es en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>&nbsp;et en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">1987<\/a>&nbsp;aient r\u00e9sist\u00e9 \u00e0 l&rsquo;\u00e9preuve du temps, mais aucun algorithme ne devrait se fier au jugement d&rsquo;un humble \u00e9tudiant n&rsquo;ayant que deux ans d&rsquo;exp\u00e9rience dans l&rsquo;impl\u00e9mentation d&rsquo;algorithmes de r\u00e9p\u00e9tition espac\u00e9e. Au contraire, SuperMemo 4 et toutes les impl\u00e9mentations qui ont suivi ont fait de moins en moins de suppositions et ont offert une adaptabilit\u00e9 meilleure et plus rapide. Parmi toutes ces impl\u00e9mentations, seul SuperMemo 4 s&rsquo;est r\u00e9v\u00e9l\u00e9 lent \u00e0 s&rsquo;adapter et a \u00e9t\u00e9 remplac\u00e9 en sept mois par une impl\u00e9mentation sup\u00e9rieure.<\/p>\n\n<p class=\"wp-block-paragraph\">Il n&rsquo;y a aucune malveillance dans la critique d&rsquo;Anki, mais je ne serais pas surpris que son auteur ait pr\u00e9f\u00e9r\u00e9 pousser vers une impl\u00e9mentation et un passage rapide \u00e0 l&rsquo;auto-apprentissage plut\u00f4t que de passer du temps \u00e0 peaufiner des proc\u00e9dures qui ne fonctionnaient pas comme il l&rsquo;aurait souhait\u00e9. En revanche, d\u00e8s 1989, je savais que l&rsquo;algorithme SM-2 \u00e9tait imparfait, je savais que l&rsquo;algorithme SM-5 lui \u00e9tait sup\u00e9rieur, et je n&rsquo;ai m\u00e9nag\u00e9 ni temps ni efforts pour faire en sorte que ce nouveau concept soit perfectionn\u00e9 jusqu&rsquo;\u00e0 son potentiel th\u00e9orique maximal.<\/p>\n\n<p class=\"wp-block-paragraph\">Extrait du manuel d&rsquo;Anki (avril 2018) :<\/p>\n\n<p class=\"wp-block-paragraph\">Anki \u00e9tait \u00e0 l&rsquo;origine bas\u00e9 sur l&rsquo;algorithme SM5 de SuperMemo. Cependant, le comportement par d\u00e9faut d&rsquo;Anki, consistant \u00e0 r\u00e9v\u00e9ler le prochain intervalle avant de r\u00e9pondre \u00e0 une carte, a mis en lumi\u00e8re certains probl\u00e8mes fondamentaux de l&rsquo;algorithme SM5. La principale diff\u00e9rence entre SM2 et les r\u00e9visions ult\u00e9rieures de l&rsquo;algorithme est la suivante :<\/p>\n\n<ul class=\"wp-block-list\"><li>SM2 utilise vos performances sur une carte pour d\u00e9terminer la prochaine date de programmation de cette carte<\/li><li>SM3+ utilise vos performances sur une carte pour d\u00e9terminer la prochaine date de programmation de cette carte, ainsi que des cartes similaires<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Cette derni\u00e8re approche promet de choisir des intervalles plus pr\u00e9cis en tenant compte non seulement de la performance d&rsquo;une carte isol\u00e9e, mais aussi de la performance du groupe. Si vous \u00eates tr\u00e8s r\u00e9gulier dans vos \u00e9tudes et que toutes les cartes pr\u00e9sentent une difficult\u00e9 tr\u00e8s similaire, cette approche peut tr\u00e8s bien fonctionner. Cependant, d\u00e8s que des incoh\u00e9rences s&rsquo;introduisent dans l&rsquo;\u00e9quation (cartes de difficult\u00e9s vari\u00e9es, \u00e9tudes qui ne se font pas \u00e0 la m\u00eame heure chaque jour), SM3+ est plus susceptible de mal estimer le prochain intervalle, ce qui entra\u00eene des cartes programm\u00e9es trop souvent ou trop \u00e9loign\u00e9es dans le temps.<\/p>\n\n<p class=\"wp-block-paragraph\">De plus, comme SM3+ ajuste dynamiquement le tableau des \u00ab facteurs optimaux \u00bb, il peut arriver que r\u00e9pondre \u00ab difficile \u00bb \u00e0 une carte produise un intervalle plus long que si l&rsquo;on avait r\u00e9pondu \u00ab facile \u00bb. Les prochaines \u00e9ch\u00e9ances vous sont dissimul\u00e9es dans SuperMemo, si bien que l&rsquo;utilisateur n&rsquo;en est jamais conscient.Apr\u00e8s avoir \u00e9valu\u00e9 les alternatives, l&rsquo;auteur d&rsquo;Anki a d\u00e9cid\u00e9 que des intervalles quasi-optimaux issus d&rsquo;une variante de SM2 valaient mieux que la tentative d&rsquo;obtenir des intervalles optimaux au risque d&rsquo;estimations erron\u00e9es. Une approche SM2 est pr\u00e9visible et intuitive pour l&rsquo;utilisateur final, alors qu&rsquo;une approche SM3+ dissimule les d\u00e9tails \u00e0 l&rsquo;utilisateur et exige de celui-ci qu&rsquo;il fasse confiance au syst\u00e8me (m\u00eame lorsque celui-ci peut se tromper dans la programmation).<\/p>\n\n<p class=\"wp-block-paragraph\">Quelques pr\u00e9cisions pour ceux qui s&rsquo;y int\u00e9ressent :<\/p>\n\n<ul class=\"wp-block-list\"><li>le fait que SuperMemo 5 se soit servi des performances pass\u00e9es de tous les \u00e9l\u00e9ments pour optimiser la performance sur les nouveaux \u00e9l\u00e9ments est un avantage, et non un \u00ab probl\u00e8me \u00bb. Bien plus, c&rsquo;est pr\u00e9cis\u00e9ment la cl\u00e9 de sa puissance d&rsquo;adaptation<\/li><li>une notation incoh\u00e9rente a toujours pos\u00e9 probl\u00e8me \u00e0 tous les algorithmes. En moyenne, l&rsquo;adaptabilit\u00e9 permet de compenser l&rsquo;effet moyen d&rsquo;un mauvais usage, surtout si les incoh\u00e9rences sont elles-m\u00eames coh\u00e9rentes (c&rsquo;est-\u00e0-dire si l&rsquo;utilisateur commet des erreurs similaires dans des circonstances similaires)<\/li><li>les difficult\u00e9s mixtes sont bien mieux g\u00e9r\u00e9es par SuperMemo 5, car si dans SuperMemo 2 la difficult\u00e9 et l&rsquo;augmentation de la stabilit\u00e9 sont toutes deux cod\u00e9es par le facteur E, dans SuperMemo 5 et les versions suivantes, ces deux propri\u00e9t\u00e9s de la m\u00e9moire sont dissoci\u00e9es<\/li><li>la sup\u00e9riorit\u00e9 des pr\u00e9dictions d&rsquo;intervalles dans SuperMemo 5 a \u00e9t\u00e9 d\u00e9montr\u00e9e, et l&rsquo;affirmation \u00ab plus susceptible de mal estimer \u00bb ne peut s&rsquo;expliquer que par des erreurs d&rsquo;impl\u00e9mentation<\/li><li>des notes plus basses peuvent entra\u00eener des intervalles plus longs si le lissage de la matrice n&rsquo;est pas impl\u00e9ment\u00e9. Cette partie de l&rsquo;algorithme n&rsquo;a \u00e9t\u00e9 d\u00e9crite que verbalement dans mon m\u00e9moire<\/li><li>les intervalles et les dates de r\u00e9p\u00e9tition ont toujours \u00e9t\u00e9 affich\u00e9s de fa\u00e7on visible dans SuperMemo, m\u00eame dans les impl\u00e9mentations les plus simples (par exemple pour les assistants num\u00e9riques personnels, les smartphones, etc.). Rien n&rsquo;est cach\u00e9 \u00e0 l&rsquo;utilisateur. Surtout, les statistiques d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Burden\" rel=\"noreferrer noopener\" target=\"_blank\">charge<\/a>&nbsp;sont pleinement visibles et permettent de v\u00e9rifier si SuperMemo tient sa promesse de r\u00e9tention, et \u00e0 quel co\u00fbt en termes de charge de travail<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">De toutes ces affirmations, une seule pourrait \u00eatre vraie. SuperMemo 2 est peut-\u00eatre en effet plus intuitif. Ce probl\u00e8me hante SuperMemo depuis des ann\u00e9es. Chaque nouvelle version est plus complexe, et il est difficile de dissimuler une partie de cette complexit\u00e9 aux utilisateurs. Nous continuerons n\u00e9anmoins d&rsquo;essayer.<\/p>\n\n<p class=\"wp-block-paragraph\">Notre r\u00e9ponse officielle, publi\u00e9e sur&nbsp;<a href=\"http:\/\/supermemopedia.com\/\" rel=\"noreferrer noopener\" target=\"_blank\">supermemopedia.com<\/a>&nbsp;en 2011, semble encore assez pertinente aujourd&rsquo;hui :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Il est louable qu&rsquo;Anki introduise ses propres innovations tout en rendant hommage \u00e0 SuperMemo. Il est vrai que l&rsquo;algorithme SM-2 de SuperMemo fonctionne \u00e0 merveille compar\u00e9, par exemple, au syst\u00e8me Leitner ou \u00e0 SuperMemo sur papier. Cependant, la sup\u00e9riorit\u00e9 de l&rsquo;algorithme SM-5 sur SM-2 est incontestable, tant en pratique qu&rsquo;en th\u00e9orie. C&rsquo;est l&rsquo;algorithme SM-2 qui fige les intervalles et les fait d\u00e9pendre uniquement de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment, approxim\u00e9e par une formule heuristique (c&rsquo;est-\u00e0-dire une formule fond\u00e9e sur une estimation issue d&rsquo;une exp\u00e9rience limit\u00e9e d&rsquo;avant 1987). Il est vrai qu&rsquo;on ne peut pas \u00ab corrompre \u00bb l&rsquo;algorithme SM-2 en lui fournissant de fausses donn\u00e9es. C&rsquo;est uniquement parce qu&rsquo;il n&rsquo;est pas adaptable. Vous pr\u00e9f\u00e9rez probablement votre traitement de texte avec des polices personnalisables, m\u00eame si vous pouvez g\u00e2cher votre texte en lui appliquant du Wingdings.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-2 multiplie simplement, de fa\u00e7on rudimentaire, les intervalles par un facteur dit \u00ab facteur E \u00bb, qui exprime la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment. \u00c0 l&rsquo;inverse, l&rsquo;algorithme SM-5 recueille des donn\u00e9es sur la performance de l&rsquo;utilisateur et modifie en cons\u00e9quence la fonction des intervalles optimaux. En d&rsquo;autres termes, il s&rsquo;adapte \u00e0 la performance de l&rsquo;\u00e9tudiant. L&rsquo;algorithme SM-6 va encore plus loin en modifiant la fonction des intervalles optimaux de mani\u00e8re \u00e0 atteindre un niveau de r\u00e9tention des connaissances souhait\u00e9. La sup\u00e9riorit\u00e9 de ces algorithmes plus r\u00e9cents a \u00e9t\u00e9 v\u00e9rifi\u00e9e de multiples fa\u00e7ons, par exemple en mesurant la baisse de la charge de travail dans le temps pour des bases de donn\u00e9es de taille fixe. Dans les cas \u00e9tudi\u00e9s (\u00e9chantillon restreint), la baisse de la charge de travail avec les nouveaux algorithmes \u00e9tait pr\u00e8s de deux fois plus rapide que celle observ\u00e9e avec les anciennes bases de donn\u00e9es trait\u00e9es avec l&rsquo;algorithme SM-2 (m\u00eame type de mat\u00e9riel : vocabulaire anglais).<\/p>\n\n<p class=\"wp-block-paragraph\">Tous les algorithmes de SuperMemo regroupent les \u00e9l\u00e9ments en cat\u00e9gories de difficult\u00e9. L&rsquo;algorithme SM-2 attribue \u00e0 chaque cat\u00e9gorie un ensemble d&rsquo;intervalles rigides. L&rsquo;algorithme SM-5 attribue lui aussi le m\u00eame ensemble d&rsquo;intervalles \u00e0 chaque cat\u00e9gorie, mais ceux-ci sont adapt\u00e9s en fonction de la performance de l&rsquo;utilisateur, c&rsquo;est-\u00e0-dire qu&rsquo;ils ne sont pas fig\u00e9s.<\/p>\n\n<p class=\"wp-block-paragraph\">La coh\u00e9rence est effectivement plus importante dans l&rsquo;algorithme SM-5 que dans l&rsquo;algorithme SM-2, puisque des donn\u00e9es erron\u00e9es entra\u00eeneront une \u00ab fausse adaptation \u00bb. Cependant, il est toujours n\u00e9faste de donner des notes fausses ou trich\u00e9es dans SuperMemo, quel que soit l&rsquo;algorithme utilis\u00e9.Avec une connaissance incompl\u00e8te de la m\u00e9moire, l&rsquo;adaptabilit\u00e9 est toujours sup\u00e9rieure aux mod\u00e8les rigides. C&rsquo;est pourquoi il est encore pr\u00e9f\u00e9rable de s&rsquo;adapter \u00e0 une moyenne impr\u00e9cise (comme dans l&rsquo;algorithme SM-5) plut\u00f4t que de fonder les intervalles sur une estimation impr\u00e9cise (comme dans l&rsquo;algorithme SM-2). Il va sans dire que le dernier mot revient \u00e0 l&rsquo;algorithme SM-8 et \u00e0 ses successeurs, puisqu&rsquo;il s&rsquo;adapte \u00e0 la moyenne mesur\u00e9e.<\/p>\n\n<h3 class=\"wp-block-heading\">\u00c9valuation de SuperMemo 5 (1989)<\/h3>\n\n<p class=\"wp-block-paragraph\">SuperMemo 5 \u00e9tait si manifestement sup\u00e9rieur que je n&rsquo;ai pas eu besoin de recueillir beaucoup de donn\u00e9es pour \u00e9tayer mon propos. Je n&rsquo;ai fait que quelques comparaisons pour mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de ma\u00eetrise<\/a>, et elles ne laissaient aucun doute.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>3.8. \u00c9valuation de l&rsquo;algorithme SM-5<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-5 est utilis\u00e9 depuis le 17 octobre 1989 et a d\u00e9pass\u00e9 toutes les attentes en offrant une m\u00e9thode efficace pour d\u00e9terminer la fonction souhait\u00e9e d&rsquo;intervalles optimaux et, par cons\u00e9quent, en am\u00e9liorant le taux d&rsquo;acquisition (15 000 \u00e9l\u00e9ments appris en 9 mois). La figure 3.5 montre que le taux d&rsquo;acquisition \u00e9tait au moins deux fois plus \u00e9lev\u00e9 que celui obtenu par l&rsquo;application combin\u00e9e des algorithmes SM-2 et SM-4 !<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"2046\" height=\"3016\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Burdern_SM2_vs_SM5.jpg\" alt=\"\" class=\"wp-image-33436\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;\u00e9volution de la charge de travail dans les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Database\" rel=\"noreferrer noopener\" target=\"_blank\">bases de donn\u00e9es<\/a>&nbsp;g\u00e9r\u00e9es par les algorithmes SM-2 et SM-5.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">La r\u00e9tention des connaissances a atteint environ 96 % pour des bases de donn\u00e9es \u00e2g\u00e9es de 10 mois. Ci-dessous, quelques donn\u00e9es de r\u00e9tention des connaissances dans des bases de donn\u00e9es s\u00e9lectionn\u00e9es permettent de comparer les algorithmes SM-2 et SM-5 :<\/p>\n\n<ul class=\"wp-block-list\"><li>Date &#8211; date de la mesure,<\/li><li>Base de donn\u00e9es &#8211; nom de la base de donn\u00e9es ; ALL d\u00e9signe la moyenne de toutes les bases de donn\u00e9es<\/li><li>Intervalle &#8211; intervalle courant moyen utilis\u00e9 par les \u00e9l\u00e9ments de la base de donn\u00e9es<\/li><li>R\u00e9tention &#8211; r\u00e9tention des connaissances dans la base de donn\u00e9es<\/li><li>Version &#8211; version de l&rsquo;algorithme appliqu\u00e9e \u00e0 la base de donn\u00e9es<\/li><\/ul>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>Date<\/th><th>Base de donn\u00e9es<\/th><th>Intervalle<\/th><th>R\u00e9tention<\/th><th>Version<\/th><\/tr><tr><td>D\u00e9c. 88<\/td><td>EVD<\/td><td>17 jours<\/td><td>81 %<\/td><td>SM-2<\/td><\/tr><tr><td>D\u00e9c. 89<\/td><td>EVG<\/td><td>19 jours<\/td><td>82 %<\/td><td>SM-5<\/td><\/tr><tr><td>D\u00e9c. 88<\/td><td>EVC<\/td><td>41 jours<\/td><td>95 %<\/td><td>SM-2<\/td><\/tr><tr><td>D\u00e9c. 89<\/td><td>EVF<\/td><td>47 jours<\/td><td>95 %<\/td><td>SM-5<\/td><\/tr><tr><td>D\u00e9c. 88<\/td><td>toutes<\/td><td>86 jours<\/td><td>89 %<\/td><td>SM-2<\/td><\/tr><tr><td>D\u00e9c. 89<\/td><td>toutes<\/td><td>190 jours<\/td><td>92 %<\/td><td>SM-2, SM-4 et SM-5<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">Au cours des r\u00e9p\u00e9titions, la distribution suivante des notes a \u00e9t\u00e9 enregistr\u00e9e :<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>Qualit\u00e9<\/th><th>Fraction<\/th><\/tr><tr><td>0<\/td><td>0 %<\/td><\/tr><tr><td>1<\/td><td>0 %<\/td><\/tr><tr><td>2<\/td><td>11 %<\/td><\/tr><tr><td>3<\/td><td>18 %<\/td><\/tr><tr><td>4<\/td><td>26 %<\/td><\/tr><tr><td>5<\/td><td>45 %<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">Cette distribution, conform\u00e9ment aux hypoth\u00e8ses sous-jacentes \u00e0 l&rsquo;algorithme SM-5, donne une qualit\u00e9 de r\u00e9ponse moyenne \u00e9gale \u00e0 4. L&rsquo;indice d&rsquo;oubli est de 11 % (les \u00e9l\u00e9ments dont la qualit\u00e9 est inf\u00e9rieure \u00e0 3 sont consid\u00e9r\u00e9s comme oubli\u00e9s). Notez que les donn\u00e9es de r\u00e9tention indiquent que seulement 4 % des \u00e9l\u00e9ments d&rsquo;une base de donn\u00e9es ne sont pas retenus. L&rsquo;indice d&rsquo;oubli d\u00e9passe donc de 2,7 fois le pourcentage d&rsquo;\u00e9l\u00e9ments r\u00e9ellement oubli\u00e9s.Dans une base de donn\u00e9es \u00e2g\u00e9e de 7 mois, on a constat\u00e9 que 70 % des \u00e9l\u00e9ments n&rsquo;avaient jamais \u00e9t\u00e9 oubli\u00e9s au cours des r\u00e9p\u00e9titions pr\u00e9c\u00e9dant la mesure, tandis que seulement 2 % des \u00e9l\u00e9ments avaient \u00e9t\u00e9 oubli\u00e9s plus de 3 fois.<\/p>\n\n<h3 class=\"wp-block-heading\">Preuve th\u00e9orique de la sup\u00e9riorit\u00e9 des algorithmes plus r\u00e9cents<\/h3>\n\n<p class=\"wp-block-paragraph\">La critique d&rsquo;Anki \u00e0 l&rsquo;encontre de SuperMemo 5 appelle une preuve simple \u00e0 la lumi\u00e8re de la th\u00e9orie moderne de la r\u00e9p\u00e9tition espac\u00e9e. Nous pouvons montrer que le mod\u00e8le de m\u00e9moire actuel peut se rapporter aux mod\u00e8les sous-jacents des deux algorithmes, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>&nbsp;et l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>, et que la diff\u00e9rence cl\u00e9 entre les deux r\u00e9side dans l&rsquo;absence d&rsquo;adaptabilit\u00e9 de la fonction des intervalles optimaux (repr\u00e9sent\u00e9e dans l&rsquo;algorithme SM-5 par la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Matrix_OF\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Soit SInc=f(C,S,R) une fonction d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>&nbsp;prenant comme arguments la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;C, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;S et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;R. Cette fonction d\u00e9termine l&rsquo;augmentation progressive des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>&nbsp;de r\u00e9vision dans un apprentissage optimal.<\/p>\n\n<p class=\"wp-block-paragraph\">Les algorithmes SM-2 et SM-5 ignorent tous deux la dimension de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. En th\u00e9orie, si les deux algorithmes fonctionnaient parfaitement, on pourrait supposer qu&rsquo;ils visent un R=0,9. Or, comme on peut le mesurer dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, les deux algorithmes \u00e9chouent dans cette entreprise, car ils ne connaissent pas les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;pertinentes. Ils ne recueillent tout simplement pas de donn\u00e9es de courbe d&rsquo;oubli. Cette fonction n&rsquo;a \u00e9t\u00e9 introduite qu&rsquo;avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-6\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-6<\/a>&nbsp;en 1991.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, si l&rsquo;on suppose que les heuristiques de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/The_birthday_of_spaced_repetition:_July_31,_1985\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>&nbsp;et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_1.0_for_DOS_(1987)\" rel=\"noreferrer noopener\" target=\"_blank\">1987<\/a>&nbsp;\u00e9taient des estimations parfaites, en th\u00e9orie, l&rsquo;algorithme pourrait utiliser SInc=F(C,S) avec un R constant de 90 %.<\/p>\n\n<p class=\"wp-block-paragraph\">Du fait que SM-2 utilise le m\u00eame nombre, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-factor\" rel=\"noreferrer noopener\" target=\"_blank\">EF<\/a>, \u00e0 la fois pour l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>&nbsp;et pour la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;de l&rsquo;\u00e9l\u00e9ment, pour SM-2 nous avons l&rsquo;\u00e9quation SInc=f(C,S) repr\u00e9sent\u00e9e par EF=f'(EF,intervalle), o\u00f9 il est facile de montrer, \u00e0 partir des donn\u00e9es, que f&lt;&gt;f&rsquo;. \u00c9tonnamment, l&rsquo;heuristique utilis\u00e9e dans SM-2 a fait fonctionner cette fonction en d\u00e9couplant le lien r\u00e9el entre EF et la complexit\u00e9 de l&rsquo;\u00e9l\u00e9ment. Comme les donn\u00e9es montrent que SInc continue de diminuer avec S, cela signifie que dans l&rsquo;algorithme SM-2, par d\u00e9finition, tous les \u00e9l\u00e9ments devraient gagner en complexit\u00e9 \u00e0 chaque r\u00e9vision si EF devait repr\u00e9senter la complexit\u00e9 de l&rsquo;\u00e9l\u00e9ment. En termes pratiques, l&rsquo;algorithme SM-2 utilise EF=f'(EF,intervalle), ce qui se traduit par SInc(n)=f(SInc(n-1),intervalle).<\/p>\n\n<p class=\"wp-block-paragraph\">Supposons que l&rsquo;heuristique EF=f(EF,intervalle) \u00e9tait une excellente estimation, comme le pr\u00e9tendent les utilisateurs de l&rsquo;algorithme SM-2. Soit SInc repr\u00e9sent\u00e9 par le facteur O dans l&rsquo;algorithme SM-5. Nous pourrions alors repr\u00e9senter SInc=f(C,S) par OF=f(EF,intervalle).<\/p>\n\n<p class=\"wp-block-paragraph\">Pour l&rsquo;algorithme SM-2, OF serait constant et \u00e9gal \u00e0 EF ; dans l&rsquo;algorithme SM-5, OF est adaptable et peut \u00eatre modifi\u00e9 en fonction de la performance de l&rsquo;algorithme. Il semble assez \u00e9vident que p\u00e9naliser l&rsquo;algorithme pour une mauvaise performance par une baisse des entr\u00e9es de la matrice OF, et le r\u00e9compenser par une augmentation de ces m\u00eames entr\u00e9es, est pr\u00e9f\u00e9rable au maintien d&rsquo;un OF constant.<\/p>\n\n<p class=\"wp-block-paragraph\">Ironiquement, autant les partisans de l&rsquo;algorithme SM-2 affirment que celui-ci fonctionne tr\u00e8s bien, autant les partisans du SuperMemo \u00e0 r\u00e9seau de neurones n&rsquo;ont cess\u00e9 d&rsquo;accuser les algorithmes alg\u00e9briques de manquer d&rsquo;adaptabilit\u00e9. En r\u00e9alit\u00e9, l&rsquo;adaptabilit\u00e9 de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;est \u00e0 ce jour la meilleure, car il repose sur le mod\u00e8le de m\u00e9moire le plus pr\u00e9cis.<\/p>\n\n<p class=\"wp-block-paragraph\">Il est concevable que les heuristiques utilis\u00e9es dans SM-2 aient \u00e9t\u00e9 si pr\u00e9cises que la supposition initiale sur OF=f(EF,intervalle) n&rsquo;ait n\u00e9cessit\u00e9 aucune modification. Cependant, comme cela a \u00e9t\u00e9 d\u00e9montr\u00e9 en pratique, la matrice OF \u00e9volue rapidement et converge vers des valeurs d\u00e9crites dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/ANE1994\" rel=\"noreferrer noopener\" target=\"_blank\">Wozniak, Gorzela\u0144czyk 1994<\/a>. Elles diff\u00e8rent sensiblement de l&rsquo;hypoth\u00e8se fig\u00e9e dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>R\u00e9sum\u00e9 :<\/strong><\/p>\n\n<ul class=\"wp-block-list\"><li>aujourd&rsquo;hui : SInc=f(C,S,R), 3 variables, f est adaptable<\/li><li>sm5 : SInc=f(C,S,0.9), 2 variables, f est adaptable<\/li><li>sm2 : SInc=f(SInc,S,0.9) &#8211; 1 variable, f est fixe<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">Convergence<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-5 a montr\u00e9 une convergence rapide, ce qui a \u00e9t\u00e9 rapidement d\u00e9montr\u00e9 par les utilisateurs qui ont d\u00e9but\u00e9 avec des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrices OF<\/a>&nbsp;univalentes. C&rsquo;\u00e9tait un contraste saisissant avec l&rsquo;algorithme SM-4.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>3.6. Am\u00e9lioration de la matrice pr\u00e9d\u00e9termin\u00e9e des facteurs optimaux<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Les proc\u00e9dures d&rsquo;optimisation appliqu\u00e9es lors des transformations de la matrice OF se sont r\u00e9v\u00e9l\u00e9es d&rsquo;une efficacit\u00e9 satisfaisante, aboutissant \u00e0 une convergence rapide des entr\u00e9es OF vers leurs valeurs finales.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, sur la p\u00e9riode consid\u00e9r\u00e9e (du 17 octobre 1989 au 23 mai 1990), seuls les facteurs optimaux caract\u00e9ris\u00e9s par des cycles de modification-v\u00e9rification courts (moins de 3 \u00e0 4 mois) semblent avoir atteint leurs valeurs d&rsquo;\u00e9quilibre.<\/p>\n\n<p class=\"wp-block-paragraph\">Il faudra encore quelques ann\u00e9es avant que des conclusions plus solides puissent \u00eatre tir\u00e9es sur la forme d\u00e9finitive de la matrice OF. Le fait le plus int\u00e9ressant, apparu apr\u00e8s l&rsquo;analyse de matrices OF \u00e2g\u00e9es de 7 mois, est que le premier intervalle inter-r\u00e9p\u00e9titions devrait \u00eatre aussi long que 5 jours pour un facteur E \u00e9gal \u00e0 2,5, et m\u00eame 8 jours pour un facteur E \u00e9gal \u00e0 1,3 ! Pour le second intervalle, les valeurs correspondantes \u00e9taient respectivement d&rsquo;environ 3 et 2 semaines.<\/p>\n\n<p class=\"wp-block-paragraph\">La fonction d&rsquo;intervalles optimaux nouvellement obtenue pourrait se formuler ainsi :<\/p>\n\n<p class=\"wp-block-paragraph\">I(1)=8-(EF-1.3)\/(2.5-1.3)*3<\/p>\n\n<p class=\"wp-block-paragraph\">I(2)=13+(EF-1.3)\/(2.5-1.3)*8<\/p>\n\n<p class=\"wp-block-paragraph\">pour i&gt;2 I(i)=I(i-1)*(EF-0.1)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>I(i) &#8211; intervalle apr\u00e8s la i-\u00e8me r\u00e9p\u00e9tition (en jours)<\/li><li>EF &#8211;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;de l&rsquo;\u00e9l\u00e9ment consid\u00e9r\u00e9.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Pour acc\u00e9l\u00e9rer le processus d&rsquo;optimisation, cette nouvelle fonction devrait \u00eatre utilis\u00e9e pour d\u00e9terminer l&rsquo;\u00e9tat initial de la matrice OF (\u00e9tape 3 de l&rsquo;algorithme SM-5). \u00c0 l&rsquo;exception du premier intervalle, cette nouvelle fonction ne diff\u00e8re pas significativement de celle employ\u00e9e dans les algorithmes SM-0 \u00e0 SM-5. On pourrait attribuer ce fait aux inefficacit\u00e9s des proc\u00e9dures d&rsquo;optimisation, qui, apr\u00e8s tout, sont biais\u00e9es par l&rsquo;utilisation d&rsquo;une matrice OF pr\u00e9d\u00e9termin\u00e9e. Pour m&rsquo;assurer qu&rsquo;il ne s&rsquo;agissait pas de cela, j&rsquo;ai demand\u00e9 \u00e0 trois de mes coll\u00e8gues d&rsquo;utiliser des versions exp\u00e9rimentales de SuperMemo 5.3 dans lesquelles des matrices OF univalentes \u00e9taient utilis\u00e9es (toutes les entr\u00e9es \u00e9gales \u00e0 1,5 dans deux exp\u00e9riences et \u00e0 2,0 dans la troisi\u00e8me).Bien que les bases de donn\u00e9es exp\u00e9rimentales n&rsquo;aient \u00e9t\u00e9 utilis\u00e9es que pendant 2 \u00e0 4 mois, les matrices OF semblent converger lentement vers la forme obtenue avec la matrice OF pr\u00e9d\u00e9termin\u00e9e. Cependant, les matrices OF pr\u00e9d\u00e9termin\u00e9es h\u00e9ritent de la corr\u00e9lation artificielle entre les facteurs E et les valeurs des entr\u00e9es OF dans la cat\u00e9gorie de facteur E correspondante (c&rsquo;est-\u00e0-dire que pour n&gt;3, la valeur OF(n,EF) est proche de EF). Ce ph\u00e9nom\u00e8ne n&rsquo;appara\u00eet pas dans les matrices univalentes, qui tendent \u00e0 ajuster les matrices OF de fa\u00e7on plus \u00e9troite aux exigences pos\u00e9es par des \u00e9l\u00e9ments choisis arbitrairement de l&rsquo;algorithme, comme la valeur initiale des facteurs E (toujours 2,5), la fonction modifiant les facteurs E apr\u00e8s les r\u00e9p\u00e9titions, etc.<\/p>\n\n<h2 class=\"wp-block-heading\">Lissage de la matrice<\/h2>\n\n<p class=\"wp-block-paragraph\">Une partie des&nbsp;critiques formul\u00e9es par l&rsquo;auteur d&rsquo;Anki&nbsp;pourrait r\u00e9sulter du fait de ne pas avoir employ\u00e9 le lissage de matrice, qui \u00e9tait une composante importante de l&rsquo;algorithme et qui est encore utilis\u00e9e dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" target=\"_blank\" rel=\"noreferrer noopener\">algorithme SM-17<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>3.7. Propagation des changements \u00e0 travers la matrice des facteurs optimaux<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Ayant constat\u00e9 les r\u00e9gularit\u00e9s mentionn\u00e9es plus haut dans les relations entre les entr\u00e9es de la matrice OF, j&rsquo;ai d\u00e9cid\u00e9 d&rsquo;acc\u00e9l\u00e9rer le processus d&rsquo;optimisation en propageant les modifications \u00e0 travers la matrice. Si un facteur optimal augmente ou diminue, on peut en conclure que le facteur OF correspondant \u00e0 un num\u00e9ro de r\u00e9p\u00e9tition sup\u00e9rieur devrait lui aussi augmenter.<\/p>\n\n<p class=\"wp-block-paragraph\">Cela d\u00e9coule de la relation OF(i,EF)=OF(i+1,EF), qui est approximativement valable pour tous les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;et pour i&gt;2. De m\u00eame, on peut envisager des changements souhaitables des facteurs en se rappelant que pour i&gt;2 on a OF(i,EF&rsquo;)=OF(i,EF&nbsp;<em>)*EF&rsquo;\/EF<\/em>&nbsp;(en particulier si EF&rsquo; et EF&nbsp;<em>sont suffisamment proches). Je n&rsquo;ai utilis\u00e9 la propagation des changements qu&rsquo;\u00e0 travers la partie de la matrice OF qui n&rsquo;avait pas encore \u00e9t\u00e9 modifi\u00e9e par le retour d&rsquo;information des r\u00e9p\u00e9titions. Cela s&rsquo;est r\u00e9v\u00e9l\u00e9 particuli\u00e8rement efficace dans le cas des matrices OF univalentes appliqu\u00e9es dans les versions exp\u00e9rimentales de SuperMemo mentionn\u00e9es au paragraphe pr\u00e9c\u00e9dent.<\/em><\/p>\n\n<p class=\"wp-block-paragraph\">Le sch\u00e9ma de propagation propos\u00e9 peut se r\u00e9sumer ainsi :<\/p>\n\n<ol class=\"wp-block-list\"><li>Apr\u00e8s avoir ex\u00e9cut\u00e9 l&rsquo;\u00e9tape 7 de l&rsquo;algorithme SM-5, localisez toutes les entr\u00e9es voisines de la matrice OF qui n&rsquo;ont pas encore \u00e9t\u00e9 modifi\u00e9es au cours des r\u00e9p\u00e9titions, c&rsquo;est-\u00e0-dire les entr\u00e9es qui n&rsquo;ont pas encore entam\u00e9 le cycle de modification-v\u00e9rification. Les entr\u00e9es voisines sont ici comprises comme celles correspondant au num\u00e9ro de r\u00e9p\u00e9tition +\/- 1 et \u00e0 la cat\u00e9gorie de facteur E +\/- 1 (c&rsquo;est-\u00e0-dire le facteur E +\/- 0,1)<\/li><li>Modifiez les entr\u00e9es voisines chaque fois que l&rsquo;une des relations suivantes n&rsquo;est pas respect\u00e9e :<ul><li>pour i&gt;2 OF(i,EF)=OF(i+1,EF) pour tous les EF<\/li><li>pour i&gt;2 OF(i,EF&rsquo;)=OF(i,EF&nbsp;<em>)*EF&rsquo;\/EF<\/em><\/li><li>pour i=1 OF(i,EF&rsquo;)=OF(i,EF&nbsp;<em>)<\/em><\/li><\/ul>La relation s\u00e9lectionn\u00e9e devrait \u00eatre respect\u00e9e \u00e0 l&rsquo;issue de la modification<\/li><li>Pour toutes les entr\u00e9es modifi\u00e9es \u00e0 l&rsquo;\u00e9tape 2, r\u00e9p\u00e9tez toute la proc\u00e9dure en localisant leurs voisins encore non modifi\u00e9s.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">La propagation des changements semble in\u00e9vitable si l&rsquo;on se rappelle que la fonction des intervalles optimaux d\u00e9pend de param\u00e8tres tels que :<\/p>\n\n<ul class=\"wp-block-list\"><li>la capacit\u00e9 de l&rsquo;\u00e9tudiant<\/li><li>les habitudes d&rsquo;auto-\u00e9valuation de l&rsquo;\u00e9tudiant (la qualit\u00e9 de la r\u00e9ponse est donn\u00e9e selon l&rsquo;opinion subjective de l&rsquo;\u00e9tudiant)<\/li><li>la nature des connaissances m\u00e9moris\u00e9es, etc.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Il est donc impossible de fournir une matrice OF id\u00e9ale et pr\u00e9d\u00e9termin\u00e9e qui se dispenserait du processus de modification-v\u00e9rification et, \u00e0 un degr\u00e9 moindre, des sch\u00e9mas de propagation.<\/p>\n\n<h2 class=\"wp-block-heading\">Dispersion al\u00e9atoire des intervalles<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;une des am\u00e9liorations cl\u00e9s de l&rsquo;algorithme SM-5 fut la dispersion al\u00e9atoire des intervalles. D&rsquo;une part, elle a consid\u00e9rablement acc\u00e9l\u00e9r\u00e9 le processus d&rsquo;optimisation ; d&rsquo;autre part, elle a sem\u00e9 une grande confusion chez les utilisateurs de presque toutes les versions ult\u00e9rieures de SuperMemo : \u00ab pourquoi les m\u00eames \u00e9l\u00e9ments, avec la m\u00eame note, utilisent-ils un intervalle diff\u00e9rent \u00e0 chaque essai ? \u00bb. Les \u00e9carts mineurs sont pr\u00e9cieux. Cela s&rsquo;est r\u00e9v\u00e9l\u00e9 au grand jour lorsque l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;\u00ab nu \u00bb a \u00e9t\u00e9 publi\u00e9 dans les premi\u00e8res versions de SuperMemo 17. On a pu observer que les utilisateurs conservant de nombreuses&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Leech\" rel=\"noreferrer noopener\" target=\"_blank\">sangsues<\/a>&nbsp;dans leurs collections tombaient facilement dans des \u00ab minima locaux \u00bb dont ils ne pouvaient plus sortir. La dispersion al\u00e9atoire a \u00e9t\u00e9 restaur\u00e9e avec un certain retard. Cette p\u00e9riode de \u00ab nudit\u00e9 \u00bb \u00e9tait n\u00e9cessaire pour observer pr\u00e9cis\u00e9ment l&rsquo;algorithme, en particulier dans un processus d&rsquo;apprentissage s&rsquo;\u00e9talant sur plusieurs d\u00e9cennies comme le mien.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>3.5. Dispersion al\u00e9atoire des intervalles optimaux<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Pour am\u00e9liorer davantage le processus d&rsquo;optimisation, un m\u00e9canisme a \u00e9t\u00e9 introduit qui peut sembler contredire le principe d&rsquo;espacement optimal des r\u00e9p\u00e9titions. Reconsid\u00e9rons un d\u00e9faut important de l&rsquo;algorithme SM-5 : une modification d&rsquo;un facteur optimal ne peut \u00eatre v\u00e9rifi\u00e9e dans sa justesse qu&rsquo;une fois les conditions suivantes remplies :<\/p>\n\n<ul class=\"wp-block-list\"><li>le facteur modifi\u00e9 est utilis\u00e9 dans le calcul d&rsquo;un intervalle inter-r\u00e9p\u00e9titions<\/li><li>l&rsquo;intervalle calcul\u00e9 s&rsquo;\u00e9coule et une r\u00e9p\u00e9tition est effectu\u00e9e, produisant une qualit\u00e9 de r\u00e9ponse qui indique \u00e9ventuellement la n\u00e9cessit\u00e9 d&rsquo;augmenter ou de diminuer le facteur optimal<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Cela signifie que m\u00eame un grand nombre d&rsquo;occurrences utilis\u00e9es dans la modification d&rsquo;un facteur optimal ne le fera pas changer de mani\u00e8re significative avant que la valeur nouvellement calcul\u00e9e ne soit utilis\u00e9e pour d\u00e9terminer de nouveaux intervalles et v\u00e9rifi\u00e9e apr\u00e8s leur \u00e9coulement.<\/p>\n\n<p class=\"wp-block-paragraph\">Le processus de v\u00e9rification des facteurs optimaux modifi\u00e9s, apr\u00e8s la p\u00e9riode n\u00e9cessaire pour les appliquer dans les r\u00e9p\u00e9titions, sera appel\u00e9 plus loin le cycle de modification-v\u00e9rification. Plus le num\u00e9ro de r\u00e9p\u00e9tition est \u00e9lev\u00e9, plus le cycle de modification-v\u00e9rification est long, et plus le ralentissement du processus d&rsquo;optimisation est important.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour illustrer le probl\u00e8me de la contrainte de modification, consid\u00e9rons les calculs de la figure&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol\/sm5.htm\" rel=\"nofollow noopener\" target=\"_blank\">3.4<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">On peut facilement conclure que pour la variable INTERVAL_USED sup\u00e9rieure \u00e0 20, la valeur de MOD5 sera \u00e9gale \u00e0 1,05 si QUALITY est \u00e9gal \u00e0 5. Comme QUALITY=5, MODIFIER sera \u00e9gal \u00e0 MOD5, soit 1,05. Par cons\u00e9quent, la nouvelle valeur propos\u00e9e pour le facteur optimal (NEW_OF) ne peut \u00eatre sup\u00e9rieure que de 5 % \u00e0 la pr\u00e9c\u00e9dente (NEW_OF:=USED_OF*MODIFIER). Ainsi, le facteur optimal modifi\u00e9 n&rsquo;ira jamais au-del\u00e0 de cette limite de 5 %, sauf si USED_OF augmente, ce qui \u00e9quivaut \u00e0 appliquer le facteur optimal modifi\u00e9 dans le calcul des intervalles inter-r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">Compte tenu de ces faits, j&rsquo;ai d\u00e9cid\u00e9 de laisser, dans certains cas, les intervalles inter-r\u00e9p\u00e9titions diff\u00e9rer des intervalles optimaux afin de contourner la contrainte impos\u00e9e par le cycle de modification-v\u00e9rification.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;appellerai ce processus de modification al\u00e9atoire des intervalles optimaux la dispersion.<\/p>\n\n<p class=\"wp-block-paragraph\">Si l&rsquo;on autorise une petite fraction des intervalles \u00e0 \u00eatre plus courts ou plus longs que ce que la matrice OF indiquerait, ces intervalles d\u00e9viants peuvent acc\u00e9l\u00e9rer les changements des facteurs optimaux en leur permettant de baisser ou d&rsquo;augmenter au-del\u00e0 des limites du m\u00e9canisme pr\u00e9sent\u00e9 \u00e0 la figure&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol\/sm5.htm\" rel=\"nofollow noopener\" target=\"_blank\">3.4<\/a>. En d&rsquo;autres termes, lorsque la valeur d&rsquo;un facteur optimal est tr\u00e8s diff\u00e9rente de la valeur souhait\u00e9e, son changement accidentel provoqu\u00e9 par des intervalles d\u00e9viants ne sera pas neutralis\u00e9 par le flux des r\u00e9p\u00e9titions standard, car les qualit\u00e9s de r\u00e9ponse favoriseront plut\u00f4t le changement qu&rsquo;elles ne s&rsquo;y opposeront.<\/p>\n\n<p class=\"wp-block-paragraph\">Un autre avantage de l&rsquo;utilisation d&rsquo;intervalles distribu\u00e9s autour des intervalles optimaux est l&rsquo;\u00e9limination d&rsquo;un probl\u00e8me qui a souvent fait l&rsquo;objet de plaintes des utilisateurs de SuperMemo : l&rsquo;irr\u00e9gularit\u00e9 du calendrier de r\u00e9p\u00e9tition. Par \u00ab irr\u00e9gularit\u00e9 du calendrier de r\u00e9p\u00e9tition \u00bb, j&rsquo;entends l&rsquo;accumulation de travail de r\u00e9p\u00e9tition certains jours, tandis que les jours voisins restent relativement peu charg\u00e9s. Cela s&rsquo;explique par le fait que les \u00e9tudiants m\u00e9morisent souvent un grand nombre d&rsquo;\u00e9l\u00e9ments en une seule session, et ces \u00e9l\u00e9ments ont tendance \u00e0 rester group\u00e9s au cours des mois suivants, ne se s\u00e9parant que sur la base de leurs facteurs E.<\/p>\n\n<p class=\"wp-block-paragraph\">La dispersion des intervalles autour des valeurs optimales \u00e9limine le probl\u00e8me de l&rsquo;irr\u00e9gularit\u00e9. Examinons maintenant les formules appliqu\u00e9es par le logiciel SuperMemo le plus r\u00e9cent pour disperser les intervalles autour de la valeur optimale. Les intervalles inter-r\u00e9p\u00e9titions qui diff\u00e8rent l\u00e9g\u00e8rement de ceux consid\u00e9r\u00e9s comme optimaux (selon la matrice OF) seront appel\u00e9s intervalles quasi-optimaux. Ces intervalles quasi-optimaux seront calcul\u00e9s selon la formule suivante :<\/p>\n\n<p class=\"wp-block-paragraph\">NOI=PI+(OI-PI)*(1+m)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>NOI &#8211; intervalle quasi-optimal<\/li><li>PI &#8211; intervalle pr\u00e9c\u00e9dent utilis\u00e9<\/li><li>OI &#8211; intervalle optimal calcul\u00e9 \u00e0 partir de la matrice OF (cf. algorithme SM-5)<\/li><li>m &#8211; un nombre appartenant \u00e0 l&rsquo;intervalle &lt;-0,5, 0,5&gt; (voir ci-dessous)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">ou en utilisant la valeur OF :<\/p>\n\n<p class=\"wp-block-paragraph\">NOI=PI*(1+(OF-1)*(1+m))<\/p>\n\n<p class=\"wp-block-paragraph\">Le modificateur m d\u00e9terminera le degr\u00e9 d&rsquo;\u00e9cart par rapport \u00e0 l&rsquo;intervalle optimal (\u00e9cart maximal pour les valeurs m=-0,5 ou m=0,5, et aucun \u00e9cart pour m=0).<\/p>\n\n<p class=\"wp-block-paragraph\">Afin de trouver un compromis entre, d&rsquo;une part, l&rsquo;optimisation acc\u00e9l\u00e9r\u00e9e et l&rsquo;\u00e9limination de l&rsquo;irr\u00e9gularit\u00e9 (les deux exigeant un espacement de r\u00e9p\u00e9tition fortement dispers\u00e9) et, d&rsquo;autre part, une r\u00e9tention \u00e9lev\u00e9e (exigeant une application stricte des intervalles optimaux), le modificateur m devrait avoir une valeur proche de z\u00e9ro dans la plupart des cas.<\/p>\n\n<p class=\"wp-block-paragraph\">Les formules suivantes ont \u00e9t\u00e9 utilis\u00e9es pour d\u00e9terminer la fonction de distribution du modificateur m :<\/p>\n\n<ul class=\"wp-block-list\"><li>la probabilit\u00e9 de choisir un modificateur dans l&rsquo;intervalle &lt;0, 0,5&gt; devrait \u00eatre \u00e9gale \u00e0 0,5 :int\u00e9grale de 0 \u00e0 0,5 de f(x)dx=0,5<\/li><li>la probabilit\u00e9 de choisir un modificateur m=0 a \u00e9t\u00e9 suppos\u00e9e cent fois plus \u00e9lev\u00e9e que la probabilit\u00e9 de choisir m=0,5 :f(0)\/f(0,5)=100<\/li><li>la fonction de densit\u00e9 de probabilit\u00e9 a \u00e9t\u00e9 suppos\u00e9e avoir une forme exponentielle n\u00e9gative, avec les param\u00e8tres a et b \u00e0 d\u00e9terminer \u00e0 partir des deux \u00e9quations pr\u00e9c\u00e9dentes :f=a*exp(-b*x)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Les formules ci-dessus donnent les valeurs a=0,04652 et b=0,09210 pour m exprim\u00e9 en pourcentage.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 partir de la fonction de distribution<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>int\u00e9grale de -m \u00e0 m de a*exp(-b*abs(x))dx = P (P d\u00e9signe la probabilit\u00e9)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">on peut obtenir la valeur du modificateur m (pour m&gt;=0) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>m=-ln(1-b\/a*P)\/b<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ainsi, la proc\u00e9dure finale pour calculer l&rsquo;intervalle quasi-optimal se pr\u00e9sente comme suit :<\/p>\n\n<p class=\"wp-block-paragraph\">a:=0.047;<\/p>\n\n<p class=\"wp-block-paragraph\">b:=0.092;<\/p>\n\n<p class=\"wp-block-paragraph\">p:=random-0.5;<\/p>\n\n<p class=\"wp-block-paragraph\">m:=-1\/b*ln(1-b\/a*abs(p));<\/p>\n\n<p class=\"wp-block-paragraph\">m:=m*sgn(p);<\/p>\n\n<p class=\"wp-block-paragraph\">NOI:=PI*(1+(OF-1)*(100+m)\/100);<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>random &#8211; fonction produisant des valeurs dans l&rsquo;intervalle &lt;0,1) selon une distribution de probabilit\u00e9 uniforme<\/li><li>NOI &#8211; intervalle quasi-optimal<\/li><li>PI &#8211; intervalle pr\u00e9c\u00e9demment utilis\u00e9<\/li><li>OF &#8211; entr\u00e9e pertinente de la matrice OF<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1990\">1990 : une formule universelle pour la m\u00e9moire<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">R\u00e9vision optimale contre r\u00e9vision intermittente<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1990, je n&rsquo;avais plus aucun doute. Je tenais entre les mains une d\u00e9couverte majeure. J&rsquo;avais perc\u00e9 le probl\u00e8me de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">oubli<\/a>. Je connaissais le calendrier optimal de r\u00e9vision pour les souvenirs simples. Une fois obtenue l&rsquo;autorisation de d\u00e9crire mes d\u00e9couvertes dans mon&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol.htm\" rel=\"nofollow noopener\" target=\"_blank\">m\u00e9moire de ma\u00eetrise<\/a>, mon app\u00e9tit de d\u00e9couverte n&rsquo;a cess\u00e9 de cro\u00eetre. J&rsquo;esp\u00e9rais trouver une formule universelle pour la m\u00e9moire \u00e0 long terme. Une formule qui m&rsquo;aiderait \u00e0 suivre le comportement de la m\u00e9moire pour n&rsquo;importe quel sch\u00e9ma d&rsquo;exposition ou de r\u00e9cup\u00e9ration.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;avais d\u00e9j\u00e0 rassembl\u00e9 des donn\u00e9es susceptibles de m&rsquo;aider \u00e0 trouver cette formule. Avant de d\u00e9couvrir l&rsquo;espacement optimal des r\u00e9p\u00e9titions en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>, j&rsquo;utilisais des pages de questions pour r\u00e9viser mes connaissances. La r\u00e9vision \u00e9tait chaotique et d\u00e9termin\u00e9e par la disponibilit\u00e9 de temps, le besoin, ou l&rsquo;humeur du moment. J&rsquo;appelais cela l&rsquo;\u00ab &nbsp;<em>apprentissage intermittent<\/em>&nbsp;\u00bb. J&rsquo;avais des donn\u00e9es de rappel pour chaque page et pour chaque r\u00e9vision. C&rsquo;\u00e9tait le type id\u00e9al de donn\u00e9es, d\u00e9pourvues de la p\u00e9riodicit\u00e9 propre \u00e0 SuperMemo. Exactement le genre de donn\u00e9es n\u00e9cessaires pour r\u00e9soudre le probl\u00e8me de la m\u00e9moire. Cependant, je n&rsquo;avais ces donn\u00e9es que sur papier.<\/p>\n\n<p class=\"wp-block-paragraph\">Au printemps 1990, j&rsquo;ai recrut\u00e9 ma s\u0153ur pour faire la saisie. Non, je n&rsquo;ai pas de petite s\u0153ur qui aurait fait cela avec enthousiasme. Ma s\u0153ur avait 17 ans de plus que moi. Un peu inconsid\u00e9r\u00e9 \u00e0 l&rsquo;\u00e9poque, j&rsquo;ai profit\u00e9 de son affection pour lui faire faire ce travail ingrat. Je m&rsquo;en sens coupable. Elle est d\u00e9c\u00e9d\u00e9e seulement deux ans plus tard. Je n&rsquo;ai jamais eu l&rsquo;occasion de lui rendre ce qu&rsquo;elle avait apport\u00e9 \u00e0 la th\u00e9orie de la r\u00e9p\u00e9tition espac\u00e9e, qu&rsquo;elle n&rsquo;a d&rsquo;ailleurs jamais eu la chance de comprendre. \u00c0 partir du 1er mai 1990, elle a mis \u00e0 profit mes moments d&rsquo;absence de l&rsquo;ordinateur pour transf\u00e9rer les donn\u00e9es du papier vers la machine. Cela lui a pris de nombreux jours de saisie laborieuse. Cela en valait la peine.<\/p>\n\n<h2 class=\"wp-block-heading\">Mod\u00e8le d&rsquo;apprentissage intermittent<\/h2>\n\n<p class=\"wp-block-paragraph\">Tout au long de l&rsquo;\u00e9t\u00e9 1990, au lieu de me concentrer sur mon m\u00e9moire de ma\u00eetrise, j&rsquo;ai travaill\u00e9 sur le \u00ab &nbsp;<em>mod\u00e8le d&rsquo;apprentissage intermittent<\/em>&nbsp;\u00bb. Il n&rsquo;\u00e9tait pas rare que je travaille dix heures d&rsquo;affil\u00e9e, que j&rsquo;aille me coucher \u00e0 7 heures du matin sans r\u00e9sultat, ou que je laisse l&rsquo;ordinateur tourner toute la nuit \u00e0 traiter des chiffres.<\/p>\n\n<p class=\"wp-block-paragraph\">La pers\u00e9v\u00e9rance et le bricolage sont payants. Seuls les adolescents peuvent se le permettre, et on devrait leur laisser l&rsquo;espace et la libert\u00e9 pour cela. Bien qu&rsquo;ayant 28 ans, j&rsquo;\u00e9tais plut\u00f4t bien tol\u00e9r\u00e9 \u00e0 la maison. Comme un adolescent immature. Je vivais dans l&rsquo;appartement de ma s\u0153ur, o\u00f9 je pouvais profiter de sa gentillesse. Mes longues heures devant l&rsquo;ordinateur \u00e9taient excus\u00e9es comme \u00ab &nbsp;<em>travail sur mon m\u00e9moire de ma\u00eetrise<\/em>&nbsp;\u00bb. En v\u00e9rit\u00e9, personne ne me l&rsquo;avait demand\u00e9, personne ne l&rsquo;exigeait, et cela ne faisait m\u00eame pas beaucoup avancer&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. C&rsquo;\u00e9tait pure curiosit\u00e9 scientifique. Je voulais simplement comprendre comment fonctionne la m\u00e9moire.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;avais des dizaines de pages de questions et leur historique de r\u00e9p\u00e9tition. J&rsquo;ai essay\u00e9 de pr\u00e9dire les \u00ab lapsus de m\u00e9moire par page \u00bb. J&rsquo;ai utilis\u00e9 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Deviation\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9cart quadratique moyen<\/a>&nbsp;pour la pr\u00e9diction des lapsus (not\u00e9 ci-dessous&nbsp;<a rel=\"noreferrer noopener\" target=\"_blank\">Dev<\/a><\/p>\n\n<p class=\"wp-block-paragraph\">). Le 10 juillet 1990, un mardi, j&rsquo;ai atteint Dev&lt;3 et j&rsquo;ai eu le sentiment que le probl\u00e8me \u00e9tait presque \u00ab r\u00e9solu \u00bb. Le 12 juillet 1990, j&rsquo;ai am\u00e9lior\u00e9 ce r\u00e9sultat \u00e0 Dev=2,877 (par ailleurs, mon m\u00e9moire mentionne 2,887241). Cependant, le 27 ao\u00fbt 1990, j&rsquo;ai d\u00e9clar\u00e9 le probl\u00e8me insoluble. Mes notes de ce jour disent :<\/p>\n\n<p class=\"wp-block-paragraph\">Anecdote personnelle.&nbsp;Pourquoi utiliser des anecdotes ?<\/p>\n\n<p class=\"wp-block-paragraph\">27 ao\u00fbt 1990 :&nbsp;<em><strong>j&rsquo;ai r\u00e9solu le probl\u00e8me<\/strong>&nbsp;de l&rsquo;apprentissage intermittent&nbsp;<strong>en montrant qu&rsquo;il \u00e9tait insoluble<\/strong>&nbsp;! Un seul param\u00e8tre n&rsquo;est pas capable de d\u00e9crire la force de la m\u00e9moire relative \u00e0 toute une page d&rsquo;\u00e9l\u00e9ments. Cela montre qu&rsquo;&nbsp;<strong>il n&rsquo;existe pas d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>&nbsp;pour les \u00e9l\u00e9ments \u00e0 faible&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;<\/strong><\/em>!<\/p>\n\n<p class=\"wp-block-paragraph\">Le 30 ao\u00fbt 1990, j&rsquo;ai d\u00e9crit le mod\u00e8le pour mon m\u00e9moire de ma\u00eetrise. Le texte couvrait 15 pages qui ne font pas une lecture agr\u00e9able. Je parie que personne n&rsquo;a jamais eu la patience de tout lire. Ce chapitre n&rsquo;a m\u00eame jamais \u00e9t\u00e9 publi\u00e9 sur&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">supermemo.com<\/a>&nbsp;lorsque mon m\u00e9moire de ma\u00eetrise a \u00e9t\u00e9 mis en ligne, par extraits, \u00e0 la fin des ann\u00e9es 1990.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, les conclusions tir\u00e9es de ce mod\u00e8le ont eu une influence profonde sur ma r\u00e9flexion sur la m\u00e9moire au cours des d\u00e9cennies qui ont suivi. L&rsquo;id\u00e9e m\u00eame de ce mod\u00e8le rappelle d&rsquo;ailleurs les optimisations utilis\u00e9es pour \u00e9laborer l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;(2014-2016).<\/p>\n\n<p class=\"wp-block-paragraph\">Lorsque j&rsquo;ai d\u00e9clar\u00e9 le probl\u00e8me insoluble, je voulais dire que je ne pouvais pas d\u00e9crire avec pr\u00e9cision la m\u00e9moire des \u00ab pages difficiles \u00bb, car les mat\u00e9riaux h\u00e9t\u00e9rog\u00e8nes exigent des mod\u00e8les plus complexes. Cependant, mes notes du 31 ao\u00fbt 1990 sonnent bien plus optimistes :<\/p>\n\n<p class=\"wp-block-paragraph\">Anecdote personnelle.&nbsp;Pourquoi utiliser des anecdotes ?<\/p>\n\n<p class=\"wp-block-paragraph\">31 ao\u00fbt 1990 :&nbsp;<em>travail sans rel\u00e2che sur le mod\u00e8le d&rsquo;apprentissage intermittent. Toute la nuit, l&rsquo;ordinateur n&rsquo;a pas r\u00e9ussi \u00e0 me rapprocher de la solution. Cependant, j&rsquo;ai eu une excellente id\u00e9e : calculer les intervalles optimaux \u00e0 l&rsquo;aide de la fonction record du mod\u00e8le IL. Quand j&rsquo;ai vu les r\u00e9sultats sur l&rsquo;\u00e9cran, je n&rsquo;ai pas pu croire mes [censur\u00e9] yeux. C&rsquo;\u00e9taient exactement les m\u00eames intervalles que j&rsquo;avais&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">trouv\u00e9s en 1985<\/a>&nbsp;en essayant de formuler la m\u00e9thode&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. J&rsquo;\u00e9tais heureux comme un chien \u00e0 deux queues, sautant partout dans la maison. Je peux donc dire que j&rsquo;ai vraiment r\u00e9solu le probl\u00e8me de l&rsquo;IL (comparer avec le 27 ao\u00fbt 1990). Mais ce succ\u00e8s n&rsquo;\u00e9tait pas tout ce qu&rsquo;il m&rsquo;\u00e9tait donn\u00e9 de d\u00e9couvrir ce jour-l\u00e0. J&rsquo;ai d\u00e9couvert que<\/em> :<\/p>\n\n<ul class=\"wp-block-list\"><li><em>les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs optimaux<\/a>&nbsp;diminuent avec les intervalles successifs (j&rsquo;avais d\u00e9j\u00e0 l&rsquo;intuition qu&rsquo;il en \u00e9tait ainsi)<\/em>,<\/li><li><em>pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 10 %, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;est de 94 % (comme dans la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Database\" rel=\"noreferrer noopener\" target=\"_blank\">base de donn\u00e9es<\/a>&nbsp;EVF)<\/em><\/li><li><em>la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;est en relation lin\u00e9aire avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a><\/em>&nbsp;[commentaire de 2018 : sur une petite plage, pour du mat\u00e9riel h\u00e9t\u00e9rog\u00e8ne]&nbsp;<em>(cela n&rsquo;avait pas pu \u00eatre calcul\u00e9 \u00e0 partir de mes exp\u00e9riences de simulation men\u00e9es en janvier)<\/em><\/li><li><em>le mod\u00e8le indique que la valeur souhaitable de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;est de 5 \u00e0 10 % (compromis charge de travail-r\u00e9tention)<\/em><\/li><li><em>la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">force de la m\u00e9moire<\/a>&nbsp;augmente le plus si l&rsquo;intervalle est deux fois plus long que l&rsquo;intervalle optimal !!!<\/em><\/li><li><em>la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">force de la m\u00e9moire<\/a>&nbsp;augmente le plus si l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;est de 20 %<\/em>.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">[&#8230;]&nbsp;<em>mes formules ne fonctionnent que lorsque les intervalles ne sont pas beaucoup plus courts que la force pr\u00e9c\u00e9dente<\/em>.<\/p>\n\n<h2 class=\"wp-block-heading\">Pass\u00e9 (1990) vs pr\u00e9sent (2018)<\/h2>\n\n<p class=\"wp-block-paragraph\">Les conclusions \u00e0 la fin du chapitre, ainsi que la proc\u00e9dure elle-m\u00eame, rappellent la m\u00e9thodologie que j&rsquo;ai employ\u00e9e en 2005, lorsque je cherchais la formule universelle pour l&rsquo;augmentation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>, puis en 2014, lorsque&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;a \u00e9t\u00e9 fond\u00e9 sur une description math\u00e9matique de la m\u00e9moire bien plus pr\u00e9cise. Tout comme le tout dernier algorithme de SuperMemo, ce mod\u00e8le permettait de calculer la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;pour n&rsquo;importe quel calendrier de r\u00e9p\u00e9titions. Naturellement, il \u00e9tait bien moins pr\u00e9cis, car fond\u00e9 sur des donn\u00e9es de moindre qualit\u00e9. De plus, ce que&nbsp;<a href=\"http:\/\/super-memo.com\/supermemo17.html\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo 17<\/a>&nbsp;accomplit aujourd&rsquo;hui en temps r\u00e9el exigeait, en 1990, de nombreuses heures de calcul.<\/p>\n\n<p class=\"wp-block-paragraph\">Cette vieille partie, en apparence ennuyeuse, de mon m\u00e9moire de ma\u00eetrise a depuis gagn\u00e9 en importance. J&rsquo;ose dire que seules des donn\u00e9es de moindre qualit\u00e9 s\u00e9paraient ce travail de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, qui n&rsquo;a vu le jour que 25 longues ann\u00e9es plus tard. Je cite le texte avec de l\u00e9g\u00e8res am\u00e9liorations de notation et de style, sans le chapitre sur les courbes d&rsquo;oubli, qui s&rsquo;est r\u00e9v\u00e9l\u00e9 erron\u00e9 en raison de la tr\u00e8s grande h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 du mat\u00e9riel utilis\u00e9 dans les calculs :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives : pourquoi conserver des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Mod\u00e8le de l&rsquo;apprentissage intermittent<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Le mod\u00e8le SuperMemo fournit une base pour le calcul des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>&nbsp;qui doivent s\u00e9parer les r\u00e9p\u00e9titions dans le processus d&rsquo;apprentissage temporellement optimal.<\/p>\n\n<p class=\"wp-block-paragraph\">Il ne permet cependant pas de pr\u00e9dire l&rsquo;\u00e9volution des variables mn\u00e9siques lorsque les r\u00e9p\u00e9titions se font \u00e0 intervalles irr\u00e9guliers.<\/p>\n\n<p class=\"wp-block-paragraph\">Je pr\u00e9sente ci-dessous une tentative d&rsquo;enrichir le mod\u00e8le SuperMemo afin qu&rsquo;il puisse \u00eatre utilis\u00e9 pour d\u00e9crire le processus d&rsquo;apprentissage intermittent.<\/p>\n\n<p class=\"wp-block-paragraph\">Au&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol\/beginning.htm\" rel=\"nofollow noopener\" target=\"_blank\">chapitre 3<\/a>, j&rsquo;ai \u00e9voqu\u00e9 la fa\u00e7on dont j&rsquo;avais appris l&rsquo;anglais et la biologie avant que l&rsquo;algorithme SM-0 ne soit mis au point.<\/p>\n\n<p class=\"wp-block-paragraph\">Les donn\u00e9es recueillies durant cette p\u00e9riode (1982-1984) constituent une excellente base pour la construction du mod\u00e8le de l&rsquo;apprentissage intermittent. Les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>, formul\u00e9s conform\u00e9ment au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Minimum_information_principle\" rel=\"noreferrer noopener\" target=\"_blank\">principe d&rsquo;information minimale<\/a>&nbsp;(g\u00e9n\u00e9ralement sous la forme de paires de mots), \u00e9taient regroup\u00e9s en pages soumises \u00e0 un processus de r\u00e9p\u00e9tition irr\u00e9gulier. Les donn\u00e9es recueillies, disponibles sous forme lisible par ordinateur, comprennent la description des r\u00e9p\u00e9titions de 71 pages, ainsi que celles de 80 pages similaires participant \u00e0 un processus supervis\u00e9 selon le calendrier SM-0.<\/p>\n\n<h2 class=\"wp-block-heading\">Similitude avec l&rsquo;algorithme SM-17<\/h2>\n\n<p class=\"wp-block-paragraph\">Notez que la formulation du probl\u00e8me rappelle la proc\u00e9dure utilis\u00e9e pour calculer la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">matrice d&rsquo;augmentation de la stabilit\u00e9 (SInc[])<\/a>&nbsp;dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>. La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;a \u00e9t\u00e9 redimensionn\u00e9e pour pouvoir \u00eatre interpr\u00e9t\u00e9e comme un intervalle. M\u00eame les symboles se ressemblent : S et la d\u00e9viation D, les lapsus de page se substituant \u00e0 R.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;adorais jouer avec divers algorithmes d&rsquo;optimisation. Vous pouvez encore observer visuellement dans&nbsp;<a href=\"http:\/\/super-memo.com\/supermemo17.html\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo 17<\/a>&nbsp;comment l&rsquo;algorithme ex\u00e9cute des optimisations d&rsquo;ajustement de surface (voir&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;image<\/a>). Proc\u00e9der ainsi avec 12 variables n&rsquo;\u00e9tait peut-\u00eatre pas tr\u00e8s efficace, mais je ne me suis jamais souci\u00e9 de la m\u00e9thode tant que j&rsquo;obtenais des r\u00e9sultats int\u00e9ressants offrant de nouvelles perspectives sur le fonctionnement de la m\u00e9moire.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour ceux qui connaissent&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, nous avons modifi\u00e9 la notation dans le texte ci-dessous. De plus, des symboles comme In et Ln, une fois imprim\u00e9s, pouvaient facilement \u00eatre confondus avec des logarithmes.<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Liste des modifications :<\/small><small><\/small><\/p>\n\n<ul class=\"wp-block-list\"><li><small>Ln -&gt; Laps&nbsp;<sub>n<\/sub><\/small><\/li><li><small>In -&gt; Int&nbsp;<sub>n<\/sub><\/small><\/li><li><small>Dn -&gt; Dev&nbsp;<sub>n<\/sub><\/small><\/li><li><small>R -&gt; RepNo<\/small><\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">Formulation du probl\u00e8me de l&rsquo;apprentissage intermittent<\/h2>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives : pourquoi conserver des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>11.1. Formulation du probl\u00e8me de l&rsquo;apprentissage intermittent<\/strong><\/p>\n\n<ol class=\"wp-block-list\"><li>Il y a 161 pages.<\/li><li>Chaque page contient environ 40 \u00e9l\u00e9ments.<\/li><li>Pour chaque page, la description du processus d&rsquo;apprentissage (recueillie au cours des r\u00e9p\u00e9titions exp\u00e9rimentales) prend la forme suivante :<\/li><li>Int&nbsp;<sub>i<\/sub>&nbsp;&#8211; intervalle entre r\u00e9p\u00e9titions utilis\u00e9 avant la i-\u00e8me r\u00e9p\u00e9tition (il varie de 1 \u00e0 800),<\/li><li>Laps&nbsp;<sub>i<\/sub>&nbsp;&#8211; nombre de lapsus de m\u00e9moire survenus lors de la i-\u00e8me r\u00e9p\u00e9tition (il varie de 0 \u00e0 40),<\/li><li>n &#8211; nombre total de r\u00e9p\u00e9titions (il varie de 3 \u00e0 20).<\/li><li>Trouver les fonctions f et g d\u00e9crites par les formules :<\/li><li>S(n) &#8211; toute variable correspondant \u00e0 la force de la m\u00e9moire apr\u00e8s la n-\u00e8me r\u00e9p\u00e9tition (comparer avec le&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol\/ol_memory.htm\" rel=\"nofollow noopener\" target=\"_blank\">chapitre 10<\/a>),<\/li><li>Int&nbsp;<sub>n<\/sub>&nbsp;&#8211; intervalle utilis\u00e9 avant la n-\u00e8me r\u00e9p\u00e9tition ; tir\u00e9 des donn\u00e9es recueillies pendant l&rsquo;apprentissage intermittent,<\/li><li>Laps&nbsp;<sub>n<\/sub>&nbsp;&#8211; nombre de lapsus de m\u00e9moire lors de la n-\u00e8me r\u00e9p\u00e9tition ; tir\u00e9 des donn\u00e9es recueillies pendant l&rsquo;apprentissage intermittent,<\/li><li>Laps(n) &#8211; estimation du nombre de lapsus de m\u00e9moire lors de la n-\u00e8me r\u00e9p\u00e9tition (elle doit correspondre \u00e0 Laps&nbsp;<sub>n<\/sub>)<\/li><li>S1 &#8211; une constante,<\/li><li>Dev &#8211; fonction d\u00e9crivant la diff\u00e9rence entre les valeurs produites par les fonctions f et g et les valeurs recueillies pendant l&rsquo;apprentissage intermittent (elle refl\u00e8te l&rsquo;\u00e9cart entre les donn\u00e9es exp\u00e9rimentales et les donn\u00e9es pr\u00e9dites th\u00e9oriquement)<\/li><li>RepNo &#8211; nombre total de r\u00e9p\u00e9titions enregistr\u00e9es sur toutes les pages<\/li><li>Dev&nbsp;<sub>i<\/sub>&nbsp;&#8211; composante de la fonction Dev d\u00e9crivant l&rsquo;\u00e9cart pour la i-\u00e8me page,<\/li><li>Laps(j) &#8211; nombre de lapsus calcul\u00e9 pour la i-\u00e8me page et la j-\u00e8me r\u00e9p\u00e9tition \u00e0 l&rsquo;aide des fonctions f et g,<\/li><li>Laps&nbsp;<sub>j<\/sub>&nbsp;&#8211; nombre de lapsus de m\u00e9moire pour la i-\u00e8me page et la j-\u00e8me r\u00e9p\u00e9tition ; tir\u00e9 des donn\u00e9es recueillies pendant l&rsquo;apprentissage intermittent,<\/li><li>sqrt(x) &#8211; racine carr\u00e9e de x,<\/li><li>sqr(x) &#8211; carr\u00e9 de x.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Notez que les fonctions f et g n&rsquo;offriront une base utile \u00e0 de pr\u00e9cieuses consid\u00e9rations biologiques que si elles sont simples et d\u00e9finies par un nombre limit\u00e9 de param\u00e8tres (par exemple a*ln()+b ou a*exp()+b, etc.). Sinon, on pourrait toujours construire une formule gigantesque et d\u00e9nu\u00e9e de sens pour ramener automatiquement Dev \u00e0 z\u00e9ro.<\/p>\n\n<h2 class=\"wp-block-heading\">Solution au probl\u00e8me de l&rsquo;apprentissage intermittent<\/h2>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives : pourquoi conserver des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>11.2. Solution au probl\u00e8me de l&rsquo;apprentissage intermittent<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Pour rechercher les fonctions f et g minimisant la valeur de Dev, j&rsquo;ai utilis\u00e9 une proc\u00e9dure de minimisation num\u00e9rique d\u00e9crite dans Wozniak, 1988b [&nbsp;<small><em>A new algorithm for finding local maxima of a function within the feasible region. Credit paper<\/em>&nbsp;<\/small>].<\/p>\n\n<p class=\"wp-block-paragraph\">Voici un exemple de fonctions utilis\u00e9es lors de la recherche :<\/p>\n\n<p class=\"wp-block-paragraph\">S(1)=x[1]<\/p>\n\n<p class=\"wp-block-paragraph\">S(n)=x[2]*Int&nbsp;<sub>n<\/sub>*exp(-Laps&nbsp;<sub>n<\/sub>*x[3])+x[4])<\/p>\n\n<p class=\"wp-block-paragraph\">Laps(n)=x[5]*(1-exp(-Int&nbsp;<sub>n<\/sub>\/S(n-1)))<\/p>\n\n<p class=\"wp-block-paragraph\"><br>o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>x[i] &#8211; variables calcul\u00e9es par la proc\u00e9dure de minimisation,<\/li><li>S(n), Laps(n), Laps&nbsp;<sub>n<\/sub>&nbsp;et Int&nbsp;<sub>n<\/sub>&nbsp;&#8211; tels que d\u00e9finis en 11.1.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Notez que la fonction f d\u00e9crivant S(n) n&rsquo;utilise pas S(n-1) comme argument (la formulation du probl\u00e8me permet, sans l&rsquo;exiger, que la nouvelle force soit calcul\u00e9e \u00e0 partir de la force pr\u00e9c\u00e9dente).<\/p>\n\n<p class=\"wp-block-paragraph\">Pour pr\u00e9server la simplicit\u00e9 et gagner du temps, j&rsquo;ai fix\u00e9 une limite de 12 variables utilis\u00e9es dans le processus de minimisation.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai test\u00e9 une vaste gamme de fonctions math\u00e9matiques construites conform\u00e9ment \u00e0 des intuitions \u00e9videntes concernant la m\u00e9moire (par exemple, qu&rsquo;avec le temps qui passe, le nombre de lapsus de m\u00e9moire augmente).<\/p>\n\n<p class=\"wp-block-paragraph\">Celles-ci comprenaient des fonctions exponentielles, logarithmiques, puissances, hyperboliques, sigmo\u00efdes, en cloche, polynomiales, ainsi que des combinaisons raisonnables de ces derni\u00e8res.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans la plupart des cas, la proc\u00e9dure de minimisation ramenait la valeur de Dev \u00e0 moins de 3, et les fonctions f et g adoptaient une forme similaire, ind\u00e9pendamment de leur nature.<\/p>\n\n<p class=\"wp-block-paragraph\">La valeur la plus basse de Dev obtenue avec moins de 12 variables \u00e9tait de 2,887241.<\/p>\n\n<p class=\"wp-block-paragraph\">Les fonctions f et g \u00e9taient les suivantes :<\/p>\n\n<pre class=\"wp-block-preformatted\">constant S(1)=0.2104031;\n\nfunction Sn(Intn,Lapsn,S(n-1));\nbegin\n   <strong>S(n):=0.4584914*(Intn+1.47)*exp(-0.1549229*Lapsn-0.5854939)+0.35;<\/strong>\n   if Lapsn=0 then\n       if S(n-1)&gt;In then\n           S(n):=S(n-1)*0.724994\n       else\n           S(n):=Intn*1.1428571;\nend;\n\nfunction Lapsn(Intn,S(n-1));\nvar quot;\nbegin\n   quot:=(Intn-0.16)\/(S(n-1)-0.02)+1.652668;\n   Lapsn:=-0.0005408*quot*quot+0.2196902*quot+0.311335;\nend;<\/pre>\n\n<p class=\"wp-block-paragraph\">Sans modifier de fa\u00e7on significative la valeur de Dev, ces fonctions peuvent \u00eatre facilement converties sous la forme suivante :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>S(1)=1<\/p><p>pour Int&nbsp;<sub>n<\/sub>&gt;S(n-1) : S(n)=1.5*Int&nbsp;<sub>n<\/sub>*exp(-0.15*Laps&nbsp;<sub>n<\/sub>)+1<\/p><p>Laps(n)=Int&nbsp;<sub>n<\/sub>\/S(n-1)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Notez que :<\/p>\n\n<ul class=\"wp-block-list\"><li>certains \u00e9l\u00e9ments de la fonction ont \u00e9t\u00e9 supprim\u00e9s ou arrondis lorsque cette op\u00e9ration n&rsquo;affectait pas sensiblement la valeur de Dev,<\/li><li>la force a \u00e9t\u00e9 redimensionn\u00e9e pour pouvoir \u00eatre interpr\u00e9t\u00e9e comme un intervalle pour lequel le nombre de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\">lapsus<\/a>&nbsp;est \u00e9gal \u00e0 1 et l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;est \u00e9gal \u00e0 2,5&nbsp;% (il y a 40 \u00e9l\u00e9ments par page et 1\/40=2,5&nbsp;%),<\/li><li>la formule de la force n&rsquo;est valide que si Int&nbsp;<sub>n<\/sub>&nbsp;n&rsquo;est pas nettement inf\u00e9rieur \u00e0 S(n-1). Cela s&rsquo;explique par le fait que la valeur S(n-1) doit \u00eatre utilis\u00e9e dans le calcul de S(n) lorsque le nombre de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\">lapsus<\/a>&nbsp;est faible, par exemple pour Int&nbsp;<sub>n<\/sub>&lt;=S(n-1) : S(n)=S(n-1)*(1+0.5\/(1-exp(S(n-1))*(1-exp(-Int&nbsp;<sub>n<\/sub>)))<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">La fonction g n&rsquo;implique volontairement pas S(n-1), afin d&rsquo;\u00e9viter une accumulation r\u00e9cursive d&rsquo;erreurs dans les calculs des r\u00e9p\u00e9titions successives (notez que la formule utilis\u00e9e ne tient pas compte de l&rsquo;historique du processus),<\/p>\n\n<ul class=\"wp-block-list\"><li>les formules ne peuvent pas d\u00e9crire un processus dans lequel les intervalles seraient plusieurs fois plus longs que les intervalles optimaux. Cela s&rsquo;explique par le fait que pour Int&nbsp;<sub>n<\/sub>-&gt;?, la valeur de Laps(n) d\u00e9passe 100&nbsp;%,<\/li><li>les formules d\u00e9crivent l&rsquo;apprentissage d&rsquo;\u00e9l\u00e9ments collectifs caract\u00e9ris\u00e9s par une distribution plus ou moins uniforme des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>. Elles ne peuvent donc pas \u00eatre utilis\u00e9es universellement pour des \u00e9l\u00e9ments de difficult\u00e9 variable.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Pour l&rsquo;instant, les formules ci-dessus constituent la meilleure description du processus d&rsquo;apprentissage intermittent ; on les d\u00e9signera plus loin par l&rsquo;expression \u00ab mod\u00e8le de l&rsquo;apprentissage intermittent \u00bb (mod\u00e8le IL en abr\u00e9g\u00e9).<\/p>\n\n<h2 class=\"wp-block-heading\">Simulations fond\u00e9es sur le mod\u00e8le de l&rsquo;apprentissage intermittent<\/h2>\n\n<p class=\"wp-block-paragraph\">Gr\u00e2ce \u00e0 la formule trouv\u00e9e ci-dessus, j&rsquo;ai pu mener toute une s\u00e9rie d&rsquo;exp\u00e9riences de simulation qui m&rsquo;ont aid\u00e9 \u00e0 r\u00e9pondre \u00e0 de nombreux sc\u00e9narios hypoth\u00e9tiques sur le comportement de la m\u00e9moire dans diverses circonstances. Ces simulations ont fa\u00e7onn\u00e9 l&rsquo;\u00e9volution de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;pendant de nombreuses ann\u00e9es. En particulier, le compromis entre la charge de travail et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;a jou\u00e9 un r\u00f4le majeur dans l&rsquo;optimisation de l&rsquo;apprentissage depuis SuperMemo 6 (1991). Jusqu&rsquo;\u00e0 aujourd&rsquo;hui, c&rsquo;est l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;(ou la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>) qui fournit le crit\u00e8re directeur de l&rsquo;apprentissage, et non l&rsquo;intuitivement naturelle&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9 de la m\u00e9moire<\/a>, qui peut survenir \u00e0 des niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;plus faibles. Un niveau fix\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\">lapsus<\/a>&nbsp;de m\u00e9moire jouait ci-dessous le r\u00f4le de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives : pourquoi conserver des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>11.4. V\u00e9rification du mod\u00e8le de l&rsquo;apprentissage intermittent<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Pour v\u00e9rifier la coh\u00e9rence du mod\u00e8le de l&rsquo;apprentissage intermittent avec la th\u00e9orie de SuperMemo, essayons de calculer les intervalles optimaux qui doivent s\u00e9parer les r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;intervalle optimal sera d\u00e9termin\u00e9 par le moment o\u00f9 le nombre de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\">lapsus<\/a>&nbsp;atteint une valeur choisie Laps&nbsp;<sub>o<\/sub>.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme se d\u00e9roule comme suit :<\/p>\n\n<ol class=\"wp-block-list\"><li>i:=1<\/li><li>S(i):=1<\/li><li>Trouver Int(i+1) tel que Laps(i+1) soit \u00e9gal \u00e0 Laps&nbsp;<sub>o<\/sub>. Utiliser la formule :<br>Int(n)=Laps&nbsp;<sub>o<\/sub>*S(n-1) (tir\u00e9e du mod\u00e8le IL)<br>o\u00f9 : Int(n) d\u00e9signe l&rsquo;intervalle optimal n-1.<\/li><li>i:=i+1<\/li><li>S(i):=1.5*Int(i)*exp(-0.15*Laps&nbsp;<sub>o<\/sub>)+1 (tir\u00e9e du mod\u00e8le IL)<\/li><li>aller \u00e0 3<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Si Laps&nbsp;<sub>o<\/sub>&nbsp;est \u00e9gal \u00e0 2,5 (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;de 6,25&nbsp;%) et que la variante exacte du mod\u00e8le de l&rsquo;apprentissage intermittent est utilis\u00e9e, on observe alors une correspondance \u00e9tonnante (comparer avec l&rsquo;exp\u00e9rience pr\u00e9sent\u00e9e \u00e0 la page 16, chapitre 3.1&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birthday_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>) :<\/p>\n\n<ul class=\"wp-block-list\"><li>R\u00e9p &#8211; num\u00e9ro de la r\u00e9p\u00e9tition<\/li><li>Intervalle &#8211; intervalle optimal pr\u00e9c\u00e9dant la r\u00e9p\u00e9tition, d\u00e9termin\u00e9 par Laps&nbsp;<sub>o<\/sub>=2,5 sur la base du mod\u00e8le IL,<\/li><li>Facteur &#8211; facteur optimal \u00e9gal au quotient de l&rsquo;intervalle optimal et de l&rsquo;intervalle optimal utilis\u00e9 pr\u00e9c\u00e9demment,<\/li><li>SM-0 &#8211; intervalle optimal calcul\u00e9 sur la base des exp\u00e9riences ayant conduit \u00e0 l&rsquo;algorithme SM-0<\/li><\/ul>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>R\u00e9p<\/th><th>Intervalle<\/th><th>Facteur<\/th><th>SM-0<\/th><\/tr><tr><td>2<\/td><td>1,8<\/td><td><\/td><td>1<\/td><\/tr><tr><td>3<\/td><td>7,8<\/td><td>4,36<\/td><td>7<\/td><\/tr><tr><td>4<\/td><td>16,8<\/td><td>2,15<\/td><td>16<\/td><\/tr><tr><td>5<\/td><td>30,4<\/td><td>1,80<\/td><td>35<\/td><\/tr><tr><td>6<\/td><td>50,4<\/td><td>1,66<\/td><td><\/td><\/tr><tr><td>7<\/td><td>80,2<\/td><td>1,59<\/td><td><\/td><\/tr><tr><td>8<\/td><td>124<\/td><td>1,55<\/td><td><\/td><\/tr><tr><td>9<\/td><td>190<\/td><td>1,53<\/td><td><\/td><\/tr><tr><td>10<\/td><td>288<\/td><td>1,52<\/td><td><\/td><\/tr><tr><td>11<\/td><td>436<\/td><td>1,51<\/td><td><\/td><\/tr><tr><td>12<\/td><td>654<\/td><td>1,50<\/td><td><\/td><\/tr><tr><td>13<\/td><td>981<\/td><td>1,50<\/td><td><\/td><\/tr><tr><td>14<\/td><td>1462<\/td><td>1,49<\/td><td><\/td><\/tr><tr><td>15<\/td><td>2179<\/td><td>1,49<\/td><td><\/td><\/tr><tr><td>16<\/td><td>3247<\/td><td>1,49<\/td><td><\/td><\/tr><tr><td>17<\/td><td>4838<\/td><td>1,49<\/td><td><\/td><\/tr><tr><td>18<\/td><td>7209<\/td><td>1,49<\/td><td><\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">Il va sans dire que cette correspondance exacte est, dans une certaine mesure, une co\u00efncidence, car l&rsquo;exp\u00e9rience ayant conduit \u00e0 la formulation de l&rsquo;algorithme SM-0 n&rsquo;\u00e9tait pas d&rsquo;une telle sensibilit\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">Il est int\u00e9ressant de noter que les&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs optimaux<\/a>&nbsp;ont tendance \u00e0 diminuer progressivement&nbsp;!<\/strong>&nbsp;Ce constat semble confirmer des observations r\u00e9centes fond\u00e9es sur l&rsquo;analyse de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice des facteurs optimaux<\/a>&nbsp;utilis\u00e9e dans l&rsquo;algorithme SM-5.<\/p>\n\n<p class=\"wp-block-paragraph\">Si Laps&nbsp;<sub>o<\/sub>&nbsp;est \u00e9gal \u00e0 4 (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;de 10&nbsp;%, comme dans l&rsquo;algorithme SM-5), la s\u00e9quence des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs optimaux<\/a>&nbsp;rappelle une colonne de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>&nbsp;de l&rsquo;algorithme SM-5. La r\u00e9tention des connaissances correspond elle aussi presque parfaitement \u00e0 celle observ\u00e9e dans les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Database\" rel=\"noreferrer noopener\" target=\"_blank\">bases de donn\u00e9es<\/a>&nbsp;de SM-5.<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>R\u00e9p<\/th><th>Intervalle<\/th><th><a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">R\u00e9tention<\/a><\/th><th>Facteur<\/th><\/tr><tr><td>2<\/td><td>3<\/td><td>93,21678<\/td><td><\/td><\/tr><tr><td>3<\/td><td>16<\/td><td>93,80946<\/td><td>4,89<\/td><\/tr><tr><td>4<\/td><td>43<\/td><td>93,97184<\/td><td>2,74<\/td><\/tr><tr><td>5<\/td><td>102<\/td><td>94,04083<\/td><td>2,39<\/td><\/tr><tr><td>6<\/td><td>232<\/td><td>94,06886<\/td><td>2,27<\/td><\/tr><tr><td>7<\/td><td>517<\/td><td>94,08418<\/td><td>2,23<\/td><\/tr><tr><td>8<\/td><td>1138<\/td><td>94,09256<\/td><td>2,20<\/td><\/tr><tr><td>9<\/td><td>2502<\/td><td>94,09737<\/td><td>2,20<\/td><\/tr><tr><td>10<\/td><td>5481<\/td><td>94,09967<\/td><td>2,19<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">La valeur de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;a \u00e9t\u00e9 obtenue en calculant la moyenne de sa valeur pour chaque jour du processus optimal :<\/p>\n\n<p class=\"wp-block-paragraph\">R=(R(1)+R(2)+&#8230;+R(n))\/n<\/p>\n\n<p class=\"wp-block-paragraph\">R(d)=100-2.5*Laps(d-dlr)<\/p>\n\n<p class=\"wp-block-paragraph\"><br>o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>R &#8211; r\u00e9tention moyenne<\/li><li>R(d) &#8211; r\u00e9tention au d-\u00e8me jour du processus<\/li><li>Laps(Int) &#8211; nombre attendu de lapsus apr\u00e8s l&rsquo;intervalle I<\/li><li>dlr &#8211; jour du processus o\u00f9 la derni\u00e8re r\u00e9p\u00e9tition a \u00e9t\u00e9 programm\u00e9e<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">Compromis entre charge de travail et r\u00e9tention<\/h2>\n\n<p class=\"wp-block-paragraph\">Malgr\u00e9 les impr\u00e9cisions dues \u00e0 l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 du mat\u00e9riel, il a \u00e9t\u00e9 possible de tirer une conclusion solide sur l&rsquo;impact de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;sur le temps qu&rsquo;il faut investir dans l&rsquo;apprentissage. Ces observations ont r\u00e9sist\u00e9 \u00e0 l&rsquo;\u00e9preuve du temps :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives : pourquoi conserver des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">Des conclusions tr\u00e8s int\u00e9ressantes peuvent \u00eatre tir\u00e9es en comparant les donn\u00e9es de r\u00e9tention et de charge de travail calcul\u00e9es \u00e0 l&rsquo;aide du mod\u00e8le de l&rsquo;apprentissage intermittent :<\/p>\n\n<ul class=\"wp-block-list\"><li><a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">Indice<\/a>&nbsp;&#8211; indice d&rsquo;oubli (Laps&nbsp;<sub>o<\/sub>*2,5) d\u00e9terminant les intervalles optimaux dans le processus d&rsquo;apprentissage temporellement optimal programm\u00e9 \u00e0 l&rsquo;aide du mod\u00e8le IL<\/li><li><a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">R\u00e9tention<\/a>&nbsp;&#8211; r\u00e9tention globale obtenue avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;donn\u00e9 (calcul\u00e9e apr\u00e8s \u00e9coulement de 10 000 jours)<\/li><li>R\u00e9p\u00e9titions &#8211; nombre de r\u00e9p\u00e9titions programm\u00e9es durant les 10 000 premiers jours du processus avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;donn\u00e9,<\/li><li><a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_factor\" rel=\"noreferrer noopener\" target=\"_blank\">Facteur<\/a>&nbsp;&#8211; valeur asymptotique du facteur optimal (relev\u00e9e au 10 000e jour du processus)<\/li><\/ul>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th><a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">Indice<\/a><\/th><th><a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">R\u00e9tention<\/a><\/th><th>R\u00e9p\u00e9titions<\/th><th><a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_factor\" rel=\"noreferrer noopener\" target=\"_blank\">Facteur<\/a><\/th><\/tr><tr><td>2,5<\/td><td>97,76<\/td><td>tous les 2 jours<\/td><td>1,0000<\/td><\/tr><tr><td>4,5<\/td><td>96,88<\/td><td>65<\/td><td>1,0300<\/td><\/tr><tr><td>5,0<\/td><td>96,64<\/td><td>30<\/td><td>1,1600<\/td><\/tr><tr><td>5,5<\/td><td>96,39<\/td><td>22<\/td><td>1,3000<\/td><\/tr><tr><td>6,25<\/td><td>96,01<\/td><td>17<\/td><td>1,4900<\/td><\/tr><tr><td>7,5<\/td><td>95,37<\/td><td>13<\/td><td>1,7700<\/td><\/tr><tr><td>10,0<\/td><td>94,10<\/td><td>10<\/td><td>2,1900<\/td><\/tr><tr><td>12,5<\/td><td>92,78<\/td><td>9<\/td><td>2,4700<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">La figure 11.2 montre que l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;utilis\u00e9 pour d\u00e9terminer les intervalles optimaux devrait se situer dans une fourchette de 5 \u00e0 10&nbsp;%.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1924\" height=\"2103\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Workload-retention_tradeoff.jpg\" alt=\"\" class=\"wp-image-33453\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Fig. 11.2. Compromis charge de travail\u2013r\u00e9tention&nbsp;:<\/strong>&nbsp;<\/em><em>D&rsquo;une part, si l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;est inf\u00e9rieur \u00e0 5&nbsp;%, la charge de travail augmente consid\u00e9rablement sans affecter r\u00e9ellement la r\u00e9tention. D&rsquo;autre part, au-del\u00e0 d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;de 10&nbsp;%, la charge de travail varie peu tandis que la r\u00e9tention chute r\u00e9guli\u00e8rement. Ce compromis charge de travail\u2013r\u00e9tention correspond \u00e9videmment directement \u00e0 l&rsquo;arbitrage entre le rythme d&rsquo;acquisition et la r\u00e9tention. En multipliant par X la disponibilit\u00e9 en temps (c&rsquo;est-\u00e0-dire en divisant la charge de travail par X), on peut multiplier le rythme d&rsquo;acquisition par X (comparer&nbsp;<a href=\"http:\/\/super-memory.com\/articles\/theory.htm\" rel=\"nofollow noopener\" target=\"_blank\">chapitre 5<\/a>). Notons que la relation entre l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;dans ce mod\u00e8le est presque lin\u00e9aire.<\/em>&nbsp;<small>(source&nbsp;:&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;:&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">Model of intermittent learning<\/a>&nbsp;<\/em>,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>, 1990)<\/small><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Une autre observation importante provient du calcul de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;pour lequel l&rsquo;augmentation de la force est la plus \u00e9lev\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Du mod\u00e8le d&rsquo;apprentissage intermittent, il d\u00e9coule que<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>S(n)=1.5*Laps(n)*S(n-1)*exp(-0.15*Laps(n))+1<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">En d\u00e9rivant par rapport \u00e0 la variable Laps(n), on obtient&nbsp;:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>S'(n)=1.5*S(n-1)*exp(-0.15*Laps(n))*(1-0.15*Laps(n))<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Enfin, en posant cette d\u00e9riv\u00e9e \u00e9gale \u00e0 z\u00e9ro, on obtient&nbsp;:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Laps(n)=7.8<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">ce qui correspond \u00e0 un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 20&nbsp;%&nbsp;! Un tel indice d&rsquo;oubli \u00e9quivaut \u00e0 des intervalles deux fois plus longs que les intervalles optimaux d\u00e9termin\u00e9s par un indice \u00e9gal \u00e0 10&nbsp;% (comme dans l&rsquo;algorithme SM-5). Il ne faut cependant pas oublier que c&rsquo;est la r\u00e9tention des connaissances, et non la force de la m\u00e9moire, qui est le seul facteur mis en balance avec la charge de travail. Cette constatation n&rsquo;invalide donc pas la pertinence de l&rsquo;algorithme SM-5.<\/p>\n\n<h2 class=\"wp-block-heading\">Conclusions&nbsp;: mod\u00e8le d&rsquo;apprentissage intermittent<\/h2>\n\n<p class=\"wp-block-paragraph\">Les conclusions finales tir\u00e9es \u00e0 la fin du chapitre ont r\u00e9sist\u00e9 \u00e0 l&rsquo;\u00e9preuve de trois d\u00e9cennies. Seule l&rsquo;affirmation selon laquelle les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;ne seraient pas exponentielles s&rsquo;est r\u00e9v\u00e9l\u00e9e inexacte. Comme l&rsquo;ensemble du mod\u00e8le reposait sur des donn\u00e9es h\u00e9t\u00e9rog\u00e8nes, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_nature_of_forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">nature exponentielle de l&rsquo;oubli<\/a>&nbsp;ne pouvait pas se r\u00e9v\u00e9ler.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimization of learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\"><strong>R\u00e9sum\u00e9 interm\u00e9diaire<\/strong><\/p>\n\n<ul class=\"wp-block-list\"><li>Le mod\u00e8le d&rsquo;apprentissage intermittent a \u00e9t\u00e9 construit pour permettre d&rsquo;estimer la r\u00e9tention des connaissances selon diff\u00e9rents calendriers de r\u00e9p\u00e9tition<\/li><li>Le mod\u00e8le indique fortement que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;n&rsquo;est pas exponentielle [&nbsp;<mark>erreur<\/mark>&nbsp;: voir&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_nature_of_forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">Exponential nature of forgetting<\/a>]<\/li><li>Le mod\u00e8le correspond de mani\u00e8re satisfaisante aux donn\u00e9es exp\u00e9rimentales<\/li><li>Avec une pr\u00e9cision frappante, le mod\u00e8le se rapproche des intervalles optimaux et de la r\u00e9tention des connaissances impliqu\u00e9s par le mod\u00e8le SuperMemo<\/li><li>Le mod\u00e8le indique que les facteurs optimaux diminuent au fil des r\u00e9p\u00e9titions successives et se rapprochent asymptotiquement de leur valeur finale<\/li><li>Le mod\u00e8le indique que la valeur souhaitable de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;utilis\u00e9e pour un apprentissage optimal en temps devrait se situer entre 5&nbsp;% et 10&nbsp;%<\/li><li>Le mod\u00e8le indique une relation presque lin\u00e9aire entre l&rsquo;indice d&rsquo;oubli et la r\u00e9tention des connaissances<\/li><li>Le mod\u00e8le montre que l&rsquo;augmentation la plus forte de la force de la m\u00e9moire se produit lorsque les intervalles sont environ deux fois plus longs que ceux utilis\u00e9s dans la&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">m\u00e9thode SuperMemo<\/a>. Cela \u00e9quivaut \u00e0 un indice d&rsquo;oubli \u00e9gal \u00e0 20&nbsp;%<\/li><\/ul>\n\n<h1 class=\"wp-block-heading\"><div id=\"1991\">1991&nbsp;: exploiter les courbes d&rsquo;oubli<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">La naissance douloureuse de SuperMemo World (1991)<\/h2>\n\n<p class=\"wp-block-paragraph\">1991 a \u00e9t\u00e9 l&rsquo;ann\u00e9e la plus importante depuis la naissance de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Ce fut une ann\u00e9e de grandes d\u00e9cisions, de stress, de drame, de d\u00e9couvertes et de travail acharn\u00e9. Au d\u00e9but de l&rsquo;ann\u00e9e, il y avait trois grands croyants en SuperMemo&nbsp;:&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Murakowski<\/a>&nbsp;et moi-m\u00eame. Nous \u00e9tions tous trois au m\u00eame carrefour de nos vies&nbsp;: passant des ann\u00e9es d&rsquo;insouciance universitaire \u00e0 l&rsquo;incertitude de l&rsquo;\u00e2ge adulte ind\u00e9pendant. Naturellement, nous r\u00eavions tous de grande science aux \u00c9tats-Unis&nbsp;: Biedalak r\u00eavait d&rsquo;intelligence artificielle, Murakowski de physique quantique, et moi je voulais percer les secrets de la m\u00e9moire mol\u00e9culaire. Avec le recul, les \u00e9tudiants dipl\u00f4m\u00e9s du bloc de l&rsquo;Est munis de bons relev\u00e9s de notes, de bons r\u00e9sultats d&rsquo;examens et de recommandations solides comme le roc sont plut\u00f4t bien accueillis aux \u00c9tats-Unis. Les choses se compliquent lorsqu&rsquo;ils demandent un soutien financier complet. Je n&rsquo;avais pas un sou. De plus, les Europ\u00e9ens de l&rsquo;Est z\u00e9l\u00e9s \u00e9taient souvent trait\u00e9s comme une main-d&rsquo;\u0153uvre docile. Le z\u00e8le pour leurs propres projets et grandes id\u00e9es \u00e9tait peut-\u00eatre moins bien accueilli. Je ne le saurai jamais. Les trois croyants avaient chacun une vision diff\u00e9rente de SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 3 janvier 1991, j&rsquo;ai commenc\u00e9 la mise en \u0153uvre du nouvel algorithme de r\u00e9p\u00e9tition espac\u00e9e pour SuperMemo 6. Le m\u00eame jour, Murakowski est parti pour Londres o\u00f9 il allait poursuivre ses r\u00eaves d&rsquo;\u00e9tudes tout en essayant de vendre SuperMemo 2. Il ne le vendrait pas via un canal de distribution ou en boutique. Il devrait aller de personne en personne, expliquer les m\u00e9rites du programme et, esp\u00e9rait-il, r\u00e9colter quelques dollars pour garder l&rsquo;espoir en vie.<\/p>\n\n<p class=\"wp-block-paragraph\">Pendant ce temps, Biedalak et moi nous retrouvions r\u00e9guli\u00e8rement pour un jogging de 10 km, combin\u00e9 \u00e0 de la baignade hivernale et \u00e0 une s\u00e9ance de r\u00e9flexion sur le chemin du retour. Nous parlions surtout d&rsquo;\u00e9tudes aux \u00c9tats-Unis et de la vente de SuperMemo. De plus en plus fr\u00e9quemment, l&rsquo;id\u00e9e de cr\u00e9er notre propre entreprise commen\u00e7ait \u00e0 \u00e9merger.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai commenc\u00e9 mon travail sur le nouvel algorithme de r\u00e9p\u00e9tition espac\u00e9e avec quelques id\u00e9es qui allaient changer SuperMemo pour toujours. L&rsquo;algorithme SM-6, utilis\u00e9 dans SuperMemo 6, fut une perc\u00e9e qui alimenterait le d\u00e9veloppement pendant les 25 ann\u00e9es suivantes. Il reprendrait la simple proc\u00e9dure exp\u00e9rimentale qui avait conduit \u00e0 la r\u00e9p\u00e9tition espac\u00e9e en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>, mais de mani\u00e8re automatis\u00e9e. Il collecterait des donn\u00e9es de performance et choisirait le meilleur moment pour la r\u00e9vision&nbsp;: il tracerait la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;de l&rsquo;utilisateur. Cela signifierait aussi que l&rsquo;utilisateur pourrait d\u00e9cider de la probabilit\u00e9 d&rsquo;oubli acceptable pour chaque \u00e9l\u00e9ment (c&rsquo;est-\u00e0-dire le niveau optimal du compromis r\u00e9tention-charge de travail).<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 cette \u00e9poque, j&rsquo;\u00e9tais encore limit\u00e9 par des disquettes de 360 Ko. Pour cette raison, SuperMemo ne pouvait toujours pas conserver tous les historiques de r\u00e9p\u00e9titions qui auraient reproduit int\u00e9gralement l&rsquo;approche de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>&nbsp;\u00e0 grande \u00e9chelle. Cependant, le 6 janvier 1990, j&rsquo;ai eu une id\u00e9e simple. Je pouvais simplement collecter des donn\u00e9es sur les courbes d&rsquo;oubli pour des cat\u00e9gories d&rsquo;\u00e9l\u00e9ments de difficult\u00e9 et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;diff\u00e9rentes. Au lieu de l&rsquo;enregistrement complet, je ne mettrais \u00e0 jour que l&rsquo;approximation du nombre d&rsquo;\u00e9l\u00e9ments d&rsquo;une cat\u00e9gorie donn\u00e9e retenus en m\u00e9moire \u00e0 un instant donn\u00e9 (c&rsquo;est-\u00e0-dire \u00e0 un niveau donn\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>). Cette id\u00e9e survit encore aujourd&rsquo;hui au c\u0153ur de SuperMemo. M\u00eame avec l&rsquo;enregistrement complet des historiques de r\u00e9p\u00e9titions dont on dispose aujourd&rsquo;hui, SuperMemo conna\u00eet toujours instantan\u00e9ment la r\u00e9cup\u00e9rabilit\u00e9 attendue des \u00e9l\u00e9ments d&rsquo;une cat\u00e9gorie donn\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 ce carrefour de ma vie, j&rsquo;\u00e9tais enfin lib\u00e9r\u00e9 de l&rsquo;\u00e9cole. Il existe une \u00e9motion puissante que des millions d&rsquo;adolescents et de jeunes adultes traversent&nbsp;: le passage traumatisant du statut d&rsquo;esclave appel\u00e9 \u00ab \u00e9l\u00e8ve \u00bb ou \u00ab \u00e9tudiant \u00bb \u00e0 la libert\u00e9 de devenir un \u00ab adulte sans emploi \u00bb. Le choc psychologique peut \u00eatre encore plus brutal quand on passe de \u00ab bon \u00e9tudiant \u00bb \u00e0 \u00ab ch\u00f4meur de 28 ans vivant chez sa m\u00e8re \u00bb. Comme un interrupteur&nbsp;: le monde entier semble basculer d&rsquo;un soutien enjou\u00e9 \u00e0 une condamnation morose m\u00eal\u00e9e de piti\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai continu\u00e9 \u00e0 apprendre et \u00e0 travailler sur de nouvelles id\u00e9es pour SuperMemo dans une atmosph\u00e8re de libert\u00e9 m\u00eal\u00e9e d&rsquo;incertitude. Pour moi, l&rsquo;incertitude est un stimulant. Cependant, le 12 f\u00e9vrier 1991, j&rsquo;ai appris que ma m\u00e8re avait \u00e9t\u00e9 diagnostiqu\u00e9e d&rsquo;un cancer en phase terminale. Au m\u00e9lange de libert\u00e9 et d&rsquo;incertitude s&rsquo;est ajout\u00e9 un sentiment de morosit\u00e9. Pour moi, encore une fois, la morosit\u00e9 peut aussi \u00eatre un stimulant. J&rsquo;ai tripl\u00e9 mon apprentissage sur le cancer, comme dans l&rsquo;espoir de trouver moi-m\u00eame une th\u00e9rapie miracle. Cela montre \u00e0 quel point un optimisme d\u00e9raisonnable peut \u00eatre la cl\u00e9 de la productivit\u00e9 et permettre de survivre aux moments difficiles. En travaillant plus dur, je pouvais dissiper la morosit\u00e9. Une haute productivit\u00e9 est un antid\u00e9presseur s\u00fbr. Mon travail acharn\u00e9 ne laissait aucune place aux pens\u00e9es sombres. J&rsquo;\u00e9tais confiant, j&rsquo;allais gu\u00e9rir ma m\u00e8re&nbsp;!<\/p>\n\n<p class=\"wp-block-paragraph\">Par ailleurs, au moment du diagnostic de ma m\u00e8re, j&rsquo;\u00e9crivais aussi un programme pour simuler le comportement optimal de la m\u00e9moire en r\u00e9ponse \u00e0 l&rsquo;environnement&nbsp;; une fa\u00e7on de prouver quelles math\u00e9matiques rendraient optimal le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>. Au moment du diagnostic, j&rsquo;ai retir\u00e9 cet effort de mon emploi du temps pour me consacrer \u00e0 l&rsquo;apprentissage sur le cancer. Je n&rsquo;ai jamais achev\u00e9 ce programme et cette id\u00e9e demeure encore aujourd&rsquo;hui en suspens, repouss\u00e9e par d&rsquo;autres projets.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 6 mars 1991, lors d&rsquo;une de nos journ\u00e9es de jogging et de r\u00e9flexion avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>, quelqu&rsquo;un a lanc\u00e9 le nom&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>. Nous ne savions pas encore que quatre mois plus tard, ce serait le nom de notre entreprise, qui perdure encore aujourd&rsquo;hui, 27 ans plus tard.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 12 mars 1991, j&rsquo;ai effectu\u00e9 mes premi\u00e8res r\u00e9p\u00e9titions avec le nouvel algorithme dans SuperMemo 6 pendant que ma m\u00e8re se reposait sur son lit de mort. Une semaine plus tard, elle mourut paisiblement dans son sommeil, \u00e0 l&rsquo;\u00e2ge de 70 ans seulement. Dans des circonstances semblables, le sc\u00e9nario habituel implique des r\u00e9unions de famille, un deuil, des fun\u00e9railles, et tout un cort\u00e8ge de traditions ancr\u00e9es dans la religion que je n&rsquo;ai jamais pu accepter comme rationnelles. Au lieu de cela, 9 heures apr\u00e8s la mort de ma m\u00e8re, j&rsquo;ai travaill\u00e9 sur une meilleure m\u00e9thode d&rsquo;approximation rapide de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>. Dans ce travail, j&rsquo;ai r\u00e9utilis\u00e9 ce que j&rsquo;avais fait autrefois pour le ZX Spectrum. J&rsquo;ai employ\u00e9 une r\u00e9gression lin\u00e9aire le long des colonnes de difficult\u00e9 et une r\u00e9gression exponentielle n\u00e9gative le long des lignes de r\u00e9p\u00e9tition. Des ann\u00e9es plus tard, j&rsquo;ai d\u00e9couvert qu&rsquo;une r\u00e9gression en loi de puissance \u00e9tait plus appropri\u00e9e pour cette derni\u00e8re. Seul l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>, d\u00e9velopp\u00e9 quatre ans plus tard, exploiterait pleinement ces id\u00e9es. Je le mentionne cependant surtout pour illustrer \u00e0 quel point le travail acharn\u00e9 et la productivit\u00e9 peuvent constituer un excellent rem\u00e8de contre la morosit\u00e9 et une possible d\u00e9pression. \u00c0 cette \u00e9poque, j&rsquo;ai d\u00e9couvert que l&rsquo;impact d&rsquo;un traumatisme \u00e9motionnel suit une courbe circadienne. Je travaillais dur le matin, mais la morosit\u00e9 revenait insidieusement le soir. Le sommeil \u00e9tait la lib\u00e9ration et le meilleur antid\u00e9presseur. Depuis ces premiers jours, je crois fermement que le sommeil et l&rsquo;apprentissage portent en eux une solution au probl\u00e8me de la d\u00e9pression, cependant, je n&rsquo;ai jamais vraiment eu l&rsquo;occasion d&rsquo;y travailler. Cela m&rsquo;aiderait d&rsquo;en souffrir un peu moi-m\u00eame, mais soit je b\u00e9n\u00e9ficie d&rsquo;une bonne r\u00e9silience naturelle, soit, plus probablement, j&#8217;emploie instinctivement les outils d&rsquo;un bon sommeil et d&rsquo;une forte productivit\u00e9 dans les moments difficiles. Depuis que&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Robert_Sapolsky\" rel=\"nofollow noopener\" target=\"_blank\">Sapolsky<\/a>&nbsp;a qualifi\u00e9 la d\u00e9pression de \u00ab pire maladie du monde \u00bb, je voulais trouver une formule pour la pr\u00e9venir. Je sens qu&rsquo;il existe une formule simple. Peut-\u00eatre que cet optimisme na\u00eff et enfantin fait lui-m\u00eame partie de la solution&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\">Le 13 avril 1991, nous avons d\u00e9cid\u00e9 que SuperMemo 2 devait \u00eatre distribu\u00e9 en tant que gratuiciel. Nous esp\u00e9rions que cela pourrait sensibiliser d&rsquo;\u00e9ventuels utilisateurs \u00e0 l&rsquo;\u00e9tranger \u00e0 la puissance de la r\u00e9p\u00e9tition espac\u00e9e. Cependant, au d\u00e9part, nous devions envoyer des disquettes du SuperMemo gratuit \u00e0 nos propres frais. Ce n&rsquo;est qu&rsquo;en 1993 que nous avons mis en ligne SuperMemo sur un BBS local appel\u00e9 \u00ab Onkonet \u00bb. Il faudrait encore quelques ann\u00e9es avant de pouvoir t\u00e9l\u00e9verser les versions suivantes sur Simtel et sur des sites de gratuiciels. Cette id\u00e9e de gratuiciel a eu un effet secondaire int\u00e9ressant&nbsp;: \u00e0 la fin de l&rsquo;ann\u00e9e, c&rsquo;\u00e9tait clair&nbsp;: les gens commen\u00e7aient \u00e0 utiliser le programme puis abandonnaient. C&rsquo;\u00e9tait le signe d&rsquo;un probl\u00e8me inh\u00e9rent \u00e0 la r\u00e9p\u00e9tition espac\u00e9e&nbsp;: une motivation faible, r\u00e9sultant de comp\u00e9tences insuffisantes, entra\u00eenait un taux d&rsquo;abandon \u00e9lev\u00e9. Nous avons aussi appris que certains essayaient de vendre SuperMemo 2 comme s&rsquo;il s&rsquo;agissait d&rsquo;un produit commercial.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 2 mai 1991, j&rsquo;ai mis en \u0153uvre l&rsquo;option permettant de d\u00e9finir l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;souhait\u00e9 dans SuperMemo 6. Le 5 juillet 1991,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;est n\u00e9. Un des premiers investissements fut un PC \u00e9quip\u00e9 d&rsquo;un disque dur, qui allait enfin me permettre de sortir de la lente \u00e9poque des disquettes.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 23 novembre 1991&nbsp;: SuperMemo a \u00e9t\u00e9 annonc\u00e9 comme finaliste du concours Software for Europe. Cela a sauv\u00e9&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Les d\u00e9buts poussifs du SuperMemo commercial<\/h2>\n\n<p class=\"wp-block-paragraph\">Lorsque nous avons cr\u00e9\u00e9&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>&nbsp;le 5 juillet 1991, l&rsquo;avenir semblait si radieux qu&rsquo;il nous aurait fallu des lunettes de soleil. La Terre est peupl\u00e9e d&rsquo;une population tr\u00e8s intelligente qui a besoin d&rsquo;apprendre des choses. Cette population enti\u00e8re constitue notre march\u00e9. Le seul probl\u00e8me \u00e9tait de convaincre tous ces gens intelligents que deux \u00e9tudiants pauvres, \u00e9duqu\u00e9s derri\u00e8re le rideau de fer, avaient quelque chose de valable \u00e0 offrir. Nous ne pouvions pas utiliser le web pour cela. SuperMemo est plus ancien que le web lui-m\u00eame. Nous ne pouvions pas nous permettre de publicit\u00e9 par manque de capital. Il n&rsquo;existait aucune culture du capital-risque en Pologne en 1991. Tout ce que nous pouvions faire, c&rsquo;\u00e9tait placer les premiers exemplaires de SuperMemo dans des chemises cartonn\u00e9es et les d\u00e9poser sur les \u00e9tag\u00e8res des magasins d&rsquo;informatique voisins. Comme nous visions une domination mondiale, nous n&rsquo;avions m\u00eame pas de manuel en polonais. Au lieu des premi\u00e8res ventes, nous avons connu un long \u00e9t\u00e9 de silence et de doutes grandissants.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1500\" height=\"1000\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SuperMemo-5-for-DOS-box.png\" alt=\"\" class=\"wp-image-33469\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;En 1991,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">nous<\/a>&nbsp;avons livr\u00e9 les premiers exemplaires de SuperMemo 5 pour DOS \u00e0 des magasins de Poznan (Pologne), dans des chemises roses munies d&rsquo;un autocollant. Le manuel n&rsquo;incluait pas de traduction en polonais. \u00c9tonnamment,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">nous<\/a>&nbsp;avons trouv\u00e9 quelques acheteurs. La premi\u00e8re vente a eu lieu entre le 9 et le 11 septembre 1991 (magasin d&rsquo;informatique Axe Prim)<br><small>(reconstitu\u00e9 \u00e0 partir des chemises et autocollants d&rsquo;origine)<\/small><\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Pourquoi \u00e9tait-il si difficile de vendre le premier exemplaire&nbsp;? Je peux reconstituer le sc\u00e9nario \u00e0 partir des propos de l&rsquo;un de nos premiers clients, qui avait effectivement visit\u00e9 un magasin et jet\u00e9 un \u0153il au premier SuperMemo expos\u00e9 au public. Sur une \u00e9tag\u00e8re de programmes informatiques, aux c\u00f4t\u00e9s de bo\u00eetes brillantes de Microsoft, il remarqua une chemise d\u00e9fra\u00eechie portant des mots s\u00e9duisants&nbsp;: \u00ab&nbsp;<em><strong>votre logiciel d&rsquo;apprentissage rapide r\u00e9volutionnaire<\/strong>&nbsp;<\/em>\u00bb. Il prit la chemise et ouvrit un manuel constitu\u00e9 d&rsquo;une pile de pages photocopi\u00e9es de pi\u00e8tre qualit\u00e9, en anglais. Avec des mots ambitieux, il lut une histoire qui d\u00e9fiait la cr\u00e9dulit\u00e9. Tout cela semblait trop beau pour \u00eatre vrai. Apprentissage plus rapide, excellente r\u00e9tention, nouvelle m\u00e9thode scientifique, co\u00fbt minime en temps, etc. Il n&rsquo;a pas envisag\u00e9 d&rsquo;investir, l&rsquo;ensemble \u00e9tant assez co\u00fbteux (environ 100 dollars, ce qui repr\u00e9sentait beaucoup d&rsquo;argent en Pologne en 1991), mais il s&rsquo;est approch\u00e9 du vendeur pour savoir qui se trouvait derri\u00e8re SuperMemo. Le propri\u00e9taire du magasin connaissait bien SuperMemo et lui expliqua. L&rsquo;histoire commen\u00e7a \u00e0 para\u00eetre cr\u00e9dible. Le client n&rsquo;a jamais oubli\u00e9 cet \u00e9pisode. Quelques mois plus tard, il entendit parler de SuperMemo dans un journal local et devint l&rsquo;un des premiers clients payants. Son coupon d&rsquo;enregistrement est arriv\u00e9 en janvier 1992, et l&rsquo;historique de ses mises \u00e0 jour montre qu&rsquo;il est rest\u00e9 fid\u00e8le \u00e0 SuperMemo pendant des d\u00e9cennies, et aujourd&rsquo;hui son fils est l&rsquo;un des clients r\u00e9guliers.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, \u00e0 l&rsquo;\u00e9t\u00e9 1991, nous n&rsquo;avions aucune vente, et d\u00e8s l&rsquo;automne, tout le monde sauf moi commen\u00e7ait \u00e0 avoir de s\u00e9rieux doutes. Pas sur SuperMemo, mais sur la viabilit\u00e9 de l&rsquo;entreprise.<\/p>\n\n<p class=\"wp-block-paragraph\">Il serait utile de savoir comment nous nous sommes rencontr\u00e9s. Avec&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>, nous \u00e9tions amis depuis toujours. J&rsquo;ai fr\u00e9quent\u00e9 une \u00e9cole avec son fr\u00e8re, nous vivions \u00e0 200 m\u00e8tres l&rsquo;un de l&rsquo;autre et nous nous sommes retrouv\u00e9s dans la m\u00eame promotion d&rsquo;informatique \u00e0 l&rsquo;universit\u00e9. Je ne saurais dire comment j&rsquo;ai convaincu Biedalak que SuperMemo \u00e9tait formidable. Nous avons toujours \u00e9t\u00e9 trop proches et il a toujours fait partie du cercle. Cette partie fut facile.&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Tomasz_Kuehn\" rel=\"noreferrer noopener\" target=\"_blank\">Tomek Kuehn<\/a>&nbsp;fut l&rsquo;un des premiers grands croyants en SuperMemo. C&rsquo;\u00e9tait aussi un excellent programmeur, une grande source d&rsquo;inspiration, et il a saisi l&rsquo;id\u00e9e instantan\u00e9ment. Il a \u00e9crit lui-m\u00eame deux versions de SuperMemo&nbsp;: pour Atari 800 en 1988, et pour Atari ST en 1989. En janvier 1989, il a m\u00eame vendu 10 exemplaires de SuperMemo 2 gr\u00e2ce \u00e0 une annonce dans l&rsquo;un des journaux informatiques&nbsp;: Komputer. Je pr\u00e9sume qu&rsquo;il n&rsquo;a pas r\u00e9cup\u00e9r\u00e9 l&rsquo;argent investi. Une fois dipl\u00f4m\u00e9, il avait d\u00e9j\u00e0 sa propre entreprise&nbsp;: un magasin d&rsquo;informatique. Ce magasin fut aussi l&rsquo;un des premiers \u00e0 pr\u00e9senter SuperMemo \u00e0 ses clients. Son partenaire et ami \u00e9tait Marczello Georgiew, qui n&rsquo;a pas eu besoin de beaucoup de persuasion non plus. Enfin, j&rsquo;ai rencontr\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Janusz Murakowski<\/a>&nbsp;lors des examens du GRE \u00e0 Budapest en 1990. Grand esprit math\u00e9matique, il fut probablement le converti le plus rapide \u00e0 SuperMemo de tous. Pendant notre trajet en train de retour vers la Pologne, j&rsquo;ai mentionn\u00e9 SuperMemo. Il fut instantan\u00e9ment captiv\u00e9. Quelques jours plus tard, il \u00e9tait d\u00e9j\u00e0 un utilisateur enthousiaste de SuperMemo 2 (d\u00e8s le 13 juin 1990). Dans l&rsquo;hymne rap de notre entreprise, nous chantions \u00ab&nbsp;<em>nous sommes les gars qui vendent SuperMemo<\/em>&nbsp;\u00bb. Il \u00e9tait tr\u00e8s difficile de convaincre les gens que SuperMemo fonctionnait, mais les membres de l&rsquo;\u00e9quipe ont toujours \u00e9t\u00e9 enthousiastes.<\/p>\n\n<p class=\"wp-block-paragraph\">En novembre 1991, l&rsquo;enthousiasme commen\u00e7ait \u00e0 s&rsquo;\u00e9teindre. Si nous avions continu\u00e9 sans succ\u00e8s, nous aurions progressivement perdu l&rsquo;\u00e9quipe, proportionnellement \u00e0 leur implication et \u00e0 leur passion. Apr\u00e8s quelques mois suppl\u00e9mentaires, l&rsquo;entreprise aurait pu mourir. SuperMemo, lui, ne serait pas mort. J&rsquo;aurais certainement cherch\u00e9 un acheteur, ou j&rsquo;aurais continu\u00e9 d&rsquo;une mani\u00e8re ou d&rsquo;une autre. J&rsquo;\u00e9tais trop attach\u00e9 au produit. Je l&rsquo;utilisais moi-m\u00eame et toutes mes connaissances \u00e9taient investies dans mes bases de donn\u00e9es. J&rsquo;aurais peut-\u00eatre song\u00e9 \u00e0 reprendre l&rsquo;id\u00e9e d&rsquo;un doctorat aux \u00c9tats-Unis. De la m\u00eame mani\u00e8re que j&rsquo;avais pu combiner le travail \u00e0 l&rsquo;universit\u00e9 en Hollande en 1989 avec la programmation \u00ab apr\u00e8s les heures de travail \u00bb, j&rsquo;aurais probablement continu\u00e9 jusqu&rsquo;\u00e0 une perc\u00e9e quelconque, par exemple sur le web. Peut-\u00eatre serait-ce devenu un produit open source&nbsp;? Heureusement, le Dr Wojciech Maka\u0142owski, du d\u00e9partement de biochimie des biopolym\u00e8res, a sugg\u00e9r\u00e9 que nous pr\u00e9sentions SuperMemo au concours Software for Europe. Par un miraculeux coup de chance, nous nous sommes qualifi\u00e9s pour la finale, ce qui fut imm\u00e9diatement remarqu\u00e9 par les m\u00e9dias polonais, notamment les journaux informatiques. \u00c0 partir de ce moment, SuperMemo eut la vie facile avec la presse polonaise, qui devint de plus en plus intrigu\u00e9e. Andrzej Horode\u0144ski fut&nbsp;<a href=\"http:\/\/www.super-memory.com\/articles\/cworld.htm\" rel=\"nofollow noopener\" target=\"_blank\">le premier<\/a>, et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Pawel_Wimmer:_Praising_SuperMemo._Ex_Occidente_lux\" rel=\"noreferrer noopener\" target=\"_blank\">Pawel Wimmer fut le second<\/a>&nbsp;et le plus fid\u00e8le jusqu&rsquo;\u00e0 ce jour. Wimmer utilisait en r\u00e9alit\u00e9 SuperMemo 2, qu&rsquo;il avait probablement re\u00e7u de Tomasz Kuehn au moment de son annonce dans le journal KOMPUTER en 1989.<\/p>\n\n<p class=\"wp-block-paragraph\">1,5 an apr\u00e8s sa naissance,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;\u00e9tait enfin devenu profitable. Pas mal.<\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;fut une aventure fantastique d\u00e8s le d\u00e9part. Nous n&rsquo;avons eu aucune injection de capital-risque en Pologne en 1991, nous avons donc d\u00fb nous d\u00e9brouiller par nos propres moyens en vendant ce que d&rsquo;autres consid\u00e9raient comme de \u00ab l&rsquo;huile de serpent \u00bb. Nous aurions pu facilement \u00e9chouer, mais nous avons surv\u00e9cu gr\u00e2ce \u00e0 la seule force de la passion, de la conviction, et d&rsquo;un immense coup de chance.<\/p>\n\n<h2 class=\"wp-block-heading\">Origines de l&rsquo;algorithme SM-6<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-6 fut d&rsquo;abord utilis\u00e9 dans SuperMemo 6 (1991), mais il continua d&rsquo;\u00e9voluer dans SuperMemo 7 (1992). Il n&rsquo;y a jamais eu de version SM-7 malgr\u00e9 de multiples changements. Notamment, d\u00e8s 1994, la fonction exponentielle fut utilis\u00e9e pour approximer les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;dans SuperMemo 7 pour Windows. Les approximations de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice OF<\/a>&nbsp;ont \u00e9galement \u00e9t\u00e9 am\u00e9lior\u00e9es avec le temps.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1050\" height=\"887\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_in_SuperMemo_7.png\" alt=\"\" class=\"wp-image-33484\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;SuperMemo 7 pour Windows (1992) affichant une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;bas\u00e9e sur des moyennes.<\/em><\/p><\/blockquote>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"490\" height=\"352\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_approximated_with_exponential_function_1994-1.gif\" alt=\"\" class=\"wp-image-53128\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;SuperMemo 7 pour Windows (1994) affichant une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;approxim\u00e9e par une fonction exponentielle. L&rsquo;axe vertical repr\u00e9sente le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;en pourcentage. L&rsquo;axe horizontal correspond au temps repr\u00e9sent\u00e9 par le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/U-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur U<\/a><\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Le composant le plus important de l&rsquo;algorithme SM-6 \u00e9tait de collecter des donn\u00e9es sur le rythme de l&rsquo;oubli. Les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;permettent de d\u00e9terminer avec pr\u00e9cision les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>. Cela a \u00e9limin\u00e9 le besoin de l&rsquo;approche bang-bang, lente et impr\u00e9cise, de l&rsquo;algorithme SM-5&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Economics_of_Learning\" rel=\"noreferrer noopener\" target=\"_blank\">Economics of Learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1995)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">Dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>, le processus de d\u00e9termination de la valeur d&rsquo;une seule entr\u00e9e de la matrice des facteurs optimaux se d\u00e9roulait comme suit (voir plus haut)&nbsp;:<\/p>\n\n<ol class=\"wp-block-list\"><li>Fixer la valeur initiale \u00e0 une valeur moyenne du facteur optimal (OF) obtenue lors d&rsquo;exp\u00e9riences pr\u00e9c\u00e9dentes<\/li><li>Si la note produite par l&rsquo;entr\u00e9e en question \u00e9tait (1) sup\u00e9rieure \u00e0 la valeur souhait\u00e9e, alors augmenter la valeur de l&rsquo;OF, (2) inf\u00e9rieure \u00e0 la valeur souhait\u00e9e, alors diminuer l&rsquo;OF, ou (3) \u00e9gale \u00e0 la valeur souhait\u00e9e, alors ne pas modifier l&rsquo;OF<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">L&rsquo;approche ci-dessus montre que la valeur optimale de l&rsquo;OF ne pouvait \u00eatre atteinte qu&rsquo;apr\u00e8s un tr\u00e8s grand nombre de r\u00e9p\u00e9titions, et, ce qui est pire, plus le num\u00e9ro d&rsquo;ordre d&rsquo;une r\u00e9p\u00e9tition \u00e9tait \u00e9lev\u00e9, plus il fallait de temps pour ex\u00e9cuter le cycle de modification-v\u00e9rification (c&rsquo;est-\u00e0-dire le cycle dans lequel une entr\u00e9e de l&rsquo;OF est modifi\u00e9e, puis v\u00e9rifi\u00e9e lors de la planification d&rsquo;une autre r\u00e9p\u00e9tition avec un intervalle correspondant, plus long).<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Introduction du concept d&rsquo;indice d&rsquo;oubli<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">La nouveaut\u00e9 de l&rsquo;algorithme SM-6 consiste \u00e0 approximer la pente de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;correspondant \u00e0 une entr\u00e9e donn\u00e9e de la matrice des facteurs optimaux, et \u00e0 calculer la nouvelle valeur du facteur optimal concern\u00e9 directement \u00e0 partir de la courbe approxim\u00e9e. En d&rsquo;autres termes, aucun cycle de modification-v\u00e9rification n&rsquo;est n\u00e9cessaire dans l&rsquo;algorithme SM-6, gr\u00e2ce \u00e0 l&rsquo;\u00e9tablissement d&rsquo;une relation d\u00e9terministe entre la courbe d&rsquo;oubli et l&rsquo;intervalle inter-r\u00e9p\u00e9tition optimal. La modification du facteur optimal se produit imm\u00e9diatement apr\u00e8s une r\u00e9p\u00e9tition, lors de l&rsquo;approximation de la nouvelle courbe d&rsquo;oubli d\u00e9riv\u00e9e de donn\u00e9es incluant la note attribu\u00e9e lors de la r\u00e9ponse r\u00e9cente. Cette modification a non seulement permis d&rsquo;acc\u00e9l\u00e9rer consid\u00e9rablement le processus de d\u00e9termination des valeurs optimales de la matrice des facteurs optimaux, mais elle a aussi fourni un moyen d&rsquo;\u00e9tablir le niveau souhait\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;des connaissances qui sera atteint au cours du processus d&rsquo;apprentissage (voir un exemple de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Le niveau souhait\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;des connaissances est d\u00e9termin\u00e9 par la proportion d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;qui ne sont pas retenus lors des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9titions<\/a>. Cette proportion est appel\u00e9e l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;(les \u00e9l\u00e9ments sont class\u00e9s comme retenus ou oubli\u00e9s en fonction des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Grade\" rel=\"noreferrer noopener\" target=\"_blank\">notes<\/a>&nbsp;attribu\u00e9es par l&rsquo;\u00e9tudiant lors de l&rsquo;auto-\u00e9valuation de ses progr\u00e8s).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"840\" height=\"560\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_in_SuperMemo_8.jpg\" alt=\"\" class=\"wp-image-33514\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><strong>Figure&nbsp;:<\/strong>&nbsp;Un exemple de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;trac\u00e9e au cours des r\u00e9p\u00e9titions (plus de 40&nbsp;000 cas de r\u00e9p\u00e9titions enregistr\u00e9s).<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Dans la figure pr\u00e9sent\u00e9e ci-dessus, le temps \u00e9coul\u00e9 est repr\u00e9sent\u00e9 par l&rsquo;intervalle en jours. L&rsquo;axe vertical repr\u00e9sente la r\u00e9tention des connaissances exprim\u00e9e en pourcentage. La ligne horizontale situ\u00e9e au niveau de r\u00e9tention de 90&nbsp;% d\u00e9termin\u00e9 l&rsquo;indice d&rsquo;oubli demand\u00e9, c&rsquo;est-\u00e0-dire la proportion souhait\u00e9e d&rsquo;\u00e9l\u00e9ments qui devraient \u00eatre oubli\u00e9s au moment de la r\u00e9p\u00e9tition. L&rsquo;intervalle optimal se situera alors naturellement \u00e0 l&rsquo;intersection de la ligne de l&rsquo;indice d&rsquo;oubli demand\u00e9 avec la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>. Dans l&rsquo;exemple ci-dessus, l&rsquo;intervalle optimal est de sept jours. La courbe d&rsquo;oubli pr\u00e9sent\u00e9e a \u00e9t\u00e9 trac\u00e9e sur la base de 40 489 cas de r\u00e9p\u00e9titions enregistr\u00e9s. Voir plus loin dans le texte l&rsquo;explication des valeurs R-Factor (RF), O-Factor (OF), etc. En raison de la nature tr\u00e8s irr\u00e9guli\u00e8re de la matrice des facteurs optimaux calcul\u00e9e directement \u00e0 partir des courbes d&rsquo;oubli, dans l&rsquo;algorithme SM-6, la matrice utilis\u00e9e pour l&rsquo;espacement des r\u00e9p\u00e9titions repr\u00e9sente une version liss\u00e9e de la matrice dite des facteurs de r\u00e9tention (matrice RF), d\u00e9riv\u00e9e directement des courbes d&rsquo;oubli correspondant \u00e0 des entr\u00e9es particuli\u00e8res de la matrice OF. En d&rsquo;autres termes, les courbes d&rsquo;oubli d\u00e9terminent la valeur des entr\u00e9es de la matrice RF, et seul l&rsquo;\u00e9quivalent liss\u00e9 de celle-ci, la matrice OF, est utilis\u00e9 pour calculer les intervalles optimaux.<\/p>\n\n<h2 class=\"wp-block-heading\">Algorithme SM-6<\/h2>\n\n<p class=\"wp-block-paragraph\">La description de l&rsquo;algorithme ci-dessous est reprise, avec quelques clarifications, de ma&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Economics_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">th\u00e8se de doctorat<\/a>, et correspond \u00e0 la situation telle qu&rsquo;elle se pr\u00e9sentait en 1994&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de&nbsp;: \u00ab&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Economics_of_Learning\" rel=\"noreferrer noopener\" target=\"_blank\">Economics of Learning<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1995)<\/small><\/p>\n\n<ol class=\"wp-block-list\"><li>Les connaissances apprises sont divis\u00e9es en unit\u00e9s les plus petites possible, appel\u00e9es \u00e9l\u00e9ments<\/li><li>Les \u00e9l\u00e9ments sont formul\u00e9s sous forme de question-r\u00e9ponse<\/li><li>Les \u00e9l\u00e9ments sont m\u00e9moris\u00e9s au moyen d&rsquo;une technique d&rsquo;abandon \u00e0 rythme libre, c&rsquo;est-\u00e0-dire en r\u00e9pondant aux questions pos\u00e9es aussi longtemps qu&rsquo;il le faut pour fournir toutes les bonnes r\u00e9ponses<\/li><li>Apr\u00e8s la m\u00e9morisation d&rsquo;un \u00e9l\u00e9ment, la premi\u00e8re r\u00e9p\u00e9tition est planifi\u00e9e apr\u00e8s un intervalle identique pour tous les \u00e9l\u00e9ments. Sa valeur est d\u00e9termin\u00e9e par le niveau souhait\u00e9 de r\u00e9tention des connaissances, qui peut \u00e0 son tour \u00eatre converti en un intervalle en utilisant une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;moyenne tir\u00e9e d&rsquo;une base de donn\u00e9es moyenne d&rsquo;un \u00e9tudiant moyen (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/ANE1994\" rel=\"noreferrer noopener\" target=\"_blank\">Wozniak 1994a<\/a>). La r\u00e9tention souhait\u00e9e est sp\u00e9cifi\u00e9e au moyen de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>, qui correspond \u00e0 la proportion d&rsquo;\u00e9l\u00e9ments oubli\u00e9s lors des r\u00e9p\u00e9titions (pour apprendre \u00e0 calculer la r\u00e9tention \u00e0 partir de l&rsquo;indice d&rsquo;oubli, et vice versa). Notez que le premier intervalle peut \u00eatre al\u00e9atoirement raccourci ou allong\u00e9 afin d&rsquo;acc\u00e9l\u00e9rer le processus d&rsquo;optimisation (faire varier les intervalles accro\u00eet la pr\u00e9cision de l&rsquo;approximation de la courbe d&rsquo;oubli).<\/li><li>Le premier intervalle est calcul\u00e9 comme pour un \u00e9tudiant moyen et une base de donn\u00e9es moyenne. Cependant, d\u00e8s que la valeur enregistr\u00e9e de l&rsquo;indice d&rsquo;oubli s&rsquo;\u00e9carte du niveau demand\u00e9, la longueur du premier intervalle est modifi\u00e9e en cons\u00e9quence. La nouvelle valeur de l&rsquo;intervalle est d\u00e9riv\u00e9e de l&rsquo;approximation de la courbe d&rsquo;oubli exponentielle n\u00e9gative trac\u00e9e au cours des r\u00e9p\u00e9titions. \u00c0 chaque score de r\u00e9p\u00e9tition enregistr\u00e9, le trac\u00e9 devient de plus en plus pr\u00e9cis et la valeur utilis\u00e9e de l&rsquo;intervalle inter-r\u00e9p\u00e9tition optimal se stabilise au point qui assure le niveau de r\u00e9tention des connaissances s\u00e9lectionn\u00e9. Apr\u00e8s chaque r\u00e9p\u00e9tition, l&rsquo;\u00e9tudiant attribue une note, qui d\u00e9termine la pr\u00e9cision et la facilit\u00e9 avec lesquelles la bonne r\u00e9ponse est reproduite.<\/li><li>Sur la base des notes, les \u00e9l\u00e9ments sont class\u00e9s en cat\u00e9gories de difficult\u00e9. Leur difficult\u00e9 est r\u00e9estim\u00e9e \u00e0 chaque r\u00e9p\u00e9tition successive. La difficult\u00e9 de chaque \u00e9l\u00e9ment est caract\u00e9ris\u00e9e par les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;mentionn\u00e9s plus haut (E pour \u00ab easiness \u00bb, facilit\u00e9). Les facteurs E sont \u00e9gaux \u00e0 2,5 pour tous les \u00e9l\u00e9ments \u00e0 leur entr\u00e9e dans le processus d&rsquo;apprentissage, puis modifi\u00e9s apr\u00e8s les r\u00e9p\u00e9titions successives. Par exemple, des notes sup\u00e9rieures \u00e0 quatre entra\u00eenent une l\u00e9g\u00e8re augmentation du facteur E (de bonnes notes indiquent des \u00e9l\u00e9ments faciles), tandis que des notes inf\u00e9rieures \u00e0 quatre le r\u00e9duisent. Historiquement, les facteurs E servaient \u00e0 d\u00e9terminer de combien les intervalles devaient augmenter \u00e0 chaque r\u00e9p\u00e9tition successive d&rsquo;\u00e9l\u00e9ments d&rsquo;une difficult\u00e9 donn\u00e9e. Aujourd&rsquo;hui, les facteurs E ne servent qu&rsquo;\u00e0 indexer les matrices des facteurs optimaux et des facteurs de r\u00e9tention, et n&rsquo;ont plus qu&rsquo;un lien t\u00e9nu avec l&rsquo;augmentation r\u00e9elle des intervalles.<\/li><li>Des intervalles optimaux diff\u00e9rents sont appliqu\u00e9s aux \u00e9l\u00e9ments de difficult\u00e9 diff\u00e9rente.<\/li><li>Des intervalles diff\u00e9rents sont appliqu\u00e9s aux \u00e9l\u00e9ments qui ont \u00e9t\u00e9 r\u00e9p\u00e9t\u00e9s un nombre de fois diff\u00e9rent.<\/li><li>La fonction des intervalles optimaux est constamment modifi\u00e9e afin de produire la r\u00e9tention des connaissances souhait\u00e9e, d\u00e9termin\u00e9e par l&rsquo;indice d&rsquo;oubli. En d&rsquo;autres termes, l&rsquo;algorithme d\u00e9tectera dans quelle mesure l&rsquo;\u00e9tudiant g\u00e8re bien les r\u00e9p\u00e9titions et ajustera la longueur des intervalles inter-r\u00e9p\u00e9tition en cons\u00e9quence.<\/li><li>La fonction des intervalles optimaux est repr\u00e9sent\u00e9e par la matrice des facteurs optimaux, matrice OF en abr\u00e9g\u00e9, d\u00e9finie comme suit&nbsp;: pour n=1&nbsp;: I(n,EF)=OF(n,EF)&nbsp;; pour n&gt;1&nbsp;: I(n,EF)=I(n-1,EF)*OF(n,EF)&nbsp;; o\u00f9&nbsp;:<ul><li>I(n,EF) &#8211; n-i\u00e8me intervalle pour la difficult\u00e9 EF<\/li><li>OF(n,EF) &#8211; facteur optimal pour la n-i\u00e8me r\u00e9p\u00e9tition et la difficult\u00e9 EF<\/li><\/ul>Les entr\u00e9es de la matrice des facteurs optimaux sont modifi\u00e9es au cours des r\u00e9p\u00e9titions afin d&rsquo;assurer le niveau souhait\u00e9 de r\u00e9tention des connaissances<\/li><li>La matrice des facteurs optimaux est produite en lissant la&nbsp;<strong>matrice des facteurs de r\u00e9tention<\/strong>, matrice RF en abr\u00e9g\u00e9. La matrice des facteurs de r\u00e9tention est d\u00e9finie de la m\u00eame mani\u00e8re que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/OF_matrix\" rel=\"noreferrer noopener\" target=\"_blank\">matrice des facteurs optimaux<\/a>.<\/li><li>Les entr\u00e9es de la matrice des facteurs de r\u00e9tention visent \u00e0 estimer les valeurs des entr\u00e9es de la matrice des facteurs optimaux. Chaque facteur optimal correspond \u00e0 un intervalle optimal qui produit la r\u00e9tention souhait\u00e9e lors de la r\u00e9p\u00e9tition (d\u00e9termin\u00e9e par l&rsquo;indice d&rsquo;oubli demand\u00e9). Chaque entr\u00e9e de la matrice des facteurs de r\u00e9tention correspond \u00e0 une valeur diff\u00e9rente du facteur E et \u00e0 un num\u00e9ro de r\u00e9p\u00e9tition diff\u00e9rent<\/li><li>Les entr\u00e9es de la matrice des facteurs de r\u00e9tention, appel\u00e9es&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/R-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs R<\/a>&nbsp;<\/strong>, sont calcul\u00e9es \u00e0 partir des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;dont la forme est esquiss\u00e9e sur la base de l&rsquo;historique des r\u00e9p\u00e9titions<\/li><li>Le temps \u00e9coul\u00e9 sur le graphique de la courbe d&rsquo;oubli est mesur\u00e9 par le&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/U-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur U<\/a>&nbsp;<\/strong>, qui est le rapport entre l&rsquo;intervalle actuel et le pr\u00e9c\u00e9dent, sauf pour la premi\u00e8re r\u00e9p\u00e9tition, o\u00f9 le facteur U est \u00e9gal \u00e0 l&rsquo;intervalle en jours (comme dans la&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#forgetting_curve_in_SM8\" rel=\"noreferrer noopener\" target=\"_blank\">figure<\/a>). L&rsquo;enregistrement des r\u00e9p\u00e9titions permet de calculer la r\u00e9tention pour diff\u00e9rentes valeurs du facteur U. Le graphique de la r\u00e9tention en fonction du temps \u00e9coul\u00e9 (facteur U) repr\u00e9sente une courbe d&rsquo;oubli. L&rsquo;intersection de la courbe d&rsquo;oubli avec le niveau de r\u00e9tention souhait\u00e9 d\u00e9termin\u00e9 le facteur R optimal, qui, apr\u00e8s lissage de la matrice des facteurs de r\u00e9tention, donne le facteur O optimal<\/li><li>Chaque cat\u00e9gorie de difficult\u00e9 et chaque num\u00e9ro de r\u00e9p\u00e9tition dispose de son propre enregistrement de r\u00e9p\u00e9titions, utilis\u00e9 pour esquisser une courbe d&rsquo;oubli distincte. En d&rsquo;autres termes, des intervalles diff\u00e9rents seront utilis\u00e9s pour des \u00e9l\u00e9ments de difficult\u00e9 diff\u00e9rente, et pour des \u00e9l\u00e9ments r\u00e9p\u00e9t\u00e9s un nombre de fois diff\u00e9rent.<\/li><li>Les intervalles utilis\u00e9s dans l&rsquo;apprentissage, y compris le premier intervalle, sont l\u00e9g\u00e8rement dispers\u00e9s autour de la valeur optimale afin d&rsquo;augmenter la pr\u00e9cision de l&rsquo;esquisse de la courbe d&rsquo;oubli, et par cons\u00e9quent, d&rsquo;augmenter le taux de convergence de la proc\u00e9dure d&rsquo;optimisation. En dispersant l\u00e9g\u00e8rement les intervalles, l&rsquo;approximation de la courbe d&rsquo;oubli utilisera un ensemble de points plus dispers\u00e9 sur le graphique<\/li><\/ol>\n\n<h1 class=\"wp-block-heading\"><div id=\"1994\">1994&nbsp;: la nature exponentielle de l&rsquo;oubli<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Courbe d&rsquo;oubli&nbsp;: loi de puissance ou exponentielle<\/h2>\n\n<p class=\"wp-block-paragraph\">La forme de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;est essentielle pour comprendre la m\u00e9moire. Les math\u00e9matiques derri\u00e8re cette courbe peuvent m\u00eame \u00e9clairer la compr\u00e9hension du r\u00f4le du sommeil (voir plus loin). Lorsque Ebbinghaus a d\u00e9termin\u00e9 pour la premi\u00e8re fois le rythme de l&rsquo;oubli, il a obtenu un ensemble de donn\u00e9es assez satisfaisant, bien ajust\u00e9 \u00e0 une fonction en loi de puissance. Cependant, aujourd&rsquo;hui, nous savons que l&rsquo;oubli est exponentiel. L&rsquo;\u00e9cart s&rsquo;explique&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Error_of_Ebbinghaus_forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/6\/64\/Ebbinghaus_forgetting_curve_%281885%29%28power_regression%29.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/6\/64\/Ebbinghaus_forgetting_curve_%281885%29%28power_regression%29.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\">Courbe d&rsquo;oubli adapt\u00e9e d&rsquo;apr\u00e8s Hermann Ebbinghaus (1885). La courbe a \u00e9t\u00e9 reconstitu\u00e9e \u00e0 partir des donn\u00e9es tabulaires originales publi\u00e9es par Ebbinghaus (Piotr Wozniak, 2017)<\/p>\n\n<h2 class=\"wp-block-heading\">Une id\u00e9e fausse qui a servi la r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">Pendant de nombreuses ann\u00e9es, la forme exacte de la courbe n&rsquo;a jou\u00e9 qu&rsquo;un r\u00f4le mineur dans la r\u00e9p\u00e9tition espac\u00e9e. Mes premi\u00e8res intuitions \u00e9taient assez confuses, selon le contexte. D\u00e9j\u00e0 en 1982, je pensais que l&rsquo;\u00e9volution avait con\u00e7u l&rsquo;oubli pour que le cerveau ne manque pas d&rsquo;espace m\u00e9moire. Le moment optimal pour oublier serait d\u00e9termin\u00e9 par les propri\u00e9t\u00e9s statistiques de l&rsquo;environnement. Le d\u00e9clin serait programm\u00e9 pour maximiser la survie. Une fois la r\u00e9vision manqu\u00e9e, la m\u00e9moire serait effac\u00e9e pour laisser de la place \u00e0 un nouvel apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;avais tort de penser qu&rsquo;il pouvait exister un moment optimal pour l&rsquo;oubli, et cette erreur s&rsquo;est en fait r\u00e9v\u00e9l\u00e9e utile pour inventer la r\u00e9p\u00e9tition espac\u00e9e. Cette intuition du \u00ab moment optimal \u00bb a contribu\u00e9 \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">premi\u00e8re exp\u00e9rience de 1985<\/a>. Le moment optimal pour l&rsquo;oubli impliquerait une courbe d&rsquo;oubli sigmo\u00efdale avec un point d&rsquo;inflexion net d\u00e9terminant l&rsquo;optimalit\u00e9. Avant la r\u00e9vision, l&rsquo;oubli serait minime. Une r\u00e9vision retard\u00e9e entra\u00eenerait un oubli rapide. C&rsquo;est pourquoi trouver l&rsquo;intervalle optimal semblait si crucial. Lorsque les donn\u00e9es ont commenc\u00e9 \u00e0 affluer plus tard, avec mon biais de confirmation, je ne parvenais toujours pas \u00e0 voir mon erreur. J&rsquo;ai \u00e9crit dans mon m\u00e9moire de master, \u00e0 propos de l&rsquo;oubli sigmo\u00efdal&nbsp;: \u00ab&nbsp;<em>cela d\u00e9coule directement de l&rsquo;observation que, avant l&rsquo;\u00e9coulement de l&rsquo;intervalle optimal, le nombre de trous de m\u00e9moire est n\u00e9gligeable<\/em>&nbsp;\u00bb. J&rsquo;avais d\u00fb oublier&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Hermann_Ebbinghaus_(1885)_and_spaced_repetition_(1985)\" rel=\"noreferrer noopener\" target=\"_blank\">mon propre graphique de courbe d&rsquo;oubli produit fin 1984<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, cela para\u00eet absurde, mais m\u00eame mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le d&rsquo;apprentissage intermittent<\/a>&nbsp;apportait un certain soutien \u00e0 cette th\u00e9orie. L&rsquo;approximation exponentielle produisait une erreur d&rsquo;\u00e9cart particuli\u00e8rement \u00e9lev\u00e9e pour les donn\u00e9es recueillies dans mon travail sur le mod\u00e8le d&rsquo;apprentissage intermittent, et la superposition de courbes sigmo\u00efdes pour diff\u00e9rents&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;pouvait facilement imiter une lin\u00e9arit\u00e9 pr\u00e9coce. L&rsquo;approximation lin\u00e9aire semblait s&rsquo;ajuster \u00e0 merveille au mod\u00e8le d&rsquo;apprentissage intermittent dans la plage de rappel des donn\u00e9es disponibles. Rien d&rsquo;\u00e9tonnant, avec des pages enti\u00e8res de mat\u00e9riel h\u00e9t\u00e9rog\u00e8ne, \u00e0 ce que la nature exponentielle de l&rsquo;oubli soit rest\u00e9e bien cach\u00e9e.<\/p>\n\n<h2 class=\"wp-block-heading\">Mod\u00e8les contradictoires<\/h2>\n\n<p class=\"wp-block-paragraph\">Je ne me suis gu\u00e8re pench\u00e9 sur les courbes d&rsquo;oubli. Cependant, mon mod\u00e8le biologique, qui remonte \u00e0 1988, parlait d&rsquo;une d\u00e9croissance exponentielle de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. Apparemment, \u00e0 cette \u00e9poque, la courbe d&rsquo;oubli et la r\u00e9cup\u00e9rabilit\u00e9 pouvaient coexister dans mon esprit comme des entit\u00e9s ind\u00e9pendantes.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans mon travail de validation pour un cours de simulation informatique (Dr Katulski, janvier 1988), mes graphiques montrent clairement des courbes d&rsquo;oubli exponentielles&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"2169\" height=\"3054\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Hypothetical_mechanism_involved_in_the_process_of_optimal_learning-1.jpg\" alt=\"\" class=\"wp-image-33529\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;M\u00e9canisme hypoth\u00e9tique impliqu\u00e9 dans le processus d&rsquo;apprentissage optimal. (A) Ph\u00e9nom\u00e8nes mol\u00e9culaires (B) Changements quantitatifs dans la synapse.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">\u00c0 cette \u00e9poque, j&rsquo;avais peut-\u00eatre d\u00e9j\u00e0 repris une meilleure id\u00e9e trouv\u00e9e dans la litt\u00e9rature. Dans les ann\u00e9es 1986-1987, j&rsquo;ai pass\u00e9 beaucoup de temps \u00e0 la biblioth\u00e8que universitaire \u00e0 chercher de bonnes recherches sur la r\u00e9p\u00e9tition espac\u00e9e. Je n&rsquo;en ai trouv\u00e9 aucune. J&rsquo;\u00e9tais peut-\u00eatre d\u00e9j\u00e0 familier avec la courbe d&rsquo;oubli d&rsquo;Ebbinghaus. Elle est mentionn\u00e9e dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Collecte de donn\u00e9es<\/h2>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai collect\u00e9 les donn\u00e9es pour mon premier trac\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Hermann_Ebbinghaus_(1885)_and_spaced_repetition_(1985)\" rel=\"noreferrer noopener\" target=\"_blank\">fin 1984<\/a>. Comme tout cet apprentissage se faisait pour le plaisir d&rsquo;apprendre sur une p\u00e9riode de 11 mois, et que le co\u00fbt du graphique \u00e9tait minime, j&rsquo;ai oubli\u00e9 ce graphique, qui est rest\u00e9 inutilis\u00e9 pendant 34 ans dans mes archives&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"3390\" height=\"2418\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_for_retention_of_English_vocabulary_1984.jpg\" alt=\"\" class=\"wp-image-33544\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Ma<\/a>&nbsp;toute premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;pour la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;du vocabulaire anglais, trac\u00e9e en 1984, soit quelques mois avant de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">concevoir SuperMemo sur papier<\/a>. Ce graphique ne faisait pas partie de l&rsquo;exp\u00e9rience. Il s&rsquo;agissait simplement d&rsquo;une \u00e9valuation cumulative des r\u00e9sultats de l&rsquo;apprentissage intermittent du vocabulaire anglais. Le graphique fut rapidement oubli\u00e9. Il a \u00e9t\u00e9 red\u00e9couvert 34 ans plus tard. Apr\u00e8s la m\u00e9morisation, 49 pages d&rsquo;environ 40 paires de mots anglais ont \u00e9t\u00e9 r\u00e9vis\u00e9es \u00e0 diff\u00e9rents intervalles, et le nombre d&rsquo;erreurs de rappel a \u00e9t\u00e9 enregistr\u00e9. Apr\u00e8s \u00e9limination des valeurs aberrantes et calcul de la moyenne, la courbe appara\u00eet beaucoup moins abrupte que celle obtenue par Ebbinghaus (1885), qui utilisait des syllabes d\u00e9nu\u00e9es de sens et une mesure diff\u00e9rente de l&rsquo;oubli&nbsp;: l&rsquo;\u00e9conomie de temps lors du r\u00e9apprentissage<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\"><a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">Mon exp\u00e9rience de 1985<\/a>&nbsp;pourrait aussi \u00eatre consid\u00e9r\u00e9e comme une tentative bruit\u00e9e de collecter des donn\u00e9es de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>. Cependant, les premiers SuperMemo ne se souciaient pas de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>. L&rsquo;optimisation \u00e9tait de nature bang-bang, m\u00eame si aujourd&rsquo;hui, collecter des donn\u00e9es de r\u00e9tention semble une solution si \u00e9vidente (comme en 1985).<\/p>\n\n<p class=\"wp-block-paragraph\">Jusqu&rsquo;\u00e0 ce que je commence \u00e0 collecter des donn\u00e9es avec le logiciel&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, o\u00f9 chaque \u00e9l\u00e9ment pouvait \u00eatre examin\u00e9 ind\u00e9pendamment, je n&rsquo;ai pas pu me d\u00e9faire compl\u00e8tement de mes premi\u00e8res notions erron\u00e9es sur l&rsquo;oubli.<\/p>\n\n<p class=\"wp-block-paragraph\">SuperMemo 1 pour DOS (1987) recueillait des historiques complets de r\u00e9p\u00e9titions qui auraient permis de d\u00e9terminer la nature de l&rsquo;oubli. Cependant, en l&rsquo;espace de 10 jours (le 23 d\u00e9cembre 1987), j&rsquo;ai d\u00fb abandonner l&rsquo;enregistrement complet des r\u00e9p\u00e9titions. \u00c0 cette \u00e9poque, mon espace disque \u00e9tait de 360 Ko. C&rsquo;est exact. Je faisais tourner SuperMemo \u00e0 partir d&rsquo;anciennes disquettes 5,25 pouces. L&rsquo;enregistrement complet de l&rsquo;historique des r\u00e9p\u00e9titions n&rsquo;est revenu dans SuperMemo que 8 longues ann\u00e9es plus tard (le 15 f\u00e9vrier 1996), apr\u00e8s les efforts intenses du Dr&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Janusz Murakowski<\/a>, qui consid\u00e9rait chaque minute qui s&rsquo;\u00e9coulait comme un gaspillage de donn\u00e9es pr\u00e9cieuses pouvant alimenter les futurs algorithmes et la recherche sur la m\u00e9moire. Deux d\u00e9cennies plus tard, nous disposons de plus de donn\u00e9es que nous pouvons effectivement traiter.<\/p>\n\n<p class=\"wp-block-paragraph\">Sans historique de r\u00e9p\u00e9titions, je pouvais tout de m\u00eame \u00e9tudier l&rsquo;oubli \u00e0 l&rsquo;aide des donn\u00e9es de courbe d&rsquo;oubli collect\u00e9es ind\u00e9pendamment. Le 6 janvier 1991, j&rsquo;ai trouv\u00e9 comment enregistrer les courbes d&rsquo;oubli dans un petit fichier qui n&rsquo;alourdirait pas la taille de la base de donn\u00e9es (c&rsquo;est-\u00e0-dire sans l&rsquo;enregistrement complet de l&rsquo;historique des r\u00e9p\u00e9titions).<\/p>\n\n<p class=\"wp-block-paragraph\">Ce n&rsquo;est qu&rsquo;avec SuperMemo 6, en 1991, que la collecte de donn\u00e9es de courbe d&rsquo;oubli a commenc\u00e9 pour d\u00e9terminer les intervalles optimaux. Il s&rsquo;agissait de faire la m\u00eame chose que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">ma premi\u00e8re exp\u00e9rience<\/a>, sauf que cela se faisait automatiquement, \u00e0 grande \u00e9chelle, et pour des souvenirs s\u00e9par\u00e9s en questions individuelles (ce qui r\u00e9solvait le probl\u00e8me de l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9). SuperMemo 6 utilisait au d\u00e9part une recherche par dichotomie pour trouver le meilleur moment correspondant \u00e0 l&rsquo;indice d&rsquo;oubli. Une bonne approximation restait encore \u00e0 3 ans dans le futur.<\/p>\n\n<h2 class=\"wp-block-heading\">Premi\u00e8res donn\u00e9es de courbe d&rsquo;oubli<\/h2>\n\n<p class=\"wp-block-paragraph\">En mai 1991, j&rsquo;avais quelques premi\u00e8res donn\u00e9es \u00e0 examiner, et ce fut une grande d\u00e9ception. J&rsquo;avais pr\u00e9vu qu&rsquo;il me faudrait un an pour voir appara\u00eetre une r\u00e9gularit\u00e9. Cependant, tous les deux mois environ, je continuais de noter ma d\u00e9ception face \u00e0 des progr\u00e8s minimes. Les progr\u00e8s dans la collecte de donn\u00e9es \u00e9taient d&rsquo;une lenteur exasp\u00e9rante et l&rsquo;attente \u00e9tait insupportable. Un an plus tard, je n&rsquo;\u00e9tais pas plus proche du but. Si Ebbinghaus avait pu tracer une bonne courbe avec des syllabes d\u00e9nu\u00e9es de sens, sa souffrance li\u00e9e au manque de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Coherence\" rel=\"noreferrer noopener\" target=\"_blank\">coh\u00e9rence<\/a>&nbsp;avait d\u00fb en valoir la peine. Avec des donn\u00e9es significatives, la v\u00e9rit\u00e9 mettait beaucoup de temps \u00e0 \u00e9merger. M\u00eame avec la commodit\u00e9 de tout faire faire par un ordinateur tout en s&rsquo;amusant \u00e0 apprendre.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 3 septembre 1992, SuperMemo 7 pour Windows a permis de jeter un premier bon coup d&rsquo;\u0153il sur une v\u00e9ritable courbe d&rsquo;oubli. La vue \u00e9tait fascinante&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1050\" height=\"887\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_in_SuperMemo_7-1.png\" alt=\"\" class=\"wp-image-33559\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;SuperMemo 7 pour Windows a \u00e9t\u00e9 \u00e9crit en 1992. D\u00e8s le 3 septembre 1992, il \u00e9tait capable d&rsquo;afficher le graphique de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;de l&rsquo;utilisateur. L&rsquo;axe horizontal, intitul\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/U-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur U<\/a>, correspondait aux jours dans ce graphique particulier. Les inflexions entre les jours 14 et 20 \u00e9taient l&rsquo;une des raisons pour lesquelles il \u00e9tait difficile de d\u00e9terminer la nature de l&rsquo;oubli. Les anciennes hypoth\u00e8ses erron\u00e9es \u00e9taient difficiles \u00e0 r\u00e9futer. Jusqu&rsquo;au jour 13, l&rsquo;oubli paraissait presque lin\u00e9aire et pouvait aussi bien correspondre \u00e0 un bon ajustement exponentiel. Il a fallu encore deux ans de collecte de donn\u00e9es pour trouver des r\u00e9ponses (source&nbsp;: SuperMemo 7&nbsp;: guide de l&rsquo;utilisateur)<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Approximations de la courbe d&rsquo;oubli<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1994, je n&rsquo;\u00e9tais toujours pas certain de la nature de l&rsquo;oubli. J&rsquo;ai repris les donn\u00e9es collect\u00e9es durant les 3 ann\u00e9es pr\u00e9c\u00e9dentes (1991-1994) et j&rsquo;ai entrepris de d\u00e9terminer la courbe une fois pour toutes. Je me suis concentr\u00e9 sur mes propres donn\u00e9es, issues de plus de 200 000 r\u00e9p\u00e9titions. Ce ne fut cependant pas facile. Si SuperMemo planifie une r\u00e9p\u00e9tition \u00e0 R=0,9, on peut tracer une ligne droite de R=1,0 \u00e0 R=0,9 et obtenir de bons r\u00e9sultats avec des donn\u00e9es bruit\u00e9es&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"910\" height=\"661\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_approximation_difficulty.png\" alt=\"\" class=\"wp-image-33574\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Difficult\u00e9 d&rsquo;approximer la courbe d&rsquo;oubli. En 1994, il \u00e9tait difficile de comprendre la nature de l&rsquo;oubli dans SuperMemo, car la plupart des donn\u00e9es \u00e9taient collect\u00e9es dans une plage de rappel \u00e9lev\u00e9.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Mes notes du 6 mai 1994 illustrent le degr\u00e9 d&rsquo;incertitude&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Anecdote personnelle.&nbsp;Pourquoi utiliser des anecdotes&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\">6 mai 1994&nbsp;:&nbsp;<em>toute une journ\u00e9e de tentatives folles pour mieux approximer les courbes d&rsquo;oubli. J&rsquo;ai d&rsquo;abord essay\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">R<\/a>=1-i&nbsp;<sub>n<\/sub>\/(H&nbsp;<sub>n<\/sub>+i&nbsp;<sub>n<\/sub>) o\u00f9 i &#8211; l&rsquo;intervalle, H &#8211; la demi-vie de la m\u00e9moire, et n &#8211; le facteur de coop\u00e9rativit\u00e9. Tard dans la soir\u00e9e, \u00e7a marchait, mais assez lentement, mais&#8230; il s&rsquo;est av\u00e9r\u00e9 que r=exp(-a*i) fonctionne \u00e0 peine moins bien&nbsp;! M\u00eame la vieille approximation lin\u00e9aire n&rsquo;\u00e9tait pas beaucoup moins bonne (sigmo\u00efde&nbsp;: D=8,6&nbsp;%, exponentielle D=8,8&nbsp;%, et lin\u00e9aire D=10,8&nbsp;%). Peut-\u00eatre que les courbes d&rsquo;oubli sont effectivement exponentielles&nbsp;? Je vais dormir \u00e0 2h50<\/em><\/p>\n\n<p class=\"wp-block-paragraph\">Il n&rsquo;\u00e9tait pas facile de distinguer les fonctions lin\u00e9aires, en loi de puissance, exponentielles, de Zipf, de Hill, et autres. Les approximations exponentielles, en loi de puissance et m\u00eame lin\u00e9aires donnaient des r\u00e9sultats plut\u00f4t bons selon des circonstances difficiles \u00e0 isoler. Ce n&rsquo;est qu&rsquo;en observant les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;bien tri\u00e9es par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;\u00e0 des niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;plus \u00e9lev\u00e9s, malgr\u00e9 le manque de donn\u00e9es de ces graphiques, que j&rsquo;ai pu voir plus clairement la nature exponentielle de l&rsquo;oubli.<\/p>\n\n<p class=\"wp-block-paragraph\">Une des fausses pistes de 1994 fut que, naturellement, j&rsquo;avais surtout collect\u00e9 des donn\u00e9es pour la premi\u00e8re r\u00e9vision. Les nouveaux \u00e9l\u00e9ments, \u00e0 leur entr\u00e9e dans le processus, forment encore un groupe h\u00e9t\u00e9rog\u00e8ne qui ob\u00e9it \u00e0 la loi de puissance de l&rsquo;oubli.<\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/5\/5a\/Forgettingcurve.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/5\/5a\/Forgettingcurve.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\">La courbe d&rsquo;oubli de la premi\u00e8re r\u00e9vision pour des connaissances nouvellement apprises, collect\u00e9e avec SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">Plus tard, lorsqu&rsquo;ils sont tri\u00e9s par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>, ils commencent \u00e0 devenir exponentiels. Dans l&rsquo;algorithme SM-6, la complexit\u00e9 et la stabilit\u00e9 \u00e9taient imparfaitement exprim\u00e9es respectivement par les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;et le num\u00e9ro de r\u00e9p\u00e9tition. Cela a entra\u00een\u00e9 des imperfections algorithmiques qui ont rendu le tri imparfait. En outre, SuperMemo reste dans la zone de r\u00e9tention \u00e9lev\u00e9e o\u00f9 l&rsquo;oubli est presque lin\u00e9aire.<\/p>\n\n<p class=\"wp-block-paragraph\">En mai 1994, la principale courbe de premi\u00e8re r\u00e9vision de ma base de donn\u00e9es&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Advanced_English\" rel=\"noreferrer noopener\" target=\"_blank\">Advanced English<\/a>&nbsp;avait rassembl\u00e9 18 000 points de donn\u00e9es et semblait \u00eatre le meilleur mat\u00e9riau analytique. Cependant, cette courbe englobait tout le mat\u00e9riel d&rsquo;apprentissage entrant dans le processus, ind\u00e9pendamment de sa difficult\u00e9. Je ne savais pas encore que cette courbe \u00e9tait r\u00e9gie par la loi de puissance. Mon meilleur \u00e9cart \u00e9tait de 2,0.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour une courbe similaire de 2018, voir&nbsp;:<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"400\" height=\"235\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9.png\" alt=\"\" class=\"wp-image-53142\" srcset=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9.png 400w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-350x206.png 350w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-266x156.png 266w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-320x188.png 320w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-260x153.png 260w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-245x144.png 245w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-200x118.png 200w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-102x60.png 102w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-110x65.png 110w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-153x90.png 153w, https:\/\/www.supermemo.com\/wp-content\/uploads\/400px-Forgetting_curve_for_average_difficulty_A-Factor3.9-140x82.png 140w\" sizes=\"auto, (max-width: 400px) 100vw, 400px\" \/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Courbe d&rsquo;oubli obtenue en 2018 avec SuperMemo 17 pour une difficult\u00e9 moyenne (facteur A=3,9). Avec 19 315 r\u00e9p\u00e9titions et un \u00e9cart des moindres carr\u00e9s de 2,319, elle est assez semblable \u00e0 la courbe de 1994, sauf qu&rsquo;elle est mieux approxim\u00e9e par une fonction exponentielle (pour un exemple de fonction en loi de puissance, voir&nbsp;: <a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>).<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">L&rsquo;oubli exponentiel s&rsquo;impose<\/h2>\n\n<p class=\"wp-block-paragraph\">D\u00e8s l&rsquo;\u00e9t\u00e9 1994, j&rsquo;\u00e9tais raisonnablement convaincu de la nature exponentielle de l&rsquo;oubli. En 1995, nous avons publi\u00e9&nbsp;<a href=\"http:\/\/super-memory.com\/english\/2vm.htm\" rel=\"nofollow noopener\" target=\"_blank\">\u00ab 2 composantes de la m\u00e9moire \u00bb<\/a>&nbsp;avec la formule R=exp(-t\/S). Notre publication reste largement ignor\u00e9e par la science dominante, mais elle est omnipr\u00e9sente sur le web d\u00e8s qu&rsquo;il est question des courbes d&rsquo;oubli.<\/p>\n\n<p class=\"wp-block-paragraph\">Il est int\u00e9ressant de noter qu&rsquo;en 1966, le laur\u00e9at du prix Nobel&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Herbert_A._Simon\" rel=\"nofollow noopener\" target=\"_blank\">Herbert Simon<\/a>&nbsp;s&rsquo;est pench\u00e9 sur la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Jost%27s_Law\" rel=\"noreferrer noopener\" target=\"_blank\">loi de Jost<\/a>, d\u00e9riv\u00e9e des travaux d&rsquo;&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Hermann_Ebbinghaus\" rel=\"nofollow noopener\" target=\"_blank\">Ebbinghaus<\/a>&nbsp;de 1897.&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Herbert_Simon_predicted_two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">Simon a remarqu\u00e9<\/a>&nbsp;que la nature exponentielle de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">oubli<\/a>&nbsp;n\u00e9cessitait l&rsquo;existence d&rsquo;une propri\u00e9t\u00e9 de la m\u00e9moire que nous appelons aujourd&rsquo;hui la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;de la m\u00e9moire. Simon a \u00e9crit un court article et est pass\u00e9 \u00e0 des centaines d&rsquo;autres projets qui l&rsquo;occupaient. Son texte fut largement oubli\u00e9, mais il s&rsquo;est r\u00e9v\u00e9l\u00e9 proph\u00e9tique. En 1988, un raisonnement similaire a conduit \u00e0 l&rsquo;id\u00e9e du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_components_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire \u00e0 long terme<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, nous pouvons ajouter une implication suppl\u00e9mentaire&nbsp;: si l&rsquo;oubli est exponentiel, cela implique une probabilit\u00e9 constante d&rsquo;oubli par unit\u00e9 de temps, ce qui implique une interf\u00e9rence du r\u00e9seau neuronal, ce qui implique que le sommeil pourrait renforcer la stabilit\u00e9 non pas en consolidant les souvenirs, mais simplement en supprimant la cause de l&rsquo;interf\u00e9rence&nbsp;: les synapses inutiles.&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Giulio_Tononi\" rel=\"nofollow noopener\" target=\"_blank\">Giulio Tononi<\/a>&nbsp;pourrait alors avoir raison au sujet de la perte nette de synapses durant le sommeil. Cependant, il pense que cette perte est hom\u00e9ostatique. L&rsquo;oubli exponentiel indique que cela pourrait \u00eatre bien davantage. Il pourrait s&rsquo;agir d&rsquo;une forme d&rsquo;\u00ab&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_optimization_in_sleep\" rel=\"noreferrer noopener\" target=\"_blank\">oubli intelligent<\/a>&nbsp;\u00bb de ce qui interf\u00e8re avec les souvenirs cl\u00e9s renforc\u00e9s \u00e0 l&rsquo;\u00e9tat de veille.<\/p>\n\n<h2 class=\"wp-block-heading\">Courbe d&rsquo;oubli exponentielle n\u00e9gative<\/h2>\n\n<p class=\"wp-block-paragraph\">Ce n&rsquo;est qu&rsquo;en 2005 que nous avons \u00e9crit plus en d\u00e9tail sur la nature exponentielle de l&rsquo;oubli. Dans un article pr\u00e9sent\u00e9 par le Dr&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Edward_Gorzelanczyk\" rel=\"noreferrer noopener\" target=\"_blank\">Gorzela\u0144czyk<\/a>&nbsp;lors d&rsquo;une conf\u00e9rence de mod\u00e9lisation en Pologne, nous avons \u00e9crit&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\">Bien que l&rsquo;on ait toujours soup\u00e7onn\u00e9 que l&rsquo;oubli \u00e9tait de nature exponentielle, prouver ce fait n&rsquo;a jamais \u00e9t\u00e9 simple. La d\u00e9croissance exponentielle appara\u00eet de mani\u00e8re standard dans les syst\u00e8mes biologiques et physiques, de la d\u00e9croissance radioactive au s\u00e9chage du bois. Elle survient partout o\u00f9 le taux de d\u00e9croissance attendu est proportionnel \u00e0 la taille de l&rsquo;\u00e9chantillon, et o\u00f9 la probabilit\u00e9 de d\u00e9sint\u00e9gration d&rsquo;une seule particule est constante. Les probl\u00e8mes suivants ont entrav\u00e9 les efforts de mod\u00e9lisation de l&rsquo;oubli depuis les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Error_of_Ebbinghaus_forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">travaux d&rsquo;Ebbinghaus (Ebbinghaus, 1885)<\/a>&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>une taille d&rsquo;\u00e9chantillon r\u00e9duite<\/li><li>l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 de l&rsquo;\u00e9chantillon<\/li><li>la confusion entre les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>, les courbes de r\u00e9apprentissage, les courbes de pratique, les courbes d&rsquo;\u00e9conomie, les courbes d&rsquo;essais pour apprendre, les courbes d&rsquo;erreur, et d&rsquo;autres membres de la famille des courbes d&rsquo;apprentissage<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">En utilisant&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, nous pouvons surmonter tous ces obstacles pour \u00e9tudier la nature du d\u00e9clin de la m\u00e9moire. En tant qu&rsquo;application commerciale populaire, SuperMemo donne acc\u00e8s \u00e0 un volume quasi illimit\u00e9 de donn\u00e9es recueillies aupr\u00e8s d&rsquo;\u00e9tudiants du monde entier. Les graphiques de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;accessibles \u00e0 chaque utilisateur du programme (&nbsp;<strong>Outils : Statistiques : Analyse : Courbes d&rsquo;oubli<\/strong>) sont trac\u00e9s sur des \u00e9chantillons de donn\u00e9es relativement homog\u00e8nes et constituent un reflet fid\u00e8le du d\u00e9clin de la m\u00e9moire dans le temps (par opposition \u00e0 d&rsquo;autres formes de courbes d&rsquo;apprentissage). La qu\u00eate d&rsquo;homog\u00e9n\u00e9it\u00e9 affecte cependant significativement la taille de l&rsquo;\u00e9chantillon. Il est important de noter que les courbes d&rsquo;oubli pour du mat\u00e9riel pr\u00e9sentant une stabilit\u00e9 m\u00e9morielle et une difficult\u00e9 de connaissance diff\u00e9rentes diff\u00e8rent \u00e9galement. Alors que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;affecte le taux de d\u00e9clin, un mat\u00e9riel d&rsquo;apprentissage h\u00e9t\u00e9rog\u00e8ne produit une superposition de courbes d&rsquo;oubli individuelles, chacune caract\u00e9ris\u00e9e par un taux de d\u00e9clin diff\u00e9rent. Par cons\u00e9quent, m\u00eame dans des ensembles comportant des centaines de milliers d&rsquo;\u00e9l\u00e9ments d&rsquo;information participant au processus d&rsquo;apprentissage, seuls des \u00e9chantillons de donn\u00e9es homog\u00e8nes relativement restreints peuvent \u00eatre filtr\u00e9s. Ces \u00e9chantillons d\u00e9passent rarement quelques milliers de cas de r\u00e9p\u00e9titions. M\u00eame ainsi, ces ensembles de donn\u00e9es vont bien au-del\u00e0 de la qualit\u00e9 d&rsquo;\u00e9chantillon habituellement disponible pour les chercheurs \u00e9tudiant les propri\u00e9t\u00e9s de la m\u00e9moire en conditions contr\u00f4l\u00e9es. Pourtant, la nature stochastique de l&rsquo;oubli rend encore difficile de trancher d\u00e9finitivement sur la nature math\u00e9matique de la fonction de d\u00e9clin (voir les deux exemples ci-dessous). En ayant analys\u00e9 plusieurs centaines de milliers d&rsquo;\u00e9chantillons, nous nous sommes rapproch\u00e9s comme jamais de la d\u00e9monstration que l&rsquo;oubli est une forme de d\u00e9croissance exponentielle.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1041\" height=\"760\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Exemplary_forgetting_curve_1.jpg\" alt=\"\" class=\"wp-image-33604\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Exemple de courbe d&rsquo;oubli esquiss\u00e9e par SuperMemo. L&rsquo;\u00e9chantillon de la base de donn\u00e9es, comprenant pr\u00e8s d&rsquo;un million de cas de r\u00e9p\u00e9titions, a \u00e9t\u00e9 filtr\u00e9 pour une difficult\u00e9 moyenne et une faible stabilit\u00e9 (facteur A=3,9, S dans [4,20]), donnant 5850 cas de r\u00e9p\u00e9titions (moins de 1&nbsp;% de l&rsquo;\u00e9chantillon total). La ligne rouge r\u00e9sulte d&rsquo;une analyse de r\u00e9gression avec R=e&nbsp;<sup>-kt\/S<\/sup>. L&rsquo;ajustement de courbe avec d&rsquo;autres fonctions \u00e9l\u00e9mentaires d\u00e9montre que la d\u00e9croissance exponentielle offre la meilleure correspondance aux donn\u00e9es. La mesure du temps utilis\u00e9e dans le graphique est le facteur dit U, d\u00e9fini comme le quotient de l&rsquo;intervalle inter-r\u00e9p\u00e9tition actuel et du pr\u00e9c\u00e9dent. Notez que la d\u00e9croissance exponentielle dans la plage de R allant de 1 \u00e0 0,9 peut plausiblement \u00eatre approxim\u00e9e par une droite, ce qui ne serait pas le cas si la d\u00e9croissance avait \u00e9t\u00e9 caract\u00e9ris\u00e9e par une fonction en loi de puissance.<\/em><\/p><\/blockquote>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1041\" height=\"760\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Exemplary_forgetting_curve_2.jpg\" alt=\"\" class=\"wp-image-33619\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;Exemple de courbe d&rsquo;oubli esquiss\u00e9e par SuperMemo. L&rsquo;\u00e9chantillon de la base de donn\u00e9es, comprenant pr\u00e8s d&rsquo;un million de cas de r\u00e9p\u00e9titions, a \u00e9t\u00e9 filtr\u00e9 pour une difficult\u00e9 moyenne et une stabilit\u00e9 moyenne (facteur A=3,3, S &gt; 1 an), donnant 1082 cas de r\u00e9p\u00e9titions. La ligne rouge r\u00e9sulte d&rsquo;une analyse de r\u00e9gression avec R=e&nbsp;<sup>-kt\/S<\/sup>.<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Courbe d&rsquo;oubli&nbsp;: formule de la r\u00e9cup\u00e9rabilit\u00e9<\/h2>\n\n<p class=\"wp-block-paragraph\">Dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9 R<\/a>&nbsp;correspond \u00e0 la probabilit\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;et repr\u00e9sente la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;exponentielle. La r\u00e9cup\u00e9rabilit\u00e9 est d\u00e9riv\u00e9e de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle<\/a>&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">R[n]:=exp&nbsp;<sup>-k*t\/S[n-1]<\/sup><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>R[n] &#8211;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;\u00e0 la n-i\u00e8me&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9tition<\/a><\/li><li>k &#8211; constante de d\u00e9croissance<\/li><li>t &#8211; temps (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle<\/a>)<\/li><li>S[n-1] &#8211;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;apr\u00e8s la (n-1)-i\u00e8me r\u00e9p\u00e9tition<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Cette approche th\u00e9orique bien nette se complique quelque peu lorsque l&rsquo;on consid\u00e8re que l&rsquo;oubli peut ne pas \u00eatre parfaitement exponentiel si les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;sont difficiles ou de difficult\u00e9 mixte. De plus, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;peuvent \u00eatre fauss\u00e9es par les strat\u00e9gies de l&rsquo;utilisateur.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans l&rsquo;algorithme SM-8, nous esp\u00e9rions que l&rsquo;information sur la r\u00e9cup\u00e9rabilit\u00e9 pourrait \u00eatre d\u00e9riv\u00e9e des notes. Cela s&rsquo;est r\u00e9v\u00e9l\u00e9 faux. Il existe tr\u00e8s peu de corr\u00e9lation entre les notes et la r\u00e9cup\u00e9rabilit\u00e9, et celle-ci provient principalement du fait que les \u00e9l\u00e9ments complexes obtiennent de moins bonnes notes et ont tendance \u00e0 \u00eatre oubli\u00e9s plus vite (au moins au d\u00e9but).<\/p>\n\n<h2 class=\"wp-block-heading\">R\u00e9tention contre indice d&rsquo;oubli<\/h2>\n\n<p class=\"wp-block-paragraph\">La nature exponentielle de l&rsquo;oubli implique que la relation entre l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;mesur\u00e9 et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;des connaissances peut \u00eatre exprim\u00e9e avec pr\u00e9cision par la formule suivante&nbsp;:<\/p>\n\n<p class=\"wp-block-paragraph\">R\u00e9tention = -FI\/ln(1-FI)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>R\u00e9tention &#8211; la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;globale des connaissances exprim\u00e9e en fraction (0..1),<\/li><li>FI &#8211;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;exprim\u00e9 en fraction (l&rsquo;indice d&rsquo;oubli est \u00e9gal \u00e0 1 moins la r\u00e9tention des connaissances lors des r\u00e9p\u00e9titions).<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Par exemple, par d\u00e9faut, une r\u00e9p\u00e9tition espac\u00e9e bien men\u00e9e devrait aboutir \u00e0 une r\u00e9tention de 0,949 (soit 94,9&nbsp;%) pour un indice d&rsquo;oubli de 0,1 (soit 10&nbsp;%). Ces 94,9&nbsp;% illustrent \u00e0 quel point la d\u00e9croissance exponentielle ressemble d&rsquo;abord \u00e0 une fonction lin\u00e9aire. Pour un oubli lin\u00e9aire, le chiffre serait de 95,000&nbsp;% (soit 100&nbsp;% moins la moiti\u00e9 de l&rsquo;indice d&rsquo;oubli).<\/p>\n\n<h2 class=\"wp-block-heading\">Courbe d&rsquo;oubli pour du mat\u00e9riel mal formul\u00e9<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1994, j&rsquo;ai eu la chance que mes&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Database\" rel=\"noreferrer noopener\" target=\"_blank\">bases de donn\u00e9es<\/a>&nbsp;soient en grande partie bien formul\u00e9es. Ce n&rsquo;\u00e9tait souvent pas le cas des utilisateurs de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Pour des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;mal formul\u00e9s, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;s&rsquo;aplatit. Elle n&rsquo;est pas purement exponentielle (comme&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#Power_law_emerges_in_superposition_of_exponential_forgetting_curves\" rel=\"noreferrer noopener\" target=\"_blank\">une superposition de plusieurs courbes exponentielles<\/a>). SuperMemo ne peut jamais pr\u00e9dire le moment de l&rsquo;oubli d&rsquo;un \u00e9l\u00e9ment unique. L&rsquo;oubli est un processus stochastique et ne peut op\u00e9rer que sur des moyennes. Une id\u00e9e fausse fr\u00e9quemment r\u00e9pandue sur SuperMemo est qu&rsquo;il pr\u00e9dirait le moment exact de l&rsquo;oubli&nbsp;: ce n&rsquo;est pas vrai, et ce n&rsquo;est pas possible. Ce que fait SuperMemo, c&rsquo;est rechercher les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>&nbsp;pour lesquels des \u00e9l\u00e9ments d&rsquo;une difficult\u00e9 donn\u00e9e sont susceptibles de pr\u00e9senter une probabilit\u00e9 donn\u00e9e d&rsquo;oubli (par exemple 10&nbsp;%). Ces courbes d&rsquo;oubli aplaties ont conduit \u00e0 un paradoxe. N\u00e9gliger les \u00e9l\u00e9ments complexes peut mener \u00e0 une excellente survie apr\u00e8s de longues pauses de r\u00e9vision. M\u00eame pour une courbe d&rsquo;oubli purement exponentielle n\u00e9gative, un \u00e9cart d&rsquo;estimation d&rsquo;intervalle d&rsquo;un facteur 10 entra\u00eenera une diff\u00e9rence de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;de R2=exp&nbsp;<sup>10*ln(R1)<\/sup>. Cela \u00e9quivaut \u00e0 une chute de 98&nbsp;% \u00e0 81&nbsp;%. Pour une courbe d&rsquo;oubli aplatie, typique d&rsquo;\u00e9l\u00e9ments mal formul\u00e9s, cette chute peut n&rsquo;\u00eatre que de 98&nbsp;%&nbsp;-&gt;&nbsp;95&nbsp;%. Cela conduit \u00e0 la conclusion que maintenir le mat\u00e9riel complexe \u00e0 des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Priority_queue\" rel=\"noreferrer noopener\" target=\"_blank\">priorit\u00e9s<\/a>&nbsp;plus faibles constitue une bonne strat\u00e9gie d&rsquo;apprentissage.<\/p>\n\n<h2 class=\"wp-block-heading\">Une loi de puissance \u00e9merge de la superposition de courbes d&rsquo;oubli exponentielles<\/h2>\n\n<p class=\"wp-block-paragraph\">Pour illustrer l&rsquo;importance des \u00e9chantillons homog\u00e8nes dans l&rsquo;\u00e9tude des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>, examinons l&rsquo;effet du m\u00e9lange de connaissances difficiles et faciles sur la forme de la courbe d&rsquo;oubli. La figure ci-dessous montre pourquoi des \u00e9chantillons h\u00e9t\u00e9rog\u00e8nes peuvent conduire \u00e0 des conclusions erron\u00e9es sur la nature de l&rsquo;oubli. L&rsquo;\u00e9chantillon h\u00e9t\u00e9rog\u00e8ne de cette d\u00e9monstration est le mieux approxim\u00e9 par une fonction en loi de puissance&nbsp;! Le fait que des courbes en loi de puissance \u00e9mergent par le calcul de moyennes de courbes d&rsquo;oubli exponentielles a d\u00e9j\u00e0 \u00e9t\u00e9 rapport\u00e9 par d&rsquo;autres (Anderson&amp;Tweney 1997&nbsp;; Ritter&amp;Schooler, 2002).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"552\" height=\"380\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Heterogenous_forgetting_index-1.gif\" alt=\"\" class=\"wp-image-53156\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;La superposition de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;peut masquer la nature exponentielle de l&rsquo;oubli. Un \u00e9chantillon th\u00e9orique de deux types de traces mn\u00e9siques a \u00e9t\u00e9 compos\u00e9&nbsp;: 50&nbsp;% des traces de l&rsquo;\u00e9chantillon avec une stabilit\u00e9 S=1 (fine ligne jaune) et 50&nbsp;% des traces de l&rsquo;\u00e9chantillon avec une stabilit\u00e9 S=40 (fine ligne violette). La courbe d&rsquo;oubli superpos\u00e9e pr\u00e9sentera naturellement une r\u00e9cup\u00e9rabilit\u00e9 R=0,5*Ra+0,5*Rb=0,5*(e&nbsp;<sup>-k*t<\/sup>+e&nbsp;<sup>-k*t\/40<\/sup>). La courbe d&rsquo;oubli de cet \u00e9chantillon composite est repr\u00e9sent\u00e9e en granul\u00e9 noir sur le graphique. La ligne bleue \u00e9paisse montre l&rsquo;approximation exponentielle (R2=0,895), et la ligne rouge \u00e9paisse montre l&rsquo;approximation en loi de puissance de la m\u00eame courbe (R2=0,974). Dans ce cas, c&rsquo;est la fonction en loi de puissance qui correspond le mieux aux donn\u00e9es, m\u00eame si l&rsquo;oubli des sous-ensembles de l&rsquo;\u00e9chantillon est de nature exponentielle n\u00e9gative.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">SuperMemo 17 comprend \u00e9galement une courbe d&rsquo;oubli unique, mieux approxim\u00e9e par une fonction en loi de puissance. Il s&rsquo;agit de la premi\u00e8re courbe d&rsquo;oubli apr\u00e8s la m\u00e9morisation des \u00e9l\u00e9ments. Au moment de la m\u00e9morisation, nous ne connaissons pas la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;de l&rsquo;\u00e9l\u00e9ment. C&rsquo;est pourquoi le mat\u00e9riel est h\u00e9t\u00e9rog\u00e8ne et nous obtenons une courbe d&rsquo;oubli en loi de puissance.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1352\" height=\"904\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgettingcurve.jpg\" alt=\"\" class=\"wp-image-33649\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure&nbsp;:<\/strong>&nbsp;La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;de la premi\u00e8re r\u00e9vision pour des connaissances nouvellement apprises, collect\u00e9e avec&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. L&rsquo;approximation en loi de puissance est utilis\u00e9e dans ce cas en raison de l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 du mat\u00e9riel d&rsquo;apprentissage nouvellement introduit dans le processus. L&rsquo;absence de s\u00e9paration par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9 mn\u00e9sique<\/a>&nbsp;entra\u00eene une superposition d&rsquo;oublis exponentiels avec des constantes de d\u00e9croissance diff\u00e9rentes. Sur un graphique semi-logarithmique, la courbe de r\u00e9gression en loi de puissance est logarithmique (en jaune), et appara\u00eet presque droite. La courbe montre que, dans le cas pr\u00e9sent\u00e9, le rappel ne chute qu&rsquo;\u00e0 58&nbsp;% en quatre ans, ce qui peut s&rsquo;expliquer par une forte r\u00e9utilisation des connaissances m\u00e9moris\u00e9es dans la vie r\u00e9elle. Le premier&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;de r\u00e9vision pour une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;de 90&nbsp;% est de 3,96 jours. La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;peut \u00eatre d\u00e9crite par la formule R=0,9907*power(intervalle,-0,07), o\u00f9 0,9907 est le rappel apr\u00e8s un jour, tandis que -0,07 est la constante de d\u00e9croissance. Dans ce cas, la formule donne 90&nbsp;% de rappel apr\u00e8s 4 jours. 80 399 cas de r\u00e9p\u00e9titions ont \u00e9t\u00e9 utilis\u00e9s pour tracer le graphique pr\u00e9sent\u00e9. Une chute plus abrupte du rappel se produira si le mat\u00e9riel contient une proportion plus \u00e9lev\u00e9e de connaissances&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_complexity\" rel=\"noreferrer noopener\" target=\"_blank\">difficiles<\/a>&nbsp;(en particulier des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">connaissances mal formul\u00e9es<\/a>), ou chez de nouveaux \u00e9tudiants ayant de moindres comp\u00e9tences mn\u00e9moniques. L&rsquo;irr\u00e9gularit\u00e9 de la courbe aux intervalles 15-20 provient d&rsquo;un \u00e9chantillon de r\u00e9p\u00e9titions plus restreint (les cat\u00e9gories d&rsquo;intervalles ult\u00e9rieures, sur une \u00e9chelle logarithmique, englobent une plage d&rsquo;intervalles plus large)<\/em><\/p><\/blockquote>\n\n<h1 class=\"wp-block-heading\"><div id=\"1995\">1995&nbsp;: SuperMemo hyperm\u00e9dia<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Naissance de l&rsquo;algorithme SM-8 dans un refuge de montagne<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1995,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;a \u00e9t\u00e9 enti\u00e8rement r\u00e9\u00e9crit \u00e0 partir de z\u00e9ro, et ce fut une occasion id\u00e9ale pour mettre en \u0153uvre un nouvel algorithme de r\u00e9p\u00e9tition espac\u00e9e bas\u00e9 sur les donn\u00e9es recueillies durant les 4 ann\u00e9es d&rsquo;utilisation de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-6\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-6<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">En mars 1995, au CeBIT de Hanovre, nous avons d\u00e9couvert un fantastique nouvel environnement de d\u00e9veloppement de Borland&nbsp;: Delphi. Il a fait passer l&rsquo;ancien Borland Pascal \u00e0 un niveau sup\u00e9rieur et ouvert des dizaines de possibilit\u00e9s de d\u00e9veloppement pour SuperMemo. Nous avons d\u00e9cid\u00e9 de repenser le programme selon les lignes expos\u00e9es dans ma&nbsp;<a href=\"http:\/\/super-memory.com\/english\/el.htm\" rel=\"nofollow noopener\" target=\"_blank\">th\u00e8se de doctorat<\/a>. En plus de la r\u00e9p\u00e9tition espac\u00e9e, nous voulions disposer d&rsquo;une structure de connaissances et de l&rsquo;hyperm\u00e9dia. Au lieu d&rsquo;une masse d&rsquo;\u00e9l\u00e9ments, les utilisateurs construiraient un arbre de connaissances. Au lieu de l&rsquo;ancien mod\u00e8le question, r\u00e9ponse, image et son, nous voulions offrir tous les types de composants possibles, pouvant \u00eatre combin\u00e9s en nouvelles formes hyperm\u00e9dia pour exprimer les connaissances. Il y avait aussi le r\u00eave d&rsquo;un SuperMemo programmable, dans lequel les d\u00e9veloppeurs pourraient \u00e9crire leurs propres proc\u00e9dures pour toute forme d&rsquo;entra\u00eenement, y compris l&rsquo;entra\u00eenement proc\u00e9dural, la dactylographie, ou la r\u00e9solution d&rsquo;\u00e9quations du second degr\u00e9. Dans le m\u00eame temps, nous avions rassembl\u00e9 beaucoup de donn\u00e9es indiquant que l&rsquo;algorithme utilis\u00e9 dans SuperMemo pouvait \u00eatre am\u00e9lior\u00e9. Par exemple, la nature math\u00e9matique de la matrice des facteurs optimaux \u00e9tait devenue assez \u00e9vidente.<\/p>\n\n<p class=\"wp-block-paragraph\">En mai 1995, j&rsquo;ai emport\u00e9 mon PC Pentium dans un refuge de montagne isol\u00e9 du sud de la Pologne pour travailler sur ces id\u00e9es. Ce fut une p\u00e9riode de 100 jours d&rsquo;isolement total, interrompue seulement par une courte visite de&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>, au cours de laquelle nous avons resynchronis\u00e9 notre vision du futur SuperMemo. En septembre 1995, le nouvel algorithme \u00e9tait pr\u00eat et test\u00e9 sur mes propres donn\u00e9es. De retour \u00e0 Poznan, j&rsquo;ai commenc\u00e9 \u00e0 transf\u00e9rer progressivement tout mon processus d&rsquo;apprentissage de plusieurs collections de SuperMemo 7 vers le nouvel environnement surnomm\u00e9 \u00ab Genius \u00bb. Genius est devenu SuperMemo 8 seulement deux ans plus tard, lorsque le nouveau programme a int\u00e9gr\u00e9 toutes les fonctionnalit\u00e9s qui \u00e9taient \u00e0 l&rsquo;origine disponibles dans SuperMemo 7.<\/p>\n\n<p class=\"wp-block-paragraph\">Les principales donn\u00e9es qui ont aid\u00e9 \u00e0 d\u00e9velopper l&rsquo;algorithme SM-8 \u00e9taient les courbes d&rsquo;oubli et les donn\u00e9es de la matrice OF collect\u00e9es avec SuperMemo 6 et SuperMemo 7. Ces donn\u00e9es ont consid\u00e9rablement r\u00e9duit la part de conjecture dans l&rsquo;algorithme. Le travail fut plut\u00f4t facile en comparaison de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17 (2014-2016)<\/a>, pour lequel j&rsquo;avais des montagnes d&rsquo;historiques de r\u00e9p\u00e9titions \u00e0 traiter, et les exigences de pr\u00e9cision et de bonnes m\u00e9triques avaient tripl\u00e9. Alors que l&rsquo;algorithme SM-17 a n\u00e9cessit\u00e9 deux ans de d\u00e9veloppement, l&rsquo;algorithme SM-8 a \u00e9t\u00e9 con\u00e7u, mis en \u0153uvre et bien test\u00e9 en seulement 100 jours.<\/p>\n\n<p class=\"wp-block-paragraph\">Les principales id\u00e9es derri\u00e8re l&rsquo;algorithme SM-8&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>une d\u00e9termination math\u00e9matique pr\u00e9cise de la matrice OF bas\u00e9e sur des approximations en direct. Au lieu du lissage matriciel connu depuis SuperMemo 5, je voulais conna\u00eetre la fonction math\u00e9matique exacte capable de d\u00e9crire la matrice et de permettre des mises \u00e0 jour en direct. Il fut facile de d\u00e9terminer qu&rsquo;une fonction de puissance n\u00e9gative pouvait d\u00e9crire OF=f(RepNo) (ce qui est, en termes actuels, une expression de SInc=f(S)). Un peu plus de conjecture fut n\u00e9cessaire pour l&rsquo;impact de la difficult\u00e9 sur l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;(SInc). J&rsquo;ai opt\u00e9 pour une approximation lin\u00e9aire de la fonction associant la difficult\u00e9 (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>) \u00e0 la constante de d\u00e9croissance de SInc (facteur D), qui exprimait le d\u00e9clin de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;avec la stabilit\u00e9\/l&rsquo;intervalle. Ce pari lin\u00e9aire a surv\u00e9cu jusqu&rsquo;\u00e0 aujourd&rsquo;hui. C&rsquo;\u00e9tait une bonne intuition.<\/li><li>gr\u00e2ce \u00e0 une bonne d\u00e9finition de la matrice OF, je pouvais fournir une d\u00e9finition pr\u00e9cise de la difficult\u00e9 d&rsquo;un \u00e9l\u00e9ment&nbsp;: au lieu d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;fluctuant, pouvant \u00eatre contr\u00f4l\u00e9 manuellement par les notes au gr\u00e9 de l&rsquo;utilisateur, je voulais disposer d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;absolu de difficult\u00e9, d\u00e9fini comme l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;apr\u00e8s la premi\u00e8re r\u00e9p\u00e9tition programm\u00e9e pour R=0,9. Cela a permis \u00e0 SuperMemo d&rsquo;ajuster la difficult\u00e9 des \u00e9l\u00e9ments \u00e0 chaque r\u00e9p\u00e9tition, en corrigeant l&rsquo;\u00e9cart entre la performance de l&rsquo;\u00e9l\u00e9ment et la performance attendue bas\u00e9e sur la matrice OF<\/li><li>une d\u00e9termination plus rapide de la difficult\u00e9 initiale, en corr\u00e9lant la premi\u00e8re note avec le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>. Il s&rsquo;agit d&rsquo;un m\u00e9canisme faible, d&rsquo;importance limit\u00e9e, comme le montre le fait que, m\u00eame avec des historiques comportant plusieurs r\u00e9p\u00e9titions, la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment reste un concept flou. Dans ce contexte, il faut rappeler aux utilisateurs que la meilleure approche consiste \u00e0 bien formuler les \u00e9l\u00e9ments et \u00e0 simplement les garder faciles<\/li><li>l&rsquo;approximation du premier intervalle post-trou de m\u00e9moire par un ajustement exponentiel bas\u00e9 sur le nombre de trous de m\u00e9moire. La plus grande valeur de cette approche fut d&rsquo;abolir le mythe selon lequel raccourcir la longueur des intervalles en cas de trou de m\u00e9moire pouvait acc\u00e9l\u00e9rer l&rsquo;apprentissage (certains auteurs de logiciels bas\u00e9s sur l&rsquo;algorithme SM-2 avaient opt\u00e9 pour cette solution, dont l&rsquo;inexactitude a \u00e9t\u00e9 d\u00e9montr\u00e9e)<\/li><li>l&rsquo;id\u00e9e de corr\u00e9ler les notes avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;fut un \u00e9chec et n&rsquo;a pas contribu\u00e9 \u00e0 am\u00e9liorer l&rsquo;algorithme. Cette v\u00e9rit\u00e9 s&rsquo;est r\u00e9v\u00e9l\u00e9e lentement. Il a fallu pr\u00e8s d&rsquo;une d\u00e9cennie pour arriver au verdict final&nbsp;: les notes sont mal corr\u00e9l\u00e9es \u00e0 l&rsquo;indice d&rsquo;oubli. L&rsquo;intuition n\u00e9e avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>&nbsp;n&rsquo;est que faiblement correcte<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Il est int\u00e9ressant de noter que l&rsquo;algorithme SM-8 ne n\u00e9cessitait pas d&rsquo;historique complet des r\u00e9p\u00e9titions pour les \u00e9l\u00e9ments. Les historiques complets de r\u00e9p\u00e9titions ne devaient \u00eatre mis en \u0153uvre qu&rsquo;en f\u00e9vrier 1996. L&rsquo;avantage \u00e9tait une mise en \u0153uvre plus simple. L&rsquo;inconv\u00e9nient venait du fait qu&rsquo;une fois que l&rsquo;utilisateur intervenait manuellement dans le processus d&rsquo;apprentissage, l&rsquo;algorithme n&rsquo;avait aucune trace de cette intervention et ne pouvait pas se d\u00e9fendre contre un possible afflux de donn\u00e9es incorrectes. Naturellement, seul l&rsquo;enregistrement complet de l&rsquo;historique des r\u00e9p\u00e9titions a permis de mettre en \u0153uvre l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;deux d\u00e9cennies plus tard.<\/p>\n\n<p class=\"wp-block-paragraph\">Ma premi\u00e8re r\u00e9p\u00e9tition \u00ab en direct \u00bb avec l&rsquo;algorithme SM-8 sur mes propres donn\u00e9es a eu lieu le mercredi 16 ao\u00fbt 1995. Pour le test, j&rsquo;ai \u00ab sacrifi\u00e9 \u00bb une petite collection de 100 \u00e9l\u00e9ments, avec une liste mn\u00e9monique de piquets pour m\u00e9moriser des nombres. Au cours des deux ann\u00e9es suivantes, j&rsquo;ai progressivement converti toutes mes autres collections pour fonctionner avec le nouvel algorithme, dans le nouvel environnement SuperMemo. En 1997, toutes mes connaissances avaient enfin \u00e9t\u00e9 int\u00e9gr\u00e9es dans une seule base de donn\u00e9es bien structur\u00e9e. Entre 1995 et 1997, nous appelions une telle base de donn\u00e9es un \u00ab syst\u00e8me de connaissances \u00bb. Aujourd&rsquo;hui, nous l&rsquo;appelons simplement une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Collection\" rel=\"noreferrer noopener\" target=\"_blank\">collection<\/a>&nbsp;(comme dans une collection de fragments de connaissances).<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 ce jour, le c\u0153ur de l&rsquo;algorithme n\u00e9 en 1995 fonctionne toujours en arri\u00e8re-plan dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_17\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo 17<\/a>, et l&rsquo;utilisateur peut toujours choisir des intervalles bas\u00e9s sur cet ancien algorithme s&rsquo;il n&rsquo;est pas satisfait des propositions de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">Difficult\u00e9 absolue des \u00e9l\u00e9ments<\/h2>\n\n<p class=\"wp-block-paragraph\">De SuperMemo 1.0 \u00e0 SuperMemo 3.0, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;\u00e9taient d\u00e9finis de la m\u00eame mani\u00e8re que les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/O-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs O<\/a>&nbsp;(c&rsquo;est-\u00e0-dire le rapport entre des intervalles successifs). Ils constituaient une mesure approximative de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;de l&rsquo;\u00e9l\u00e9ment (plus le facteur E est \u00e9lev\u00e9, plus l&rsquo;\u00e9l\u00e9ment est facile). Cependant, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">optimisation de la r\u00e9p\u00e9tition espac\u00e9e<\/a>&nbsp;for\u00e7ait les facteurs E \u00e0 correspondre \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>, laquelle diminue avec la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>. En d&rsquo;autres termes, par d\u00e9finition, dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;\u00e9taient qualifi\u00e9s de plus en plus \u00ab difficiles \u00bb \u00e0 mesure qu&rsquo;ils subissaient des r\u00e9p\u00e9titions successives. C&rsquo;est un peu contre-intuitif, et les utilisateurs ne semblaient jamais s&rsquo;en apercevoir.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 partir de SuperMemo 4.0, les facteurs E ont servi \u00e0 indexer la matrice des facteurs O. Ils continuaient de refl\u00e9ter la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment. Ils continuaient de servir au calcul des facteurs O. Cependant, ils pouvaient diff\u00e9rer des facteurs O, offrant ainsi un meilleur reflet de la difficult\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">De SuperMemo 4 \u00e0 SuperMemo 7, la difficult\u00e9 du mat\u00e9riel dans une base de donn\u00e9es donn\u00e9e fa\u00e7onnait la relation entre les facteurs O et les facteurs E. Par exemple, dans une collection facile, le facteur O de d\u00e9part (c&rsquo;est-\u00e0-dire celui correspondant \u00e0 la premi\u00e8re r\u00e9p\u00e9tition et \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;initiale suppos\u00e9e) serait relativement \u00e9lev\u00e9. Comme la performance lors des r\u00e9p\u00e9titions d\u00e9termine les facteurs E, des \u00e9l\u00e9ments de m\u00eame difficult\u00e9 dans une collection facile auraient naturellement un facteur E plus faible que les m\u00eames \u00e9l\u00e9ments exactement dans une collection difficile. Tout cela a chang\u00e9 avec&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_8\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo 8<\/a>, o\u00f9 les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>&nbsp;ont \u00e9t\u00e9 introduits. Les facteurs A sont \u00ab li\u00e9s \u00bb \u00e0 la deuxi\u00e8me ligne de la matrice des facteurs O. Cela en fait une mesure absolue de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment. Leur valeur&nbsp;<strong>ne d\u00e9pend pas du contenu de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Collection\" rel=\"noreferrer noopener\" target=\"_blank\">collection<\/a>&nbsp;<\/strong>. Par exemple, on sait que si le facteur A est de 1,5, la troisi\u00e8me r\u00e9p\u00e9tition aura lieu selon un intervalle 50&nbsp;% plus long que le premier intervalle.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\">Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;est un nombre associ\u00e9 \u00e0 chaque&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Element\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ment<\/a>&nbsp;d&rsquo;une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Collection\" rel=\"noreferrer noopener\" target=\"_blank\">collection<\/a>. Le facteur A d\u00e9termine dans quelle mesure les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>&nbsp;augmentent au cours du processus d&rsquo;apprentissage. Plus le facteur A est \u00e9lev\u00e9, plus les intervalles augmentent rapidement. Les facteurs A refl\u00e8tent la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;de l&rsquo;\u00e9l\u00e9ment. Plus le facteur A est \u00e9lev\u00e9, plus l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ment<\/a>&nbsp;est facile. Les \u00e9l\u00e9ments les plus difficiles ont un facteur A \u00e9gal \u00e0 1,2. Le facteur A est d\u00e9fini comme le quotient du second&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;et du premier intervalle optimal utilis\u00e9s lors des r\u00e9p\u00e9titions<\/p>\n\n<h2 class=\"wp-block-heading\">Intervalle post-trou de m\u00e9moire<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;approximation de l&rsquo;intervalle post-trou de m\u00e9moire dans l&rsquo;algorithme SM-8 a aboli deux mythes&nbsp;:<\/p>\n\n<ul class=\"wp-block-list\"><li>raccourcir les intervalles apr\u00e8s un trou de m\u00e9moire est une bonne id\u00e9e (cette id\u00e9e a \u00e9t\u00e9 d\u00e9fendue \u00e0 plusieurs reprises entre 1991 et 2000)<\/li><li>le premier intervalle devrait toujours \u00eatre d&rsquo;un jour (comme dans certaines anciennes solutions de SuperMemo)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Dans le graphique pr\u00e9sent\u00e9 ci-dessous, on peut voir qu&rsquo;avec les trous de m\u00e9moire successifs, l&rsquo;intervalle optimal post-trou de m\u00e9moire devient l\u00e9g\u00e8rement plus court. Cela n&rsquo;exprime rien d&rsquo;autre que le fait que ces nombres \u00e9lev\u00e9s de trous de m\u00e9moire ne sont atteints que par des \u00e9l\u00e9ments mal formul\u00e9s, ou des \u00e9l\u00e9ments r\u00e9ellement difficiles \u00e0 retenir en raison de leur nature s\u00e9mantique ou d&rsquo;une interf\u00e9rence des connaissances. Pour les souvenirs commen\u00e7ant avec Lapse=10, j&rsquo;ai propos\u00e9 le terme&nbsp;\u00ab&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Toxic_memory\" rel=\"noreferrer noopener\" target=\"_blank\">toxique<\/a>&nbsp;\u00bb pour exprimer leur impact sur le processus d&rsquo;apprentissage. Si le cerveau a rejet\u00e9 une information autant de fois, cela devrait nous alerter&nbsp;: cette connaissance est mal formul\u00e9e ou est devenue toxique pour d&rsquo;autres raisons (par exemple le stress associ\u00e9 \u00e0 l&rsquo;apprentissage, par exemple \u00e0 l&rsquo;\u00e9cole).<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Premier intervalle<\/strong>&nbsp;&#8211; la longueur du premier intervalle apr\u00e8s la premi\u00e8re r\u00e9p\u00e9tition d\u00e9pend du nombre de fois qu&rsquo;un \u00e9l\u00e9ment donn\u00e9 a \u00e9t\u00e9 oubli\u00e9. Notez que la \u00ab premi\u00e8re r\u00e9p\u00e9tition \u00bb ici d\u00e9signe la premi\u00e8re r\u00e9p\u00e9tition apr\u00e8s un oubli, et&nbsp;<em>non<\/em>&nbsp;la toute premi\u00e8re r\u00e9p\u00e9tition. En d&rsquo;autres termes, un \u00e9l\u00e9ment d\u00e9j\u00e0 r\u00e9p\u00e9t\u00e9 deux fois aura un num\u00e9ro de r\u00e9p\u00e9tition \u00e9gal \u00e0 un apr\u00e8s avoir \u00e9t\u00e9 oubli\u00e9&nbsp;; ce num\u00e9ro ne sera pas \u00e9gal \u00e0 trois. Le graphique du premier intervalle montre une courbe de r\u00e9gression exponentielle qui approxime la longueur du premier intervalle pour diff\u00e9rents nombres de trous de m\u00e9moire (y compris la cat\u00e9gorie z\u00e9ro trou de m\u00e9moire, correspondant aux \u00e9l\u00e9ments nouvellement m\u00e9moris\u00e9s). Dans le graphique ci-dessous, les cercles bleus correspondent aux donn\u00e9es collect\u00e9es lors du processus d&rsquo;apprentissage (plus le cercle est grand, plus de r\u00e9p\u00e9titions ont \u00e9t\u00e9 enregistr\u00e9es).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"996\" height=\"650\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/First_interval.jpg\" alt=\"\" class=\"wp-image-33664\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure<\/strong>&nbsp;: dans le graphique ci-dessus, qui comprend des donn\u00e9es provenant de plus de 130 000 r\u00e9p\u00e9titions, les \u00e9l\u00e9ments nouvellement m\u00e9moris\u00e9s sont r\u00e9p\u00e9t\u00e9s de fa\u00e7on optimale apr\u00e8s sept jours. Cependant, les \u00e9l\u00e9ments oubli\u00e9s 10 fois (ce qui est rare dans SuperMemo) n\u00e9cessiteront un intervalle de deux jours. (En raison de l&rsquo;\u00e9chelle logarithmique, la taille du cercle n&rsquo;est pas lin\u00e9airement proportionnelle \u00e0 l&rsquo;\u00e9chantillon de donn\u00e9es&nbsp;; le nombre de cas de r\u00e9p\u00e9titions pour Lapses=0 est bien plus important que pour Lapses=10, comme on peut le voir dans&nbsp;<strong>Distributions : Lapses<\/strong>)<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Premi\u00e8re note contre facteur A<\/h2>\n\n<p class=\"wp-block-paragraph\">Corr\u00e9ler la premi\u00e8re note avec la difficult\u00e9 estim\u00e9e de l&rsquo;\u00e9l\u00e9ment devait aider \u00e0 classer les \u00e9l\u00e9ments par difficult\u00e9 \u00e0 leur entr\u00e9e dans le processus d&rsquo;apprentissage. La corr\u00e9lation semble faible et d\u00e9pend fortement du syst\u00e8me de notation de l&rsquo;utilisateur. Pour certains utilisateurs, il n&rsquo;y a pratiquement aucune corr\u00e9lation (image n\u00b01). Pour d&rsquo;autres, la corr\u00e9lation est suffisamment bonne pour couvrir toute la plage de difficult\u00e9 (facteur A) (image n\u00b02).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1456\" height=\"891\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/First_Grade_vs_A-Factor_All.jpg\" alt=\"\" class=\"wp-image-33679\"\/><\/figure>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1325\" height=\"818\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/First_Grade_vs_A-Factor_Molie.jpg\" alt=\"\" class=\"wp-image-33694\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">De plus, dans l&rsquo;algorithme SM-11, d\u00e9riv\u00e9 de l&rsquo;algorithme SM-8, l&rsquo;utilisateur \u00e9tait autoris\u00e9 \u00e0 effectuer des r\u00e9p\u00e9titions anticip\u00e9es. Ces r\u00e9p\u00e9titions tiendraient compte de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>, mais elles contribueraient malgr\u00e9 tout au graphique et surestimeraient la note des \u00e9l\u00e9ments difficiles. Avec un usage intensif de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, cela aplatirait le graphique.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;n&rsquo;utilise pas la corr\u00e9lation note-difficult\u00e9 et d\u00e9rive la difficult\u00e9 de l&rsquo;historique complet des r\u00e9p\u00e9titions. La pratique montre que m\u00eame ainsi, l&rsquo;estimation reste difficile \u00e0 \u00e9tablir, et la bonne pratique d&rsquo;apprentissage consiste \u00e0 garder tous les \u00e9l\u00e9ments faciles (c&rsquo;est-\u00e0-dire en ad\u00e9quation mn\u00e9monique acceptable avec le reste des connaissances de l&rsquo;\u00e9tudiant).<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Premi\u00e8re note contre facteur A<\/strong>&nbsp;&#8211; le graphique G-AF corr\u00e8le la premi\u00e8re note obtenue par un \u00e9l\u00e9ment avec l&rsquo;estimation finale de la valeur de son facteur A. \u00c0 chaque r\u00e9p\u00e9tition, l&rsquo;ancienne estimation du facteur A de l&rsquo;\u00e9l\u00e9ment actuel est retir\u00e9e du graphique, et la nouvelle estimation est ajout\u00e9e. Ce graphique est utilis\u00e9 par l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-15\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-15<\/a>&nbsp;pour estimer rapidement la premi\u00e8re valeur du facteur A au moment o\u00f9 tout ce que l&rsquo;on sait d&rsquo;un \u00e9l\u00e9ment est la premi\u00e8re note qu&rsquo;il a obtenue lors de sa premi\u00e8re r\u00e9p\u00e9tition.<\/p>\n\n<h2 class=\"wp-block-heading\">Note contre indice d&rsquo;oubli<\/h2>\n\n<p class=\"wp-block-paragraph\">En corr\u00e9lant les notes avec l&rsquo;indice d&rsquo;oubli attendu (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;pr\u00e9dite), j&rsquo;esp\u00e9rais pouvoir calculer l&rsquo;indice d&rsquo;oubli estim\u00e9 (estimation post-r\u00e9p\u00e9tition de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;r\u00e9elle). Cette corr\u00e9lation s&rsquo;est r\u00e9v\u00e9l\u00e9e faible, du fait que tous les utilisateurs tendent \u00e0 d\u00e9ployer leurs propres syst\u00e8mes de notation, souvent incoh\u00e9rents. La corr\u00e9lation entre note et R provient principalement du fait que les \u00e9l\u00e9ments complexes obtiennent de moins bonnes notes et ont tendance \u00e0 \u00eatre oubli\u00e9s plus vite (au moins au d\u00e9but). En ce sens, les notes refl\u00e8tent mieux la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans l&rsquo;image ci-dessous, toute la plage de l&rsquo;indice d&rsquo;oubli attendu semble se situer autour de la note 3.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"998\" height=\"577\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Grade_vs_Forgetting_Index.jpg\" alt=\"\" class=\"wp-image-33709\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Pour Note&lt;=3, on peut lire l&rsquo;indice d&rsquo;oubli estim\u00e9 maximal, et pour Note&gt;=4, on peut lire l&rsquo;indice d&rsquo;oubli estim\u00e9 minimal. Dans cette optique, deux syst\u00e8mes de notation auraient exactement le m\u00eame effet sur l&rsquo;algorithme qu&rsquo;un syst\u00e8me \u00e0 six notes.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour d&rsquo;autres utilisateurs, la courbe pourrait m\u00eame culminer \u00e0 certains niveaux de l&rsquo;indice d&rsquo;oubli attendu, comme si la notation refl\u00e9tait un d\u00e9sir de retenir les \u00e9l\u00e9ments r\u00e9ellement difficiles \u00e0 m\u00e9moriser (notation indulgente).<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;fait un usage intensif de la r\u00e9cup\u00e9rabilit\u00e9 estim\u00e9e apr\u00e8s la r\u00e9p\u00e9tition, mais il la d\u00e9rive des seules donn\u00e9es de rappel et de la r\u00e9cup\u00e9rabilit\u00e9 attendue. Les corr\u00e9lations note-r\u00e9cup\u00e9rabilit\u00e9 sont \u00e9galement collect\u00e9es, mais leur poids est n\u00e9gligeable.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives&nbsp;:&nbsp;Pourquoi utiliser des archives litt\u00e9rales&nbsp;?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Note contre indice d&rsquo;oubli<\/strong>&nbsp;&#8211; le graphique FI-G corr\u00e8le l&rsquo;indice d&rsquo;oubli attendu avec la note obtenue lors des r\u00e9p\u00e9titions. Il faut comprendre l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-15\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-15<\/a>&nbsp;pour comprendre ce graphique. On peut imaginer que le graphique de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;pourrait utiliser la note moyenne au lieu de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;sur son axe vertical. Si l&rsquo;on corr\u00e9lait cette note avec l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>, on obtiendrait le graphique FI-G. Ce graphique est utilis\u00e9 pour calculer un&nbsp;indice d&rsquo;oubli estim\u00e9, qui est \u00e0 son tour utilis\u00e9 pour normaliser les notes (pour les r\u00e9p\u00e9titions retard\u00e9es ou anticip\u00e9es) et estimer la nouvelle valeur du facteur A de l&rsquo;\u00e9l\u00e9ment. La note est calcul\u00e9e \u00e0 l&rsquo;aide de la formule&nbsp;:&nbsp;<em>Note=exp&nbsp;<sup>A*FI+B<\/sup>&nbsp;<\/em>, o\u00f9 A et B sont les param\u00e8tres d&rsquo;une r\u00e9gression exponentielle r\u00e9alis\u00e9e sur les donn\u00e9es brutes collect\u00e9es durant les r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">Le graphique FI-G est mis \u00e0 jour apr\u00e8s chaque r\u00e9p\u00e9tition en utilisant l&rsquo;indice d&rsquo;oubli attendu et les notes r\u00e9ellement obtenues. L&rsquo;indice d&rsquo;oubli attendu peut facilement \u00eatre d\u00e9riv\u00e9 de l&rsquo;intervalle utilis\u00e9 entre les r\u00e9p\u00e9titions et de l&rsquo;intervalle optimal calcul\u00e9 \u00e0 partir de la matrice OF. Plus la valeur de l&rsquo;indice d&rsquo;oubli attendu est \u00e9lev\u00e9e, plus la note est basse. \u00c0 partir de la note et du graphique FI-G, on peut calculer l&rsquo;indice d&rsquo;oubli estim\u00e9, qui correspond \u00e0 l&rsquo;estimation post-r\u00e9p\u00e9tition de la probabilit\u00e9 d&rsquo;oubli de l&rsquo;\u00e9l\u00e9ment qui vient d&rsquo;\u00eatre r\u00e9p\u00e9t\u00e9, \u00e0 l&rsquo;hypoth\u00e9tique stade pr\u00e9-r\u00e9p\u00e9tition. En raison de la nature stochastique de l&rsquo;oubli et du rappel, le m\u00eame \u00e9l\u00e9ment pourrait \u00eatre rappel\u00e9 ou non selon l&rsquo;\u00e9tat cognitif global actuel du cerveau&nbsp;; m\u00eame si la force et la r\u00e9cup\u00e9rabilit\u00e9 des souvenirs de toutes les synapses contributrices \u00e9taient\/sont identiques&nbsp;! On peut ainsi parler de la probabilit\u00e9 de rappel pr\u00e9-r\u00e9p\u00e9tition d&rsquo;un \u00e9l\u00e9ment qui vient d&rsquo;\u00eatre rappel\u00e9 (ou non). Cette probabilit\u00e9 est exprim\u00e9e par l&rsquo;indice d&rsquo;oubli estim\u00e9.<\/p>\n\n<h2 class=\"wp-block-heading\">Algorithme SM-15<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-8 a \u00e9t\u00e9 am\u00e9lior\u00e9 au fil des ans et a \u00e9volu\u00e9 vers l&rsquo;algorithme SM-11 (2002), puis l&rsquo;algorithme SM-15 (2011). Je pr\u00e9sente ici uniquement la derni\u00e8re version&nbsp;: l&rsquo;algorithme SM-15 (utilis\u00e9 dans SuperMemo 15, SuperMemo 16, et comme secours dans SuperMemo 17).<\/p>\n\n<p class=\"wp-block-paragraph\">Les principales am\u00e9liorations apport\u00e9es \u00e0 l&rsquo;algorithme SM-8 sur deux d\u00e9cennies ont \u00e9t\u00e9 les suivantes :<\/p>\n\n<ul class=\"wp-block-list\"><li>une indexation de la stabilit\u00e9 am\u00e9lior\u00e9e : au lieu d&rsquo;utiliser les num\u00e9ros de r\u00e9p\u00e9tition, \u00e0 partir de SuperMemo 8 (1997), l&rsquo;algorithme a utilis\u00e9 le concept de \u00ab cat\u00e9gorie de r\u00e9p\u00e9tition \u00bb, qui correspond \u00e0 peu pr\u00e8s \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a><\/li><li>une tol\u00e9rance pour les r\u00e9p\u00e9titions avanc\u00e9es et retard\u00e9es, \u00e0 partir de SuperMemo 11 (2002) : une heuristique a \u00e9t\u00e9 ajout\u00e9e pour tenir compte de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a><\/li><li>une extension de la repr\u00e9sentation du temps dans les facteurs U, de 60 jours \u00e0 15 ans (2011)<\/li><li>une correction des donn\u00e9es de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;pour les d\u00e9lais de r\u00e9p\u00e9tition d\u00e9passant l&rsquo;amplitude initiale du facteur U (2011)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;algorithme SM-15 amorce l&rsquo;effort de calcul des intervalles inter-r\u00e9p\u00e9titions optimaux en enregistrant l&rsquo;historique de rappel de chaque \u00e9l\u00e9ment (c&rsquo;est-\u00e0-dire les notes obtenues lors de l&rsquo;apprentissage). Cet historique est utilis\u00e9 pour estimer la force actuelle d&rsquo;une trace mn\u00e9sique donn\u00e9e, ainsi que la difficult\u00e9 de la connaissance sous-jacente (l&rsquo;\u00e9l\u00e9ment). La difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment exprime la complexit\u00e9 des souvenirs et refl\u00e8te l&rsquo;effort n\u00e9cessaire pour produire des traces mn\u00e9siques stables et sans ambigu\u00eft\u00e9. SuperMemo prend le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">taux de rappel demand\u00e9<\/a>&nbsp;comme crit\u00e8re d&rsquo;optimisation (par exemple 95 %), et calcule les intervalles qui satisfont ce crit\u00e8re. La fonction des intervalles optimaux est repr\u00e9sent\u00e9e sous forme matricielle (matrice OF) et est susceptible d&rsquo;\u00eatre modifi\u00e9e en fonction des r\u00e9sultats du processus d&rsquo;apprentissage. Bien que satisfaire le crit\u00e8re d&rsquo;optimisation soit relativement facile, la complexit\u00e9 de l&rsquo;algorithme provient de la n\u00e9cessit\u00e9 d&rsquo;obtenir la vitesse de convergence maximale possible \u00e0 la lumi\u00e8re des mod\u00e8les de m\u00e9moire connus.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Important !<\/strong>&nbsp;L&rsquo;algorithme SM-15 n&rsquo;est utilis\u00e9 que pour calculer les intervalles entre les r\u00e9p\u00e9titions des \u00e9l\u00e9ments. Les sujets sont r\u00e9vis\u00e9s \u00e0 des intervalles calcul\u00e9s \u00e0 l&rsquo;aide d&rsquo;un algorithme enti\u00e8rement diff\u00e9rent (non d\u00e9crit ici). Le calendrier de r\u00e9vision des sujets est optimis\u00e9 pour g\u00e9rer la s\u00e9quence de lecture, et non pour favoriser la m\u00e9morisation. Les souvenirs \u00e0 long terme se forment dans SuperMemo principalement gr\u00e2ce aux \u00e9l\u00e9ments, qui sont r\u00e9vis\u00e9s selon le calendrier calcul\u00e9 par l&rsquo;algorithme SM-15.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici une description plus d\u00e9taill\u00e9e de l&rsquo;algorithme SM-15 :<\/p>\n\n<ol class=\"wp-block-list\"><li><strong>Intervalle optimal<\/strong> : les intervalles inter-r\u00e9p\u00e9titions sont calcul\u00e9s \u00e0 l&rsquo;aide de la formule suivante : I(1)=OF[1,L+1] I(n)=I(n-1)*OF[n,AF] o\u00f9 :<ul><li>OF &#8211; matrice des facteurs optimaux, qui est modifi\u00e9e au fil des r\u00e9p\u00e9titions<\/li><li>OF[1,L+1] &#8211; valeur de l&rsquo;entr\u00e9e de la matrice OF prise sur la premi\u00e8re ligne et la colonne L+1<\/li><li>OF[n,AF] &#8211; valeur de l&rsquo;entr\u00e9e de la matrice OF correspondant \u00e0 la n-i\u00e8me r\u00e9p\u00e9tition, pour une difficult\u00e9 d&rsquo;\u00e9l\u00e9ment AF donn\u00e9e<\/li><li>L &#8211; nombre de fois o\u00f9 un \u00e9l\u00e9ment donn\u00e9 a \u00e9t\u00e9 oubli\u00e9 (de \u00ab &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\"><strong>L<\/strong>apses de m\u00e9moire<\/a>&nbsp;\u00bb)<\/li><li>AF &#8211; nombre refl\u00e9tant la difficult\u00e9 absolue d&rsquo;un \u00e9l\u00e9ment donn\u00e9 (de \u00ab &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\"><strong>F<\/strong>acteur de difficult\u00e9&nbsp;<strong>A<\/strong>bsolue<\/a>&nbsp;\u00bb)<\/li><li>I(n) &#8211; n-i\u00e8me intervalle inter-r\u00e9p\u00e9titions pour un \u00e9l\u00e9ment donn\u00e9<\/li><\/ul><\/li><li><strong>R\u00e9p\u00e9titions avanc\u00e9es<\/strong> : en raison d&rsquo;une \u00e9ventuelle avance dans l&rsquo;ex\u00e9cution des r\u00e9p\u00e9titions (par exemple une r\u00e9vision forc\u00e9e avant un examen), le facteur optimal (OF) r\u00e9ellement utilis\u00e9 pour calculer l&rsquo;intervalle optimal est diminu\u00e9 de&nbsp;<em>dOF<\/em>&nbsp;selon des formules qui tiennent compte de l&rsquo;effet d&rsquo;espacement dans l&rsquo;apprentissage :<em>dOF<\/em>=dOF&nbsp;<sub>max<\/sub>*&nbsp;<em>a<\/em>\/(t&nbsp;<sub>half<\/sub>+&nbsp;<em>a<\/em>) dOF&nbsp;<sub>max<\/sub>=(OF-1)*(OI+t&nbsp;<sub>half<\/sub>-1)\/(OI-1) o\u00f9 :<ul><li><em>dOF<\/em>&nbsp;&#8211; diminution appliqu\u00e9e \u00e0 OF r\u00e9sultant de l&rsquo;&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a><\/em><\/li><li><em>a<\/em>&nbsp;&#8211; avance de la r\u00e9p\u00e9tition en jours par rapport au calendrier optimal (notez qu&rsquo;il n&rsquo;y a aucun changement de OF si&nbsp;<em>a<\/em>=0, c&rsquo;est-\u00e0-dire que la r\u00e9p\u00e9tition a lieu au moment optimal)<\/li><li>dOF&nbsp;<sub>max<\/sub>&nbsp;&#8211; limite asymptotique de&nbsp;<em>dOF<\/em>&nbsp;pour&nbsp;<em>a<\/em>&nbsp;infini (notez que pour a=OI-1, la diminution sera OF-1, ce qui correspond \u00e0 aucune augmentation de l&rsquo;intervalle inter-r\u00e9p\u00e9titions)<\/li><li>t&nbsp;<sub>half<\/sub>&nbsp;&#8211; avance \u00e0 laquelle on observe la moiti\u00e9 de l&rsquo;augmentation attendue de la&nbsp;<a href=\"http:\/\/super-memory.com\/english\/2vm.htm\" rel=\"nofollow noopener\" target=\"_blank\">stabilit\u00e9 synaptique<\/a>&nbsp;\u00e0 la suite d&rsquo;une r\u00e9p\u00e9tition (actuellement, cette valeur correspond approximativement \u00e0 60 % de la longueur de l&rsquo;intervalle optimal pour un mat\u00e9riel bien structur\u00e9)<\/li><li>OF &#8211; facteur optimal (c&rsquo;est-\u00e0-dire OF[n,AF] pour le n-i\u00e8me intervalle et une valeur donn\u00e9e de AF)<\/li><li>OI &#8211;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;(d\u00e9riv\u00e9 de la matrice OF)<\/li><\/ul><\/li><li><strong>R\u00e9p\u00e9titions retard\u00e9es<\/strong> : en raison de retards possibles dans l&rsquo;ex\u00e9cution des r\u00e9p\u00e9titions, la matrice OF n&rsquo;est pas index\u00e9e directement par le num\u00e9ro de r\u00e9p\u00e9tition mais par des cat\u00e9gories de r\u00e9p\u00e9tition. Par exemple, si la 5e r\u00e9p\u00e9tition est retard\u00e9e, la matrice OF est utilis\u00e9e pour calculer la cat\u00e9gorie de r\u00e9p\u00e9tition, c&rsquo;est-\u00e0-dire la valeur th\u00e9orique du num\u00e9ro de r\u00e9p\u00e9tition correspondant \u00e0 l&rsquo;intervalle utilis\u00e9 avant la r\u00e9p\u00e9tition. La cat\u00e9gorie de r\u00e9p\u00e9tition peut, par exemple, prendre la valeur 5,3, et nous obtiendrons I(5)=I(4)*OF[5.3,AF], o\u00f9 OF[5.3,AF] est une valeur interm\u00e9diaire d\u00e9riv\u00e9e de OF[5,AF] et OF[6,AF]<\/li><li><strong>Matrice des intervalles optimaux<\/strong> : SuperMemo ne stocke pas la matrice des intervalles optimaux comme certaines versions ant\u00e9rieures. Il conserve plut\u00f4t une matrice de facteurs optimaux qui peut \u00eatre convertie en matrice d&rsquo;intervalles optimaux (selon la formule du point 1). La matrice de facteurs optimaux OF utilis\u00e9e au point 1 a \u00e9t\u00e9 d\u00e9riv\u00e9e du mod\u00e8le math\u00e9matique de l&rsquo;oubli ainsi que de matrices similaires construites \u00e0 partir de donn\u00e9es recueillies au fil des ann\u00e9es de r\u00e9p\u00e9titions dans les collections cr\u00e9\u00e9es par de nombreux utilisateurs. Son r\u00e9glage initial correspond aux valeurs observ\u00e9es pour un \u00e9tudiant l\u00e9g\u00e8rement en dessous de la moyenne. Au fil des r\u00e9p\u00e9titions, \u00e0 mesure que le programme recueille des donn\u00e9es sur la m\u00e9moire de l&rsquo;\u00e9tudiant, la matrice est progressivement modifi\u00e9e pour se rapprocher au plus pr\u00e8s des propri\u00e9t\u00e9s mn\u00e9siques r\u00e9elles de l&rsquo;\u00e9tudiant. Apr\u00e8s des ann\u00e9es de r\u00e9p\u00e9titions, ces nouvelles donn\u00e9es peuvent \u00eatre r\u00e9inject\u00e9es pour g\u00e9n\u00e9rer une matrice OF initiale plus pr\u00e9cise. Dans SuperMemo 17, cette matrice peut \u00eatre visualis\u00e9e en 3D via&nbsp;<strong>Outils : Statistiques : Analyse : Graphiques 3D : matrice des facteurs O<\/strong><\/li><li><strong>Difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/strong> : le facteur de difficult\u00e9 absolue de l&rsquo;\u00e9l\u00e9ment (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>), not\u00e9 AF au point 1, exprime la difficult\u00e9 d&rsquo;un \u00e9l\u00e9ment (plus il est \u00e9lev\u00e9, plus l&rsquo;\u00e9l\u00e9ment est facile). Il convient de noter que AF=OF[2,AF]. En d&rsquo;autres termes, AF repr\u00e9sente le facteur d&rsquo;augmentation de l&rsquo;intervalle optimal apr\u00e8s la deuxi\u00e8me r\u00e9p\u00e9tition. Cela \u00e9quivaut \u00e9galement au facteur d&rsquo;augmentation d&rsquo;intervalle le plus \u00e9lev\u00e9 pour un \u00e9l\u00e9ment donn\u00e9. Contrairement aux&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs E<\/a>&nbsp;de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-6\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-6<\/a>&nbsp;employ\u00e9s dans SuperMemo 6 et SuperMemo 7, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>&nbsp;expriment une difficult\u00e9 absolue de l&rsquo;\u00e9l\u00e9ment et ne d\u00e9pendent pas de la difficult\u00e9 des autres \u00e9l\u00e9ments de la m\u00eame collection de mat\u00e9riel d&rsquo;\u00e9tude<\/li><li><strong>D\u00e9rivation de la matrice OF \u00e0 partir de la matrice RF<\/strong> : les valeurs optimales des entr\u00e9es de la matrice OF sont obtenues par une s\u00e9rie de proc\u00e9dures d&rsquo;approximation \u00e0 partir de la matrice RF, d\u00e9finie de la m\u00eame mani\u00e8re que la matrice OF (voir point 1), \u00e0 l&rsquo;exception que ses valeurs sont tir\u00e9es du processus d&rsquo;apprentissage r\u00e9el de l&rsquo;\u00e9tudiant pour qui l&rsquo;optimisation est effectu\u00e9e. Au d\u00e9part, les matrices OF et RF sont identiques ; cependant, les entr\u00e9es de la matrice RF sont modifi\u00e9es \u00e0 chaque r\u00e9p\u00e9tition, et une nouvelle valeur de la matrice OF est calcul\u00e9e \u00e0 partir de la matrice RF \u00e0 l&rsquo;aide de proc\u00e9dures d&rsquo;approximation. Cela produit en pratique la matrice OF comme une version liss\u00e9e de la matrice RF. En termes simples, la matrice RF, \u00e0 un instant donn\u00e9, correspond \u00e0 sa valeur la mieux ajust\u00e9e d\u00e9riv\u00e9e du processus d&rsquo;apprentissage ; cependant, chaque entr\u00e9e est consid\u00e9r\u00e9e comme la mieux ajust\u00e9e individuellement, c&rsquo;est-\u00e0-dire ind\u00e9pendamment des valeurs des autres entr\u00e9es de RF. La matrice OF, en revanche, est consid\u00e9r\u00e9e comme la mieux ajust\u00e9e dans son ensemble. En d&rsquo;autres termes, la matrice RF est calcul\u00e9e entr\u00e9e par entr\u00e9e au cours des r\u00e9p\u00e9titions, tandis que la matrice OF est une copie liss\u00e9e de la matrice RF<\/li><li><strong>Courbes d&rsquo;oubli<\/strong> : les entr\u00e9es individuelles de la matrice RF sont calcul\u00e9es \u00e0 partir de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;approxim\u00e9es s\u00e9par\u00e9ment pour chaque entr\u00e9e. Chaque&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;correspond \u00e0 une valeur diff\u00e9rente du num\u00e9ro de r\u00e9p\u00e9tition et \u00e0 une valeur diff\u00e9rente du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;(ou des lapses de m\u00e9moire dans le cas de la premi\u00e8re r\u00e9p\u00e9tition). La valeur de l&rsquo;entr\u00e9e de la matrice RF correspond au moment o\u00f9 la courbe d&rsquo;oubli franchit le point de r\u00e9tention des connaissances d\u00e9riv\u00e9 de l&rsquo;indice d&rsquo;oubli demand\u00e9. Par exemple, pour la premi\u00e8re r\u00e9p\u00e9tition d&rsquo;un nouvel \u00e9l\u00e9ment, si l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;est \u00e9gal \u00e0 10 %, et qu&rsquo;apr\u00e8s quatre jours la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention des connaissances<\/a>&nbsp;indiqu\u00e9e par la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;descend sous la valeur de 90 %, la valeur de RF[1,1] est fix\u00e9e \u00e0 quatre. Cela signifie que tous les \u00e9l\u00e9ments entrant dans le processus d&rsquo;apprentissage seront r\u00e9p\u00e9t\u00e9s apr\u00e8s quatre jours (en supposant que les matrices OF et RF ne diff\u00e8rent pas \u00e0 la premi\u00e8re ligne de la premi\u00e8re colonne). Cela satisfait le postulat principal de SuperMemo, selon lequel la r\u00e9p\u00e9tition doit avoir lieu au moment o\u00f9 la probabilit\u00e9 d&rsquo;oubli est \u00e9gale \u00e0 100 % moins l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;exprim\u00e9 en pourcentage. Dans SuperMemo 17, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;peuvent \u00eatre consult\u00e9es via&nbsp;<strong>Outils : Statistiques : Analyse : Courbes d&rsquo;oubli<\/strong>&nbsp;(ou en 3D via&nbsp;<strong>Outils : Statistiques : Analyse : Courbes 3D<\/strong>) :<a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/4\/46\/Forgetting_curves.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><em><strong>Figure<\/strong> :&nbsp;<strong>Outils : Statistiques : Analyse : Courbes d&rsquo;oubli<\/strong>&nbsp;pour 20 cat\u00e9gories de num\u00e9ros de r\u00e9p\u00e9tition multipli\u00e9es par 20 cat\u00e9gories de facteur A. Sur l&rsquo;image, les&nbsp;cercles bleus&nbsp;repr\u00e9sentent les donn\u00e9es recueillies au cours des r\u00e9p\u00e9titions. Plus le cercle est grand, plus le nombre de r\u00e9p\u00e9titions enregistr\u00e9es est \u00e9lev\u00e9. La&nbsp;courbe rouge&nbsp;correspond \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;la mieux ajust\u00e9e obtenue par r\u00e9gression exponentielle. Pour un mat\u00e9riel mal structur\u00e9, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;est irr\u00e9guli\u00e8re, c&rsquo;est-\u00e0-dire pas exactement exponentielle. La&nbsp;ligne turquoise&nbsp;horizontale correspond \u00e0 l&rsquo;indice d&rsquo;oubli demand\u00e9, tandis que la&nbsp;ligne verte&nbsp;verticale indique le moment o\u00f9 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;approxim\u00e9e croise cette ligne d&rsquo;indice d&rsquo;oubli demand\u00e9. Ce moment d\u00e9termine la valeur du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur R<\/a>&nbsp;correspondant, et indirectement, la valeur de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>. Pour la premi\u00e8re r\u00e9p\u00e9tition, le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur R<\/a>&nbsp;correspond au premier&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>. Les valeurs du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/O-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur O<\/a>&nbsp;et du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur R<\/a>&nbsp;sont affich\u00e9es en haut du graphique. Elles sont suivies du nombre de cas de r\u00e9p\u00e9tition utilis\u00e9s pour tracer le graphique (soit 21 303). Au d\u00e9but du processus d&rsquo;apprentissage, il n&rsquo;existe aucun historique de r\u00e9p\u00e9titions ni aucune donn\u00e9e permettant de calculer les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs R<\/a>. Il faut un certain temps avant que vos premi\u00e8res&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;soient trac\u00e9es. C&rsquo;est pourquoi la valeur initiale de la matrice RF est tir\u00e9e du mod\u00e8le d&rsquo;un \u00e9tudiant l\u00e9g\u00e8rement en dessous de la moyenne. Le mod\u00e8le de l&rsquo;\u00e9tudiant moyen n&rsquo;est pas utilis\u00e9 car la convergence \u00e0 partir de param\u00e8tres d&rsquo;un \u00e9tudiant plus faible est plus rapide que la convergence dans le sens inverse. Le param\u00e8tre&nbsp;<strong>\u00c9cart<\/strong>&nbsp;affich\u00e9 en haut indique dans quelle mesure la courbe exponentielle n\u00e9gative correspond aux donn\u00e9es. Plus l&rsquo;\u00e9cart est faible, meilleur est l&rsquo;ajustement. L&rsquo;\u00e9cart est calcul\u00e9 comme la racine carr\u00e9e de la moyenne des diff\u00e9rences au carr\u00e9 (m\u00e9thode des moindres carr\u00e9s).<\/em><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/5\/52\/AFactor_3D_Curve.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><em><strong>Figure :<\/strong>&nbsp;repr\u00e9sentation 3D de la famille de courbes d&rsquo;oubli pour une difficult\u00e9 d&rsquo;\u00e9l\u00e9ment donn\u00e9e et des niveaux de stabilit\u00e9 mn\u00e9sique variables (normalis\u00e9s pour le facteur U).<\/em><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/2\/21\/Cumulative_forgetting_curve.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><strong>Figure :<\/strong>&nbsp;<em>courbe d&rsquo;oubli&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>&nbsp;cumulative pour du mat\u00e9riel d&rsquo;apprentissage de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9<\/a>&nbsp;mixte et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;mixte. Le graphique est obtenu par superposition de 400 courbes d&rsquo;oubli normalis\u00e9es pour une constante de d\u00e9sint\u00e9gration de 0,003567, ce qui correspond \u00e0 un rappel de 70 % \u00e0 100 % de la p\u00e9riode pr\u00e9sent\u00e9e (c&rsquo;est-\u00e0-dire&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">R<\/a>=70 % sur le bord droit du graphique). 401 828 cas de r\u00e9p\u00e9tition ont \u00e9t\u00e9 inclus dans le graphique. Les courbes individuelles sont repr\u00e9sent\u00e9es par des points de donn\u00e9es jaunes. La courbe cumulative est repr\u00e9sent\u00e9e par des points de donn\u00e9es bleus montrant le rappel moyen pour les 400 courbes. La taille des cercles correspond \u00e0 la taille des \u00e9chantillons de donn\u00e9es.<\/em><\/li><li><strong>D\u00e9rivation de la matrice OF \u00e0 partir des courbes d&rsquo;oubli<\/strong> : la matrice OF est d\u00e9riv\u00e9e de la matrice RF par :<ol><li>une approximation en puissance \u00e0 point fixe du d\u00e9clin du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur R<\/a>&nbsp;le long des colonnes de la matrice RF (le point fixe correspond \u00e0 la deuxi\u00e8me r\u00e9p\u00e9tition, o\u00f9 la courbe d&rsquo;approximation passe par la valeur du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>),<\/li><li>le calcul, pour toutes les colonnes, du facteur D exprimant la constante de d\u00e9sint\u00e9gration de l&rsquo;approximation en puissance,<\/li><li>une r\u00e9gression lin\u00e9aire de l&rsquo;\u00e9volution du facteur D \u00e0 travers les colonnes de la matrice RF, et<\/li><li>la d\u00e9rivation de l&rsquo;ensemble de la matrice OF \u00e0 partir de la pente et de l&rsquo;ordonn\u00e9e \u00e0 l&rsquo;origine de la droite qui constitue le meilleur ajustement dans le graphique du facteur D. Les formules exactes utilis\u00e9es dans cette derni\u00e8re \u00e9tape d\u00e9passent le cadre de cette illustration.<\/li><\/ol>Notez que la premi\u00e8re ligne de la matrice OF est calcul\u00e9e diff\u00e9remment. Elle correspond \u00e0 la courbe exponentielle la mieux ajust\u00e9e obtenue \u00e0 partir de la premi\u00e8re ligne de la matrice RF. Toutes les \u00e9tapes ci-dessus sont ex\u00e9cut\u00e9es apr\u00e8s chaque r\u00e9p\u00e9tition. En d&rsquo;autres termes, la valeur th\u00e9oriquement optimale de la matrice OF est mise \u00e0 jour d\u00e8s que de nouvelles donn\u00e9es de courbe d&rsquo;oubli sont recueillies, c&rsquo;est-\u00e0-dire au moment, pendant la r\u00e9p\u00e9tition, o\u00f9 l&rsquo;\u00e9tudiant, en fournissant une note, indique un rappel correct ou incorrect (c&rsquo;est-\u00e0-dire un oubli) (dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-6\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-6<\/a>, une proc\u00e9dure s\u00e9par\u00e9e, Approximate, devait \u00eatre utilis\u00e9e pour trouver la matrice OF la mieux ajust\u00e9e, et la matrice OF utilis\u00e9e lors des r\u00e9p\u00e9titions pouvait diff\u00e9rer sensiblement de sa valeur la mieux ajust\u00e9e)<\/li><li><strong>Difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/strong> : la valeur initiale du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;est d\u00e9riv\u00e9e de la premi\u00e8re note obtenue pour l&rsquo;\u00e9l\u00e9ment, et du graphique de corr\u00e9lation entre la premi\u00e8re note et le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;(graphique G-AF). Ce graphique est mis \u00e0 jour apr\u00e8s chaque r\u00e9p\u00e9tition o\u00f9 une nouvelle valeur du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;est estim\u00e9e et corr\u00e9l\u00e9e avec la premi\u00e8re note de l&rsquo;\u00e9l\u00e9ment. Les approximations ult\u00e9rieures de la valeur r\u00e9elle du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;sont effectu\u00e9es apr\u00e8s chaque r\u00e9p\u00e9tition \u00e0 l&rsquo;aide des notes, de la matrice OF, et d&rsquo;un graphique de corr\u00e9lation montrant la correspondance entre la note et l&rsquo;indice d&rsquo;oubli attendu (graphique FI-G). La note utilis\u00e9e pour calculer le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;initial est normalis\u00e9e, c&rsquo;est-\u00e0-dire ajust\u00e9e en fonction de la diff\u00e9rence entre l&rsquo;intervalle r\u00e9ellement utilis\u00e9 et l&rsquo;intervalle optimal pour un indice d&rsquo;oubli \u00e9gal \u00e0 10 %<\/li><li><strong>Corr\u00e9lation entre les notes et l&rsquo;indice d&rsquo;oubli attendu<\/strong> : le graphique FI-G est mis \u00e0 jour apr\u00e8s chaque r\u00e9p\u00e9tition \u00e0 l&rsquo;aide de l&rsquo;&nbsp;indice d&rsquo;oubli attendu&nbsp;et des notes r\u00e9ellement obtenues. L&rsquo;&nbsp;indice d&rsquo;oubli attendu&nbsp;peut facilement \u00eatre d\u00e9riv\u00e9 de l&rsquo;intervalle utilis\u00e9 entre les r\u00e9p\u00e9titions et de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;calcul\u00e9 \u00e0 partir de la matrice OF. Plus la valeur de l&rsquo;&nbsp;indice d&rsquo;oubli attendu&nbsp;est \u00e9lev\u00e9e, plus la note est basse. \u00c0 partir de la note et du graphique FI-G (voir : graphique FI-G dans&nbsp;<strong>Outils : Statistiques : Analyse : Graphiques<\/strong>), on peut calculer l&rsquo;&nbsp;indice d&rsquo;oubli estim\u00e9&nbsp;correspondant \u00e0 l&rsquo;estimation, apr\u00e8s la r\u00e9p\u00e9tition, de la probabilit\u00e9 d&rsquo;oubli de l&rsquo;\u00e9l\u00e9ment qui vient d&rsquo;\u00eatre r\u00e9p\u00e9t\u00e9, au stade hypoth\u00e9tique pr\u00e9c\u00e9dant la r\u00e9p\u00e9tition. En raison de la nature stochastique de l&rsquo;oubli et du rappel, un m\u00eame \u00e9l\u00e9ment peut \u00eatre rappel\u00e9 ou non selon l&rsquo;\u00e9tat cognitif global du cerveau au moment consid\u00e9r\u00e9 ; m\u00eame si la force et la r\u00e9cup\u00e9rabilit\u00e9 des souvenirs de toutes les synapses impliqu\u00e9es sont\/\u00e9taient identiques ! On peut donc parler de la probabilit\u00e9 de rappel, avant la r\u00e9p\u00e9tition, d&rsquo;un \u00e9l\u00e9ment qui vient d&rsquo;\u00eatre rappel\u00e9 (ou non). Cette probabilit\u00e9 est exprim\u00e9e par l&rsquo;&nbsp;indice d&rsquo;oubli estim\u00e9<\/li><li><strong>Calcul des facteurs A<\/strong> : \u00e0 partir (1) de l&rsquo;&nbsp;indice d&rsquo;oubli estim\u00e9, (2) de la longueur de l&rsquo;intervalle et (3) de la matrice OF, on peut facilement calculer la valeur la plus pr\u00e9cise du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>. Notez que le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;sert d&rsquo;index \u00e0 la matrice OF, tandis que l&rsquo;&nbsp;indice d&rsquo;oubli estim\u00e9&nbsp;permet de trouver la colonne de la matrice OF pour laquelle l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;correspond \u00e0 l&rsquo;intervalle r\u00e9ellement utilis\u00e9, corrig\u00e9 de l&rsquo;\u00e9cart entre l&rsquo;&nbsp;indice d&rsquo;oubli estim\u00e9&nbsp;et l&rsquo;indice d&rsquo;oubli demand\u00e9. \u00c0 chaque r\u00e9p\u00e9tition, une moyenne pond\u00e9r\u00e9e est calcul\u00e9e entre l&rsquo;ancien&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;et la nouvelle valeur estim\u00e9e du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>&nbsp;ainsi obtenu est utilis\u00e9 pour indexer la matrice OF lors du calcul du nouvel intervalle inter-r\u00e9p\u00e9titions optimal<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">En r\u00e9sum\u00e9. Les r\u00e9p\u00e9titions permettent de calculer un ensemble de param\u00e8tres caract\u00e9risant la m\u00e9moire de l&rsquo;\u00e9tudiant : la matrice RF, le graphique G-AF et le graphique FI-G. Ils servent aussi \u00e0 calculer les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>&nbsp;de chaque \u00e9l\u00e9ment, qui caract\u00e9risent la difficult\u00e9 du mat\u00e9riel appris. La matrice RF est liss\u00e9e pour produire la matrice OF, qui est ensuite utilis\u00e9e pour calculer l&rsquo;intervalle inter-r\u00e9p\u00e9titions optimal pour des \u00e9l\u00e9ments de difficult\u00e9 diff\u00e9rente (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a>) et de nombre de r\u00e9p\u00e9titions diff\u00e9rent (ou de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Lapse\" rel=\"noreferrer noopener\" target=\"_blank\">lapses de m\u00e9moire<\/a>&nbsp;dans le cas de la premi\u00e8re r\u00e9p\u00e9tition). Au d\u00e9part, tous les param\u00e8tres mn\u00e9siques de l&rsquo;\u00e9tudiant sont consid\u00e9r\u00e9s comme ceux d&rsquo;un \u00e9tudiant l\u00e9g\u00e8rement en dessous de la moyenne (car cela donne une convergence plus rapide qu&rsquo;un profil moyen ou sup\u00e9rieur), tandis que tous les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>&nbsp;sont suppos\u00e9s \u00e9gaux (inconnus).<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1997\">1997 : l&#8217;emploi des r\u00e9seaux de neurones<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">R\u00e9seaux de neurones : un int\u00e9r\u00eat naissant<\/h2>\n\n<p class=\"wp-block-paragraph\">Au milieu des ann\u00e9es 1980, j&rsquo;ai lu \u00ab &nbsp;<em>Brains, Machines and Mathematics<\/em>&nbsp;\u00bb de Michael Arbib. Cet ouvrage a consolid\u00e9 ma vision du cerveau comme une machine de calcul efficace.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour quiconque s&rsquo;int\u00e9resse au fonctionnement du cerveau, et c&rsquo;est le cas de presque tout le monde, les r\u00e9seaux de neurones sont naturellement fascinants. En \u00e9tudiant l&rsquo;informatique, j&rsquo;ai acquis une nouvelle perspective, computationnelle, du cerveau et des r\u00e9seaux de neurones. Comme les r\u00e9seaux de neurones ont une capacit\u00e9 \u00e9tonnante \u00e0 mod\u00e9liser eux-m\u00eames les donn\u00e9es, il peut sembler naturel de les employer pour \u00e9tudier les donn\u00e9es de m\u00e9moire et r\u00e9pondre \u00e0 la question du fonctionnement de la m\u00e9moire. Cependant, les r\u00e9seaux de neurones ont un inconv\u00e9nient majeur : ils ne partagent pas facilement leurs d\u00e9couvertes. C&rsquo;est un peu comme le probl\u00e8me du cerveau lui-m\u00eame : il peut accomplir des choses magiques, et pourtant il est difficile de dire ce qui se passe r\u00e9ellement \u00e0 l&rsquo;int\u00e9rieur. Il est amusant d&rsquo;\u00e9crire un logiciel de r\u00e9seau de neurones, je m&rsquo;y suis essay\u00e9 en 1989. C&rsquo;est un peu moins amusant de voir un r\u00e9seau de neurones \u00e0 l&rsquo;\u0153uvre.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;approche alg\u00e9brique de SuperMemo a devanc\u00e9 les r\u00e9seaux de neurones pour deux raisons : (1) mes questions sur la m\u00e9moire m&rsquo;ont toujours sembl\u00e9 trop simples pour justifier des r\u00e9seaux de neurones, et (2) les r\u00e9seaux ont besoin de donn\u00e9es, qui ont besoin d&rsquo;apprentissage, qui a besoin d&rsquo;un algorithme, qui a besoin de r\u00e9pondre \u00e0 des questions simples. Dans cette course de l&rsquo;\u0153uf et de la poule, mon cerveau avait toujours une longueur d&rsquo;avance sur ce que j&rsquo;aurais pu d\u00e9duire des donn\u00e9es disponibles avec un r\u00e9seau de neurones.<\/p>\n\n<p class=\"wp-block-paragraph\">La sup\u00e9riorit\u00e9 de l&rsquo;approche alg\u00e9brique est \u00e9vidente si l&rsquo;on consid\u00e8re que l&rsquo;intervalle optimal peut \u00eatre trouv\u00e9 simplement en tra\u00e7ant une courbe d&rsquo;oubli et en utilisant une r\u00e9gression pour trouver le point o\u00f9 le rappel descend sous 90 %. C&rsquo;\u00e9tait encore plus extr\u00eame dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/The_birthday_of_spaced_repetition:_July_31,_1985\" rel=\"noreferrer noopener\" target=\"_blank\">exp\u00e9rience de 1985<\/a>, o\u00f9 ma \u00ab courbe d&rsquo;oubli \u00bb n&rsquo;\u00e9tait constitu\u00e9e que de 5 points. Je pouvais simplement choisir celui qui me plaisait le plus. C&rsquo;\u00e9tait un exercice de niveau maternelle. Pas besoin de grosse artillerie.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1990, en travaillant sur le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le d&rsquo;apprentissage intermittent<\/a>, je me suis le plus approch\u00e9 de l&#8217;emploi des r\u00e9seaux de neurones. Apr\u00e8s une discussion de sept heures avec&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Murakowski<\/a>&nbsp;le 6 juillet 1990, nous avons conclu qu&rsquo;un r\u00e9seau de neurones pourrait apporter certaines r\u00e9ponses. Cependant, mon ordinateur \u00e9tait d\u00e9j\u00e0 en train de traiter des donn\u00e9es \u00e0 l&rsquo;aide de m\u00e9thodes alg\u00e9briques de mont\u00e9e de gradient (hill-climbing). Dans l&rsquo;essence, cela ressemble \u00e0 l&rsquo;extraction de caract\u00e9ristiques dans les r\u00e9seaux de neurones. Une fois mes r\u00e9ponses obtenues, cette motivation a disparu.<\/p>\n\n<p class=\"wp-block-paragraph\">N\u00e9anmoins, au milieu des ann\u00e9es 1990, nous recevions de plus en plus de questions sur l&rsquo;adaptabilit\u00e9 de l&rsquo;algorithme et sur la possibilit\u00e9 d&#8217;employer des r\u00e9seaux de neurones. Ces questions venaient principalement de personnes qui ne comprenaient pas tr\u00e8s bien SuperMemo. Le mod\u00e8le derri\u00e8re SuperMemo est simple, les outils d&rsquo;optimisation sont simples, et ils fonctionnent plut\u00f4t bien \u00e0 notre satisfaction. La toute premi\u00e8re approche computationnelle, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>, est encore utilis\u00e9e aujourd&rsquo;hui. L&rsquo;insatisfaction humaine face \u00e0 la m\u00e9moire provient g\u00e9n\u00e9ralement d&rsquo;attentes d\u00e9raisonnables forg\u00e9es par les programmes scolaires, ainsi que de notre faible capacit\u00e9 \u00e0 formuler les connaissances pour une consommation saine. Cette derni\u00e8re habitude est aussi entretenue par la pression du bourrage de cr\u00e2ne h\u00e9rit\u00e9e de l&rsquo;\u00e9cole. Les algorithmes de SuperMemo ne peuvent pas rem\u00e9dier \u00e0 cette insatisfaction envers l&rsquo;apprentissage. Ils ont toujours bien fonctionn\u00e9, et les trente derni\u00e8res ann\u00e9es ont apport\u00e9 des progr\u00e8s mesurables math\u00e9matiquement, mais qui ne se traduisent pas facilement par une augmentation du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Pleasure_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">plaisir d&rsquo;apprendre<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">La pouss\u00e9e en faveur des r\u00e9seaux de neurones<\/h2>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es 1990, le courrier adress\u00e9 \u00e0 SuperMemo World laissait souvent entendre que l&rsquo;approche par r\u00e9seau de neurones serait sup\u00e9rieure. M\u00eame apr\u00e8s une d\u00e9cennie d&rsquo;utilisation de SuperMemo, un \u00e9tudiant pouvait encore \u00e9crire :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>SuperMemo ne tient pas compte des diff\u00e9rentes capacit\u00e9s et besoins des utilisateurs. Il suppose au contraire que chaque apprenant est un \u00ab mauvais apprenant \u00bb. Ainsi, chaque apprenant aura le m\u00eame intervalle de r\u00e9p\u00e9tition, son algorithme sous-jacent est fig\u00e9, ce qui peut ne pas \u00eatre tr\u00e8s efficace si vous \u00eates un apprenant meilleur ou diff\u00e9rent. [&#8230;] Les r\u00e9seaux de neurones tiennent compte du fait qu&rsquo;il existe des types d&rsquo;apprenants tr\u00e8s diff\u00e9rents ayant besoin d&rsquo;intervalles de r\u00e9p\u00e9tition optimaux diff\u00e9rents. En r\u00e9visant de nouveaux mots et en \u00ab indiquant \u00bb aux programmes leur degr\u00e9 de r\u00e9ussite ou d&rsquo;\u00e9chec, l&rsquo;apprenant r\u00e9v\u00e8le progressivement quel type d&rsquo;apprenant il est r\u00e9ellement. Gr\u00e2ce \u00e0 ce retour d&rsquo;information, les programmes sont capables de s&rsquo;adapter et d&rsquo;optimiser leurs intervalles de r\u00e9p\u00e9tition sous-jacents si n\u00e9cessaire<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ces propos t\u00e9moignent d&rsquo;une m\u00e9connaissance de SuperMemo. SuperMemo n&rsquo;utilise pas un \u00ab mod\u00e8le de mauvais \u00e9tudiant \u00bb. Il ne part de simplement d&rsquo;intervalles plus courts qu&rsquo;avant d&rsquo;avoir recueilli les premi\u00e8res donn\u00e9es sur la m\u00e9moire de l&rsquo;\u00e9tudiant. Le choix d&rsquo;intervalles plus courts d\u00e9coule d&rsquo;une approximation plus rapide du mod\u00e8le optimal. En d&rsquo;autres termes, SuperMemo s&rsquo;adapte \u00e0 chaque \u00e9tudiant, et le \u00ab mod\u00e8le d&rsquo;\u00e9tudiant l\u00e9g\u00e8rement en dessous de la moyenne \u00bb ne peut \u00eatre attribu\u00e9 qu&rsquo;au point de d\u00e9part, avant que la moindre donn\u00e9e ne soit recueillie.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans SuperMemo, le mod\u00e8le de l&rsquo;\u00e9tudiant moyen n&rsquo;est utilis\u00e9 que comme condition initiale dans le processus de recherche du mod\u00e8le de la m\u00e9moire r\u00e9elle de l&rsquo;\u00e9tudiant.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans une optimisation de trajectoire \u00e0 dimension finie, la convergence est la plus rapide lorsque l&rsquo;estimation initiale de l&rsquo;\u00e9tat est bonne. Bien que ce ne soit pas le cas dans SuperMemo, en raison de la nature relativement simple, \u00e0 trois dimensions, de la fonction des intervalles optimaux, dans le cas g\u00e9n\u00e9ral, la recherche de solutions peut \u00e9chouer et l&rsquo;optimisation ne pas fonctionner. Contrairement aux matrices univoques utilis\u00e9es dans les anciennes versions de SuperMemo \u00e0 des fins de recherche, un algorithme de r\u00e9seau de neurones produirait du chaos sans pr\u00e9-entra\u00eenement. C&rsquo;est pourquoi des donn\u00e9es d&rsquo;apprentissage ant\u00e9rieures sont utilis\u00e9es pour mettre \u00e0 jour le mod\u00e8le d&rsquo;\u00e9tudiant moyen ou l\u00e9g\u00e8rement en dessous de la moyenne employ\u00e9 dans SuperMemo, afin d&rsquo;obtenir la vitesse de convergence maximale.<\/p>\n\n<p class=\"wp-block-paragraph\">Notez que cette approche de l&rsquo;\u00e9tudiant moyen est encore moins significative dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>, en raison de l&rsquo;utilisation d&rsquo;approximations optimales pour de multiples param\u00e8tres et fonctions du processus d&rsquo;apprentissage (par exemple la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment, la fonction d&rsquo;augmentation de la stabilit\u00e9, etc.). Cela signifie que SuperMemo tirera toujours le meilleur parti des donn\u00e9es disponibles (en utilisant nos meilleures connaissances actuelles des mod\u00e8les de m\u00e9moire).<\/p>\n\n<p class=\"wp-block-paragraph\">La forme approximative de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;est connue depuis plus d&rsquo;un si\u00e8cle (voir :&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Error_of_Ebbinghaus_forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;erreur de la courbe d&rsquo;oubli d&rsquo;Ebbinghaus<\/a>). SuperMemo recueille des donn\u00e9es pr\u00e9cises sur la forme des courbes d&rsquo;oubli pour des \u00e9l\u00e9ments de difficult\u00e9 et de stabilit\u00e9 mn\u00e9sique diff\u00e9rentes. \u00c0 partir des courbes d&rsquo;oubli, SuperMemo d\u00e9rive facilement l&rsquo;intervalle optimal. Les donn\u00e9es ne proviennent que d&rsquo;un seul \u00e9tudiant, et chaque r\u00e9p\u00e9tition contribue \u00e0 la pr\u00e9cision du calcul. En d&rsquo;autres termes, \u00e0 chaque minute pass\u00e9e avec SuperMemo, le programme vous conna\u00eet de mieux en mieux. Il vous conna\u00eet d&rsquo;ailleurs suffisamment bien apr\u00e8s un mois ou deux. Vous n&rsquo;avez jamais \u00e0 vous inqui\u00e9ter de l&rsquo;efficacit\u00e9 de l&rsquo;algorithme.<\/p>\n\n<p class=\"wp-block-paragraph\">Il existe une aura de mystique autour des r\u00e9seaux de neurones. On leur attribue le pouvoir de r\u00e9v\u00e9ler des propri\u00e9t\u00e9s cach\u00e9es des ph\u00e9nom\u00e8nes \u00e9tudi\u00e9s. Il est facile d&rsquo;oublier que les r\u00e9seaux peuvent facilement \u00e9chouer lorsqu&rsquo;ils sont aliment\u00e9s par des informations erron\u00e9es ou lorsqu&rsquo;une information essentielle manque. Ce fut le cas du seul r\u00e9seau de neurones fonctionnel utilis\u00e9 en r\u00e9p\u00e9tition espac\u00e9e :&nbsp;MemAid, de David Calinski.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;erreur dans la conception du r\u00e9seau MemAid provenait de l&rsquo;utilisation, en entr\u00e9e, de l&rsquo;intervalle et du nombre de r\u00e9p\u00e9titions pour repr\u00e9senter l&rsquo;\u00e9tat de la m\u00e9moire, alors que ces deux variables ne correspondent pas au couple Stabilit\u00e9&nbsp;: R\u00e9cup\u00e9rabilit\u00e9. Il a \u00e9t\u00e9 d\u00e9montr\u00e9 que la stabilit\u00e9 et la r\u00e9cup\u00e9rabilit\u00e9 sont n\u00e9cessaires pour repr\u00e9senter l&rsquo;\u00e9tat d&rsquo;une trace mn\u00e9sique \u00e0 long terme. En d&rsquo;autres termes, le r\u00e9seau ne re\u00e7oit pas toutes les informations n\u00e9cessaires pour calculer l&rsquo;intervalle optimal. Une meilleure conception coderait l&rsquo;historique complet des r\u00e9p\u00e9titions, par exemple \u00e0 l&rsquo;aide des variables de stabilit\u00e9 et de r\u00e9cup\u00e9rabilit\u00e9. Un historique complet des r\u00e9p\u00e9titions est n\u00e9cessaire pour tenir compte de l&rsquo;effet d&rsquo;espacement li\u00e9 \u00e0 une pr\u00e9sentation group\u00e9e, ou d&rsquo;une augmentation significative de la stabilit\u00e9 pour des notes de r\u00e9ussite en r\u00e9p\u00e9titions retard\u00e9es. La conception de Calinski r\u00e9pondrait cependant aux exigences de base pour un apprentissage \u00e0 des intervalles \u00ab optimaux \u00bb avec peu d&rsquo;\u00e9carts par rapport aux r\u00e8gles de la r\u00e9p\u00e9tition espac\u00e9e (autant que l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-2<\/a>).<\/p>\n\n<h2 class=\"wp-block-heading\">SuperMemo est-il rigide ?<\/h2>\n\n<p class=\"wp-block-paragraph\">Il n&rsquo;est pas vrai que SuperMemo soit biais\u00e9 alors qu&rsquo;un r\u00e9seau de neurones ne le serait pas. Rien n&#8217;emp\u00eache les matrices d&rsquo;optimisation de SuperMemo de s&rsquo;\u00e9carter du mod\u00e8le de m\u00e9moire et de produire un r\u00e9sultat inattendu. Il est vrai qu&rsquo;au fil des ann\u00e9es, avec une connaissance toujours plus approfondie du fonctionnement de la m\u00e9moire, l&rsquo;algorithme utilis\u00e9 dans SuperMemo a \u00e9t\u00e9 dot\u00e9 de restrictions et de sous-algorithmes personnalis\u00e9s. Aucun d&rsquo;entre eux n&rsquo;a cependant r\u00e9sult\u00e9 d&rsquo;une supposition hasardeuse. La progression du \u00ab parti pris \u00bb dans les algorithmes de SuperMemo n&rsquo;est que le reflet des d\u00e9couvertes des ann\u00e9es pr\u00e9c\u00e9dentes. La m\u00eame chose affecterait in\u00e9vitablement toute impl\u00e9mentation par r\u00e9seau de neurones qui chercherait \u00e0 maximiser sa performance.<\/p>\n\n<p class=\"wp-block-paragraph\">Il n&rsquo;est pas vrai non plus que les valeurs initiales pr\u00e9r\u00e9gl\u00e9es des matrices d&rsquo;optimisation de SuperMemo constituent une forme de parti pris. Elles sont l&rsquo;\u00e9quivalent d&rsquo;un pr\u00e9-entra\u00eenement dans un r\u00e9seau de neurones. Un r\u00e9seau de neurones qui n&rsquo;a pas \u00e9t\u00e9 pr\u00e9-entra\u00een\u00e9 convergera \u00e9galement plus lentement vers le mod\u00e8le optimal. C&rsquo;est pourquoi SuperMemo est \u00ab pr\u00e9-entra\u00een\u00e9 \u00bb avec le mod\u00e8le d&rsquo;un \u00e9tudiant moyen.<\/p>\n\n<p class=\"wp-block-paragraph\">La vitesse d&rsquo;augmentation des intervalles est d\u00e9termin\u00e9e par la matrice des intervalles optimaux et n&rsquo;est en aucun cas constante. De plus, la matrice des intervalles optimaux \u00e9volue dans le temps en fonction des performances de l&rsquo;utilisateur. Vous pouvez avoir l&rsquo;impression d&rsquo;un algorithme fig\u00e9 ou rigide seulement apr\u00e8s des mois ou des ann\u00e9es d&rsquo;utilisation (la vitesse de changement est inversement proportionnelle \u00e0 la quantit\u00e9 de donn\u00e9es d&rsquo;apprentissage disponibles). Cette convergence refl\u00e8te l&rsquo;invariance du syst\u00e8me de m\u00e9moire humain. Peu importe que vous utilisiez l&rsquo;approche alg\u00e9brique ou l&rsquo;approche neuronale du probl\u00e8me d&rsquo;optimisation. Vous arriverez finalement \u00e0 la fonction de r\u00e9p\u00e9tition espac\u00e9e qui refl\u00e8te les propri\u00e9t\u00e9s r\u00e9elles de votre m\u00e9moire. \u00c0 cet \u00e9gard, la vitesse de convergence devrait \u00eatre consid\u00e9r\u00e9e comme un crit\u00e8re de qualit\u00e9 de l&rsquo;algorithme. En d&rsquo;autres termes, plus vite la fonction d&rsquo;intervalle devient \u00ab fig\u00e9e \u00bb, mieux c&rsquo;est.<\/p>\n\n<p class=\"wp-block-paragraph\">Enfin, il existe un autre domaine o\u00f9 les r\u00e9seaux de neurones doivent soit exploiter les connaissances existantes sur les mod\u00e8les de m\u00e9moire (c&rsquo;est-\u00e0-dire porter une dose de parti pris), soit perdre en efficacit\u00e9. Le r\u00e9seau de neurones exp\u00e9rimental de SuperMemo, MemAid, ainsi que FullRecall, ont tous montr\u00e9 une faiblesse inh\u00e9rente. Le r\u00e9seau atteint la stabilit\u00e9 lorsque les intervalles produisent l&rsquo;effet souhait\u00e9 (par exemple un niveau sp\u00e9cifique de l&rsquo;indice d&rsquo;oubli mesur\u00e9). Chaque fois que le r\u00e9seau s&rsquo;\u00e9carte du mod\u00e8le optimal, il re\u00e7oit une estimation heuristique de la valeur de l&rsquo;intervalle optimal en fonction de la note obtenue lors des r\u00e9p\u00e9titions (par exemple, une note de 5 correspondrait \u00e0&nbsp;<a href=\"http:\/\/super-memory.com\/english\/ol\/nn_train.htm\" rel=\"nofollow noopener\" target=\"_blank\">130 % de l&rsquo;intervalle optimal dans SuperMemo NN<\/a>&nbsp;ou \u00e0&nbsp;<a href=\"http:\/\/memaid.sourceforge.net\/docs\/ann.html\" rel=\"nofollow noopener\" target=\"_blank\">120 % dans MemAid<\/a>). Le SuperMemo alg\u00e9brique, en revanche, peut calculer une estimation de la difficult\u00e9, utiliser une mesure pr\u00e9cise de la r\u00e9tention, et produire un ajustement pr\u00e9cis de la valeur de la matrice d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9<\/a>. En d&rsquo;autres termes, il ne devine pas l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimal_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>. Il en calcule la valeur exacte pour cette r\u00e9p\u00e9tition particuli\u00e8re. Les ajustements des matrices de m\u00e9moire sont pond\u00e9r\u00e9s et produisent une convergence stable et non oscillante. En d&rsquo;autres termes, c&rsquo;est le mod\u00e8le de m\u00e9moire qui permet d&rsquo;\u00e9liminer le facteur de conjecture. \u00c0 cet \u00e9gard, le SuperMemo alg\u00e9brique est moins biais\u00e9 que le SuperMemo \u00e0 r\u00e9seau de neurones.<\/p>\n\n<h2 class=\"wp-block-heading\">La futilit\u00e9 de l&rsquo;affinage de l&rsquo;algorithme de r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-17<\/a>&nbsp;repr\u00e9sente une avanc\u00e9e majeure, pourtant de nombreux utilisateurs ne remarqueront pas l&rsquo;am\u00e9lioration et resteront fid\u00e8les aux anciens algorithmes. Ce probl\u00e8me de perception a donn\u00e9 naissance au \u00ab mythe SM3+ \u00bb, que j&rsquo;ai tent\u00e9 de dissiper dans cet&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/First_fast-converging_spaced_repetition_algorithm:_Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">article<\/a>. En m\u00eame temps, la valeur du nouvel algorithme pour la poursuite de la recherche est astronomique. En d&rsquo;autres termes, il existe un grand d\u00e9calage entre les besoins pratiques et les besoins th\u00e9oriques. Mes propos dans une interview pour Enter, en 1994, restent d&rsquo;actualit\u00e9 :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Nous avons d\u00e9j\u00e0 vu que l&rsquo;\u00e9volution plaide en faveur de SuperMemo, que les d\u00e9couvertes en psychologie co\u00efncident avec la m\u00e9thode, et que les faits de la biologie mol\u00e9culaire et les conclusions issues du mod\u00e8le de Wozniak semblent aller de pair. Voici le moment de voir comment les m\u00e9canismes d\u00e9crits ont \u00e9t\u00e9 mis en \u0153uvre dans le programme lui-m\u00eame. Au fil des r\u00e9p\u00e9titions, SuperMemo trace la courbe d&rsquo;oubli de l&rsquo;\u00e9tudiant et programme la r\u00e9p\u00e9tition au moment o\u00f9 la r\u00e9tention, c&rsquo;est-\u00e0-dire la proportion de connaissances m\u00e9moris\u00e9es, descend jusqu&rsquo;\u00e0 un niveau d\u00e9fini au pr\u00e9alable. En d&rsquo;autres termes, SuperMemo v\u00e9rifie combien vous vous souvenez apr\u00e8s une semaine et, si vous vous souvenez moins que souhait\u00e9, il vous demande de faire des r\u00e9p\u00e9titions \u00e0 des intervalles inf\u00e9rieurs \u00e0 une semaine. Sinon, il v\u00e9rifie la r\u00e9tention apr\u00e8s une p\u00e9riode plus longue et augmente les intervalles en cons\u00e9quence. Un petit hic dans ce tableau simple vient du fait que les \u00e9l\u00e9ments de difficult\u00e9 diff\u00e9rente doivent \u00eatre r\u00e9p\u00e9t\u00e9s \u00e0 des intervalles diff\u00e9rents, et que les intervalles augmentent au fur et \u00e0 mesure que le processus d&rsquo;apprentissage progresse. De plus, les intervalles inter-r\u00e9p\u00e9titions optimaux doivent \u00eatre connus pour un individu moyen, et ceux-ci doivent \u00eatre utilis\u00e9s avant que le programme ne puisse recueillir des donn\u00e9es sur l&rsquo;\u00e9tudiant r\u00e9el. Il doit \u00e9videmment y avoir tout un appareil math\u00e9matique pour mettre en \u0153uvre l&rsquo;ensemble du m\u00e9canisme. En r\u00e9sum\u00e9, Wozniak affirme qu&rsquo;il y a eu dans sa vie au moins 30 jours o\u00f9 il a eu l&rsquo;impression que les algorithmes utilis\u00e9s dans SuperMemo avaient \u00e9t\u00e9 sensiblement am\u00e9lior\u00e9s. Chacun de ces cas semblait constituer une avanc\u00e9e majeure. L&rsquo;ensemble du processus de d\u00e9veloppement n&rsquo;a \u00e9t\u00e9 qu&rsquo;une longue succession d&rsquo;essais et d&rsquo;erreurs, de tests, d&rsquo;am\u00e9liorations, de mises en \u0153uvre de nouvelles id\u00e9es, etc. Malheureusement, ces bons jours sont termin\u00e9s. Aucune am\u00e9lioration d\u00e9cisive de l&rsquo;algorithme n&rsquo;a eu lieu depuis 1991. On peut se consoler en constatant que, depuis lors, le logiciel a commenc\u00e9 \u00e0 se d\u00e9velopper rapidement, offrant \u00e0 l&rsquo;utilisateur de nouvelles options et solutions. SuperMemo peut-il alors devenir encore meilleur, plus rapide, plus efficace ? Wozniak est pessimiste. Tout affinage suppl\u00e9mentaire des algorithmes, l&rsquo;application de l&rsquo;intelligence artificielle ou des r\u00e9seaux de neurones, serait noy\u00e9 dans le bruit des interf\u00e9rences. Apr\u00e8s tout, nous n&rsquo;apprenons pas isol\u00e9s du monde. Lorsque le programme programme la prochaine r\u00e9p\u00e9tition dans 365 jours, et que le fait est rappel\u00e9 par hasard plus t\u00f4t, SuperMemo n&rsquo;a aucun moyen de savoir que ce rappel accidentel a eu lieu et ex\u00e9cutera la r\u00e9p\u00e9tition au moment pr\u00e9vu initialement. Ce n&rsquo;est pas optimal, mais cela ne peut \u00eatre corrig\u00e9 en am\u00e9liorant l&rsquo;algorithme. Am\u00e9liorer SuperMemo aujourd&rsquo;hui revient \u00e0 r\u00e9gler finement un r\u00e9cepteur radio dans un atelier d&rsquo;assemblage automobile bruyant. Les gens de SuperMemo World se concentrent d\u00e9sormais moins sur la science. Selon eux, apr\u00e8s l&rsquo;invention scientifique, le temps est venu de l&rsquo;invention sociale de SuperMemo.<\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Le projet de r\u00e9seau de neurones de Dreger<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 20 mai 1997, mon ami virtuel de l&rsquo;\u00e9poque pr\u00e9-web des&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Bulletin_board_system\" rel=\"nofollow noopener\" target=\"_blank\">BBS<\/a>, Bartek Dreger, a eu une excellente id\u00e9e. Il allait lui aussi \u00e9crire son m\u00e9moire de master sur SuperMemo \u00e0 l&rsquo;Institut d&rsquo;informatique de l&rsquo;\u00c9cole polytechnique de Pozna\u0144. Cela se passerait 8 ans apr\u00e8s le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">mien<\/a>, sauf qu&rsquo;il utiliserait des r\u00e9seaux de neurones pour voir comment ils se comportaient. Bien qu&rsquo;il ait presque deux d\u00e9cennies de moins que moi, son projet consistait \u00e0 le tenter au sein de la m\u00eame formidable \u00e9quipe de recherche op\u00e9rationnelle de W\u0119glarz que j&rsquo;\u00e9voque souvent ailleurs dans ce texte. D\u00e8s 1990, le Dr Nawrocki avait eu l&rsquo;id\u00e9e d&rsquo;utiliser des r\u00e9seaux de neurones pour am\u00e9liorer SuperMemo. Le grand esprit du professeur Roman S\u0142owi\u0144ski devait superviser le tout. Cela pouvait vraiment fonctionner.<\/p>\n\n<p class=\"wp-block-paragraph\">En juin 1997, un autre de mes amis virtuels, Piotr Wierzejewski, a rejoint le projet. Puis trois autres \u00e9tudiants en informatique se sont embarqu\u00e9s. C&rsquo;\u00e9tait une charmante \u00e9quipe de cinq jeunes cerveaux dont l&rsquo;\u00e2ge combin\u00e9 atteignait 100 ans. Bient\u00f4t, le projet s&rsquo;est \u00e9tendu \u00e0 l&rsquo;id\u00e9e d&rsquo;un SuperMemo en ligne, surnomm\u00e9 WebSorb (pour l&rsquo;absorption des connaissances issues du web). Comme cela arrive souvent avec des \u00e9quipes jeunes et enthousiastes, nous avons commenc\u00e9 \u00e0 en faire trop, et finalement seule une fraction des objectifs a \u00e9t\u00e9 atteinte. Seule l&rsquo;id\u00e9e du SuperMemo en ligne a continu\u00e9 \u00e0 \u00e9voluer et \u00e0 se ramifier de fa\u00e7on sinueuse, avec la naissance et la mort de plusieurs mini-projets (par exemple e-SuperMemo, Quizer, Super-Memorizer, Memorathoner, etc.) jusqu&rsquo;\u00e0 l&rsquo;\u00e9mergence de&nbsp;<a href=\"http:\/\/super-memory.com\/archive\/english\/company\/3gems.htm\" rel=\"nofollow noopener\" target=\"_blank\">3GEMs<\/a>, devenu supermemo.net, qui a finalement \u00e9volu\u00e9 vers l&rsquo;actuel&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">supermemo.com<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Le plus grand atout de la jeunesse dans des projets de ce genre est la cr\u00e9ativit\u00e9 et la passion. Le plus grand obstacle est la scolarit\u00e9, puis, plus tard, d&rsquo;autres obligations, y compris avoir des enfants. Ce fantastique vivier de cerveaux a \u00e9t\u00e9 victime du probl\u00e8me ancestral de l&rsquo;\u00e9cole : transformer un projet n\u00e9 de la passion en une corv\u00e9e scolaire, avec \u00e9ch\u00e9ances, rapports, contr\u00f4les, examens et notes. Comme expliqu\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_1.0_for_DOS_(1987)\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>, SuperMemo est lui aussi n\u00e9 dans cet environnement scolaire risqu\u00e9. La cl\u00e9 du succ\u00e8s, c&rsquo;est le combat pour la libert\u00e9. La servitude tue les passions. L&rsquo;id\u00e9e de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;a surv\u00e9cu \u00e0 la pression de la scolarit\u00e9 gr\u00e2ce \u00e0 mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/How_I_invented_perfect_schooling\" rel=\"noreferrer noopener\" target=\"_blank\">combat pour la libert\u00e9 \u00e9ducative<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">SuperMemo \u00e0 r\u00e9seau de neurones&nbsp;: pourquoi le mod\u00e8le de m\u00e9moire est essentiel dans les algorithmes de SuperMemo<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;extraction de caract\u00e9ristiques propos\u00e9e pour les r\u00e9seaux de neurones de r\u00e9p\u00e9tition espac\u00e9e s&rsquo;appuie sur l&rsquo;existence bien \u00e9tablie de deux composantes de la m\u00e9moire \u00e0 long terme, d\u00e9crites&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">Les deux variables mn\u00e9siques<\/a>&nbsp;suffisent \u00e0 repr\u00e9senter l&rsquo;\u00e9tat d&rsquo;une trace mn\u00e9sique atomique en apprentissage. Ces variables permettent de calculer les intervalles optimaux et de tenir compte de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>. La fonction d&rsquo;augmentation de la stabilit\u00e9 mn\u00e9sique pour les r\u00e9p\u00e9titions retard\u00e9es est \u00e9galement connue. Pour ces raisons, un algorithme d&rsquo;optimisation simple permet de d\u00e9terminer facilement et rapidement l&rsquo;espacement optimal des r\u00e9p\u00e9titions dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Un r\u00e9seau de neurones devrait coder l&rsquo;historique complet des r\u00e9p\u00e9titions pour chaque \u00e9l\u00e9ment, et les choix de codage les plus \u00e9vidents sont la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;mn\u00e9sique (S) et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;mn\u00e9sique (R). En d&rsquo;autres termes, les m\u00eames hypoth\u00e8ses sous-tendent la conception des algorithmes d&rsquo;espacement des r\u00e9p\u00e9titions, qu&rsquo;ils soient alg\u00e9briques ou neuronaux. Il va sans dire que la solution alg\u00e9brique est simple et rapide. Elle converge vite. Elle ne n\u00e9cessite aucun pr\u00e9-entra\u00eenement (le mod\u00e8le de m\u00e9moire est encapsul\u00e9 dans la matrice des intervalles optimaux).<\/p>\n\n<p class=\"wp-block-paragraph\">Un r\u00e9seau de neurones travaillant avec des historiques complets de r\u00e9p\u00e9titions produira le m\u00eame r\u00e9sultat qu&rsquo;un algorithme de mont\u00e9e de gradient employ\u00e9 pour construire la stabilit\u00e9 de la m\u00e9moire. La mont\u00e9e de gradient est simplement un outil meilleur\/plus rapide pour cette t\u00e2che. Elle portera les m\u00eames limites que les r\u00e9seaux de neurones, c&rsquo;est-\u00e0-dire que les r\u00e9ponses seront \u00e0 la hauteur de la question pos\u00e9e.<\/p>\n\n<h2 class=\"wp-block-heading\">SuperMemo \u00e0 r\u00e9seau de neurones : conception<\/h2>\n\n<p class=\"wp-block-paragraph\">Avec Bartek Dreger, nous avons con\u00e7u un syst\u00e8me ANN simple pour traiter le probl\u00e8me de l&rsquo;espacement des r\u00e9p\u00e9titions (d\u00e9cembre 1997). Notez que ce projet n&rsquo;aurait pas \u00e9t\u00e9 possible sans l&rsquo;expertise du Dr Krzysztof Krawiec, qui a aid\u00e9 \u00e0 peaufiner la conception :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Le probl\u00e8me de l&rsquo;espacement des r\u00e9p\u00e9titions consiste \u00e0 calculer les intervalles inter-r\u00e9p\u00e9titions optimaux dans le processus d&rsquo;apprentissage humain. Les intervalles sont calcul\u00e9s pour des \u00e9l\u00e9ments individuels d&rsquo;information (appel\u00e9s plus loin des \u00e9l\u00e9ments) et pour un individu donn\u00e9. L&rsquo;ensemble des donn\u00e9es d&rsquo;entr\u00e9e sont les notes obtenues par l&rsquo;\u00e9tudiant lors des r\u00e9p\u00e9titions des \u00e9l\u00e9ments dans le processus d&rsquo;apprentissage. Jusqu&rsquo;\u00e0 pr\u00e9sent, ce probl\u00e8me a \u00e9t\u00e9 r\u00e9solu le plus efficacement au moyen d&rsquo;une s\u00e9rie successive d&rsquo;algorithmes connus commercialement sous le nom de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;et d\u00e9velopp\u00e9s par le Dr&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Wozniak<\/a>&nbsp;chez&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>, en Pologne. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neurostatistical_Model_of_Memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le de m\u00e9moire<\/a>&nbsp;de Wozniak, utilis\u00e9 pour d\u00e9velopper la version la plus r\u00e9cente de l&rsquo;algorithme (l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>), ne peut \u00eatre consid\u00e9r\u00e9 comme la description alg\u00e9brique ultime de la m\u00e9moire humaine \u00e0 long terme. Plus particuli\u00e8rement, la relation entre la complexit\u00e9 du motif synaptique et la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment n&rsquo;est pas bien comprise. Cette relation pourrait \u00eatre mieux \u00e9clair\u00e9e une fois qu&rsquo;un r\u00e9seau de neurones sera employ\u00e9 pour fournir une correspondance ad\u00e9quate entre l&rsquo;\u00e9tat de la m\u00e9moire, la notation et la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment.<\/p>\n\n<p class=\"wp-block-paragraph\">Avec les solutions actuelles de pointe, la faisabilit\u00e9 technique d&rsquo;une application de r\u00e9seau de neurones dans un processus d&rsquo;apprentissage en temps r\u00e9el semble d\u00e9pendre d&rsquo;une application appropri\u00e9e de la compr\u00e9hension du processus d&rsquo;apprentissage pour d\u00e9finir ad\u00e9quatement les probl\u00e8mes qui seront pos\u00e9s au r\u00e9seau de neurones. Il serait impossible d&rsquo;attendre du r\u00e9seau qu&rsquo;il g\u00e9n\u00e8re la solution en recevant en entr\u00e9e l&rsquo;historique des notes attribu\u00e9es au cours des r\u00e9p\u00e9titions de milliers d&rsquo;\u00e9l\u00e9ments. La complexit\u00e9 computationnelle et spatiale d&rsquo;une telle approche d\u00e9passerait naturellement de loin la capacit\u00e9 du r\u00e9seau \u00e0 apprendre et \u00e0 r\u00e9pondre en temps r\u00e9el.<\/p>\n\n<p class=\"wp-block-paragraph\">En utilisant le mod\u00e8le de Wozniak des deux composantes de la m\u00e9moire \u00e0 long terme, nous postulons que la solution de r\u00e9seau de neurones suivante pourrait aboutir \u00e0 une convergence rapide et \u00e0 une grande pr\u00e9cision de l&rsquo;espacement des r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">Les deux variables mn\u00e9siques n\u00e9cessaires pour d\u00e9crire l&rsquo;\u00e9tat d&rsquo;un engramme donn\u00e9 sont la r\u00e9cup\u00e9rabilit\u00e9 (R) et la stabilit\u00e9 (S) de la m\u00e9moire (&nbsp;<a href=\"http:\/\/super-memory.com\/english\/2vm.htm\" rel=\"nofollow noopener\" target=\"_blank\">Wozniak, Gorzela\u0144czyk, Murakowski, 1995<\/a>). L&rsquo;\u00e9quation suivante relie R et S :<\/p>\n\n<p class=\"wp-block-paragraph\">(1) R=e&nbsp;<sup>-k\/S*t<\/sup><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>k est une constante<\/li><li>t est le temps<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">En utilisant l&rsquo;\u00e9quation (1), nous pouvons d\u00e9duire l&rsquo;\u00e9volution de la r\u00e9cup\u00e9rabilit\u00e9 dans le temps pour une stabilit\u00e9 donn\u00e9e, ainsi que d\u00e9terminer l&rsquo;intervalle inter-r\u00e9p\u00e9titions optimal pour une stabilit\u00e9 et un indice d&rsquo;oubli donn\u00e9s.<\/p>\n\n<p class=\"wp-block-paragraph\">La forme alg\u00e9brique exacte de la fonction d\u00e9crivant l&rsquo;\u00e9volution de la stabilit\u00e9 lors d&rsquo;une r\u00e9p\u00e9tition n&rsquo;est pas connue. Cependant, les donn\u00e9es exp\u00e9rimentales indiquent que la stabilit\u00e9 augmente g\u00e9n\u00e9ralement de 1,3 \u00e0 3 fois pour des r\u00e9p\u00e9titions bien synchronis\u00e9es, et d\u00e9pend de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment (plus la difficult\u00e9 est grande, plus l&rsquo;augmentation est faible). En fournissant l&rsquo;approximation de l&rsquo;espacement optimal des r\u00e9p\u00e9titions tir\u00e9e des donn\u00e9es exp\u00e9rimentales, telle que produite par les matrices d&rsquo;optimisation de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>, le r\u00e9seau de neurones peut \u00eatre pr\u00e9-entra\u00een\u00e9 pour calculer la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">fonction de stabilit\u00e9<\/a> :<\/p>\n\n<p class=\"wp-block-paragraph\">(2) S&nbsp;<sub>i+1<\/sub>=f&nbsp;<sub>s<\/sub>(R,Si,D,G)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>S&nbsp;<sub>i<\/sub>&nbsp;est la stabilit\u00e9 apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>R est la r\u00e9cup\u00e9rabilit\u00e9 avant la r\u00e9p\u00e9tition<\/li><li>D est la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/li><li>G est la note attribu\u00e9e \u00e0 la i-i\u00e8me r\u00e9p\u00e9tition<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">La fonction de stabilit\u00e9 est la premi\u00e8re fonction \u00e0 \u00eatre d\u00e9termin\u00e9e par le r\u00e9seau de neurones. La seconde est la fonction de difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment, avec des param\u00e8tres d&rsquo;entr\u00e9e analogues :<\/p>\n\n<p class=\"wp-block-paragraph\">(3) D&nbsp;<sub>i+1<\/sub>=f&nbsp;<sub>d<\/sub>(R,S,Di,G)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>D&nbsp;<sub>i<\/sub>&nbsp;est l&rsquo;approximation de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>R est la r\u00e9cup\u00e9rabilit\u00e9 avant la r\u00e9p\u00e9tition<\/li><li>S est la stabilit\u00e9 apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>G est la note attribu\u00e9e \u00e0 la i-i\u00e8me r\u00e9p\u00e9tition<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Par cons\u00e9quent, un r\u00e9seau de neurones \u00e0 quatre entr\u00e9es (D, R, S et G) et deux sorties (S et D) peut \u00eatre utilis\u00e9 pour encapsuler l&rsquo;ensemble des connaissances n\u00e9cessaires au calcul des intervalles inter-r\u00e9p\u00e9titions (voir : impl\u00e9mentation du r\u00e9seau de neurones d&rsquo;espacement des r\u00e9p\u00e9titions).<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;approche suivante sera adopt\u00e9e afin de v\u00e9rifier la faisabilit\u00e9 de l&rsquo;approche susmentionn\u00e9e :<\/p>\n\n<ol class=\"wp-block-list\"><li>le pr\u00e9-entra\u00eenement&nbsp;du r\u00e9seau de neurones se fera sur la base des fonctions S et D approxim\u00e9es, d\u00e9riv\u00e9es des fonctions utilis\u00e9es dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" target=\"_blank\" rel=\"noreferrer noopener\">algorithme SM-8<\/a>&nbsp;et des donn\u00e9es exp\u00e9rimentales qui en d\u00e9coulent<\/li><li>un tel r\u00e9seau pr\u00e9-entra\u00een\u00e9 sera impl\u00e9ment\u00e9 sous forme de&nbsp;<a href=\"http:\/\/super-memory.com\/archive\/english\/algplug.htm\" rel=\"nofollow noreferrer noopener\" target=\"_blank\">plug-in DLL de SuperMemo<\/a>, qui remplacera le&nbsp;<a href=\"http:\/\/super-memory.com\/english\/sm8opt.htm\" rel=\"nofollow noreferrer noopener\" target=\"_blank\">sm8opt.dll<\/a>&nbsp;standard utilis\u00e9 par SuperMemo 8 pour Windows. L&rsquo;entra\u00eenement du r\u00e9seau se poursuivra dans un processus d&rsquo;apprentissage r\u00e9el lors des tests alpha de la DLL de r\u00e9seau de neurones. Une proc\u00e9dure con\u00e7ue sp\u00e9cifiquement pour l&rsquo;exp\u00e9rience sera utilis\u00e9e pour fournir des r\u00e9sultats cumulatifs et un r\u00e9seau de neurones r\u00e9sultant. Cette proc\u00e9dure utilisera les r\u00e9seaux de neurones employ\u00e9s lors des tests alpha pour entra\u00eener le r\u00e9seau qui participera aux tests b\u00eata. Les r\u00e9seaux des tests alpha seront aliment\u00e9s par une matrice de param\u00e8tres d&rsquo;entr\u00e9e, et leur sortie sera utilis\u00e9e comme donn\u00e9es d&rsquo;entra\u00eenement pour le r\u00e9seau r\u00e9sultant<\/li><li>Dans la derni\u00e8re \u00e9tape, les tests b\u00eata du r\u00e9seau de neurones seront ouverts \u00e0 tous les volontaires sur Internet, directement depuis le site Web de SuperMemo. Il ne sera demand\u00e9 aux volontaires que de soumettre leurs r\u00e9seaux r\u00e9sultants pour l&rsquo;\u00e9tape finale de l&rsquo;exp\u00e9rience, au cours de laquelle le r\u00e9seau ultime sera d\u00e9velopp\u00e9. L\u00e0 encore, tous les r\u00e9seaux issus des tests b\u00eata seront utilis\u00e9s pour entra\u00eener le r\u00e9seau r\u00e9sultant. Les futurs utilisateurs du SuperMemo \u00e0 r\u00e9seau de neurones (si le projet s&rsquo;av\u00e8re r\u00e9ussi) obtiendront un r\u00e9seau dot\u00e9 d&rsquo;une bonne compr\u00e9hension de la m\u00e9moire humaine et capable d&rsquo;affiner davantage ses r\u00e9actions face aux interf\u00e9rences du processus d&rsquo;apprentissage avec les activit\u00e9s quotidiennes d&rsquo;un \u00e9tudiant particulier et d&rsquo;un mat\u00e9riel d&rsquo;\u00e9tude particulier.<\/li><\/ol>\n\n<p class=\"wp-block-paragraph\">Le principal probl\u00e8me de tous les algorithmes d&rsquo;espacement est le d\u00e9lai entre la comparaison de la sortie de la fonction des intervalles optimaux et le r\u00e9sultat de l&rsquo;application, en pratique, d&rsquo;un intervalle inter-r\u00e9p\u00e9titions donn\u00e9. \u00c0 chaque r\u00e9p\u00e9tition, l&rsquo;\u00e9tat du r\u00e9seau lors de la r\u00e9p\u00e9tition pr\u00e9c\u00e9dente doit \u00eatre m\u00e9moris\u00e9 afin de g\u00e9n\u00e9rer le nouvel \u00e9tat du r\u00e9seau. En pratique, cela \u00e9quivaut \u00e0 stocker un nombre \u00e9norme d&rsquo;\u00e9tats du r\u00e9seau entre les r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">Heureusement, le mod\u00e8le de Wozniak implique que les fonctions S et D sont ind\u00e9pendantes du temps (il est int\u00e9ressant de noter qu&rsquo;elles sont probablement aussi ind\u00e9pendantes de l&rsquo;utilisateur !) ; l&rsquo;approche suivante peut donc \u00eatre adopt\u00e9e pour simplifier la proc\u00e9dure :<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>Instant<\/th><th>T1<\/th><th>T2<\/th><th>T3<\/th><\/tr><tr><td>D\u00e9cision<\/td><td>I&nbsp;<sub>1<\/sub>N&nbsp;<sub>1<\/sub>O&nbsp;<sub>1<\/sub>=N&nbsp;<sub>1<\/sub>(I&nbsp;<sub>1<\/sub>)<\/td><td>I&nbsp;<sub>2<\/sub>N&nbsp;<sub>2<\/sub>O&nbsp;<sub>2<\/sub>=N&nbsp;<sub>2<\/sub>(I&nbsp;<sub>2<\/sub>)<\/td><td>I&nbsp;<sub>3<\/sub>N&nbsp;<sub>3<\/sub>O&nbsp;<sub>3<\/sub>=N&nbsp;<sub>3<\/sub>(I&nbsp;<sub>3<\/sub>)<\/td><\/tr><tr><td>R\u00e9sultat de la d\u00e9cision pr\u00e9c\u00e9dente<\/td><td><\/td><td>O*&nbsp;<sub>1<\/sub>E&nbsp;<sub>1<\/sub>=O*&nbsp;<sub>1<\/sub>-O&nbsp;<sub>1<\/sub><\/td><td>O*&nbsp;<sub>2<\/sub>E&nbsp;<sub>2<\/sub>=O*&nbsp;<sub>2<\/sub>-O&nbsp;<sub>2<\/sub><\/td><\/tr><tr><td>\u00c9valuation pour l&rsquo;entra\u00eenement<\/td><td><\/td><td>O&rsquo;&nbsp;<sub>1<\/sub>=N&nbsp;<sub>2<\/sub>(I&nbsp;<sub>1<\/sub>)E&rsquo;&nbsp;<sub>1<\/sub>=O*&nbsp;<sub>1<\/sub>-O&rsquo;&nbsp;<sub>1<\/sub><\/td><td>O&rsquo;&nbsp;<sub>2<\/sub>=N&nbsp;<sub>3<\/sub>(I&nbsp;<sub>2<\/sub>)E&rsquo;&nbsp;<sub>2<\/sub>=O*&nbsp;<sub>2<\/sub>-O&rsquo;&nbsp;<sub>2<\/sub><\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">O\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>E&nbsp;<sub>i<\/sub>&nbsp;est une borne d&rsquo;erreur avec O&nbsp;<sub>i<\/sub>&nbsp;(voir&nbsp;correction d&rsquo;erreur pour la stabilit\u00e9 mn\u00e9sique&nbsp;et&nbsp;correction d&rsquo;erreur pour la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment)<\/li><li>E&rsquo;&nbsp;<sub>i<\/sub>&nbsp;est une borne d&rsquo;erreur avec O&rsquo;&nbsp;<sub>i<\/sub><\/li><li>I&nbsp;<sub>i<\/sub>&nbsp;sont les donn\u00e9es d&rsquo;entr\u00e9e \u00e0 T&nbsp;<sub>i<\/sub><\/li><li>N&nbsp;<sub>i<\/sub>&nbsp;est l&rsquo;\u00e9tat du r\u00e9seau \u00e0 T&nbsp;<sub>i<\/sub><\/li><li>O&nbsp;<sub>i<\/sub>&nbsp;est une d\u00e9cision de sortie de N&nbsp;<sub>i<\/sub>&nbsp;\u00e9tant donn\u00e9 I&nbsp;<sub>i<\/sub>, c&rsquo;est-\u00e0-dire la d\u00e9cision apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition prise \u00e0 T&nbsp;<sub>i<\/sub><\/li><li>O*&nbsp;<sub>i<\/sub>&nbsp;est une d\u00e9cision de sortie optimale, qui devrait \u00eatre obtenue \u00e0 T&nbsp;<sub>i<\/sub>&nbsp;au lieu de O&nbsp;<sub>i<\/sub>&nbsp;; elle peut \u00eatre calcul\u00e9e \u00e0 partir de la note et de O&nbsp;<sub>i<\/sub>&nbsp;(la note indique comment O&nbsp;<sub>i<\/sub>&nbsp;aurait d\u00fb changer pour obtenir une meilleure approximation)<\/li><li>O&rsquo;&nbsp;<sub>i<\/sub>&nbsp;est une d\u00e9cision de sortie de N&nbsp;<sub>i+1<\/sub>&nbsp;\u00e9tant donn\u00e9 I&nbsp;<sub>i<\/sub>, c&rsquo;est-\u00e0-dire la d\u00e9cision apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition qui serait prise \u00e0 T&nbsp;<sub>i+1<\/sub><\/li><li>T&nbsp;<sub>i<\/sub>&nbsp;est l&rsquo;instant de la i-i\u00e8me r\u00e9p\u00e9tition d&rsquo;un \u00e9l\u00e9ment donn\u00e9<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">L&rsquo;approche ci-dessus ne n\u00e9cessite de stocker que I&nbsp;<sub>i-1<\/sub>&nbsp;pour chaque \u00e9l\u00e9ment entre les r\u00e9p\u00e9titions ayant lieu \u00e0 T&nbsp;<sub>i-1<\/sub>&nbsp;et T&nbsp;<sub>i<\/sub>, avec une \u00e9conomie substantielle sur la quantit\u00e9 de donn\u00e9es stock\u00e9es pendant le processus d&rsquo;apprentissage (E&rsquo;&nbsp;<sub>i<\/sub>&nbsp;est aussi utile pour l&rsquo;entra\u00eenement que E&nbsp;<sub>i<\/sub>). Ainsi, la solution propos\u00e9e est comparable, en termes de complexit\u00e9 spatiale, \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>&nbsp;! Un seul \u00e9tat (le plus r\u00e9cent) du r\u00e9seau de neurones doit \u00eatre m\u00e9moris\u00e9 pendant tout le processus.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici les hypoth\u00e8ses d&rsquo;impl\u00e9mentation actuelles pour le projet \u00e9voqu\u00e9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>r\u00e9seau de neurones : unidirectionnel, en couches, avec r\u00e9tropropagation r\u00e9siliente ; une couche d&rsquo;entr\u00e9e \u00e0 quatre neurones, une couche de sortie \u00e0 deux neurones, et deux couches cach\u00e9es (15 neurones chacune)<\/li><li>interpr\u00e9tation de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment : identique \u00e0 celle de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>, c&rsquo;est-\u00e0-dire d\u00e9finie par le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur A<\/a><\/li><li>chaque \u00e9l\u00e9ment stocke : la date de la derni\u00e8re r\u00e9p\u00e9tition, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;(\u00e0 la derni\u00e8re r\u00e9p\u00e9tition), la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;(\u00e0 la derni\u00e8re r\u00e9p\u00e9tition), la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/a>, la derni\u00e8re note<\/li><li>indice d&rsquo;oubli&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>&nbsp;par d\u00e9faut : 10 %<\/li><li><a href=\"http:\/\/super-memory.com\/archive\/english\/algplug.htm\" rel=\"nofollow noopener\" target=\"_blank\">entr\u00e9e de la DLL du r\u00e9seau<\/a>&nbsp;(\u00e0 chaque r\u00e9p\u00e9tition) : le num\u00e9ro de l&rsquo;\u00e9l\u00e9ment et la note actuelle<\/li><li><a href=\"http:\/\/super-memory.com\/archive\/english\/algplug.htm\" rel=\"nofollow noopener\" target=\"_blank\">sortie de la DLL du r\u00e9seau<\/a>&nbsp;(\u00e0 chaque r\u00e9p\u00e9tition) : la date de la prochaine r\u00e9p\u00e9tition<\/li><li>langage d&rsquo;impl\u00e9mentation de la DLL du r\u00e9seau de neurones : C++<\/li><li>h\u00f4te de la DLL du r\u00e9seau de neurones, SuperMemo 98 pour Windows (identique \u00e0 l&rsquo;h\u00f4te 32 bits&nbsp;<a href=\"http:\/\/super-memory.com\/english\/sm8opt.htm\" rel=\"nofollow noopener\" target=\"_blank\">SM8OPT.DLL<\/a>)<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">SuperMemo \u00e0 r\u00e9seau de neurones : impl\u00e9mentation<\/h2>\n\n<p class=\"wp-block-paragraph\">Le r\u00e9seau a pratiquement re\u00e7u l&rsquo;algorithme de r\u00e9p\u00e9tition espac\u00e9e sur un plateau d&rsquo;argent. Son seul r\u00f4le serait d&rsquo;affiner la performance dans le temps. C&rsquo;est exactement ce que font tous les algorithmes de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;depuis l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-5\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-5<\/a>. En ce sens, la conception ne demandait pas au r\u00e9seau une d\u00e9couverte. Elle lui demandait des am\u00e9liorations \u00e0 partir de la d\u00e9couverte. Le mod\u00e8le \u00e9tait int\u00e9gr\u00e9 \u00e0 la conception.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Hypoth\u00e8se de base<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;\u00e9tat de la m\u00e9moire sera d\u00e9crit \u00e0 l&rsquo;aide de seulement deux variables : la r\u00e9cup\u00e9rabilit\u00e9 (R) et la stabilit\u00e9 (S) (&nbsp;<a href=\"http:\/\/super-memory.com\/english\/2vm.htm\" rel=\"nofollow noopener\" target=\"_blank\">Wozniak, Gorzela\u0144czyk, Murakowski, 1995<\/a>). L&rsquo;\u00e9quation suivante relie R et S :<\/p>\n\n<p class=\"wp-block-paragraph\">(1) R=e&nbsp;<sup>-k\/S*t<\/sup><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>k est une constante<\/li><li>t est le temps<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Par souci de simplicit\u00e9, nous fixerons k=1 pour d\u00e9finir univoquement la stabilit\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Entr\u00e9e et sortie<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Les fonctions suivantes doivent \u00eatre d\u00e9termin\u00e9es par le r\u00e9seau :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(2) S&nbsp;<sub>i+1<\/sub>=f&nbsp;<sub>s<\/sub>(R, S&nbsp;<sub>i<\/sub>, D, G)<\/p><p>(3) D&nbsp;<sub>i+1<\/sub>=f&nbsp;<sub>d<\/sub>(R, S, D&nbsp;<sub>i<\/sub>, G)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Le r\u00e9seau de neurones est cens\u00e9 g\u00e9n\u00e9rer, en sortie, la stabilit\u00e9 (S) et la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment (D), \u00e0 partir de R, S, D et G en entr\u00e9e :<\/p>\n\n<p class=\"wp-block-paragraph\">(4) (Ri, Si, Di, Gi) =&gt; (D&nbsp;<sub>i+1<\/sub>,S&nbsp;<sub>i+1<\/sub>)<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>R&nbsp;<sub>i<\/sub>&nbsp;est la r\u00e9cup\u00e9rabilit\u00e9 avant la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>S&nbsp;<sub>i<\/sub>&nbsp;est la stabilit\u00e9 avant la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>S&nbsp;<sub>i+1<\/sub>&nbsp;est la stabilit\u00e9 apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>D&nbsp;<sub>i<\/sub>&nbsp;est la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment avant la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>D&nbsp;<sub>i+1<\/sub>&nbsp;est la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>G&nbsp;<sub>i<\/sub>&nbsp;est la note attribu\u00e9e \u00e0 la i-i\u00e8me r\u00e9p\u00e9tition<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\"><strong>Correction d&rsquo;erreur pour la difficult\u00e9 D<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">La difficult\u00e9 cible sera d\u00e9finie comme dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>, c&rsquo;est-\u00e0-dire comme le rapport entre le deuxi\u00e8me et le premier intervalle. Le&nbsp;<a href=\"http:\/\/super-memory.com\/archive\/english\/algplug.htm\" rel=\"nofollow noopener\" target=\"_blank\">plug-in de r\u00e9seau de neurones<\/a>&nbsp;(NN.DLL) enregistrera cette valeur pour chaque \u00e9l\u00e9ment individuellement et l&rsquo;utilisera pour entra\u00eener le r\u00e9seau :<\/p>\n\n<p class=\"wp-block-paragraph\">(5) D&nbsp;<sub>o<\/sub>=I&nbsp;<sub>2<\/sub>\/I&nbsp;<sub>1<\/sub><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>D&nbsp;<sub>o<\/sub>&nbsp;est la difficult\u00e9 de r\u00e9f\u00e9rence utilis\u00e9e dans la correction d&rsquo;erreur (plus D&nbsp;<sub>o<\/sub>&nbsp;est \u00e9lev\u00e9, moins la difficult\u00e9 est grande)<\/li><li>I&nbsp;<sub>1<\/sub>&nbsp;est le premier intervalle optimal calcul\u00e9 pour l&rsquo;\u00e9l\u00e9ment en question (identique pour tous les \u00e9l\u00e9ments)<\/li><li>I&nbsp;<sub>2<\/sub>&nbsp;est le deuxi\u00e8me intervalle optimal calcul\u00e9 pour l&rsquo;\u00e9l\u00e9ment<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Important ! Les intervalles optimaux I&nbsp;<sub>1<\/sub>&nbsp;et I&nbsp;<sub>2<\/sub>&nbsp;ne sont pas ceux propos\u00e9s par le r\u00e9seau avant sa v\u00e9rification, mais ceux utilis\u00e9s dans la correction d&rsquo;erreur apr\u00e8s que l&rsquo;intervalle propos\u00e9 a d\u00e9j\u00e0 \u00e9t\u00e9 ex\u00e9cut\u00e9 et v\u00e9rifi\u00e9 (voir&nbsp;correction d&rsquo;erreur pour la stabilit\u00e9 S) !<\/p>\n\n<p class=\"wp-block-paragraph\">La valeur initiale de la difficult\u00e9 sera fix\u00e9e \u00e0 3,5, c&rsquo;est-\u00e0-dire D&nbsp;<sub>1<\/sub>=3,5. Ceci est uniquement par souci de similitude avec l&rsquo;algorithme SM-8. Comme la difficult\u00e9 initiale n&rsquo;est pas connue, elle ne peut pas \u00eatre utilis\u00e9e pour d\u00e9terminer le premier intervalle. Apr\u00e8s l&rsquo;attribution de la premi\u00e8re note, la correction d&rsquo;erreur reste impossible car le deuxi\u00e8me intervalle optimal n&rsquo;est pas encore connu. Une fois celui-ci connu, D&nbsp;<sub>o<\/sub>&nbsp;peut \u00eatre utilis\u00e9 pour la correction d&rsquo;erreur de D en sortie.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour \u00e9viter les probl\u00e8mes de convergence dans le r\u00e9seau, la formule suivante sera utilis\u00e9e pour d\u00e9terminer la sortie correcte sur D :<\/p>\n\n<p class=\"wp-block-paragraph\">(6) D&nbsp;<sub>opt<\/sub>=0,9*D&nbsp;<sub>i<\/sub>+0,1*D&nbsp;<sub>o<\/sub><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>D&nbsp;<sub>opt<\/sub>&nbsp;est la difficult\u00e9 utilis\u00e9e dans la correction d&rsquo;erreur apr\u00e8s la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>D&nbsp;<sub>i<\/sub>&nbsp;est la difficult\u00e9 avant la i-i\u00e8me r\u00e9p\u00e9tition<\/li><li>D&nbsp;<sub>o<\/sub>&nbsp;est la difficult\u00e9 de r\u00e9f\u00e9rence de l&rsquo;\u00e9quation (5)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Le facteur de convergence de 0,9 dans l&rsquo;\u00e9quation (6) est arbitraire et pourra changer en fonction de la performance du r\u00e9seau.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Correction d&rsquo;erreur pour la stabilit\u00e9 S<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">La formule suivante, d\u00e9riv\u00e9e de l&rsquo;\u00e9quation (1) pour un indice d&rsquo;oubli \u00e9gal \u00e0 10 % et k=1, permet de convertir facilement la stabilit\u00e9 et l&rsquo;intervalle optimal : I=-ln(0,9)*S<\/p>\n\n<p class=\"wp-block-paragraph\">Dans le cas optimal, le r\u00e9seau devrait g\u00e9n\u00e9rer l&rsquo;indice d&rsquo;oubli demand\u00e9 pour chaque r\u00e9p\u00e9tition. L&rsquo;indice d&rsquo;oubli variable peut facilement \u00eatre utilis\u00e9 une fois la stabilit\u00e9 S connue (voir \u00e9quation (1)). Par souci de simplicit\u00e9, nous utiliserons donc un indice d&rsquo;oubli \u00e9gal \u00e0 10 % dans l&rsquo;analyse qui suit.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour acc\u00e9l\u00e9rer la convergence, le r\u00e9seau mesurera l&rsquo;indice d&rsquo;oubli pour 25 cat\u00e9gories de r\u00e9p\u00e9titions. Ces cat\u00e9gories sont d\u00e9finies par (1) cinq cat\u00e9gories de difficult\u00e9 : 1-1,5, 1,5-2,5, 2,5-3,5, 3,5-5, et plus de 5, et (2) cinq cat\u00e9gories d&rsquo;intervalle : 1-5, 5-20, 20-100, 100-500 et plus de 500 jours. Nous noterons les mesures de l&rsquo;indice d&rsquo;oubli pour ces cat\u00e9gories FI(D&nbsp;<sub>m<\/sub>,I&nbsp;<sub>n<\/sub>). De plus, l&rsquo;indice d&rsquo;oubli global FI&nbsp;<sub>tot<\/sub>&nbsp;sera mesur\u00e9 et utilis\u00e9 dans la correction d&rsquo;erreur de stabilit\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;objectif ultime est d&rsquo;atteindre un indice d&rsquo;oubli de 10 % dans toutes les cat\u00e9gories. La formule suivante sera utilis\u00e9e pour la correction d&rsquo;erreur de stabilit\u00e9 :<\/p>\n\n<p class=\"wp-block-paragraph\">(7) FI&nbsp;<sub>opt(m,n)<\/sub>=(10*FI&nbsp;<sub>tot<\/sub>+Cas(m,n)*FI(m,n))\/(10+Cas(m,n))<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>FI&nbsp;<sub>opt(m,n)<\/sub>&nbsp;est l&rsquo;indice d&rsquo;oubli utilis\u00e9 dans la correction d&rsquo;erreur apr\u00e8s une r\u00e9p\u00e9tition appartenant \u00e0 la cat\u00e9gorie (m,n)<\/li><li>FI&nbsp;<sub>tot<\/sub>&nbsp;est l&rsquo;indice d&rsquo;oubli global mesur\u00e9 lors des r\u00e9p\u00e9titions<\/li><li>Cas(m,n) est le nombre de cas de r\u00e9p\u00e9tition utilis\u00e9s pour mesurer l&rsquo;indice d&rsquo;oubli dans la cat\u00e9gorie (m,n)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">La formule de l&rsquo;\u00e9quation (7) est cens\u00e9e d\u00e9placer le poids de la correction d&rsquo;erreur, de l&rsquo;indice d&rsquo;oubli global vers l&rsquo;indice d&rsquo;oubli enregistr\u00e9 dans les cat\u00e9gories concern\u00e9es, \u00e0 mesure que le nombre de cas dans chaque cat\u00e9gorie augmente. Il est \u00e9vident que pour Cas(m,n)=0, on a FI&nbsp;<sub>opt(m,n)<\/sub>=FI&nbsp;<sub>tot<\/sub>. Pour Cas(m,n)=10, les poids de l&rsquo;indice global et de l&rsquo;indice par cat\u00e9gorie s&rsquo;\u00e9quilibrent, et pour un grand nombre de cas, FI&nbsp;<sub>opt(m,n)<\/sub>&nbsp;se rapproche de FI(m,n).<\/p>\n\n<p class=\"wp-block-paragraph\">Le tableau suivant illustre la relation suppos\u00e9e entre FI&nbsp;<sub>opt(m,n)<\/sub>, les notes et la correction d&rsquo;intervalle appliqu\u00e9e :<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>Note<\/th><th>0<\/th><th>1<\/th><th>2<\/th><th>3<\/th><th>4<\/th><th>5<\/th><\/tr><tr><th>FI&nbsp;<sub>opt(m,n)<\/sub>&gt;10%<\/th><td>40 %<\/td><td>60 %<\/td><td>80 %<\/td><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><\/tr><tr><th>FI&nbsp;<sub>opt(m,n)<\/sub>=10%<\/th><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><\/tr><tr><th>FI&nbsp;<sub>opt(m,n)<\/sub>&lt;10%<\/th><td>aucune correction<\/td><td>aucune correction<\/td><td>aucune correction<\/td><td>110 %<\/td><td>120 %<\/td><td>130 %<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">Dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, les notes inf\u00e9rieures \u00e0 3 sont interpr\u00e9t\u00e9es comme un oubli, tandis que les notes \u00e9gales ou sup\u00e9rieures \u00e0 3 sont comprises comme un rappel suffisant. C&rsquo;est pourquoi aucune correction n&rsquo;est appliqu\u00e9e pour les notes de r\u00e9ussite en cas d&rsquo;indice d&rsquo;oubli satisfaisant, et aucune correction n&rsquo;est appliqu\u00e9e pour les notes d&rsquo;\u00e9chec si l&rsquo;indice d&rsquo;oubli est sup\u00e9rieur \u00e0 celui demand\u00e9. Une correction exemplaire pour un taux d&rsquo;oubli excessif et une note de 2 pour un intervalle appliqu\u00e9 de 10 jours serait de 80 %. Par cons\u00e9quent, le r\u00e9seau sera invit\u00e9 \u00e0 consid\u00e9rer un intervalle de 8 comme correct. La stabilit\u00e9 correcte serait alors d\u00e9riv\u00e9e de S=-8\/ln(0,9) et utilis\u00e9e dans la correction d&rsquo;erreur. Les valeurs des corrections d&rsquo;intervalle sont arbitraires mais ne doivent pas compromettre la convergence du r\u00e9seau. En cas de probl\u00e8mes de stabilit\u00e9 improbables, les corrections pourraient \u00eatre r\u00e9duites (notez que le bruit environnemental du processus d&rsquo;apprentissage d\u00e9passera consid\u00e9rablement l&rsquo;impact d&rsquo;un choix inefficace des facteurs de correction !). Des corrections similaires ont \u00e9t\u00e9 appliqu\u00e9es dans les algorithmes successifs de SuperMemo avec des r\u00e9sultats encourageants.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Conditions limites<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Les contraintes suppl\u00e9mentaires suivantes seront impos\u00e9es au r\u00e9seau de neurones pour acc\u00e9l\u00e9rer la convergence :<\/p>\n\n<ul class=\"wp-block-list\"><li>l&rsquo;augmentation de l&rsquo;intervalle entre deux r\u00e9p\u00e9titions successives doit \u00eatre d&rsquo;au moins 1,1 (par cons\u00e9quent, la difficult\u00e9 ne peut pas \u00eatre inf\u00e9rieure \u00e0 1,1)<\/li><li>l&rsquo;augmentation de l&rsquo;intervalle ne peut pas d\u00e9passer 8 apr\u00e8s la premi\u00e8re r\u00e9p\u00e9tition, et 4 pour les r\u00e9p\u00e9titions suivantes<\/li><li>le premier intervalle doit \u00eatre compris entre 1 et 40 jours<\/li><li>la mesure de difficult\u00e9 ne peut pas d\u00e9passer 8<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Ces conditions ne portent pas pr\u00e9judice au r\u00e9seau, car elles ont \u00e9t\u00e9 d\u00e9montr\u00e9es, au-del\u00e0 de tout doute raisonnable, comme vraies dans la pratique de l&rsquo;utilisation de SuperMemo et de ses impl\u00e9mentations au cours des dix derni\u00e8res ann\u00e9es.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Pr\u00e9-entra\u00eenement<\/strong><\/p>\n\n<p class=\"wp-block-paragraph\">Dans la phase de pr\u00e9entra\u00eenement, on utilisera la forme suivante des \u00e9quations (2) et (3) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(8) D&nbsp;<sub>i+1<\/sub>:=D&nbsp;<sub>i<\/sub>+(0.1-(5-G)*(0.08+(5-G)*0.02))<\/p><p>(9) S&nbsp;<sub>i+1<\/sub>:=S&nbsp;<sub>i<\/sub>*D&nbsp;<sub>i<\/sub>*(0.5+1\/i)<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Avec D&nbsp;<sub>1<\/sub>=3.5 et S&nbsp;<sub>1<\/sub>=-3\/ln(0.9).<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;\u00e9quation (8) a \u00e9t\u00e9 d\u00e9riv\u00e9e de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;(voir l&rsquo;\u00e9quation du facteur E). L&rsquo;\u00e9quation (9) a \u00e9t\u00e9 approximativement d\u00e9riv\u00e9e de la matrice OF de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-8<\/a>. D&nbsp;<sub>1<\/sub>=3.5 correspond au m\u00eame param\u00e8tre dans l&rsquo;algorithme SM-8. S&nbsp;<sub>1<\/sub>=-3\/ln(0.9) correspond au premier intervalle de 3 jours et \u00e0 un indice d&rsquo;oubli de 10&nbsp;%. La valeur de 3 jours est proche de la moyenne observ\u00e9e sur un large \u00e9ventail d&rsquo;\u00e9tudiants et de niveaux de difficult\u00e9 du mat\u00e9riel d&rsquo;apprentissage. Le pr\u00e9entra\u00eenement utilisera \u00e9galement les conditions limites mentionn\u00e9es au paragraphe pr\u00e9c\u00e9dent.<\/p>\n\n<p class=\"wp-block-paragraph\">Le r\u00e9seau de neurones a connu de nombreux probl\u00e8mes : mise en \u0153uvre, bugs, convergence, interf\u00e9rences, etc. La seule fa\u00e7on d&rsquo;\u00e9tudier efficacement le r\u00e9seau \u00e9tait de le brancher dans une vraie version de SuperMemo et de voir comment il se comportait sur des donn\u00e9es r\u00e9elles. J&rsquo;ai eu l&rsquo;id\u00e9e d&rsquo;algorithmes enfichables sous forme de DLL. Nous pouvions ainsi \u00e9tudier diff\u00e9rentes variantes algorithmiques dans le m\u00eame environnement. Nous avons essay\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-8<\/a>&nbsp;et un r\u00e9seau de neurones devait maintenant faire de m\u00eame. Malheureusement, cette impl\u00e9mentation en DLL s&rsquo;est r\u00e9v\u00e9l\u00e9e un pas de trop. Une fois que les jeunes passionn\u00e9s ont obtenu leur dipl\u00f4me, ils se sont vite dispers\u00e9s, ont trouv\u00e9 un emploi ailleurs, se sont mari\u00e9s, et je n&rsquo;ai jamais eu l&rsquo;occasion d&rsquo;essayer ce module dans mon propre apprentissage, dans mon environnement pr\u00e9f\u00e9r\u00e9 de l&rsquo;\u00e9poque, qui \u00e9tait SuperMemo 9 (alias SuperMemo 98).<\/p>\n\n<p class=\"wp-block-paragraph\">Le SuperMemo \u00e0 r\u00e9seau de neurones \u00e9tait un projet \u00e9tudiant dont le seul objectif \u00e9tait de v\u00e9rifier la viabilit\u00e9 des r\u00e9seaux de neurones en r\u00e9p\u00e9tition espac\u00e9e. Il va sans dire que les r\u00e9seaux de neurones sont un outil viable. De plus, tout outil d&rsquo;optimisation valide, suffisamment affin\u00e9, est appel\u00e9 \u00e0 produire des r\u00e9sultats similaires \u00e0 ceux actuellement obtenus par SuperMemo. En d&rsquo;autres termes, tant que le programme d&rsquo;apprentissage parvient \u00e0 converger rapidement vers le mod\u00e8le optimal et \u00e0 produire le niveau de r\u00e9tention souhait\u00e9, l&rsquo;outil d&rsquo;optimisation utilis\u00e9 pour y arriver n&rsquo;est que secondaire.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c9tant donn\u00e9 le nombre de probl\u00e8mes rencontr\u00e9s aux \u00e9tapes ant\u00e9rieures, je doute qu&rsquo;un module fonctionnel aurait chang\u00e9 ma vision des r\u00e9seaux de neurones. Je suis un programmeur et un bricoleur, j&rsquo;aime voir ce que je cr\u00e9e. Le r\u00e9seau de neurones me paraissait trop opaque, trop \u00ab bo\u00eete noire \u00bb. Quant \u00e0 l&rsquo;\u00e9quipe, tous ont aujourd&rsquo;hui r\u00e9ussi dans leur carri\u00e8re. Ces jeunes ont ensuite contribu\u00e9 \u00e0 d&rsquo;autres projets SuperMemo. La jeunesse est cr\u00e9ative, la jeunesse est impr\u00e9visible, et je suis heureux que nous ayons entrepris ce projet.<\/p>\n\n<h2 class=\"wp-block-heading\">David Calinski et FullRecall<\/h2>\n\n<p class=\"wp-block-paragraph\">David Calinski (n\u00e9 en 1981) \u00e9tait l&rsquo;un des jeunes passionn\u00e9s de SuperMemo des ann\u00e9es 1990. Il montrait un vif int\u00e9r\u00eat pour l&rsquo;apprentissage acc\u00e9l\u00e9r\u00e9, la psychologie, la psychiatrie, et bien d&rsquo;autres domaines.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai rapidement reconnu ses talents et j&rsquo;esp\u00e9rais le recruter pour certains projets SuperMemo, notamment SuperMemo pour Linux, mais bien des g\u00e9nies pr\u00e9f\u00e8rent marcher seuls. \u00c0 un moment donn\u00e9, il est pass\u00e9 de SuperMemo \u00e0 sa propre application (FullRecall, voir plus loin), et depuis, il n&rsquo;a plus abandonn\u00e9 son projet.<\/p>\n\n<p class=\"wp-block-paragraph\">Nos discussions sur les r\u00e9seaux de neurones ont commenc\u00e9 en 2001. David \u00e9tait un fan de SuperMemo, mais il admettait aussi ne jamais avoir vraiment \u00e9tudi\u00e9 l&rsquo;algorithme. Cela a donn\u00e9 lieu \u00e0 une critique :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Je ne connais pas les d\u00e9tails exacts de l&rsquo;algorithme (ou des algorithmes) de SM (je n&rsquo;y ai jamais \u00e9t\u00e9 tr\u00e8s int\u00e9ress\u00e9), mais l&rsquo;id\u00e9e principale est ce qui importe ici. L&rsquo;algorithme de SM re\u00e7oit des donn\u00e9es (par exemple le nombre de r\u00e9p\u00e9titions, la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment, la note actuelle, etc.) et renvoie le prochain intervalle optimal calcul\u00e9. Cet algorithme, m\u00eame s&rsquo;il est \u00ab intelligent \u00bb et se corrige d&rsquo;une certaine mani\u00e8re, restera tout de m\u00eame stupide &#8211; il ne se corrigera pas plus que ce pour quoi il a \u00e9t\u00e9 con\u00e7u.<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Il a raison,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;est intrins\u00e8quement li\u00e9 au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_long-term_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire \u00e0 long terme<\/a>, mais c&rsquo;est un mariage heureux. Ce lien ne pourrait \u00eatre rompu que par des contre-preuves qui, jusqu&rsquo;\u00e0 pr\u00e9sent, ne sont pas apparues en trois d\u00e9cennies.<\/p>\n\n<p class=\"wp-block-paragraph\">La position de David est tout \u00e0 fait justifiable. Tout est question de mod\u00e9lisation et de connaissances pr\u00e9alables. Pour David,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-8<\/a>&nbsp;paraissait complexe. Les r\u00e9seaux de neurones semblaient un moyen simple d&rsquo;\u00e9vacuer cette complexit\u00e9. Pour moi, mon propre algorithme est aussi simple que la table de multiplication. Cette diff\u00e9rence de mod\u00e9lisation entra\u00eene souvent une divergence cognitive, et c&rsquo;est une bonne chose. Sans ces diff\u00e9rences, nous en saurions bien moins aujourd&rsquo;hui sur les r\u00e9seaux de neurones en r\u00e9p\u00e9tition espac\u00e9e !<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai \u00e9crit \u00e0 David en 2004 :&nbsp;<em>\u00ab Il est peu probable que de nouvelles am\u00e9liorations de l&rsquo;algorithme utilis\u00e9 dans SuperMemo entra\u00eenent une nouvelle acc\u00e9l\u00e9ration de l&rsquo;apprentissage. Il reste cependant une marge de progr\u00e8s pour la gestion des cas inhabituels tels que les r\u00e9p\u00e9titions retard\u00e9es de fa\u00e7on spectaculaire, la pr\u00e9sentation mass\u00e9e, la gestion des \u00e9l\u00e9ments dont le contenu a chang\u00e9, la gestion des liens s\u00e9mantiques entre \u00e9l\u00e9ments, etc. Il est int\u00e9ressant de noter que les plus grands progr\u00e8s de l&rsquo;algorithme viendront probablement d&rsquo;une meilleure d\u00e9finition du mod\u00e8le de la m\u00e9moire humaine \u00e0 long terme. En particulier, la fonction d\u00e9crivant les variations de la stabilit\u00e9 de la m\u00e9moire selon les diff\u00e9rents niveaux de r\u00e9cup\u00e9rabilit\u00e9 commence \u00e0 \u00eatre mieux comprise. Cela pourrait consid\u00e9rablement simplifier l&rsquo;algorithme. Des mod\u00e8les plus simples n\u00e9cessitent moins de variables, ce qui facilite l&rsquo;optimisation. Un algorithme fond\u00e9 sur la stabilit\u00e9 et la r\u00e9cup\u00e9rabilit\u00e9 des traces mn\u00e9siques pourrait aussi mieux g\u00e9rer les \u00e9l\u00e9ments \u00e0 faible r\u00e9cup\u00e9rabilit\u00e9. Cependant, comme les cas inhabituels d&rsquo;\u00e9l\u00e9ments ne repr\u00e9sentent qu&rsquo;une minorit\u00e9 dans le processus d&rsquo;apprentissage, et que tester un nouvel algorithme prendrait plusieurs ann\u00e9es, il n&rsquo;est pas certain qu&rsquo;une telle mise en \u0153uvre soit un jour entreprise \u00bb<\/em>.<\/p>\n\n<p class=\"wp-block-paragraph\">David a d\u00e9velopp\u00e9 son propre r\u00e9seau de neurones, MemAid. Plus tard, il l&rsquo;a transform\u00e9 en produit commercial. Le passage du gratuit au payant a \u00e9t\u00e9 difficile, car les utilisateurs pr\u00e9f\u00e8rent naturellement une baisse des prix. Malgr\u00e9 tous les hauts et les bas, David a pers\u00e9v\u00e9r\u00e9, et son go\u00fbt du bricolage ainsi que sa passion pour la science et la programmation lui ont toujours donn\u00e9 un avantage. Comme Anki, il a essay\u00e9 de garder son programme multiplateforme, ce qui imposait certaines limites et exigences de simplicit\u00e9. Selon ses propres mots :&nbsp;<em>\u00ab J&rsquo;aime la rapidit\u00e9 et l&rsquo;absence de fronti\u00e8res, l&rsquo;absence de d\u00e9pendance \u00e0 une seule solution, un seul syst\u00e8me, un seul ordinateur, etc. \u00bb<\/em><\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, FullRecall est gratuit. Voir le&nbsp;<a href=\"http:\/\/fullrecall.com\/changelog\" rel=\"nofollow noopener\" target=\"_blank\">journal des modifications<\/a>.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"557\" height=\"308\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/ANN_interval_distribution.jpg\" alt=\"\" class=\"wp-image-33724\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Distribution des intervalles dans FullRecall. R\u00e9p\u00e9titions planifi\u00e9es \u00e0 l&rsquo;aide d&rsquo;un r\u00e9seau de neurones<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Le projet open source&nbsp;<a href=\"http:\/\/memaid.sourceforge.net\/\" rel=\"nofollow noopener\" target=\"_blank\">MemAid<\/a>&nbsp;a ferm\u00e9 en 2006, mais FullRecall a continu\u00e9. Il en va de m\u00eame pour un autre projet inspir\u00e9 de MemAid : Mnemosyne. Mnemosyne, cependant, a opt\u00e9 pour sa propre version de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>. \u00c0 ce jour, Mnemosyne g\u00e9n\u00e8re des donn\u00e9es que les passionn\u00e9s ou chercheurs en r\u00e9p\u00e9tition espac\u00e9e peuvent utiliser via&nbsp;<a href=\"https:\/\/mnemosyne-proj.org\/\" rel=\"nofollow noopener\" target=\"_blank\">The Mnemosyne Project<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Comme Calinski, Peter Bienstman est sceptique face aux algorithmes plus r\u00e9cents :&nbsp;<em>\u00ab SuperMemo utilise maintenant SM-11. Mais nous sommes un peu sceptiques quant au fait que l&rsquo;\u00e9norme complexit\u00e9 des nouveaux algorithmes SM apporte un avantage statistiquement significatif. C&rsquo;est justement l&rsquo;un des faits que nous esp\u00e9rons \u00e9tablir gr\u00e2ce \u00e0 notre collecte de donn\u00e9es. \u00bb<\/em><\/p>\n\n<p class=\"wp-block-paragraph\"><em>\u00ab Un avantage statistiquement significatif \u00bb<\/em>&nbsp;d\u00e9pend des crit\u00e8res retenus. Pour les utilisateurs, l&rsquo;algorithme pr\u00e9cis importe peut-\u00eatre peu. Pour la recherche,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;est une mine d&rsquo;or (tout comme les donn\u00e9es que des programmes comme Mnemosyne peuvent g\u00e9n\u00e9rer).<\/p>\n\n<h2 class=\"wp-block-heading\">Pourquoi le r\u00e9seau de neurones de FullRecall est-il d\u00e9faillant ?<\/h2>\n\n<p class=\"wp-block-paragraph\"><a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">Les deux variables de la m\u00e9moire<\/a>&nbsp;sont \u00e0 la fois n\u00e9cessaires et suffisantes pour repr\u00e9senter une m\u00e9moire atomique en r\u00e9p\u00e9tition espac\u00e9e. De plus, ces deux variables permettent de rendre compte de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;effet d&rsquo;espacement<\/a>&nbsp;dans la pr\u00e9sentation mass\u00e9e. Elles peuvent aussi expliquer l&rsquo;avantage d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9lev\u00e9 pour la r\u00e9tention \u00e0 long terme, comme \u00e9voqu\u00e9 ici. Ces deux variables de la m\u00e9moire \u00e0 long terme, que nous avons appel\u00e9es&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>, sont n\u00e9cessaires pour repr\u00e9senter l&rsquo;\u00e9tat de la m\u00e9moire. Tout r\u00e9seau de neurones voulant trouver des sch\u00e9mas dans la relation entre espacement et rappel doit recevoir en entr\u00e9e l&rsquo;\u00e9tat complet de la m\u00e9moire, sans quoi il ne pourra jamais calculer l&rsquo;espacement optimal. Cet \u00e9tat peut prendre la forme de l&rsquo;historique complet des r\u00e9p\u00e9titions. Il peut aussi s&rsquo;agir de la paire stabilit\u00e9&nbsp;: r\u00e9cup\u00e9rabilit\u00e9 (si elle peut \u00eatre calcul\u00e9e). Il peut \u00e9galement s&rsquo;agir de tout autre code portant sur l&rsquo;historique des r\u00e9p\u00e9titions \u00e0 partir duquel l&rsquo;\u00e9tat de la m\u00e9moire peut \u00eatre calcul\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">La conception du r\u00e9seau de FullRecall ne satisfait pas \u00e0 ces crit\u00e8res :<\/p>\n\n<ul class=\"wp-block-list\"><li>entr\u00e9e : dernier_intervalle_calcul\u00e9_par_le_RNA [0-2048 jours] (z\u00e9ro si ce n&rsquo;est pas une r\u00e9vision mais une premi\u00e8re pr\u00e9sentation)<\/li><li>entr\u00e9e : intervalle_r\u00e9el_depuis_la_derni\u00e8re_r\u00e9vision [0-2048 jours] (m\u00eame remarque que ci-dessus)<\/li><li>entr\u00e9e : nombre_de_r\u00e9p\u00e9titions_de_l_\u00e9l\u00e9ment_jusqu_\u00e0_pr\u00e9sent [0-128]<\/li><li>entr\u00e9e : note_actuelle [0-5, 5 \u00e9tant la meilleure]<\/li><li>sortie fournie par le RNA : nouvel_intervalle [0-2048]<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Ni l&rsquo;intervalle ni le nombre de r\u00e9p\u00e9titions ne peuvent refl\u00e9ter la stabilit\u00e9 ou la r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire. On peut obtenir un nombre \u00e9lev\u00e9 de r\u00e9p\u00e9titions en pr\u00e9sentation mass\u00e9e, soumise \u00e0 l&rsquo;effet d&rsquo;espacement, avec une augmentation n\u00e9gligeable de la stabilit\u00e9 de la m\u00e9moire. En m\u00eame temps, de longs intervalles issus d&rsquo;un calendrier sous-optimal peuvent produire de faibles valeurs \u00e0 la fois pour la stabilit\u00e9 et pour la r\u00e9cup\u00e9rabilit\u00e9. En bref, pour un m\u00eame intervalle, l&rsquo;\u00e9tat de la m\u00e9moire d\u00e9pendra de la distribution temporelle des r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">On peut le montrer par un exemple : pour 10 r\u00e9p\u00e9titions sur 1000 jours, 9 r\u00e9p\u00e9titions en 9 jours suivies d&rsquo;un intervalle de 991 jours produiront une stabilit\u00e9 proche de z\u00e9ro (en supposant l&rsquo;absence d&rsquo;interf\u00e9rence). Pourtant, pour la m\u00eame paire d&rsquo;entr\u00e9es, une r\u00e9p\u00e9tition optimalement espac\u00e9e peut apporter une r\u00e9cup\u00e9rabilit\u00e9 proche de 100&nbsp;% et une stabilit\u00e9 permettant des intervalles optimaux proches de 1000 jours.<\/p>\n\n<p class=\"wp-block-paragraph\">Le seul sc\u00e9nario o\u00f9 le r\u00e9seau pourrait bien fonctionner est celui o\u00f9 l&rsquo;utilisateur suit pr\u00e9cis\u00e9ment le calendrier optimal de r\u00e9p\u00e9tition espac\u00e9e. Or, cela ne peut provenir que d&rsquo;un r\u00e9seau pr\u00e9entra\u00een\u00e9, par exemple avec&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>. Dans ce sc\u00e9nario, le r\u00e9seau sera instable et ne convergera pas vers l&rsquo;optimum, car tout \u00e9cart par rapport au calendrier optimal, y compris ceux caus\u00e9s par l&rsquo;erreur du r\u00e9seau lui-m\u00eame, \u00e9loignera l&rsquo;\u00e9tat du r\u00e9seau de l&rsquo;\u00e9tat d&rsquo;origine dans lequel il \u00e9tait encore capable de calculer le statut de la m\u00e9moire \u00e0 partir de ses entr\u00e9es.<\/p>\n\n<p class=\"wp-block-paragraph\">La stabilit\u00e9 et la r\u00e9cup\u00e9rabilit\u00e9 suffisent dans le cas id\u00e9alis\u00e9 d&rsquo;une association monosynaptique unitaire. Dans la vraie vie, le r\u00e9seau s\u00e9mantique impliqu\u00e9 dans l&rsquo;association fait probablement intervenir plusieurs de ces m\u00e9moires unitaires id\u00e9ales. C&rsquo;est pourquoi SuperMemo utilise le concept de difficult\u00e9 absolue de l&rsquo;\u00e9l\u00e9ment. Dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, la difficult\u00e9 absolue de l&rsquo;\u00e9l\u00e9ment est d\u00e9termin\u00e9e par l&rsquo;augmentation maximale de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;de la m\u00e9moire pour la premi\u00e8re r\u00e9vision optimalement planifi\u00e9e \u00e0 l&rsquo;indice d&rsquo;oubli par d\u00e9faut de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">10&nbsp;%<\/a>. Le r\u00e9seau de FullRecall ne re\u00e7oit non plus aucune mesure fiable de la difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment. Cela aggravera l&rsquo;inefficacit\u00e9 du r\u00e9seau.<\/p>\n\n<p class=\"wp-block-paragraph\">On dit que le r\u00e9seau de FullRecall fonctionne plut\u00f4t bien, d&rsquo;apr\u00e8s les retours des utilisateurs. \u00c0 la lumi\u00e8re de l&rsquo;analyse pr\u00e9sent\u00e9e ici, le r\u00e9seau pourrait employer des conditions limites bien choisies, mais cela \u00e9quivaudrait \u00e0 revenir \u00e0&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;utilis\u00e9 dans les anciennes versions de SuperMemo. Il va sans dire que cet ancien algorithme de SuperMemo est plus biais\u00e9 et moins plastique que les versions alg\u00e9briques plus r\u00e9centes fond\u00e9es sur des matrices, utilis\u00e9es dans SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">Si le r\u00e9seau de FullRecall est pr\u00e9entra\u00een\u00e9, par exemple \u00e0 l&rsquo;aide de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>, et que l&rsquo;\u00e9tudiant respecte rigoureusement ses r\u00e9p\u00e9titions, le r\u00e9seau pourrait fonctionner correctement, car l&rsquo;intervalle est bien corr\u00e9l\u00e9 \u00e0 la stabilit\u00e9 de la m\u00e9moire, surtout si l&rsquo;information est enrichie par le nombre de r\u00e9p\u00e9titions. Cependant, sans conditions limites appropri\u00e9es, en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, le r\u00e9seau \u00e9chouerait certainement, car il pourrait recevoir des informations erron\u00e9es sur le statut de la m\u00e9moire. Selon le sc\u00e9nario, la m\u00eame paire r\u00e9p\u00e9titions&nbsp;: intervalle peut se produire pour une stabilit\u00e9 de 0 ou pour une stabilit\u00e9 maximale correspondant \u00e0 des souvenirs \u00e0 vie. De m\u00eame, la r\u00e9cup\u00e9rabilit\u00e9 peut aussi varier dans la plage 0-1 pour la m\u00eame paire d&rsquo;entr\u00e9es du r\u00e9seau. Par exemple, une r\u00e9vision fr\u00e9quente d&rsquo;un sous-ensemble avant un examen, suivie d&rsquo;une longue pause dans l&rsquo;apprentissage (caus\u00e9e par exemple par une surcharge), peut correspondre \u00e0 une stabilit\u00e9 et une r\u00e9cup\u00e9rabilit\u00e9 tr\u00e8s faibles, malgr\u00e9 une entr\u00e9e identique \u00e0 celle d&rsquo;une s\u00e9rie de r\u00e9visions espac\u00e9es correctement ex\u00e9cut\u00e9es sur la m\u00eame p\u00e9riode (avec une stabilit\u00e9 et une r\u00e9cup\u00e9rabilit\u00e9 \u00e9lev\u00e9es, sup\u00e9rieures \u00e0 0,9). En&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, la surcharge, le report automatique, l&rsquo;avancement d&rsquo;\u00e9l\u00e9ment, la r\u00e9vision de sous-ensembles et l&rsquo;effet d&rsquo;espacement seraient invisibles pour le r\u00e9seau.<\/p>\n\n<p class=\"wp-block-paragraph\">En supposant une bonne conception, les d\u00e9fauts de FullRecall ne se manifesteraient alors que lors d&rsquo;un apprentissage interrompu, qui pourrait d\u00e9clencher les conditions limites. Cela ne devrait pas diminuer la valeur du logiciel lui-m\u00eame. Il s&rsquo;agit simplement de souligner que la conception d&rsquo;un r\u00e9seau de neurones n&rsquo;est pas facile et peut s&rsquo;av\u00e9rer inf\u00e9rieure.<\/p>\n\n<p class=\"wp-block-paragraph\">En bref, ses entr\u00e9es ne refl\u00e8tent pas toutes les informations n\u00e9cessaires au calcul des intervalles optimaux. En particulier, le nombre de r\u00e9p\u00e9titions est un tr\u00e8s mauvais indicateur de la stabilit\u00e9 ou de la r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire. Une meilleure approche consisterait \u00e0 coder l&rsquo;historique complet des r\u00e9p\u00e9titions ou \u00e0 calculer le statut de la m\u00e9moire \u00e0 l&rsquo;aide des variables de stabilit\u00e9 et de r\u00e9cup\u00e9rabilit\u00e9. La stabilit\u00e9 et la r\u00e9cup\u00e9rabilit\u00e9 doivent toutes deux pouvoir \u00eatre calcul\u00e9es \u00e0 partir de l&rsquo;entr\u00e9e du r\u00e9seau.<\/p>\n\n<h2 class=\"wp-block-heading\">L&rsquo;avenir des r\u00e9seaux de neurones dans SuperMemo<\/h2>\n\n<p class=\"wp-block-paragraph\">Lors de nos discussions avec Calinski (en 2001), j&rsquo;ai r\u00e9sum\u00e9 mes r\u00e9serves et j&rsquo;ai promis de continuer sur la m\u00eame voie \u00ab conservatrice \u00bb. 17 ans plus tard, j&rsquo;en suis content. Les progr\u00e8s dans l&rsquo;utilisation des r\u00e9seaux de neurones en r\u00e9p\u00e9tition espac\u00e9e ont \u00e9t\u00e9 limit\u00e9s. Il est possible que SuperMemo lui-m\u00eame soit un frein au progr\u00e8s dans ce domaine. Pendant ce temps, cependant,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;a r\u00e9v\u00e9l\u00e9 un potentiel suppl\u00e9mentaire pour am\u00e9liorer la r\u00e9p\u00e9tition espac\u00e9e et la compr\u00e9hension de la m\u00e9moire humaine. Le temps le permettant, les progr\u00e8s continueront.<\/p>\n\n<p class=\"wp-block-paragraph\">SuperMemo continuera d&rsquo;utiliser ses algorithmes alg\u00e9briques pour les raisons suivantes :<\/p>\n\n<ul class=\"wp-block-list\"><li><strong>Mod\u00e8le connu<\/strong> : les r\u00e9seaux de neurones sont sup\u00e9rieurs dans les cas o\u00f9 l&rsquo;on ne conna\u00eet pas le mod\u00e8le sous-jacent du ph\u00e9nom\u00e8ne \u00e0 mod\u00e9liser. Le mod\u00e8le de l&rsquo;oubli est bien connu et permet d&rsquo;affiner facilement les m\u00e9thodes d&rsquo;optimisation alg\u00e9brique utilis\u00e9es pour calculer les intervalles entre r\u00e9p\u00e9titions. Ce mod\u00e8le bien connu rend aussi SuperMemo r\u00e9sistant aux jeux de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s, qui pourraient p\u00e9naliser les r\u00e9seaux de neurones, notamment aux premiers stades de l&rsquo;apprentissage. Enfin, la validit\u00e9 du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>&nbsp;a \u00e9t\u00e9 prouv\u00e9e de multiples fa\u00e7ons, et abandonner ce mod\u00e8le lors de la conception du r\u00e9seau, au nom d&rsquo;\u00e9viter tout parti pris, serait un gaspillage. Une telle approche ne pourrait avoir qu&rsquo;une valeur de recherche<\/li><li><strong>Surapprentissage<\/strong> : en raison de la modification pond\u00e9r\u00e9e par cas des valeurs de tableau, les tableaux d&rsquo;optimisation utilis\u00e9s dans SuperMemo ne sont pas sujets au \u00ab surapprentissage \u00bb. Aucun pr\u00e9entra\u00eenement n&rsquo;est n\u00e9cessaire, car la forme approximative de la fonction des intervalles optimaux est connue \u00e0 l&rsquo;avance. Il n&rsquo;y a pas de probl\u00e8me de repr\u00e9sentation des donn\u00e9es, car toute donn\u00e9e d&rsquo;entr\u00e9e anormale sera \u00ab pond\u00e9r\u00e9e \u00e0 la baisse \u00bb avec le temps<\/li><li><strong>\u00c9quivalence<\/strong> : math\u00e9matiquement parlant, pour des fonctions continues, les r\u00e9seaux \u00e0 n entr\u00e9es sont \u00e9quivalents \u00e0 des tableaux \u00e0 n dimensions dans la cartographie de fonctions \u00e0 n arguments, \u00e0 l&rsquo;exception du \u00ab probl\u00e8me de r\u00e9solution des arguments \u00bb. L&rsquo;ampleur de ce probl\u00e8me, c&rsquo;est-\u00e0-dire le nombre fini de plages de valeurs d&rsquo;arguments, d\u00e9pend fortement de la fonction. Un rapide coup d&rsquo;\u0153il aux tableaux d&rsquo;optimisation affich\u00e9s par SuperMemo montre que la \u00ab r\u00e9solution des arguments \u00bb est bien meilleure que ce qui est r\u00e9ellement n\u00e9cessaire pour ce type particulier de fonction, surtout \u00e0 la lumi\u00e8re du \u00ab bruit \u00bb important pr\u00e9sent dans les donn\u00e9es. Les algorithmes de mont\u00e9e de gradient (hill-climbing) utilis\u00e9s dans SuperMemo rappellent les algorithmes visant \u00e0 repond\u00e9rer les r\u00e9seaux<\/li><li><strong>Recherche<\/strong> : l&rsquo;utilisation de matrices dans SuperMemo permet de voir facilement \u00ab la m\u00e9moire en action \u00bb. Les r\u00e9seaux de neurones ne sont pas aussi bien observables. Ils ne r\u00e9v\u00e8lent pas efficacement leurs r\u00e9sultats. On ne peut pas voir comment une seule courbe d&rsquo;oubli affecte la fonction des intervalles optimaux. Cela signifie que la nature \u00ab bo\u00eete noire \u00bb des r\u00e9seaux de neurones les rend moins int\u00e9ressants comme outil de recherche sur la m\u00e9moire<\/li><li><strong>Convergence<\/strong> : la complexit\u00e9 de l&rsquo;algorithme ne provient pas de la complexit\u00e9 du mod\u00e8le de m\u00e9moire. La majeure partie de cette complexit\u00e9 vient de l&rsquo;utilisation d&rsquo;outils cens\u00e9s acc\u00e9l\u00e9rer la convergence de la proc\u00e9dure d&rsquo;optimisation sans compromettre sa stabilit\u00e9. Cet ajustement fin n&rsquo;est possible que gr\u00e2ce \u00e0 notre bonne connaissance du mod\u00e8le de m\u00e9moire sous-jacent, ainsi qu&rsquo;aux donn\u00e9es d&rsquo;apprentissage r\u00e9elles collect\u00e9es au fil des ann\u00e9es, qui nous aident \u00e0 d\u00e9terminer pr\u00e9cis\u00e9ment la meilleure fonction d&rsquo;approximation pour chaque composante du mod\u00e8le<\/li><li><strong>Courbe d&rsquo;oubli<\/strong> : la seule fa\u00e7on de d\u00e9terminer l&rsquo;intervalle optimal pour un indice d&rsquo;oubli donn\u00e9 est de conna\u00eetre la courbe d&rsquo;oubli (approximative) pour une classe de difficult\u00e9 et une stabilit\u00e9 de m\u00e9moire donn\u00e9es. Si un r\u00e9seau de neurones ne tente pas de cartographier la courbe d&rsquo;oubli, il oscillera toujours autour de la valeur de l&rsquo;intervalle optimal (les bonnes notes augmentant cette valeur, les mauvaises notes la diminuant). En raison du bruit dans les donn\u00e9es, ce n&rsquo;est l\u00e0 qu&rsquo;un probl\u00e8me th\u00e9orique ; cela illustre n\u00e9anmoins la puissance d&rsquo;une repr\u00e9sentation symbolique de la relation stabilit\u00e9-r\u00e9cup\u00e9rabilit\u00e9-difficult\u00e9-temps par rapport \u00e0 un nombre pratiquement infini de jeux de donn\u00e9es de courbes d&rsquo;oubli possibles. Si le r\u00e9seau de neurones n&rsquo;utilise pas une cartographie pond\u00e9r\u00e9e de la courbe d&rsquo;oubli, il ne convergera jamais. En d&rsquo;autres termes, il continuera d&rsquo;osciller autour du mod\u00e8le optimal. Si le r\u00e9seau de neurones pond\u00e8re l&rsquo;historique du statut et\/ou utilise la courbe d&rsquo;oubli, il adoptera la m\u00eame approche que l&rsquo;algorithme actuel de SuperMemo, celui-l\u00e0 m\u00eame que le r\u00e9seau \u00e9tait cens\u00e9 remplacer au d\u00e9part<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">En d&rsquo;autres termes, les r\u00e9seaux de neurones pourraient \u00eatre utilis\u00e9s pour calculer les intervalles, mais ils ne semblent pas \u00eatre le meilleur outil en termes de puissance de calcul, de valeur pour la recherche, de stabilit\u00e9 et, surtout, de vitesse de convergence. En concevant un r\u00e9seau de neurones optimal, on rencontre des difficult\u00e9s similaires \u00e0 celles de la conception de la proc\u00e9dure d&rsquo;optimisation alg\u00e9brique. En fin de compte, quelles que soient les conditions limites fix\u00e9es dans le SuperMemo \u00ab classique \u00bb, elles finiront t\u00f4t ou tard par appara\u00eetre dans la conception du r\u00e9seau (comme on peut le voir dans :&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#Neural_Network_SuperMemo:_Design\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo \u00e0 r\u00e9seau de neurones<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Comme pour toute approximation de fonction, le choix de l&rsquo;outil et de petits ajustements algorithmiques peuvent faire toute la diff\u00e9rence sur la vitesse de convergence et la pr\u00e9cision de la cartographie. Les r\u00e9seaux de neurones pourraient \u00eatre utiles pour cartographier les fonctions accessoires moins connues qui servent \u00e0 acc\u00e9l\u00e9rer la convergence de l&rsquo;algorithme alg\u00e9brique. Par exemple, \u00e0 ce jour, le probl\u00e8me de l&rsquo;estimation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9 de l&rsquo;\u00e9l\u00e9ment<\/a>&nbsp;n&rsquo;a pas \u00e9t\u00e9 enti\u00e8rement r\u00e9solu. Nous disons simplement aux utilisateurs de garder leurs connaissances simples, ce qui est une recommandation universelle de tout enseignant conscient des limites mn\u00e9moniques de la m\u00e9moire humaine.<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"1999\">1999&nbsp;: le choix du nom \u00ab r\u00e9p\u00e9tition espac\u00e9e \u00bb<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">En qu\u00eate d&rsquo;un bon nom unique<\/h2>\n\n<p class=\"wp-block-paragraph\">Le terme \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb (r\u00e9p\u00e9tition espac\u00e9e) est tr\u00e8s ancien et a \u00e9t\u00e9 utilis\u00e9 pendant des d\u00e9cennies dans l&rsquo;industrie de la publicit\u00e9 et dans la recherche comportementale. Cependant, son sens moderne, fond\u00e9 sur les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles de r\u00e9vision optimaux<\/a>, n&rsquo;a \u00e9t\u00e9 \u00e9tabli qu&rsquo;\u00e0 partir du moment o\u00f9 ce nom a \u00e9t\u00e9 utilis\u00e9 pour d\u00e9signer la&nbsp;<em>m\u00e9thode SuperMemo<\/em>&nbsp;(\u00e0 partir de 1999).<\/p>\n\n<p class=\"wp-block-paragraph\">Aux d\u00e9buts de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>, nous avons activement recherch\u00e9 un terme scientifique bien reconnu pour d\u00e9signer \u00ab&nbsp;<em>la m\u00e9thode SuperMemo<\/em>&nbsp;\u00bb dans les contextes scientifiques. La strat\u00e9gie marketing de l&rsquo;entreprise consistait \u00e0 se d\u00e9tacher de l&rsquo;image d&rsquo;un \u00ab&nbsp;<em>programme d\u00e9velopp\u00e9 par un \u00e9tudiant<\/em>&nbsp;\u00bb pour devenir un \u00ab&nbsp;<em>programme fond\u00e9 sur une m\u00e9thode scientifique<\/em>&nbsp;\u00bb. Malheureusement, la litt\u00e9rature sur la m\u00e9moire et l&rsquo;apprentissage \u00e9tait peu fournie, hormis des \u00e9tudes \u00e0 court terme sur&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;effet d&rsquo;espacement<\/a>, avec une exception notable&nbsp;: les recherches de H. Bahrick sur la r\u00e9tention du vocabulaire espagnol.<\/p>\n\n<p class=\"wp-block-paragraph\">Les chercheurs en m\u00e9moire ont \u00e9tudi\u00e9 divers \u00ab&nbsp;calendriers de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9tition<\/a>&nbsp;\u00bb depuis des d\u00e9cennies. Parfois avec des intervalles de quelques minutes. Parfois avec des \u00ab&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;intercalaires \u00bb pour s\u00e9parer les r\u00e9visions. Trois mod\u00e8les de r\u00e9vision ont domin\u00e9&nbsp;: (1)&nbsp;<strong>mass\u00e9<\/strong>, avec de nombreuses&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9titions<\/a>&nbsp;en peu de temps, (2)&nbsp;<strong>distribu\u00e9<\/strong>, avec des r\u00e9p\u00e9titions dispers\u00e9es dans le temps, et (3)&nbsp;<strong>expansif<\/strong>, avec un intervalle croissant. La r\u00e9p\u00e9tition espac\u00e9e repose sur un calendrier progressivement croissant. Pendant des d\u00e9cennies, la litt\u00e9rature sur la m\u00e9moire n&rsquo;a pas r\u00e9ussi \u00e0 s&rsquo;accorder sur un terme pr\u00e9cis pour d\u00e9signer ce calendrier croissant. Pimsleur parlait d&rsquo;&nbsp;<em>intervalles graduels<\/em>, Bjork de&nbsp;<em>r\u00e9p\u00e9tition expansive<\/em>, Baddeley de&nbsp;<em>pratique distribu\u00e9e<\/em>, dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9moire de master<\/a>, j&rsquo;utilisais&nbsp;<em>calendrier progressif<\/em>, Pavlik utilise le terme plus g\u00e9n\u00e9ral de&nbsp;<em>calendrier optimal<\/em>&nbsp;dont on sait qu&rsquo;il est progressif, etc.<\/p>\n\n<p class=\"wp-block-paragraph\">Un article fondateur de Frank N. Dempster, \u00ab&nbsp;<em>The Spacing Effect A Case Study in the Failure to Apply the Results of Psychological Research<\/em>&nbsp;\u00bb (American Psychologist, 43, 627-634, 1988), a donn\u00e9 un premier \u00e9lan \u00e0&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Cet article d\u00e9plorait le fait que les enseignants ignorent&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;effet d&rsquo;espacement<\/a>&nbsp;dans la pratique de l&rsquo;apprentissage. SuperMemo pouvait combler ce manque en offrant un outil universel et simple pour l&rsquo;apprentissage espac\u00e9. Dempster employait librement des expressions telles que \u00ab pr\u00e9sentation espac\u00e9e \u00bb, \u00ab r\u00e9visions espac\u00e9es \u00bb, \u00ab pratique espac\u00e9e \u00bb, \u00ab tests espac\u00e9s \u00bb, et m\u00eame \u00ab lectures espac\u00e9es \u00bb ou \u00ab pr\u00e9sentations bien espac\u00e9es \u00bb.<\/p>\n\n<p class=\"wp-block-paragraph\">Nous avons choisi le terme \u00ab&nbsp;<em>repetition spacing<\/em>&nbsp;\u00bb (espacement des r\u00e9p\u00e9titions) pour remplacer \u00ab&nbsp;<em>la m\u00e9thode SuperMemo<\/em>&nbsp;\u00bb. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/ANE1994\" rel=\"noreferrer noopener\" target=\"_blank\">premier article scientifique en langue anglaise<\/a>&nbsp;d\u00e9crivant la&nbsp;<strong>r\u00e9p\u00e9tition espac\u00e9e informatis\u00e9e<\/strong>&nbsp;(1994) utilisait encore le terme \u00ab&nbsp;<em>repetition spacing<\/em>&nbsp;\u00bb.<\/p>\n\n<h2 class=\"wp-block-heading\">Choisir le nom : r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 3 f\u00e9vrier 1999, inspir\u00e9 par un e-mail d&rsquo;un utilisateur de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;(&nbsp;<em>Tony D&rsquo;Angelo<\/em>), j&rsquo;ai pass\u00e9 en revue la litt\u00e9rature en utilisant le mot-cl\u00e9 \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb. \u00c0 la suite de cette revue, je me suis&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Attaching_the_name_%22spaced_repetition%22_to_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">convaincu<\/a>&nbsp;qu&rsquo;il fallait passer du terme \u00ab&nbsp;<em>repetition spacing<\/em>&nbsp;\u00bb \u00e0 \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb. Le terme \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb \u00e9tait tout aussi obscur et rarement employ\u00e9, mais il \u00e9tait l\u00e9g\u00e8rement plus utilis\u00e9 que \u00ab&nbsp;<em>repetition spacing<\/em>&nbsp;\u00bb.<\/p>\n\n<p class=\"wp-block-paragraph\">Nous avons d\u00e9cid\u00e9 que, dans les futures versions de SuperMemo, le terme \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb serait utilis\u00e9 \u00e0 la place de \u00ab&nbsp;<em>repetition spacing<\/em>&nbsp;\u00bb. La premi\u00e8re utilisation de ce terme sur&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">supermemo.com<\/a>&nbsp;date probablement du 4 f\u00e9vrier 2000, dans&nbsp;<a href=\"http:\/\/super-memory.com\/articles\/useless.htm\" rel=\"nofollow noopener\" target=\"_blank\">SuperMemo is useless<\/a><\/p>\n\n<p class=\"wp-block-paragraph\">Avec le temps, le terme \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb (r\u00e9p\u00e9tition espac\u00e9e) est devenu de plus en plus populaire. \u00c0 ce titre, SuperMemo peut aussi revendiquer d&rsquo;avoir contribu\u00e9 \u00e0 ancrer ce terme scientifique g\u00e9n\u00e9rique dans l&rsquo;esprit du public, en l&rsquo;associant sp\u00e9cifiquement aux&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>&nbsp;d&rsquo;apprentissage.<\/p>\n\n<h2 class=\"wp-block-heading\">L&rsquo;avenir du nom : r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">Depuis 1999, en grande partie gr\u00e2ce \u00e0 notre choix de nom, le terme \u00ab&nbsp;<em>spaced repetition<\/em>&nbsp;\u00bb a consolid\u00e9 sa pr\u00e9sence dans les textes traitant des applications de flashcards, y compris celles fond\u00e9es sur le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Leitner_system\" rel=\"noreferrer noopener\" target=\"_blank\">syst\u00e8me de Leitner<\/a>. On peut aussi esp\u00e9rer que ce terme devienne dominant dans la litt\u00e9rature scientifique. Tous les auteurs pr\u00e9f\u00e8rent s&rsquo;en tenir \u00e0 la terminologie qu&rsquo;ils utilisent depuis des ann\u00e9es, voire des d\u00e9cennies. Cependant, Wikip\u00e9dia a largement contribu\u00e9 \u00e0 acc\u00e9l\u00e9rer cette \u00e9volution terminologique. Le terme dominant y est&nbsp;<em>spaced repetition<\/em>, mais les chercheurs en m\u00e9moire ont tendance \u00e0 privil\u00e9gier&nbsp;<em>spaced retrieval<\/em>&nbsp;ou&nbsp;<em>distributed practice<\/em>&nbsp;(concept plus large). Il existe aussi des \u00ab&nbsp;<em>entr\u00e9es isol\u00e9es<\/em>&nbsp;\u00bb comme&nbsp;<em>spaced learning<\/em>, attribu\u00e9es par des robots spammeurs \u00e0&nbsp;<a href=\"https:\/\/loop.frontiersin.org\/people\/95418\/bio\" rel=\"nofollow noopener\" target=\"_blank\">Paul Kelly<\/a>&nbsp;(alors directeur du Monkseaton High School).<\/p>\n\n<p class=\"wp-block-paragraph\">Cette confusion contribue au d\u00e9calage entre la recherche et les applications populaires de la r\u00e9p\u00e9tition espac\u00e9e, mais la fusion et l&rsquo;unification ne sont qu&rsquo;une question de temps. Wikip\u00e9dia utilise le concept de&nbsp;<em>fusions propos\u00e9es<\/em>. Les scientifiques peuvent s&rsquo;opposer \u00e0 la fusion de leurs versions \u00ab propres \u00bb avec la version populaire, truff\u00e9e de liens commerciaux. Pourtant, une telle fusion est in\u00e9vitable, et c&rsquo;est une bonne chose. Il existe aujourd&rsquo;hui des scientifiques qui \u00e9tudient la r\u00e9p\u00e9tition espac\u00e9e sans conna\u00eetre ce terme, et qui n&rsquo;ont jamais entendu parler de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Il existe aussi des ing\u00e9nieurs qui travaillent sur des algorithmes de r\u00e9p\u00e9tition espac\u00e9e tout en connaissant tr\u00e8s peu la recherche r\u00e9elle sur la m\u00e9moire dans ce domaine. Ces deux probl\u00e8mes peuvent \u00eatre att\u00e9nu\u00e9s par l&rsquo;unification de la terminologie. Google fera le reste.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;unification de la terminologie sous la banni\u00e8re de la \u00ab&nbsp;<strong>r\u00e9p\u00e9tition espac\u00e9e<\/strong>&nbsp;\u00bb servira la recherche future et les applications populaires<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"2005\">2005 : la fonction d&rsquo;augmentation de stabilit\u00e9<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Pourquoi une id\u00e9e simple n&rsquo;a-t-elle pas pu se concr\u00e9tiser ?<\/h2>\n\n<p class=\"wp-block-paragraph\">Une description math\u00e9matique parfaite de la m\u00e9moire \u00e0 long terme est presque \u00e0 port\u00e9e de main. Cela peut sembler \u00e9tonnant aujourd&rsquo;hui, mais malgr\u00e9 sa simplicit\u00e9, il a fallu trois longues d\u00e9cennies de d\u00e9marrages et d&rsquo;arr\u00eats avant qu&rsquo;un bon mod\u00e8le puisse \u00e9merger. Dans l&rsquo;aventure humaine, la science est souvent un effet secondaire de la curiosit\u00e9 humaine, tandis que d&rsquo;autres projets urgents re\u00e7oivent la priorit\u00e9. Le probl\u00e8me avec la science, c&rsquo;est qu&rsquo;elle est aveugle : elle ne r\u00e9v\u00e8le gu\u00e8re ses secrets avant qu&rsquo;ils soient d\u00e9couverts. La morale de l&rsquo;histoire est que tous les gouvernements et toutes les entreprises devraient consacrer des ressources sans compter \u00e0 la bonne science. La science ressemble un peu \u00e0&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;: aujourd&rsquo;hui, la r\u00e9compense semble mince, mais \u00e0 long terme, les b\u00e9n\u00e9fices peuvent \u00eatre stup\u00e9fiants.<\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, nous pouvons d\u00e9crire la m\u00e9moire de mani\u00e8re presque parfaite gr\u00e2ce aux outils employ\u00e9s dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>. La seule limite aux progr\u00e8s futurs dans la compr\u00e9hension de la m\u00e9moire est l&rsquo;imagination, la disponibilit\u00e9 du temps, et la capacit\u00e9 \u00e0 poser les bonnes questions. Nous avons tous les outils et beaucoup de donn\u00e9es. Nous disposons m\u00eame d&rsquo;une belle quantit\u00e9 de donn\u00e9es combin\u00e9es \u00e0 des journaux de sommeil, qui peuvent d\u00e9sormais ajouter une nouvelle dimension au mod\u00e8le : la disposition hom\u00e9ostatique \u00e0 l&rsquo;apprentissage, la fatigue hom\u00e9ostatique, et m\u00eame le facteur circadien.<\/p>\n\n<p class=\"wp-block-paragraph\">Une morale importante de l&rsquo;histoire de SuperMemo est que, si vous avez une id\u00e9e, il faut la mettre en \u0153uvre (\u00e0 moins d&rsquo;en avoir une meilleure). Le probl\u00e8me avec les id\u00e9es, c&rsquo;est qu&rsquo;elles peuvent sembler bien moins attrayantes qu&rsquo;elles ne le sont r\u00e9ellement. J&rsquo;ai trac\u00e9 ma premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Hermann_Ebbinghaus_(1885)_and_spaced_repetition_(1985)\" rel=\"noreferrer noopener\" target=\"_blank\">1984<\/a>, je l&rsquo;ai oubli\u00e9e en quelques mois, et je me suis souvenu de ce fait 34 ans plus tard, \u00e0 une \u00e9poque o\u00f9 toute ma vie tourne autour des courbes d&rsquo;oubli. Imaginez la surprise ! Quand j&rsquo;ai con\u00e7u le premier algorithme de r\u00e9p\u00e9tition espac\u00e9e, il m&rsquo;a fallu plus de deux ans avant de d\u00e9cider de recruter mon premier utilisateur. Sans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Tomasz_Kuehn\" rel=\"noreferrer noopener\" target=\"_blank\">Tomasz Kuehn<\/a>, SuperMemo pour Windows aurait peut-\u00eatre vu le jour 2 \u00e0 4 ans plus tard. Sans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Janusz Murakowski<\/a>, la pr\u00e9cieuse mine de donn\u00e9es que constitue l&rsquo;historique des r\u00e9p\u00e9titions dans SuperMemo aurait pu \u00eatre retard\u00e9e de 1 \u00e0 2 ans. Lorsque la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;a vu le jour en 2000, moi seul savais qu&rsquo;il s&rsquo;agissait d&rsquo;une avanc\u00e9e monumentale. Il m&rsquo;a fallu n\u00e9anmoins un certain temps pour en mesurer toute l&rsquo;ampleur. Aujourd&rsquo;hui, je sais que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_creativity\" rel=\"noreferrer noopener\" target=\"_blank\">cr\u00e9ativit\u00e9 neuronale<\/a>&nbsp;est un outil de rupture, mais je continue \u00e0 l&rsquo;utiliser avec r\u00e9serve, et moins souvent que son alternative plus simple : la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Subset_review\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9vision de sous-ensembles<\/a>.<\/p>\n\n<h3 class=\"wp-block-heading\">1990 : le premier indice<\/h3>\n\n<p class=\"wp-block-paragraph\"><a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">L&rsquo;algorithme SM-17<\/a>&nbsp;\u00e9tait en pr\u00e9paration depuis pr\u00e8s d&rsquo;un quart de si\u00e8cle. En pr\u00e9parant les documents pour cet article, j&rsquo;ai retrouv\u00e9 dans mes archives une image d&rsquo;une matrice nomm\u00e9e \u00ab new strength \u00bb, avec des lignes intitul\u00e9es \u00ab strength \u00bb et des colonnes intitul\u00e9es \u00ab durability \u00bb. C&rsquo;\u00e9taient les noms d&rsquo;origine de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>, utilis\u00e9s dans les ann\u00e9es 1988-1990. Comme un vieux fossile, ce document me r\u00e9v\u00e8le que l&rsquo;id\u00e9e de l&rsquo;algorithme SM-17 a d\u00fb na\u00eetre vers 1990.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"2292\" height=\"3006\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/New_strength_matrix.jpg\" alt=\"\" class=\"wp-image-33739\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Une image d&rsquo;une matrice nomm\u00e9e \u00ab new strength \u00bb, avec des lignes intitul\u00e9es \u00ab strength \u00bb et des colonnes intitul\u00e9es \u00ab durability \u00bb. C&rsquo;\u00e9taient les noms d&rsquo;origine de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;et de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>, utilis\u00e9s dans les ann\u00e9es 1988-1990. Ce document sugg\u00e8re que l&rsquo;id\u00e9e de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;a d\u00fb na\u00eetre vers 1990.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Depuis les tout premiers d\u00e9buts du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_components_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>, j&rsquo;ai voulu construire un algorithme autour de lui. Ma motivation a toujours \u00e9t\u00e9 mitig\u00e9e.&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;fonctionnait suffisamment bien pour que cela reste un simple exercice th\u00e9orique int\u00e9ressant. Pourtant, aujourd&rsquo;hui, je vois que l&rsquo;algorithme fournit des donn\u00e9es pour un mod\u00e8le capable de r\u00e9pondre \u00e0 de nombreuses questions sur la m\u00e9moire. Certaines de ces questions n&rsquo;ont en r\u00e9alit\u00e9 jamais \u00e9t\u00e9 pos\u00e9es (par exemple sur les sous-composantes de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>). Cela ressemble aussi \u00e0&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;lui-m\u00eame. Il a toujours eu du mal \u00e0 s&rsquo;imposer car sa valeur est difficile \u00e0 appr\u00e9cier en th\u00e9orie. Ce sont les effets pratiques qui convainquent le plus facilement les bons \u00e9tudiants.<\/p>\n\n<h3 class=\"wp-block-heading\">1993 : la distraction<\/h3>\n\n<p class=\"wp-block-paragraph\">En 1993, ma propre r\u00e9flexion \u00e9tait un frein au progr\u00e8s. Poursuivre les explorations de l&rsquo;algorithme \u00e9tait secondaire. Cela n&rsquo;aurait pas beaucoup profit\u00e9 \u00e0 l&rsquo;utilisateur. La mod\u00e9lisation de la m\u00e9moire \u00e9tait pure recherche fondamentale. Voir : la futilit\u00e9 de l&rsquo;ajustement fin de l&rsquo;algorithme. \u00c0 l&rsquo;\u00e9poque, c&rsquo;\u00e9tait&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" target=\"_blank\" rel=\"noreferrer noopener\">Murakowski<\/a>&nbsp;qui poussait le plus fort pour progresser. Il n&rsquo;arr\u00eatait pas de se plaindre que \u00ab &nbsp;<em>SuperMemo laisse fuir des donn\u00e9es dignes du prix Nobel<\/em>&nbsp;\u00bb. Il me hurlait, dans des termes proches de l&rsquo;insulte : \u00ab &nbsp;<em>impl\u00e9mente les historiques de r\u00e9p\u00e9tition maintenant !<\/em>&nbsp;\u00bb. C&rsquo;\u00e9tait simplement une question de priorit\u00e9s. Nous avions une nouvelle version Windows de SuperMemo, l&rsquo;arriv\u00e9e des donn\u00e9es audio, l&rsquo;arriv\u00e9e de la technologie CD-ROM, l&rsquo;arriv\u00e9e d&rsquo;une concurrence s\u00e9rieuse, y compris chez nous, o\u00f9 Young Digital Poland nous avait battus d&rsquo;environ un mois pour le titre du premier titre CD-ROM dans notre pays. Nous revendiquons toujours fi\u00e8rement le premier CD-ROM Windows en Pologne. Il \u00e9tait en r\u00e9alit\u00e9 fabriqu\u00e9 aux \u00c9tats-Unis, mais le contenu \u00e9tait enti\u00e8rement con\u00e7u en Pologne, autour d&rsquo;un SuperMemo 100&nbsp;% polonais.<\/p>\n\n<h3 class=\"wp-block-heading\">1996 : le capital-risque<\/h3>\n\n<p class=\"wp-block-paragraph\">En f\u00e9vrier 1996, tous les obstacles avaient \u00e9t\u00e9 lev\u00e9s, et SuperMemo a enfin commenc\u00e9 \u00e0 collecter l&rsquo;int\u00e9gralit\u00e9 de l&rsquo;historique des r\u00e9p\u00e9titions (\u00e0 l&rsquo;\u00e9poque, c&rsquo;\u00e9tait encore une option, pour \u00e9viter d&rsquo;encombrer les syst\u00e8mes moins puissants de donn\u00e9es inutilis\u00e9es). Mes propres donn\u00e9es remontent maintenant en grande partie \u00e0 1992-1993, car tous les \u00e9l\u00e9ments enregistr\u00e9s en f\u00e9vrier 1996 avaient encore leur derni\u00e8re r\u00e9p\u00e9tition facilement identifiable \u00e0 partir de l&rsquo;intervalle. J&rsquo;ai m\u00eame un bon nombre d&rsquo;historiques remontant \u00e0 1987. Dans mon obsession pour les donn\u00e9es, j&rsquo;ai not\u00e9 manuellement la progression de certains \u00e9l\u00e9ments sp\u00e9cifiques, ce qui m&rsquo;a permis plus tard de compl\u00e9ter les historiques de r\u00e9p\u00e9tition par \u00e9dition manuelle. Mes propres donn\u00e9es constituent donc aujourd&rsquo;hui l&rsquo;historique de r\u00e9p\u00e9tition le plus long qui existe en r\u00e9p\u00e9tition espac\u00e9e. 30 ans de donn\u00e9es, avec une couverture massive sur 22 \u00e0 25 ann\u00e9es d&rsquo;apprentissage. C&rsquo;est une mine d&rsquo;or.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 29 septembre 1996, un dimanche soir, j&rsquo;ai consacr\u00e9 deux heures \u00e0 esquisser le nouvel algorithme fond\u00e9 sur le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>. Tout paraissait tr\u00e8s simple et ne demandait que peu de travail. SuperMemo venait de commencer \u00e0 collecter les historiques de r\u00e9p\u00e9tition, je devais donc disposer d&rsquo;une quantit\u00e9 de donn\u00e9es suffisante. Notre attention s&rsquo;est d\u00e9plac\u00e9e des cours multim\u00e9dias, comme Cross Country, vers des projets plus simples, comme&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Advanced_English\" rel=\"noreferrer noopener\" target=\"_blank\">Advanced English<\/a>. Le moment semblait bien choisi. Malheureusement, le lendemain, nous avons re\u00e7u un appel d&rsquo;Antek Szepieniec, qui avait discut\u00e9 avec des investisseurs am\u00e9ricains, r\u00eavant de faire de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;la premi\u00e8re entreprise polonaise cot\u00e9e au NASDAQ. Il proph\u00e9tisait avec excitation qu&rsquo;il y avait de bonnes chances qu&rsquo;un investissement de plusieurs millions de dollars, via du capital-risque, vienne soutenir nos efforts. Cela m&rsquo;a instantan\u00e9ment projet\u00e9 dans de nouveaux r\u00f4les et de nouvelles t\u00e2ches. C\u00f4t\u00e9 n\u00e9gatif, cela a retard\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;de deux d\u00e9cennies. C\u00f4t\u00e9 positif, le concept de SuperMemo hyperm\u00e9dia, alias&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Knowledge_Machine\" rel=\"noreferrer noopener\" target=\"_blank\">la Machine \u00e0 Connaissances<\/a>, alias&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, a gagn\u00e9 \u00e9norm\u00e9ment en \u00e9lan, tant en th\u00e9orie qu&rsquo;en conception. La pratique a de nouveau triomph\u00e9 sur la science.<\/p>\n\n<h3 class=\"wp-block-heading\">2005 : l&rsquo;approche th\u00e9orique<\/h3>\n\n<p class=\"wp-block-paragraph\">En 2000, avec la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, puis en 2006 avec la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Priority_queue\" rel=\"noreferrer noopener\" target=\"_blank\">file d&rsquo;attente par priorit\u00e9<\/a>, le besoin de retarder les r\u00e9p\u00e9titions, et celui de les avancer, ont consid\u00e9rablement augment\u00e9. Cela imposait des \u00e9carts \u00e9normes par rapport \u00e0 l&rsquo;optimum. L&rsquo;ancien&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">algorithme SM-8<\/a>&nbsp;ne pouvait pas g\u00e9rer cela efficacement. La fonction des intervalles optimaux devait \u00eatre \u00e9tendue dans la dimension du temps (c&rsquo;est-\u00e0-dire la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>). Il nous fallait une fonction d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Une des dynamiques les plus int\u00e9ressantes du progr\u00e8s scientifique est que les explorations dendritiques de la r\u00e9alit\u00e9 n\u00e9cessitent souvent une masse c\u00e9r\u00e9brale critique pour faire aboutir une nouvelle id\u00e9e. En 2005,&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>&nbsp;et d&rsquo;autres \u00e9taient largement occup\u00e9s ailleurs, \u00e0 promouvoir SuperMemo en tant qu&rsquo;entreprise. J&rsquo;\u00e9tais moi-m\u00eame sur la voie d&rsquo;une avanc\u00e9e majeure en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;: la gestion de la surcharge. Avec l&rsquo;\u00e9mergence de Wikip\u00e9dia, il est soudain apparu qu&rsquo;importer des tonnes de connaissances demandait peu d&rsquo;effort, mais que des connaissances de faible priorit\u00e9 pouvaient facilement submerger des connaissances de haute priorit\u00e9 par simple volume. La richesse nuisait ainsi \u00e0 la qualit\u00e9 des connaissances. Ma solution \u00e0 ce probl\u00e8me fut d&#8217;employer la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Priority_queue\" rel=\"noreferrer noopener\" target=\"_blank\">file d&rsquo;attente par priorit\u00e9<\/a>. Elle ne serait impl\u00e9ment\u00e9e qu&rsquo;en 2006. Pendant ce temps,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Edward_Gorzelanczyk\" rel=\"noreferrer noopener\" target=\"_blank\">Gorzela\u0144czyk<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Janusz_Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Murakowski<\/a>&nbsp;\u00e9taient occup\u00e9s par leurs propres projets scientifiques.<\/p>\n\n<p class=\"wp-block-paragraph\">Gorzela\u0144czyk avait l&rsquo;habitude d&rsquo;assister \u00e0 une conf\u00e9rence de cybern\u00e9tique \u00e0 Cracovie, port\u00e9e par l&rsquo;une de mes premi\u00e8res sources d&rsquo;inspiration : le&nbsp;<a href=\"https:\/\/pl.wikipedia.org\/wiki\/Ryszard_Tadeusiewicz\" rel=\"nofollow noopener\" target=\"_blank\">professeur Ryszard Tadeusiewicz<\/a>. Pour sa pr\u00e9sentation de 2005, Gorzela\u0144czyk a sugg\u00e9r\u00e9 que nous mettions \u00e0 jour notre mod\u00e8le de la m\u00e9moire. Avec le d\u00e9luge de nouvelles donn\u00e9es en biologie mol\u00e9culaire, une d\u00e9cennie s&rsquo;\u00e9tait \u00e9coul\u00e9e depuis la derni\u00e8re formulation, ce qui pouvait faire une \u00e9norme diff\u00e9rence. J&rsquo;ai pens\u00e9 que mes id\u00e9es pour trouver une formule de construction de la stabilit\u00e9 de la m\u00e9moire feraient un bon compl\u00e9ment. Cette \u00e9tincelle initiale a rapidement pris de l&rsquo;ampleur au fil des \u00e9changes avec Murakowski. Sans ces trois cerveaux travaillant \u00e0 l&rsquo;unisson et attisant l&rsquo;enthousiasme, l&rsquo;\u00e9tape suivante, pourtant \u00e9vidente, n&rsquo;aurait pas \u00e9t\u00e9 franchie. En utilisant les outils employ\u00e9s pour la premi\u00e8re fois dans le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le d&rsquo;apprentissage intermittent de 1990<\/a>, j&rsquo;ai d\u00e9cid\u00e9 de trouver la fonction d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>. Une fois que mon ordinateur a commenc\u00e9 \u00e0 traiter les donn\u00e9es, des bribes d&rsquo;information int\u00e9ressantes n&rsquo;ont cess\u00e9 d&rsquo;affluer les unes apr\u00e8s les autres. Le travail devait ne prendre que quelques soir\u00e9es. Il a finalement dur\u00e9 la moiti\u00e9 de l&rsquo;hiver.<\/p>\n\n<h3 class=\"wp-block-heading\">2013 : le retour de la vision d&rsquo;ensemble<\/h3>\n\n<p class=\"wp-block-paragraph\">Comme en 2005, en 2013, il a fallu qu&rsquo;une masse c\u00e9r\u00e9brale critique se constitue pour faire aboutir les nouvelles solutions. Je dois cependant en accorder l&rsquo;essentiel du cr\u00e9dit \u00e0&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Biedalak<\/a>. C&rsquo;est lui qui a fait basculer la balance. Dans une bataille sans fin pour la reconnaissance du leadership et du r\u00f4le pionnier de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, il a exig\u00e9 que nous poursuivions le projet et m&rsquo;a envoy\u00e9 prendre de courtes vacances cr\u00e9atives pour l&rsquo;achever. Cela ne devait \u00eatre qu&rsquo;un projet d&rsquo;un hiver, et cela s&rsquo;est transform\u00e9 en deux ans, et cela continue de me prendre beaucoup de temps.<\/p>\n\n<p class=\"wp-block-paragraph\">Le 9 novembre 2014, nous avons fait une marche de 26 km pour discuter du nouvel algorithme. Discuter en marchant est notre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/How_to_solve_any_problem%3F\" rel=\"noreferrer noopener\" target=\"_blank\">meilleure forme de brainstorming<\/a>, qui porte toujours ses fruits. Le lendemain, nous nous sommes retrouv\u00e9s dans une piscine avec Leszek Lewoc, adorateur du big data, qui a toujours une foule d&rsquo;id\u00e9es fantastiques (j&rsquo;ai rencontr\u00e9 Lewoc pour la premi\u00e8re fois en 1996, et sa femme \u00e9tait probablement d\u00e9j\u00e0 utilisatrice de SuperMemo d\u00e8s 1992 [\u00e0 v\u00e9rifier !]). Les conclusions simples de cette s\u00e9ance de brainstorming furent d&rsquo;utiliser le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>&nbsp;pour simplifier l&rsquo;approche de l&rsquo;algorithme, simplifier la terminologie, et la rendre plus conviviale (plus de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>, de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/U-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs U<\/a>, de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/R-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs R<\/a>, etc.).<\/p>\n\n<h2 class=\"wp-block-heading\">Augmentation de la stabilit\u00e9 de la m\u00e9moire avec la r\u00e9p\u00e9tition<\/h2>\n\n<p class=\"wp-block-paragraph\">Pour comprendre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, il est utile de comprendre les calculs utilis\u00e9s pour \u00e9tablir la formule d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9 de la m\u00e9moire<\/a>. En 2005, notre objectif \u00e9tait de trouver la fonction d&rsquo;augmentation de stabilit\u00e9 pour tout niveau valide de R et de S :&nbsp;<em>SInc<\/em>=&nbsp;<em>f<\/em>(R,S). Les objectifs et les outils \u00e9taient assez similaires \u00e0 ceux utilis\u00e9s dans la qu\u00eate pour construire le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le d&rsquo;apprentissage intermittent<\/a>&nbsp;(1990).<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Jusqu&rsquo;en 2005, nous n&rsquo;avions pas \u00e9t\u00e9 capables de formuler une formule universelle reliant une r\u00e9p\u00e9tition \u00e0 une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9 de la m\u00e9moire<\/a>. Les algorithmes d&rsquo;espacement des r\u00e9p\u00e9titions se fondaient sur une compr\u00e9hension g\u00e9n\u00e9rale de la fa\u00e7on dont la stabilit\u00e9 augmente lorsque l&rsquo;on utilise ce qu&rsquo;on appelle les intervalles optimaux entre r\u00e9p\u00e9titions (d\u00e9finis comme des intervalles produisant un taux de rappel connu, g\u00e9n\u00e9ralement sup\u00e9rieur \u00e0 90&nbsp;%). Le terme d&rsquo;&nbsp;<em>intervalle optimal<\/em>&nbsp;d\u00e9signe l&rsquo;applicabilit\u00e9 d&rsquo;un intervalle \u00e0 l&rsquo;apprentissage. Ces algorithmes d&rsquo;espacement des r\u00e9p\u00e9titions permettent aussi de d\u00e9terminer une fonction pr\u00e9cise d&rsquo;augmentation de stabilit\u00e9 pour les intervalles optimaux, sous forme matricielle. Cependant, on savait peu de choses sur l&rsquo;augmentation de la stabilit\u00e9 pour de faibles niveaux de r\u00e9cup\u00e9rabilit\u00e9 (c&rsquo;est-\u00e0-dire lorsque les intervalles ne sont pas&nbsp;<em>optimaux<\/em>). Gr\u00e2ce aux donn\u00e9es collect\u00e9es \u00e0 l&rsquo;aide de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, nous pouvons maintenant tenter de combler cette lacune. Bien que SuperMemo ait \u00e9t\u00e9 con\u00e7u pour appliquer des intervalles optimaux dans l&rsquo;apprentissage, dans la r\u00e9alit\u00e9, les utilisateurs sont souvent contraints de retarder leurs r\u00e9p\u00e9titions pour diverses raisons (vacances, maladie, etc.). Cela fournit une part substantielle de r\u00e9p\u00e9titions \u00e0 faible&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;dans presque tous les corpus de mat\u00e9riel d&rsquo;apprentissage. De plus, en 2002, SuperMemo a introduit le concept de r\u00e9p\u00e9tition \u00e0 mi-intervalle, qui permet de raccourcir les intervalles entre r\u00e9p\u00e9titions. Bien que la proportion de r\u00e9p\u00e9titions \u00e0 mi-intervalle dans un corpus de donn\u00e9es donn\u00e9 soit tr\u00e8s faible, pour des \u00e9chantillons de donn\u00e9es suffisamment grands, le nombre de cas de r\u00e9p\u00e9tition \u00e0 tr\u00e8s faible et \u00e0 tr\u00e8s forte r\u00e9cup\u00e9rabilit\u00e9 devrait permettre de g\u00e9n\u00e9raliser les r\u00e9sultats sur l&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire, de la r\u00e9cup\u00e9rabilit\u00e9 de 0,9 \u00e0 toute la plage de r\u00e9cup\u00e9rabilit\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour construire de mani\u00e8re optimale la stabilit\u00e9 de la m\u00e9moire par l&rsquo;apprentissage, nous devons conna\u00eetre la&nbsp;<em>fonction des intervalles optimaux<\/em>, ou, \u00e0 d\u00e9faut, la&nbsp;<em>fonction d&rsquo;augmentation de stabilit\u00e9<\/em>&nbsp;(&nbsp;<em>SInc<\/em>). Ces fonctions prennent trois arguments : la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire (S)<\/a>, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire (R)<\/a>&nbsp;et la difficult\u00e9 de la connaissance (D). Traditionnellement, SuperMemo s&rsquo;est toujours concentr\u00e9 sur les dimensions S et D, car le maintien d&rsquo;une r\u00e9cup\u00e9rabilit\u00e9 \u00e9lev\u00e9e est le principal crit\u00e8re de la proc\u00e9dure d&rsquo;optimisation utilis\u00e9e pour calculer les intervalles entre r\u00e9p\u00e9titions. Cette focalisation sur S et D \u00e9tait dict\u00e9e par les applications pratiques de la fonction d&rsquo;augmentation de stabilit\u00e9. Dans cet article, nous nous concentrons sur S et R, cherchant \u00e0 \u00e9liminer la dimension D en analysant la \u00ab connaissance pure \u00bb, c&rsquo;est-\u00e0-dire des traces mn\u00e9siques non composites caract\u00e9risant des connaissances faciles \u00e0 apprendre. \u00c9liminer la dimension D facilite nos divagations th\u00e9oriques, et les conclusions pourront ensuite \u00eatre \u00e9tendues aux traces mn\u00e9siques composites et aux connaissances jug\u00e9es difficiles \u00e0 apprendre. En d&rsquo;autres termes, en passant de la pratique \u00e0 la th\u00e9orie, nous d\u00e9pla\u00e7ons notre int\u00e9r\u00eat de la paire (S,D) vers la paire (S,R). Dans cette logique, tous les jeux de donn\u00e9es \u00e9tudi\u00e9s ont \u00e9t\u00e9 filtr\u00e9s selon la difficult\u00e9 des \u00e9l\u00e9ments. En m\u00eame temps, nous avons recherch\u00e9 les ensembles les plus vastes possibles, dans lesquels la repr\u00e9sentation d&rsquo;\u00e9l\u00e9ments \u00e0 faible r\u00e9cup\u00e9rabilit\u00e9 serait suffisamment importante en raison de retards dans la r\u00e9p\u00e9tition (en violation de l&rsquo;espacement optimal des r\u00e9p\u00e9titions). Nous avons mis au point une proc\u00e9dure en deux \u00e9tapes utilis\u00e9e pour proposer une formule symbolique de l&rsquo;augmentation de stabilit\u00e9 pour diff\u00e9rents niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;dans des&nbsp;<strong>jeux de donn\u00e9es caract\u00e9ris\u00e9s par une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;faible et uniforme<\/strong>&nbsp;(des jeux de donn\u00e9es dits \u00ab \u00e0 connaissance bien formul\u00e9e \u00bb, faciles \u00e0 retenir en m\u00e9moire). Un mat\u00e9riel d&rsquo;apprentissage bien formul\u00e9 et uniforme facilite l&rsquo;isolement d&rsquo;un processus pur de consolidation de la m\u00e9moire \u00e0 long terme par la r\u00e9p\u00e9tition. Comme \u00e9voqu\u00e9 ailleurs dans cet article, une connaissance mal formul\u00e9e entra\u00eene une superposition de processus de consolidation ind\u00e9pendants et se pr\u00eate mal \u00e0 l&rsquo;analyse pr\u00e9sent\u00e9e ici.<\/p>\n\n<h3 class=\"wp-block-heading\">Calcul en deux \u00e9tapes<\/h3>\n\n<p class=\"wp-block-paragraph\">Dans SuperMemo 17, il est possible de parcourir l&rsquo;int\u00e9gralit\u00e9 de l&rsquo;historique des r\u00e9p\u00e9titions pour collecter les donn\u00e9es d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>. Cela permet de tracer une repr\u00e9sentation graphique de la matrice&nbsp;<em>SInc[]<\/em>. Cette matrice peut ensuite \u00eatre utilis\u00e9e pour tenter de trouver une approximation symbolique de la fonction d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>. Le m\u00eame raisonnement a \u00e9t\u00e9 utilis\u00e9 en 2005. La proc\u00e9dure \u00e9tait toutefois bien plus simple. Cela permet ensuite de mieux comprendre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a> :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">La proc\u00e9dure en deux \u00e9tapes pour d\u00e9terminer la fonction d&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire&nbsp;<em>SInc<\/em> :<\/p>\n\n<ul class=\"wp-block-list\"><li><strong>\u00c9tape 1<\/strong> : utiliser une repr\u00e9sentation matricielle de&nbsp;<em>SInc<\/em>&nbsp;et une proc\u00e9dure it\u00e9rative pour minimiser l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Deviation\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9cart<\/a>&nbsp;<em>Dev<\/em>&nbsp;entre les notes d&rsquo;un processus d&rsquo;apprentissage r\u00e9el (donn\u00e9es) et les notes pr\u00e9dites par&nbsp;<em>SInc<\/em>.&nbsp;<em>Dev<\/em>&nbsp;est d\u00e9fini comme la somme de&nbsp;<em>R-Pass<\/em>&nbsp;sur une s\u00e9quence de r\u00e9p\u00e9titions d&rsquo;une connaissance donn\u00e9e, o\u00f9&nbsp;<em>R<\/em>&nbsp;est la r\u00e9cup\u00e9rabilit\u00e9 et&nbsp;<em>Pass<\/em>&nbsp;vaut 1 pour les notes de r\u00e9ussite et 0 pour les notes d&rsquo;\u00e9chec<\/li><li><strong>\u00c9tape 2<\/strong> : utiliser un algorithme de mont\u00e9e de gradient (hill-climbing) pour r\u00e9soudre un probl\u00e8me des moindres carr\u00e9s afin d&rsquo;\u00e9valuer les candidats symboliques pour&nbsp;<em>SInc<\/em>&nbsp;offrant le meilleur ajustement \u00e0 la matrice&nbsp;<em>SInc<\/em>&nbsp;obtenue \u00e0 l&rsquo;\u00e9tape 1<\/li><\/ul>\n\n<h3 class=\"wp-block-heading\">Calcul de l&rsquo;augmentation de stabilit\u00e9<\/h3>\n\n<p class=\"wp-block-paragraph\">La matrice d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;(&nbsp;<em>SInc[]<\/em>) a \u00e9t\u00e9 calcul\u00e9e \u00e0 l&rsquo;&nbsp;<strong>\u00e9tape 1<\/strong>. En 2005, nous pouvions partir de toute valeur hypoth\u00e9tique plausible de&nbsp;<em>SInc<\/em>. Aujourd&rsquo;hui, connaissant la nature approximative de la fonction, nous pouvons acc\u00e9l\u00e9rer le processus et le rendre non it\u00e9ratif (voir&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">D\u00e9finissons une proc\u00e9dure pour calculer la stabilit\u00e9 de la m\u00e9moire pour un sch\u00e9ma de r\u00e9p\u00e9tition donn\u00e9. Cette proc\u00e9dure peut \u00eatre utilis\u00e9e pour calculer la stabilit\u00e9 \u00e0 partir des notes r\u00e9ellement obtenues durant l&rsquo;apprentissage (variante pratique), et pour calculer la stabilit\u00e9 uniquement \u00e0 partir de la synchronisation des r\u00e9p\u00e9titions (variante th\u00e9orique). La seule diff\u00e9rence entre les deux est que la variante pratique permet de corriger la stabilit\u00e9 en fonction de l&rsquo;oubli stochastique refl\u00e9t\u00e9 par les notes d&rsquo;\u00e9chec.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans les passages suivants, nous utiliserons la notation suivante :<\/p>\n\n<ul class=\"wp-block-list\"><li>S(t) &#8211; stabilit\u00e9 de la m\u00e9moire au temps t<\/li><li>S[r] &#8211; stabilit\u00e9 de la m\u00e9moire apr\u00e8s la r&nbsp;<sup>i\u00e8me<\/sup>&nbsp;r\u00e9p\u00e9tition (par exemple, S[1] repr\u00e9sentant la stabilit\u00e9 de la m\u00e9moire apr\u00e8s l&rsquo;apprentissage d&rsquo;une nouvelle connaissance)<\/li><li>R(S,t) &#8211; r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire pour une stabilit\u00e9 S et un temps t (on sait que R=exp&nbsp;<sup>-k*t\/S<\/sup>&nbsp;et que k=ln(10\/9))<\/li><li><em>SInc<\/em>(R,S) &#8211; augmentation de la stabilit\u00e9 r\u00e9sultant d&rsquo;une r\u00e9p\u00e9tition pour une r\u00e9cup\u00e9rabilit\u00e9 R et une stabilit\u00e9 S, telle que&nbsp;<em>SInc<\/em>(R(S,t),S(t))=S(t&nbsp;<em>)\/S(t&rsquo;)=S[r]\/S[r-1] (o\u00f9 : t&rsquo; et t<\/em>&nbsp;repr\u00e9sentent le moment de la r\u00e9p\u00e9tition, respectivement avant et apr\u00e8s la consolidation de la m\u00e9moire, avec t&nbsp;<em>-t&rsquo; \u00e9tant indistinguable de z\u00e9ro)<\/em><\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Notre objectif est de trouver la fonction d&rsquo;augmentation de stabilit\u00e9 pour tout niveau valide de R et de S :&nbsp;<em>SInc<\/em>=&nbsp;<em>f<\/em>(R,S).<\/p>\n\n<p class=\"wp-block-paragraph\">Si l&rsquo;on prend une valeur initiale plausible quelconque de&nbsp;<em>SInc<\/em>(R,S), et que l&rsquo;on utilise S[1]=S&nbsp;<sub>1<\/sub>, o\u00f9 S&nbsp;<sub>1<\/sub>&nbsp;est la stabilit\u00e9 d\u00e9riv\u00e9e de la fonction de d\u00e9clin de la m\u00e9moire apr\u00e8s la premi\u00e8re r\u00e9vision (pour un intervalle optimal entre r\u00e9p\u00e9titions), alors, pour chaque historique de r\u00e9p\u00e9tition, on peut calculer S selon l&rsquo;it\u00e9ration suivante :<\/p>\n\n<pre class=\"wp-block-preformatted\">r:=1;\nS[r]:=S1\nrepeat\n t:=Interval[r]; \/\/ where: Interval[r] is taken from a learning process (practical variant) or from the investigated review pattern (theoretical variant)\n Pass:=(Grade[r]&gt;=3); \/\/ where: Grade[r] is the grade after the r-th interval (practical variant) or 4 (theoretical variant)\n R:=Ret(S[r],t);\n if Pass then\n    S[r+1]:=S[r]*SInc[R,S[r]]\n    r:=r+1;\nelse begin\n   r:=1;\n   S[r]:=S1;\n   end;\nuntil (r is the last repetition)\n<\/pre>\n\n<p class=\"wp-block-paragraph\">Dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-8<\/a>, on peut utiliser le graphique du premier intervalle pour d\u00e9terminer S&nbsp;<sub>1<\/sub>, qui devient progressivement plus court apr\u00e8s chaque note d&rsquo;\u00e9chec.<\/p>\n\n<p class=\"wp-block-paragraph\">Nous commen\u00e7ons le processus it\u00e9ratif avec une valeur initiale hypoth\u00e9tique de la matrice&nbsp;<em>SInc[R,S]<\/em>, par exemple avec toutes les entr\u00e9es fix\u00e9es arbitrairement au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;comme dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Nous pouvons alors continuer \u00e0 appliquer la proc\u00e9dure ci-dessus sur les donn\u00e9es d&rsquo;historique de r\u00e9p\u00e9tition existantes pour calculer une nouvelle valeur de&nbsp;<em>SInc[R,S]<\/em>&nbsp;produisant un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Deviation\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9cart<\/a>&nbsp;moindre par rapport aux notes obtenues dans le processus d&rsquo;apprentissage r\u00e9el (nous utilisons pour cela les diff\u00e9rences&nbsp;<em>R-Pass<\/em>).<\/p>\n\n<p class=\"wp-block-paragraph\">Des am\u00e9liorations incr\u00e9mentales sont possibles si l&rsquo;on observe que :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<ul class=\"wp-block-list\"><li>si Pass=vrai et S[r]&lt;Intervalle[r], alors l&rsquo;entr\u00e9e&nbsp;<em>SInc[R,S[r-1]]<\/em>&nbsp;est sous-estim\u00e9e (et peut \u00eatre corrig\u00e9e vers Intervalle[r]\/S[r]*&nbsp;<em>SInc[R,S[r-1]]<\/em>)<\/li><li>si Pass=faux et S[r]&gt;Intervalle[r], alors l&rsquo;entr\u00e9e&nbsp;<em>SInc[R,S[r-1]]<\/em>&nbsp;est surestim\u00e9e<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Nous pouvons it\u00e9rer sur&nbsp;<em>SInc[]<\/em>&nbsp;pour rapprocher progressivement sa valeur de l&rsquo;alignement avec les notes obtenues dans le processus d&rsquo;apprentissage. Cette approche permet d&rsquo;arriver au m\u00eame&nbsp;<em>SInc[R,S]<\/em>&nbsp;final, ind\u00e9pendamment de la valeur initiale de&nbsp;<em>SInc[R,S]<\/em>&nbsp;fix\u00e9e \u00e0 l&rsquo;initialisation<\/p>\n\n<p class=\"wp-block-paragraph\">Dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, au lieu de cette approche incr\u00e9mentale \u00ab tout ou rien \u00bb d\u00e9crite ci-dessus, nous utilisons de v\u00e9ritables&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;pour fournir une meilleure estimation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>, qui peut ensuite servir \u00e0 corriger la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;estim\u00e9e. L&rsquo;estimation finale de la stabilit\u00e9 combine la pr\u00e9diction th\u00e9orique de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>, le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;r\u00e9el tir\u00e9 des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;(pond\u00e9r\u00e9 selon la disponibilit\u00e9 des donn\u00e9es), et la note r\u00e9elle combin\u00e9e \u00e0 l&rsquo;intervalle, comme dans le raisonnement ci-dessus. En combinant ces trois sources d&rsquo;information,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;peut fournir des estimations de stabilit\u00e9\/intervalle sans avoir besoin d&rsquo;it\u00e9rer sans cesse sur la matrice&nbsp;<em>SInc[]<\/em>.<\/p>\n\n<h3 class=\"wp-block-heading\">Formule symbolique de l&rsquo;augmentation de stabilit\u00e9<\/h3>\n\n<p class=\"wp-block-paragraph\">Apr\u00e8s de nombreuses it\u00e9rations, on obtient une valeur de&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">SInc<\/a>&nbsp;<\/em>qui minimise l&rsquo;erreur. La proc\u00e9dure est convergente. Une fois la matrice d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;disponible, nous pouvons rechercher une formule symbolique exprimant cette augmentation.<\/p>\n\n<h4 class=\"wp-block-heading\">D\u00e9pendance de l&rsquo;augmentation de stabilit\u00e9 \u00e0 S<\/h4>\n\n<p class=\"wp-block-paragraph\">Sans surprise,&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">SInc<\/a>&nbsp;<\/em>diminue lorsque&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">S<\/a>&nbsp;<\/em>augmente :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 l&rsquo;\u00e9tape 2, nous utiliserons la matrice&nbsp;<em>SInc[R,S]<\/em>&nbsp;obtenue ici pour \u00e9tablir une formule symbolique de&nbsp;<em>SInc<\/em>.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>\u00c9tape 2<\/strong>&nbsp;&#8211; Trouver&nbsp;<em>SInc<\/em>&nbsp;sous forme de formule symbolique<\/p>\n\n<p class=\"wp-block-paragraph\">Nous pouvons maintenant utiliser tout algorithme de descente de gradient pour \u00e9valuer des candidats symboliques pour SInc offrant le meilleur ajustement \u00e0 la matrice SInc obtenue ci-dessus.<\/p>\n\n<p class=\"wp-block-paragraph\">En examinant la matrice SInc, nous constatons imm\u00e9diatement que SInc en fonction de S pour un R constant se d\u00e9crit remarquablement bien par une fonction puissance n\u00e9gative, comme dans l&rsquo;exemple de jeu de donn\u00e9es ci-dessous :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"588\" height=\"378\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SInc-vs-S-2.gif\" alt=\"\" class=\"wp-image-53170\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Ce qui est encore plus clair dans la version log-log du m\u00eame graphique :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"591\" height=\"375\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/LogSInc-vs-logS-1.gif\" alt=\"\" class=\"wp-image-53184\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">La conclusion sur la d\u00e9pendance en puissance entre&nbsp;<em>SInc<\/em>&nbsp;et&nbsp;<em>S<\/em>&nbsp;ci-dessus confirme les constatations pr\u00e9c\u00e9dentes. En particulier, la baisse des facteurs R le long des cat\u00e9gories de r\u00e9p\u00e9tition dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;a toujours \u00e9t\u00e9 le mieux approxim\u00e9e par une fonction puissance<\/p>\n\n<h4 class=\"wp-block-heading\">D\u00e9pendance de l&rsquo;augmentation de stabilit\u00e9 \u00e0 R<\/h4>\n\n<p class=\"wp-block-paragraph\">Comme le pr\u00e9dit l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>,&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">SInc<\/a>&nbsp;<\/em>est plus \u00e9lev\u00e9 pour des niveaux plus faibles de&nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">R<\/a>&nbsp;<\/em>. Notez cependant que la proc\u00e9dure utilis\u00e9e en 2005 a pu introduire un artefact : la survie d&rsquo;une trace mn\u00e9sique dans le temps contribuerait de mani\u00e8re lin\u00e9aire \u00e0 la nouvelle estimation de stabilit\u00e9. Cela pose probl\u00e8me en raison de la nature stochastique de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">oubli<\/a>. Une survie plus longue des souvenirs peut alors \u00eatre une question de chance. Dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>, davantage de preuves sont utilis\u00e9es pour estimer la stabilit\u00e9, et l&rsquo;&nbsp;<em>intervalle de survie<\/em>&nbsp;est pond\u00e9r\u00e9 avec tous les autres \u00e9l\u00e9ments de preuve.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Lorsque nous recherchons la fonction refl\u00e9tant la relation entre&nbsp;<em>SInc<\/em>&nbsp;et R pour un S constant, nous observons davantage de bruit dans les donn\u00e9es, en raison du fait que SuperMemo fournit beaucoup moins d&rsquo;occurrences \u00e0 faible R (son algorithme vise g\u00e9n\u00e9ralement \u00e0 atteindre R&gt;0,9). N\u00e9anmoins, en examinant plusieurs jeux de donn\u00e9es, nous avons conclu, ce qui est quelque peu surprenant, que&nbsp;<em>SInc<\/em>&nbsp;augmente exponentiellement lorsque R diminue (voir plus loin pour voir comment cette augmentation se traduit par une relation presque lin\u00e9aire entre&nbsp;<em>SInc<\/em>&nbsp;et le temps). L&rsquo;ampleur de cette augmentation est plus \u00e9lev\u00e9e que pr\u00e9vu, et devrait apporter une preuve suppl\u00e9mentaire de la puissance de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>. Cette conclusion devrait avoir un impact majeur sur les strat\u00e9gies d&rsquo;apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici un exemple de jeu de donn\u00e9es de SInc en fonction de R pour un S constant. On voit que SInc=f(R) peut \u00eatre assez bien approxim\u00e9e par une fonction exponentielle n\u00e9gative :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"507\" height=\"376\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SInc-vs-R-2.gif\" alt=\"\" class=\"wp-image-53198\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Et la version semi-log du m\u00eame graphique, avec une droite de tendance d&rsquo;approximation lin\u00e9aire dont l&rsquo;ordonn\u00e9e \u00e0 l&rsquo;origine est fix\u00e9e \u00e0 1 :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"508\" height=\"377\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SInc-vs-logR-2.gif\" alt=\"\" class=\"wp-image-53212\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Il est int\u00e9ressant de noter que l&rsquo;augmentation de stabilit\u00e9 pour une r\u00e9cup\u00e9rabilit\u00e9 de 100&nbsp;% peut \u00eatre inf\u00e9rieure \u00e0 1. Certaines recherches mol\u00e9culaires indiquent une labilit\u00e9 accrue des souvenirs au moment de la r\u00e9vision. C&rsquo;est une preuve suppl\u00e9mentaire que le bourrage r\u00e9p\u00e9titif peut vous nuire, et pas seulement en vous co\u00fbtant du temps suppl\u00e9mentaire.<\/p>\n\n<h4 class=\"wp-block-heading\">D\u00e9pendance de l&rsquo;augmentation de stabilit\u00e9 \u00e0 la r\u00e9cup\u00e9rabilit\u00e9 (2018)<\/h4>\n\n<p class=\"wp-block-paragraph\">Malgr\u00e9 toutes les diff\u00e9rences algorithmiques et les artefacts, la d\u00e9pendance de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;\u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;pour une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">connaissance bien formul\u00e9e<\/a>&nbsp;est presque identique \u00e0 celle d\u00e9riv\u00e9e de donn\u00e9es produites 13 ans plus tard par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Rappelons que dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, nous utilisons des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>&nbsp;pour fournir une meilleure estimation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. Celle-ci sert ensuite \u00e0 corriger la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;estim\u00e9e. En combinant plusieurs sources d&rsquo;information,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;peut fournir des estimations de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;plus pr\u00e9cises. Il subsiste toujours le vieil artefact de la survie d&rsquo;une trace mn\u00e9sique, qui contribuerait de fa\u00e7on lin\u00e9aire \u00e0 la nouvelle stabilit\u00e9. Cet artefact peut \u00eatre neutralis\u00e9 par pond\u00e9ration param\u00e9trique. Cependant, chaque fois que&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;tente de le faire, ses indicateurs de performance chutent.<\/p>\n\n<p class=\"wp-block-paragraph\">Malgr\u00e9 toutes les am\u00e9liorations, et des jeux de donn\u00e9es bien plus vastes (notamment pour un faible R), la d\u00e9pendance de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;\u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;pour les \u00e9l\u00e9ments faciles semble grav\u00e9e dans le marbre.<\/p>\n\n<p class=\"wp-block-paragraph\">Cette image parfaite s&rsquo;effondre lorsque l&rsquo;on introduit dans le m\u00e9lange des connaissances&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Difficulty\" rel=\"noreferrer noopener\" target=\"_blank\">difficiles<\/a>. Cela s&rsquo;explique en partie par la r\u00e9duction de l&rsquo;artefact de&nbsp;<em>survie longue<\/em>&nbsp;mentionn\u00e9 plus haut. C&rsquo;est pourquoi les nouvelles versions de SuperMemo ne s&rsquo;appuient plus sur cette formule mn\u00e9sique apparemment bien confirm\u00e9e :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"911\" height=\"661\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Stability_increase_as_a_function_of_memory_retrievability_for_easy_knowledge.png\" alt=\"\" class=\"wp-image-33815\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">force<\/a>&nbsp;de la m\u00e9moire \u00e0 long terme d\u00e9pend du moment de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9vision<\/a>. Pour une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">connaissance bien formul\u00e9e<\/a>, de longs d\u00e9lais de r\u00e9vision produisent une forte augmentation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>. La r\u00e9vision optimale doit \u00e9quilibrer cette augmentation avec la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">probabilit\u00e9 d&rsquo;oubli<\/a>. Dans le graphique pr\u00e9sent\u00e9, la relation entre l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;et le logarithme de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;(log(R)) est lin\u00e9aire. Log(R) exprime le temps. Pr\u00e8s de 27&nbsp;000&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9titions<\/a>&nbsp;ont \u00e9t\u00e9 utilis\u00e9es pour tracer ce graphique. La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;observ\u00e9e avant r\u00e9vision variait de 2 \u00e0 110 jours. Une augmentation maximale de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;de pr\u00e8s de 10 fois a \u00e9t\u00e9 observ\u00e9e pour les niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;les plus faibles. La matrice d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;a \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9e avec&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;dans SuperMemo 17<\/em><\/p><\/blockquote>\n\n<h3 class=\"wp-block-heading\">Formule d&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire<\/h3>\n\n<p class=\"wp-block-paragraph\">Disposant de la matrice d&rsquo;augmentation de stabilit\u00e9, nous avons pu rechercher une expression symbolique de cette augmentation. L&rsquo;\u00e9quation trouv\u00e9e en 2005 sera d\u00e9sign\u00e9e plus loin par&nbsp;<em>Eqn. SInc2005<\/em>. Notez que les formules utilis\u00e9es dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;diff\u00e8rent :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Pour une difficult\u00e9 de connaissance constante, nous avons appliqu\u00e9 un ajustement de surface bidimensionnel pour obtenir la formule symbolique de&nbsp;<em>SInc<\/em>. Nous avons utilis\u00e9 un algorithme de Levenberg-Marquardt modifi\u00e9, avec plusieurs candidats symboliques susceptibles de d\u00e9crire pr\u00e9cis\u00e9ment&nbsp;<em>SInc<\/em>&nbsp;en fonction de S et de R. L&rsquo;algorithme a \u00e9t\u00e9 renforc\u00e9 par une boucle persistante de red\u00e9marrage al\u00e9atoire afin de garantir que le maximum global soit trouv\u00e9. Nous avons obtenu les meilleurs r\u00e9sultats avec la formule suivante&nbsp;<small>(Eqn. SInc2005)<\/small> :<\/p>\n\n<p class=\"wp-block-paragraph\"><em>SInc<\/em>=&nbsp;<em>a<\/em>S&nbsp;<sup><em>-b<\/em>&nbsp;<\/sup>*e&nbsp;<sup><em>c<\/em>R<\/sup>+&nbsp;<em>d<\/em><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li><em>SInc<\/em>&nbsp;&#8211; augmentation de la stabilit\u00e9 de la m\u00e9moire r\u00e9sultant d&rsquo;une r\u00e9p\u00e9tition r\u00e9ussie (rapport entre la stabilit\u00e9 S avant et apr\u00e8s la r\u00e9p\u00e9tition)<\/li><li>R &#8211; r\u00e9cup\u00e9rabilit\u00e9 de la m\u00e9moire au moment de la r\u00e9p\u00e9tition, exprim\u00e9e comme la probabilit\u00e9 de rappel en pourcentage<\/li><li>S &#8211; stabilit\u00e9 de la m\u00e9moire avant la r\u00e9p\u00e9tition, exprim\u00e9e comme l&rsquo;intervalle g\u00e9n\u00e9rant R=0,9<\/li><li><em>a<\/em>,&nbsp;<em>b<\/em>,&nbsp;<em>c<\/em>,&nbsp;<em>d<\/em>&nbsp;&#8211; param\u00e8tres qui peuvent varier l\u00e9g\u00e8rement selon les jeux de donn\u00e9es<\/li><li>e &#8211; base du logarithme naturel<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Les param\u00e8tres&nbsp;<em>a<\/em>,&nbsp;<em>b<\/em>,&nbsp;<em>c<\/em>,&nbsp;<em>d<\/em>&nbsp;varieraient l\u00e9g\u00e8rement selon les jeux de donn\u00e9es, ce qui pourrait refl\u00e9ter la variabilit\u00e9 de l&rsquo;interaction utilisateur-connaissance (c&rsquo;est-\u00e0-dire que diff\u00e9rents ensembles de mat\u00e9riel d&rsquo;apprentissage pr\u00e9sent\u00e9s \u00e0 diff\u00e9rents utilisateurs peuvent entra\u00eener une distribution diff\u00e9rente de la difficult\u00e9 ainsi que des crit\u00e8res de notation diff\u00e9rents, qui peuvent tous influencer la mesure finale). \u00c0 titre d&rsquo;illustration, une valeur moyenne de&nbsp;<em>a<\/em>,&nbsp;<em>b<\/em>,&nbsp;<em>c<\/em>,&nbsp;<em>d<\/em>, tir\u00e9e de plusieurs jeux de donn\u00e9es, s&rsquo;est r\u00e9v\u00e9l\u00e9e \u00eatre :&nbsp;<em>a=76<\/em>,&nbsp;<em>b=0.023<\/em>,&nbsp;<em>c=-0.031<\/em>,&nbsp;<em>d:=-2<\/em>, avec&nbsp;<em>c<\/em>&nbsp;variant peu d&rsquo;un jeu de donn\u00e9es \u00e0 l&rsquo;autre, tandis qu&rsquo;&nbsp;<em>a<\/em>&nbsp;et&nbsp;<em>d<\/em>&nbsp;pr\u00e9sentaient une variance relativement plus \u00e9lev\u00e9e. Voir l&rsquo;exemple : comment utiliser la formule pour calculer la stabilit\u00e9 de la m\u00e9moire ?<\/p>\n\n<h2 class=\"wp-block-heading\">Conclusions tir\u00e9es de la formule d&rsquo;augmentation de stabilit\u00e9<\/h2>\n\n<p class=\"wp-block-paragraph\">La formule ci-dessus pour l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;diff\u00e8re l\u00e9g\u00e8rement des d\u00e9couvertes ult\u00e9rieures. Par exemple, elle semble sous-estimer le d\u00e9clin de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;avec S (faible&nbsp;<em>b<\/em>). Elle permet n\u00e9anmoins de tirer un grand nombre de conclusions int\u00e9ressantes.<\/p>\n\n<h3 class=\"wp-block-heading\">Augmentation lin\u00e9aire de la valeur d&rsquo;une r\u00e9vision au fil du temps<\/h3>\n\n<p class=\"wp-block-paragraph\">En raison de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>, le potentiel d&rsquo;augmentation de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;ne cesse de cro\u00eetre dans le temps, de fa\u00e7on presque lin\u00e9aire :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">La formule ci-dessus a produit des valeurs de&nbsp;<em>SInc<\/em>&nbsp;qui diff\u00e9raient en moyenne de 15&nbsp;% de celles obtenues \u00e0 partir des donn\u00e9es sous forme de matrice&nbsp;<em>SInc<\/em>&nbsp;sur des jeux de donn\u00e9es homog\u00e8nes (c&rsquo;est-\u00e0-dire des ensembles d&rsquo;historiques de r\u00e9p\u00e9tition s\u00e9lectionn\u00e9s pour : un seul \u00e9tudiant, un seul type de connaissance, une faible difficult\u00e9, et une plage restreinte de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteurs A<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 mesure que l&rsquo;intervalle entre r\u00e9p\u00e9titions augmente, malgr\u00e9 une double exponentiation dans le temps,&nbsp;<em>SInc<\/em>&nbsp;augmente selon une courbe sigmo\u00efde presque lin\u00e9aire (les deux op\u00e9rations d&rsquo;exponentiation n\u00e9gative s&rsquo;annulant mutuellement) :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"435\" height=\"316\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/SInc-vs-time-2.gif\" alt=\"\" class=\"wp-image-53226\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Le graphique des variations de SInc dans le temps. Ce graphique a \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9 pour S=240 en utilisant l&rsquo;\u00e9quation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a>.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">La d\u00e9pendance presque lin\u00e9aire de&nbsp;<em>SInc<\/em>&nbsp;au temps se refl\u00e8te dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;par le calcul du nouvel intervalle optimal en multipliant le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/O-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur O<\/a>&nbsp;par l&rsquo;intervalle r\u00e9ellement utilis\u00e9 entre r\u00e9p\u00e9titions, et non par l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>&nbsp;pr\u00e9c\u00e9demment calcul\u00e9 (dans SuperMemo, les facteurs O sont des entr\u00e9es d&rsquo;une matrice bidimensionnelle OF[S,D] qui repr\u00e9sentent&nbsp;<em>SInc<\/em>&nbsp;pour R=0,9).<\/p>\n\n<h3 class=\"wp-block-heading\">Augmentation attendue de la stabilit\u00e9 de la m\u00e9moire<\/h3>\n\n<p class=\"wp-block-paragraph\">L&rsquo;optimisation de l&rsquo;apprentissage peut utiliser divers crit\u00e8res. On peut optimiser pour un niveau sp\u00e9cifique de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;ou pour la maximisation de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de la stabilit\u00e9 de la m\u00e9moire<\/a>. Dans les deux cas, il est utile de comprendre le niveau attendu d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">D\u00e9finissons la valeur attendue de l&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire comme suit :<\/p>\n\n<p class=\"wp-block-paragraph\">E(&nbsp;<em>SInc<\/em>)=&nbsp;<em>SInc<\/em>*R<\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>R &#8211; r\u00e9cup\u00e9rabilit\u00e9<\/li><li><em>SInc<\/em>&nbsp;&#8211; augmentation de stabilit\u00e9<\/li><li>E(&nbsp;<em>SInc<\/em>) &#8211; augmentation probabiliste attendue de la stabilit\u00e9 (c&rsquo;est-\u00e0-dire l&rsquo;augmentation d\u00e9finie par&nbsp;<em>SInc<\/em>&nbsp;et r\u00e9duite par la possibilit\u00e9 d&rsquo;oubli)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">La formule d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;\u00e9tablie en 2005 a cr\u00e9\u00e9 une grande surprise. Nous avions coutume d&rsquo;affirmer que la meilleure vitesse d&rsquo;apprentissage pouvait \u00eatre obtenue avec un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;de 30 \u00e0 40&nbsp;%. L&rsquo;\u00e9quation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a>&nbsp;semblait indiquer qu&rsquo;une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;tr\u00e8s faible pouvait produire de tr\u00e8s bons effets sur la m\u00e9moire. En raison de la raret\u00e9 des donn\u00e9es \u00e0 faible R en 2005, ces conclusions doivent \u00eatre prises avec pr\u00e9caution :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 partir de l&rsquo;\u00e9quation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a>, nous avons E(&nbsp;<em>SInc<\/em>)=(&nbsp;<em>a<\/em>S&nbsp;<em><sup>-b<\/sup>&nbsp;<\/em>*e&nbsp;<sup><em>c<\/em>R<\/sup>+&nbsp;<em>d<\/em>)*R. En calculant la d\u00e9riv\u00e9e d&nbsp;<em>ESInc<\/em>\/dR, et en l&rsquo;\u00e9galant \u00e0 z\u00e9ro, on peut trouver la r\u00e9cup\u00e9rabilit\u00e9 qui maximise l&rsquo;augmentation attendue de stabilit\u00e9 pour diff\u00e9rents niveaux de stabilit\u00e9 :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"548\" height=\"394\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/ESInc-vs-R-1-1.gif\" alt=\"\" class=\"wp-image-53240\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Augmentation attendue de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;<\/em>E(SInc)&nbsp;<em>en fonction de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9 R<\/a>&nbsp;pour la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 S<\/a>&nbsp;d\u00e9riv\u00e9e de l&rsquo;\u00e9quation (&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a>). En utilisant la terminologie famili\u00e8re aux utilisateurs de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, l&rsquo;augmentation maximale attendue de la stabilit\u00e9 de la m\u00e9moire pour de courts intervalles se produit pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;\u00e9gal \u00e0 60&nbsp;%&nbsp;! Cela signifie aussi que l&rsquo;indice d&rsquo;oubli maximal autoris\u00e9 dans SuperMemo (20&nbsp;%) entra\u00eene une augmentation attendue de la stabilit\u00e9 inf\u00e9rieure de pr\u00e8s de 80&nbsp;% au maximum possible (si l&rsquo;on \u00e9tait pr\u00eat \u00e0 sacrifier des niveaux \u00e9lev\u00e9s de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>).<\/em><\/p><\/blockquote>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"913\" height=\"663\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/ESInc_as_function_of_R_for_S.jpg\" alt=\"\" class=\"wp-image-33860\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Augmentation attendue de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>&nbsp;E(SInc) en fonction de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;R et de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;S, d\u00e9riv\u00e9e de l&rsquo;\u00e9quation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a><\/em><\/p><\/blockquote>\n\n<h3 class=\"wp-block-heading\">Complexit\u00e9 de la m\u00e9moire en r\u00e9p\u00e9tition espac\u00e9e<\/h3>\n\n<p class=\"wp-block-paragraph\">La stabilit\u00e9 de la m\u00e9moire en r\u00e9p\u00e9tition espac\u00e9e d\u00e9pend de la qualit\u00e9 de la r\u00e9vision, elle-m\u00eame d\u00e9pendante de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9 de la m\u00e9moire<\/a>. D\u00e8s 1984, j&rsquo;exprimais cela dans mon propre apprentissage, dans ce qui est devenu par la suite le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Minimum_information_principle\" rel=\"noreferrer noopener\" target=\"_blank\">principe d&rsquo;information minimale<\/a>. Pour une r\u00e9vision efficace, la connaissance doit \u00eatre simple. Elle peut former une structure complexe, mais les souvenirs individuels soumis \u00e0 r\u00e9vision doivent \u00eatre atomiques. En 2005, nous avons trouv\u00e9 une formule qui r\u00e9git la r\u00e9vision des souvenirs complexes.<\/p>\n\n<p class=\"wp-block-paragraph\">Georgios Zonnios \u00e9tait autrefois un jeune utilisateur curieux de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Aujourd&rsquo;hui, il est un innovateur en \u00e9ducation et un contributeur cr\u00e9atif et prolifique \u00e0 beaucoup de mes id\u00e9es. Il a remarqu\u00e9 :<\/p>\n\n<p class=\"wp-block-paragraph\">La&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;dans la formule de stabilit\u00e9 des \u00e9l\u00e9ments complexes est comme la r\u00e9sistance dans un circuit \u00e9lectronique : de nombreuses r\u00e9sistances en parall\u00e8le permettent des fuites de courant<\/p>\n\n<p class=\"wp-block-paragraph\">Par ailleurs, aux d\u00e9buts de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>, Zonnios est arriv\u00e9 de mani\u00e8re ind\u00e9pendante au concept d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_writing\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9criture incr\u00e9mentale<\/a>, qui aujourd&rsquo;hui peut sembler une \u00e9tape \u00e9vidente dans l&rsquo;application des outils de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;\u00e0 la cr\u00e9ativit\u00e9. Cet article a lui aussi \u00e9t\u00e9 \u00e9crit au moyen de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_writing\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9criture incr\u00e9mentale<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici comment les souvenirs des \u00e9l\u00e9ments complexes ont \u00e9t\u00e9 d\u00e9crits et analys\u00e9s en 2005 :<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">La difficult\u00e9 d&rsquo;apprentissage est d\u00e9termin\u00e9e par la complexit\u00e9 de l&rsquo;information m\u00e9moris\u00e9e. Une connaissance complexe entra\u00eene deux effets :<\/p>\n\n<ul class=\"wp-block-list\"><li>une interf\u00e9rence accrue avec d&rsquo;autres \u00e9l\u00e9ments d&rsquo;information<\/li><li>une difficult\u00e9 \u00e0 stimuler de fa\u00e7on uniforme les sous-composantes de la trace mn\u00e9sique au moment de la r\u00e9vision<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Les deux composantes de la difficult\u00e9 peuvent \u00eatre contr\u00e9es gr\u00e2ce \u00e0 une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">repr\u00e9sentation appropri\u00e9e des connaissances<\/a>&nbsp;dans le processus d&rsquo;apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">Voyons comment la complexit\u00e9 des connaissances affecte la construction de la stabilit\u00e9 de la m\u00e9moire.<\/p>\n\n<p class=\"wp-block-paragraph\">Imaginons que nous voulions apprendre ce qui suit :&nbsp;<em>Marie Sklodowska-Curie a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel de chimie 1911.<\/em>&nbsp;Nous pouvons adopter deux approches : l&rsquo;une o\u00f9 la connaissance reste complexe, l&rsquo;autre avec des formulations simples. Dans une variante complexe, un double texte \u00e0 trous pourrait \u00eatre formul\u00e9 afin d&rsquo;apprendre le nom de Marie Curie et l&rsquo;ann\u00e9e o\u00f9 elle a re\u00e7u le prix Nobel.<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em>Q : [&#8230;] a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel de chimie [&#8230;]<\/em><br><em>R : Marie Sklodowska-Curie, 1911<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Dans une variante simple, ce double texte \u00e0 trous serait scind\u00e9, le nom de jeune fille polonais serait rendu facultatif et utilis\u00e9 pour cr\u00e9er un troisi\u00e8me texte \u00e0 trous :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em>Q : [&#8230;] a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel de chimie 1911<\/em><br><em>R : Marie (Sklodowska-)Curie<\/em><\/p><p><em>Q : Marie Sklodowska-Curie a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel de chimie [&#8230;] (ann\u00e9e)<\/em><br><em>R : 1911<\/em><\/p><p><em>Q : Marie [&#8230;]-Curie a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel de chimie 1911<\/em><br><em>R : Sklodowska<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">De plus, dans la variante simple, une approche rigoureuse de l&rsquo;apprentissage n\u00e9cessiterait de formuler encore deux textes \u00e0 trous suppl\u00e9mentaires, car Marie Curie a \u00e9galement \u00e9t\u00e9 laur\u00e9ate du prix Nobel de physique en 1903 (ainsi que d&rsquo;autres distinctions) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em>Q : Marie Sklodowska-Curie a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du prix Nobel 1911 de [&#8230;]<\/em><br><em>R : Chimie<\/em><\/p><p><em>Q : Marie Sklodowska-Curie a \u00e9t\u00e9 l&rsquo;unique laur\u00e9ate du [&#8230;] 1911<\/em><br><em>R : prix Nobel (de chimie)<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Consid\u00e9rons maintenant le double texte \u00e0 trous composite d&rsquo;origine. Pour les besoins du raisonnement, supposons que retenir l&rsquo;ann\u00e9e 1911 et le nom Curie soit d&rsquo;\u00e9gale difficult\u00e9. La r\u00e9cup\u00e9rabilit\u00e9 de la trace mn\u00e9sique composite (c&rsquo;est-\u00e0-dire l&rsquo;ensemble du double texte \u00e0 trous) sera le produit des r\u00e9cup\u00e9rabilit\u00e9s de ses sous-traces. Cela d\u00e9coule de la r\u00e8gle g\u00e9n\u00e9rale selon laquelle les traces mn\u00e9siques sont, dans la plupart des cas, largement ind\u00e9pendantes. Bien que l&rsquo;oubli d&rsquo;une trace puisse augmenter la probabilit\u00e9 d&rsquo;oublier l&rsquo;autre, dans la grande majorit\u00e9 des cas, comme le prouve l&rsquo;exp\u00e9rience, des questions s\u00e9par\u00e9es et distinctes portant sur le m\u00eame sujet peuvent suivre un processus d&rsquo;apprentissage enti\u00e8rement ind\u00e9pendant, o\u00f9 le rappel et l&rsquo;oubli sont totalement impr\u00e9visibles. Voyons comment le fait de traiter les probabilit\u00e9s de rappel comme des \u00e9v\u00e9nements ind\u00e9pendants affecte la stabilit\u00e9 d&rsquo;une trace mn\u00e9sique composite :<\/p>\n\n<p class=\"wp-block-paragraph\">(9.1) R=R&nbsp;<sub>a<\/sub>*R&nbsp;<sub>b<\/sub><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>R &#8211; r\u00e9cup\u00e9rabilit\u00e9 d&rsquo;une trace mn\u00e9sique composite binaire<\/li><li>R&nbsp;<sub>a<\/sub>&nbsp;et R&nbsp;<sub>b<\/sub>&nbsp;&#8211; r\u00e9cup\u00e9rabilit\u00e9 de deux sous-composantes ind\u00e9pendantes de la trace mn\u00e9sique (sous-traces) : a et b<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">(9.2) R=exp&nbsp;<sup>-kt\/Sa<\/sup>*exp&nbsp;<sup>-kt\/Sb<\/sup>=exp&nbsp;<sup>-kt\/S<\/sup><\/p>\n\n<p class=\"wp-block-paragraph\">o\u00f9 :<\/p>\n\n<ul class=\"wp-block-list\"><li>t &#8211; le temps<\/li><li>k &#8211; ln(10\/9)<\/li><li>S &#8211; stabilit\u00e9 de la trace mn\u00e9sique composite<\/li><li>S&nbsp;<sub>a<\/sub>&nbsp;et S&nbsp;<sub>b<\/sub>&nbsp;&#8211; stabilit\u00e9s des sous-traces mn\u00e9siques a et b<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">(9.3) -kt\/S=-kt\/S&nbsp;<sub>a<\/sub>-kt\/S&nbsp;<sub>b<\/sub>=-kt(1\/S&nbsp;<sub>a<\/sub>+1\/S&nbsp;<sub>b<\/sub>)<\/p>\n\n<p class=\"wp-block-paragraph\">(9.4) S=S&nbsp;<sub>a<\/sub>*S&nbsp;<sub>b<\/sub>\/(S&nbsp;<sub>a<\/sub>+S&nbsp;<sub>b<\/sub>)<\/p>\n\n<p class=\"wp-block-paragraph\">Nous avons utilis\u00e9 l&rsquo;\u00e9quation (9.4) pour poursuivre l&rsquo;analyse des traces mn\u00e9siques composites. Nous nous attendions \u00e0 ce que, si initialement la stabilit\u00e9 des sous-traces mn\u00e9siques S&nbsp;<sub>a<\/sub>&nbsp;et S&nbsp;<sub>b<\/sub>&nbsp;diff\u00e9rait consid\u00e9rablement, les r\u00e9p\u00e9titions ult\u00e9rieures, optimis\u00e9es pour maximiser S (c&rsquo;est-\u00e0-dire avec le crit\u00e8re R=0,9), puissent d\u00e9t\u00e9riorer la stabilit\u00e9 des sous-composantes en raison d&rsquo;une synchronisation sous-optimale de la r\u00e9vision. Nous avons montr\u00e9 que ce n&rsquo;\u00e9tait pas le cas. Les sous-stabilit\u00e9s ont tendance \u00e0 converger dans le processus d&rsquo;apprentissage !<\/p>\n\n<p class=\"wp-block-paragraph\">La stabilit\u00e9 des souvenirs complexes peut \u00eatre d\u00e9riv\u00e9e des sous-stabilit\u00e9s des souvenirs atomiques<\/p>\n\n<h3 class=\"wp-block-heading\">Convergence des sous-stabilit\u00e9s pour les traces mn\u00e9siques composites<\/h3>\n\n<p class=\"wp-block-paragraph\">Il a \u00e9t\u00e9 facile de simuler le comportement des souvenirs complexes en r\u00e9p\u00e9tition espac\u00e9e. Leurs sous-stabilit\u00e9s tendent \u00e0 converger. Cela entra\u00eene une r\u00e9vision inefficace et une accumulation lente de stabilit\u00e9. Aujourd&rsquo;hui, nous pouvons montrer qu&rsquo;\u00e0 partir d&rsquo;un certain niveau de complexit\u00e9, il devient impossible de construire une stabilit\u00e9 de m\u00e9moire suffisante pour une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;\u00e0 long terme. En bref, il n&rsquo;existe aucun moyen de se souvenir d&rsquo;un livre autrement qu&rsquo;en le relisant sans fin. C&rsquo;est un processus futile.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Si nous g\u00e9n\u00e9rons un double texte \u00e0 trous, nous ne sommes pas vraiment certains qu&rsquo;une seule r\u00e9p\u00e9tition g\u00e9n\u00e8re une activation uniforme des deux circuits mn\u00e9siques responsables du stockage des deux \u00e9l\u00e9ments de connaissance distincts. Supposons que la premi\u00e8re r\u00e9p\u00e9tition soit le seul facteur diff\u00e9renciant les deux traces mn\u00e9siques, et que le reste du processus d&rsquo;apprentissage suive les formules pr\u00e9sent\u00e9es plus haut.<\/p>\n\n<p class=\"wp-block-paragraph\">Pour \u00e9tudier le comportement de la stabilit\u00e9 des sous-traces mn\u00e9siques selon un sch\u00e9ma de r\u00e9p\u00e9tition optimis\u00e9 pour la stabilit\u00e9 composite avec le crit\u00e8re R=0,9, prenons ce qui suit :<\/p>\n\n<ul class=\"wp-block-list\"><li>S&nbsp;<sub>a<\/sub>=1<\/li><li>S&nbsp;<sub>b<\/sub>=30<\/li><li>S=S&nbsp;<sub>a<\/sub>*S&nbsp;<sub>b<\/sub>\/(S&nbsp;<sub>a<\/sub>+S&nbsp;<sub>b<\/sub>) (d&rsquo;apr\u00e8s l&rsquo;\u00e9quation 9.4)<\/li><li><em>SInc<\/em>=&nbsp;<em>a<\/em>S&nbsp;<sup><em>-b<\/em>&nbsp;<\/sup>*e&nbsp;<sup><em>c<\/em>R<\/sup>+&nbsp;<em>d<\/em>&nbsp;(d&rsquo;apr\u00e8s l&rsquo;\u00e9quation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#SInc2005\" rel=\"noreferrer noopener\" target=\"_blank\">SInc2005<\/a>)<\/li><li>la trace mn\u00e9sique composite est consolid\u00e9e par la r\u00e9p\u00e9tition avec R=0,9, de telle sorte que les deux sous-traces soient \u00e9galement bien reconsolid\u00e9es (c&rsquo;est-\u00e0-dire que la r\u00e9vision de la trace composite ne doit n\u00e9gliger aucune sous-trace)<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Comme on peut le voir dans la figure suivante, la stabilit\u00e9 de la m\u00e9moire pour la trace composite sera toujours inf\u00e9rieure \u00e0 la stabilit\u00e9 des sous-traces individuelles ; cependant, les stabilit\u00e9s des sous-traces convergent.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"483\" height=\"398\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Stabil4-2.gif\" alt=\"\" class=\"wp-image-53254\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Convergence de la stabilit\u00e9 des sous-traces mn\u00e9siques r\u00e9vis\u00e9es selon le m\u00eame sch\u00e9ma de r\u00e9vision, optimis\u00e9 pour l&rsquo;ensemble de la trace mn\u00e9sique composite (c&rsquo;est-\u00e0-dire que la r\u00e9vision a lieu lorsque la r\u00e9cup\u00e9rabilit\u00e9 composite atteint 0,9). L&rsquo;axe horizontal repr\u00e9sente le nombre de r\u00e9visions, tandis que l&rsquo;axe vertical montre le logarithme de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>.&nbsp;Les lignes&nbsp;bleue&nbsp;et&nbsp;rouge&nbsp;correspondent \u00e0 la stabilit\u00e9 de deux sous-traces qui diff\u00e9raient sensiblement en stabilit\u00e9 apr\u00e8s l&rsquo;apprentissage initial. La ligne&nbsp;noire&nbsp;correspond \u00e0 la stabilit\u00e9 composite (S=S&nbsp;<sub>a<\/sub>*S&nbsp;<sub>b<\/sub>\/(S&nbsp;<sub>a<\/sub>+S&nbsp;<sub>b<\/sub>)). L&rsquo;\u00e9cart entre S&nbsp;<sub>a<\/sub>&nbsp;et S&nbsp;<sub>b<\/sub>&nbsp;s&rsquo;autocorrige si chaque r\u00e9vision entra\u00eene une activation uniforme de la structure synaptique sous-jacente.<\/em><\/p><\/blockquote>\n\n<h3 class=\"wp-block-heading\">Augmentation de la stabilit\u00e9 composite<\/h3>\n\n<p class=\"wp-block-paragraph\">Avertissement sur les archives :&nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\">Voyons maintenant en quoi&nbsp;<em>SInc<\/em>&nbsp;diff\u00e8re pour la stabilit\u00e9 composite S et pour les stabilit\u00e9s des sous-traces S&nbsp;<sub>a<\/sub>&nbsp;et S&nbsp;<sub>b<\/sub>&nbsp;? Si l&rsquo;on suppose une stimulation identique des sous-traces mn\u00e9siques, et que l&rsquo;on note SInc&nbsp;<sub>a<\/sub>&nbsp;et SInc&nbsp;<sub>b<\/sub>&nbsp;comme&nbsp;<em>i<\/em>, alors, pour la r\u00e9p\u00e9tition num\u00e9ro r, on a :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>SInc&nbsp;<sub>a<\/sub>=SInc&nbsp;<sub>b<\/sub>=&nbsp;<em>i<\/em><\/p><p>S&nbsp;<sub>a<\/sub>[r]=S&nbsp;<sub>a<\/sub>[r-1]*&nbsp;<em>i<\/em><br>S&nbsp;<sub>b<\/sub>[r]=S&nbsp;<sub>b<\/sub>[r-1]*&nbsp;<em>i<\/em><\/p><p>S[r]=S&nbsp;<sub>a<\/sub>[r]*S&nbsp;<sub>b<\/sub>[r]\/(S&nbsp;<sub>a<\/sub>[r]+S&nbsp;<sub>b<\/sub>[r])=<br>=S&nbsp;<sub>a<\/sub>[r-1]*S&nbsp;<sub>b<\/sub>[r-1]*&nbsp;<em>i<\/em>&nbsp;<sup>2<\/sup>\/(S&nbsp;<sub>a<\/sub>[r-1]*&nbsp;<em>i<\/em>+S&nbsp;<sub>b<\/sub>[r-1]*&nbsp;<em>i<\/em>)=<br>=&nbsp;<em>i<\/em>*(S&nbsp;<sub>a<\/sub>[r-1]*S&nbsp;<sub>b<\/sub>[r-1])\/(S&nbsp;<sub>a<\/sub>[r-1]+S&nbsp;<sub>b<\/sub>[r-1)=&nbsp;<em>i<\/em>*S[r-1]<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">En d&rsquo;autres termes :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>(11.1) SInc=&nbsp;<em>i<\/em>=SInc&nbsp;<sub>a<\/sub>=SInc&nbsp;<sub>b<\/sub><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ce qui pr\u00e9c\u00e8de d\u00e9montre que, dans le mod\u00e8le pr\u00e9sent\u00e9, l&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire est ind\u00e9pendante de la complexit\u00e9 des connaissances, \u00e0 condition que les sous-traces m\u00e9morielles se reconsolident de mani\u00e8re \u00e9gale.<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>L&rsquo;augmentation de la stabilit\u00e9 composite est identique \u00e0 l&rsquo;augmentation de la stabilit\u00e9 des sous-traces<\/strong><\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"2014\">2014 : l&rsquo;algorithme SM-17<\/div><\/h1>\n\n<p class=\"wp-block-paragraph\">Le plus r\u00e9cent algorithme&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;peut, par sa conception m\u00eame, r\u00e9sumer sa propre phylog\u00e9nie. Il peut aussi servir \u00e0 \u00e9crire l&rsquo;histoire contrefactuelle de la r\u00e9p\u00e9tition espac\u00e9e. S&rsquo;il n&rsquo;y avait pas eu de dinosaures, les humains ne seraient peut-\u00eatre jamais apparus, ou seraient diff\u00e9rents. Pourtant, toute la branche des dinosaures dans l&rsquo;arbre de l&rsquo;\u00e9volution pourrait \u00eatre supprim\u00e9e sans que cela mette en p\u00e9ril la branche des mammif\u00e8res, dont les humains font partie.<\/p>\n\n<p class=\"wp-block-paragraph\">De la m\u00eame fa\u00e7on, on peut retracer une cha\u00eene d&rsquo;\u00e9v\u00e9nements apparemment d\u00e9terministe dans l&rsquo;\u00e9mergence de la r\u00e9p\u00e9tition espac\u00e9e et de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>. Cela peut servir \u00e0 \u00ab d\u00e9montrer \u00bb que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Biedalak\" rel=\"noreferrer noopener\" target=\"_blank\">Biedalak<\/a>&nbsp;ou&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Murakowski\" rel=\"noreferrer noopener\" target=\"_blank\">Murakowski<\/a>&nbsp;ont compt\u00e9 davantage pour l&rsquo;histoire de la r\u00e9p\u00e9tition espac\u00e9e qu&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Ebbinghaus\" rel=\"noreferrer noopener\" target=\"_blank\">Ebbinghaus<\/a>. Qu&rsquo;Anki a \u00e9t\u00e9 plus important que Pimsleur.&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Gary_Wolf\" rel=\"noreferrer noopener\" target=\"_blank\">Gary Wolf<\/a>&nbsp;a eu plus d&rsquo;impact que William James.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, l&rsquo;impact maximal de la r\u00e9p\u00e9tition espac\u00e9e reste \u00e0 venir, et la confluence des forces en jeu pourrait bien redistribuer ces influences initiales. En particulier, avec l&rsquo;explosion d&rsquo;une concurrence l\u00e9gitime, le r\u00f4le central de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;ne pourra \u00eatre conserv\u00e9 que par une innovation continue (voir&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_creativity\" rel=\"noreferrer noopener\" target=\"_blank\">la cr\u00e9ativit\u00e9 neuronale<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Voici comment j&rsquo;expliquerais l&rsquo;ensemble de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;en reprenant les briques historiques expos\u00e9es dans cet article :<\/p>\n\n<ul class=\"wp-block-list\"><li>la cl\u00e9 de la r\u00e9tention \u00e0 long terme est de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/The_birthday_of_spaced_repetition:_July_31,_1985\" rel=\"noreferrer noopener\" target=\"_blank\">calculer l&rsquo;espacement optimal<\/a>&nbsp;(1985)<\/li><li>comme l&rsquo;espacement d\u00e9pend de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_complexity\" rel=\"noreferrer noopener\" target=\"_blank\">complexit\u00e9 de la m\u00e9moire<\/a>, il faut commencer par classer les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Item\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9l\u00e9ments<\/a>&nbsp;selon des cat\u00e9gories de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_1.0_for_DOS_(1987)\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9<\/a>&nbsp;(1987)<\/li><li>on trouve le moment optimal de r\u00e9vision en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Employing_forgetting_curves_in_spaced_repetition_(1991)\" rel=\"noreferrer noopener\" target=\"_blank\">tra\u00e7ant la courbe d&rsquo;oubli<\/a>, qui indique le moment o\u00f9 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;tombe sous un seuil acceptable (1991)<\/li><li>pour trouver le moment optimal quand les donn\u00e9es sont rares, il faut recourir \u00e0 des approximations, et il est utile de savoir que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_nature_of_forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;oubli est de nature exponentielle<\/a>&nbsp;(1994)<\/li><li>comme la vitesse de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">oubli<\/a>&nbsp;d\u00e9pend de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9 de la m\u00e9moire<\/a>, l&rsquo;algorithme tout entier doit \u00eatre con\u00e7u autour des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_components_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">deux composantes de la m\u00e9moire<\/a>&nbsp;(1988). L&rsquo;absence de prise en compte de ce mod\u00e8le est peut-\u00eatre la principale erreur commise par les d\u00e9veloppeurs d&rsquo;algorithmes concurrents de r\u00e9p\u00e9tition espac\u00e9e, comme dans le cas de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_networks_in_spaced_repetition\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;approche par r\u00e9seaux de neurones<\/a>&nbsp;(1997)<\/li><li>l&rsquo;atout majeur du mod\u00e8le \u00e0 deux composantes est de permettre de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_Algorithm:_30-year-long_labor\" rel=\"noreferrer noopener\" target=\"_blank\">calculer l&rsquo;augmentation de la stabilit\u00e9 de la m\u00e9moire lors de la r\u00e9vision<\/a>&nbsp;(2005)<\/li><li>l&rsquo;algorithme doit construire un mod\u00e8le de la m\u00e9moire en collectant les donn\u00e9es de r\u00e9p\u00e9tition. Il doit \u00eatre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/First_adaptable_spaced_repetition_algorithm:_Algorithm_SM-4\" rel=\"noreferrer noopener\" target=\"_blank\">adaptable aux informations disponibles<\/a>&nbsp;(1989)<\/li><li>avant que les donn\u00e9es ne soient disponibles, il est utile de commencer avec une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Search_for_a_universal_memory_formula\" rel=\"noreferrer noopener\" target=\"_blank\">formule universelle de la m\u00e9moire<\/a>&nbsp;(1990)<\/li><li>des ajustements et am\u00e9liorations mineures peuvent ensuite faire&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/First_data-driven_spaced_repetition_algorithm:_Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">toute la diff\u00e9rence<\/a>&nbsp;(1995), par exemple l&rsquo;intervalle post-\u00e9chec, la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/A-Factor\" rel=\"noreferrer noopener\" target=\"_blank\">difficult\u00e9 absolue<\/a>, la r\u00e9gression multidimensionnelle rapide, etc.<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Et c&rsquo;est ainsi, \u00e9tape par \u00e9tape, que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;s&rsquo;est hiss\u00e9 au sommet de l&rsquo;arbre \u00e9volutif de la r\u00e9p\u00e9tition espac\u00e9e.<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"Expo\">L&rsquo;adoption exponentielle de la r\u00e9p\u00e9tition espac\u00e9e<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Le d\u00e9marrage lent de l&rsquo;algorithme SM-2<\/h2>\n\n<p class=\"wp-block-paragraph\"><a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">L&rsquo;algorithme SM-2<\/a>&nbsp;a \u00e9t\u00e9 utilis\u00e9 pour la premi\u00e8re fois en apprentissage le 13 d\u00e9cembre 1987 et, avec quelques ajustements mineurs, il a surv\u00e9cu jusqu&rsquo;\u00e0 aujourd&rsquo;hui dans un grand nombre d&rsquo;applications. SuperMemo a abandonn\u00e9 cet algorithme en 1989 ; pourtant, il continue de r\u00e9appara\u00eetre dans de nouvelles applications \u00e0 un rythme qui doit approcher plusieurs nouveaux d\u00e9veloppements par mois. J&rsquo;ai perdu le compte depuis longtemps. Certaines de ses mutations contredisent les principes de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;tout en continuant d&rsquo;en porter le nom. Le plus souvent, les \u00e9carts concernent des intervalles mesur\u00e9s en minutes, ou le fait de diviser par deux les intervalles en cas d&rsquo;\u00e9chec \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Grade\" rel=\"noreferrer noopener\" target=\"_blank\">note<\/a>&nbsp;(\u00e0 la mani\u00e8re Leitner). Ces mutations alimentent aussi certaines fausses informations sur&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Notons que ces fausses informations ont \u00e9t\u00e9 l&rsquo;une des principales motivations \u00e0 l&rsquo;origine de cet article.<\/p>\n\n<p class=\"wp-block-paragraph\">Lorsque Duolingo \u00e9voque, dans son article, des param\u00e8tres&nbsp;<em>choisis \u00e0 la main<\/em>&nbsp;en r\u00e9f\u00e9rence \u00e0&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, cela doit provenir de textes anciens, peut-\u00eatre de seconde main, peut-\u00eatre \u00e9crits en r\u00e9f\u00e9rence \u00e0&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>. Apr\u00e8s tout, SuperMemo \u00e9tait d\u00e9j\u00e0 assez adaptable d\u00e8s 1989, et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>&nbsp;est le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Universal_metric_for_cross-comparison_of_spaced_repetition_algorithms\" rel=\"noreferrer noopener\" target=\"_blank\">sp\u00e9cimen le plus adaptable qui existe<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Une partie de la responsabilit\u00e9 de cette d\u00e9sinformation m&rsquo;incombe : j&rsquo;ai cess\u00e9 de me soucier de la relecture par les pairs et j&rsquo;ai laiss\u00e9 l&rsquo;information circuler sauvagement sur le web sans effort suffisant pour d\u00e9monter les mythes.<\/p>\n\n<p class=\"wp-block-paragraph\">Les premi\u00e8res applications \u00e0 utiliser&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;\u00e9taient des d\u00e9riv\u00e9s non commerciaux de SuperMemo pour Atari dans les ann\u00e9es 1980. Plus tard, des clones mineurs de SuperMemo (par exemple pour ordinateurs de poche) ont opt\u00e9 pour des variantes de l&rsquo;algorithme SM-2 avec leurs propres innovations, dont beaucoup ont donn\u00e9 des le\u00e7ons douloureuses sur les cons\u00e9quences du m\u00e9pris de la m\u00e9moire au nom du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" rel=\"noreferrer noopener\" target=\"_blank\">bourrage<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">En 2001,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;avait d\u00e9j\u00e0 pris cinq g\u00e9n\u00e9rations d&rsquo;avance sur cet algorithme. Toutes les grandes lignes logicielles, y compris&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo.com\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo en ligne<\/a>&nbsp;et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_for_Windows\" rel=\"noreferrer noopener\" target=\"_blank\">SuperMemo pour Windows<\/a>, avaient adopt\u00e9 les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/First_data-driven_spaced_repetition_algorithm:_Algorithm_SM-8\" rel=\"noreferrer noopener\" target=\"_blank\">variantes pilot\u00e9es par les donn\u00e9es<\/a>&nbsp;de l&rsquo;algorithme.&nbsp;<em>supermemo.net<\/em>&nbsp;est devenu l&rsquo;une des plateformes pionni\u00e8res du e-learning (aujourd&rsquo;hui transform\u00e9e en&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\"><em>supermemo.com<\/em>&nbsp;<\/a>). SuperMemo pour Windows a \u00e9t\u00e9 pionnier dans les solutions d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Self-learning\" rel=\"noreferrer noopener\" target=\"_blank\">auto-apprentissage<\/a>&nbsp;comme la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;ou la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_creativity\" rel=\"noreferrer noopener\" target=\"_blank\">cr\u00e9ativit\u00e9 neuronale<\/a>. Pendant ce temps,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;devenait le choix par d\u00e9faut, facile \u00e0 adopter, pour d&rsquo;autres d\u00e9veloppeurs.<\/p>\n\n<h2 class=\"wp-block-heading\">1998 : publication et acc\u00e9l\u00e9ration<\/h2>\n\n<p class=\"wp-block-paragraph\">Le 10 mai 1998,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;a \u00e9t\u00e9 rendu public et publi\u00e9 sur le web&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\/blog\/application-of-a-computer-to-improve-the-results-obtained-in-working-with-the-supermemo-method\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Mnemosyne a \u00e9t\u00e9 le premier outil \u00e0 reprendre cet algorithme, en tant que d\u00e9riv\u00e9 du r\u00e9seau de neurones&nbsp;MemAid cr\u00e9\u00e9 en 2003. D\u00e8s 2006, Mnemosyne continue de collecter des donn\u00e9es d&rsquo;historique de r\u00e9p\u00e9tition en faisant tourner une mutation de l&rsquo;algorithme SM-2. En tant qu&rsquo;application gratuite et multiplateforme, Mnemosyne a rapidement conquis une large base d&rsquo;utilisateurs, par exemple sous Linux, ou chez les utilisateurs ayant des besoins en Latex.<\/p>\n\n<p class=\"wp-block-paragraph\">Anki est n\u00e9 le 6 octobre 2006. Il s&rsquo;appuyait sur&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" target=\"_blank\" rel=\"noreferrer noopener\">l&rsquo;algorithme SM-2<\/a>&nbsp;et, pendant presque une d\u00e9cennie, a assur\u00e9 la plus large diffusion de cet algorithme. Il reste tr\u00e8s vivant aujourd&rsquo;hui. Anki a introduit un grand nombre d&rsquo;innovations dans son algorithme, mais a refus\u00e9 d&rsquo;aller au-del\u00e0 de ses principes de base (voir : critique de SM3+).<\/p>\n\n<p class=\"wp-block-paragraph\">En 2007, lorsque nous avons rencontr\u00e9&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Gary_Wolf\" rel=\"noreferrer noopener\" target=\"_blank\">Gary Wolf<\/a>, SuperMemo ressemblait \u00e0 une \u00eele d\u00e9serte et m\u00e9lancolique, ce qui amenait naturellement la question : si c&rsquo;est si bon, pourquoi personne n&rsquo;essaie-t-il de copier l&rsquo;algorithme. Anki et Mnemosyne \u00e9taient alors peu connus. L&rsquo;article de Wolf dans Wired en 2008 a provoqu\u00e9 un bel afflux de d\u00e9veloppeurs de logiciels \u00e9ducatifs d\u00e9sireux de mettre en \u0153uvre une forme de r\u00e9p\u00e9tition espac\u00e9e. L&rsquo;algorithme SM-2 semblait un fruit facile \u00e0 cueillir, et son expansion s&rsquo;est acc\u00e9l\u00e9r\u00e9e. Beaucoup d&rsquo;utilisateurs de SuperMemo affirment qu&rsquo;ils n&rsquo;auraient jamais d\u00e9couvert le logiciel sans l&rsquo;article de Wolf dans Wired.&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>&nbsp;aime pourtant plaisanter en disant que&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Gary_Wolf\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;article de Wolf<\/a>&nbsp;a bel et bien \u00e9t\u00e9 un tournant. Mais pas pour&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Il a simplement ouvert les vannes \u00e0 la concurrence, qui s&rsquo;est pr\u00e9cipit\u00e9e dans le domaine de la r\u00e9p\u00e9tition espac\u00e9e.<\/p>\n\n<h2 class=\"wp-block-heading\">2008 : l&rsquo;explosion<\/h2>\n\n<p class=\"wp-block-paragraph\">Quizlet a \u00e9t\u00e9 \u00e9crit en 2005 et lanc\u00e9 en 2007. C&rsquo;\u00e9tait initialement un outil de bourrage classique ; pourtant, en 2015, soutenu par du capital-risque, Quizlet a annonc\u00e9 vouloir mettre davantage l&rsquo;accent sur la r\u00e9tention \u00e0 long terme, ce qui a conduit \u00e0 l&rsquo;adoption d&rsquo;une variante de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>. En 2017, l&rsquo;entreprise a d\u00e9cid\u00e9 de recourir \u00e0 l&rsquo;apprentissage automatique pour d\u00e9ployer un nouvel algorithme capitalisant sur les milliards d&rsquo;enregistrements de r\u00e9p\u00e9tition collect\u00e9s. Le bref passage de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;chez Quizlet a d\u00fb exposer une mutation de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;\u00e0 la plus grande base d&rsquo;utilisateurs jamais atteinte. \u00c0 l&rsquo;\u00e9poque, Quizlet affirmait toucher un lyc\u00e9en am\u00e9ricain sur deux.<\/p>\n\n<p class=\"wp-block-paragraph\">La nouvelle approche adopt\u00e9e par Quizlet repose sur des bases solides et pourrait donner naissance \u00e0 un outil tr\u00e8s puissant ; il est cependant tr\u00e8s d\u00e9cevant d&rsquo;entendre la motivation derri\u00e8re ce virage vers de meilleurs algorithmes : \u00ab &nbsp;<em>le bourrage est une r\u00e9alit\u00e9 pour de nombreux \u00e9tudiants, et nous voulons les aider \u00e0 tirer le meilleur parti de leur temps d&rsquo;\u00e9tude, quelle que soit la fa\u00e7on dont ils le d\u00e9pensent<\/em>&nbsp;\u00bb. &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">L&rsquo;algorithme SM-17<\/a>&nbsp;offre plus de libert\u00e9 aux \u00e9tudiants : (1) acc\u00e9l\u00e9rer l&rsquo;apprentissage en cas de besoin, ou (2) retarder les contenus de faible priorit\u00e9. Cela dit, nous d\u00e9conseillons toujours le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" rel=\"noreferrer noopener\" target=\"_blank\">bourrage<\/a>, une mauvaise pratique. Ce sont les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Reform\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9coles qui doivent s&rsquo;adapter<\/a>&nbsp;au cerveau humain, et non l&rsquo;inverse. Cette position obstin\u00e9e sur l&rsquo;efficacit\u00e9 de l&rsquo;apprentissage dessert SuperMemo, mais elle ne changera jamais.<\/p>\n\n<p class=\"wp-block-paragraph\">Ce virage op\u00e9r\u00e9 par Quizlet en 2017, qui l&rsquo;\u00e9loigne d&rsquo;un simple calendrier de r\u00e9vision, marque probablement le moment o\u00f9 le vieil algorithme v\u00e9n\u00e9rable a d\u00e9pass\u00e9 le pic de sa popularit\u00e9. Les nouveaux concurrents devront se tourner vers des outils intelligents, ou peut-\u00eatre vers l&rsquo;octroi de licences sur&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-17\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-17<\/a>. La nouvelle est bonne.<\/p>\n\n<h2 class=\"wp-block-heading\">Combien de personnes utilisent la r\u00e9p\u00e9tition espac\u00e9e ?<\/h2>\n\n<p class=\"wp-block-paragraph\">\u00c0 la mi-1991, un de mes camarades de classe a essay\u00e9 de me remonter le moral. Il a pr\u00e9dit que nous r\u00e9ussirions et parviendrions \u00e0 vendre 10 \u00e0 20 exemplaires de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. J&rsquo;\u00e9tais plus optimiste. En 1993, j&rsquo;ai pr\u00e9dit un million d&rsquo;utilisateurs pour 1996. En 1994, la revue polonaise Enter mentionnait un optimisme similaire chez Marczello Georgiew :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Dans les questionnaires re\u00e7us chez SuperMemo World, lorsqu&rsquo;on leur demande ce qu&rsquo;ils appr\u00e9cient le plus dans le programme, les utilisateurs de SuperMemo citent massivement son efficacit\u00e9. Le logiciel est peut-\u00eatre correct, mais ce qui compte vraiment, ce sont les r\u00e9sultats en apprentissage. Et les points n\u00e9gatifs ? Les utilisateurs sont m\u00e9contents de ceci ou cela, le plus souvent du fait que, m\u00eame en Pologne, SuperMemo sort toujours d&rsquo;abord en anglais. Mais il n&rsquo;y a pas de v\u00e9ritable point de rupture qui pr\u00e9domine. Assur\u00e9ment, personne ne remet en cause le fait qu&rsquo;avec SuperMemo on peut apprendre plus vite et ne plus jamais s&rsquo;inqui\u00e9ter d&rsquo;oublier. En songeant \u00e0 ce tableau idyllique, on pourrait se demander pourquoi SuperMemo ne s&rsquo;est pas encore vendu \u00e0 des millions d&rsquo;exemplaires dans le monde. Marczello Georgiew, directeur marketing chez SuperMemo World, a propos\u00e9 de se rappeler des difficult\u00e9s qu&rsquo;a connues Graham Bell en tentant d&rsquo;introduire sa dr\u00f4le de machine permettant de parler \u00e0 travers un fil, ou du pessimisme des pr\u00e9visions des futurologues de l&rsquo;industrie sur l&rsquo;expansion du cheval m\u00e9canique polluant. Puis il ajoute avec assurance : &nbsp;<em><strong>il a fallu dix ans \u00e0 Wozniak pour transformer une n\u00e9cessit\u00e9 en invention ; donnez-nous la moiti\u00e9 de ce temps, et nous transformerons son invention en une n\u00e9cessit\u00e9 mondiale<\/strong>.<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Dans ma pr\u00e9diction d&rsquo;un million d&rsquo;utilisateurs, je me suis tromp\u00e9 de 3 ans, et j&rsquo;ai d\u00fb \u00e9tablir une distinction entre utilisateurs \u00e9ph\u00e9m\u00e8res et utilisateurs actifs. La proportion d&rsquo;utilisateurs actifs de la r\u00e9p\u00e9tition espac\u00e9e n&rsquo;a cess\u00e9 de baisser avec l&rsquo;\u00e9largissement de l&rsquo;adoption. En 2007, nous estimions la port\u00e9e de SuperMemo \u00e0 5 millions, dont la plupart \u00e9taient des utilisateurs de versions gratuites ou de fascicules. Sur ces 5 millions, seulement 0,4 \u00e0 4,0 % \u00e9taient des utilisateurs actifs. Cela pouvait repr\u00e9senter aussi peu que 20 000 \u00e9tudiants.<\/p>\n\n<p class=\"wp-block-paragraph\">En 2009, Gwern Branwen a estim\u00e9 la population d&rsquo;utilisateurs actifs \u00e0 environ 100 000, ce qui semble concorder avec mes propres chiffres. Cela ne para\u00eet pas tr\u00e8s optimiste pour deux d\u00e9cennies de dur labeur chez&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Regardons maintenant plus en d\u00e9tail la port\u00e9e actuelle de la r\u00e9p\u00e9tition espac\u00e9e. Mes estimations ci-dessous ont suscit\u00e9 un grand scepticisme. Je reconnais qu&rsquo;elles reposent sur beaucoup de conjectures. Cependant, une fois qu&rsquo;on se trouve sur une courbe de croissance exponentielle, m\u00eame de grandes erreurs d&rsquo;estimation ne changent pas grand-chose. On peut surestimer de 200 % et rattraper le retard tr\u00e8s vite.<\/p>\n\n<p class=\"wp-block-paragraph\">C&rsquo;est pourquoi je n&rsquo;h\u00e9site pas \u00e0 dire que la croissance exponentielle de l&rsquo;adoption de la r\u00e9p\u00e9tition espac\u00e9e file vers le grand B : un milliard d&rsquo;utilisateurs. Le Kindle d&rsquo;Amazon a ajout\u00e9 la r\u00e9p\u00e9tition espac\u00e9e \u00e0 son option Flashcard dans le Vocabulary Builder. M\u00eame les utilisateurs de SuperMemo qui poss\u00e8dent un Kindle peuvent l&rsquo;ignorer. Les cartes-m\u00e9moire associ\u00e9es aux livres, c&rsquo;est pr\u00e9cis\u00e9ment l&rsquo;id\u00e9e qui devait mener SuperMemo au NASDAQ d\u00e8s 1996, si nous avions r\u00e9ussi \u00e0 convaincre le capital-risque que l&rsquo;id\u00e9e avait du sens.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, pour atteindre le milliard d&rsquo;utilisateurs, il nous faut une autre perc\u00e9e. Le premier candidat \u00e9vident qui vient \u00e0 l&rsquo;esprit est Facebook, qui pourrait int\u00e9grer la r\u00e9p\u00e9tition espac\u00e9e dans la cacophonie des interactions sociales, et rendre l&rsquo;apprentissage gratuit transparent, c&rsquo;est-\u00e0-dire un apprentissage o\u00f9 les utilisateurs apprennent sans jamais en avoir l&rsquo;intention affich\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Si vous pensez que Facebook et la r\u00e9p\u00e9tition espac\u00e9e sont des mondes incompatibles, songez \u00e0 celui de la publicit\u00e9. Aujourd&rsquo;hui, nous d\u00e9testons tous la publicit\u00e9, quelle que soit la pr\u00e9cision de son ciblage. Pourtant, l&rsquo;annonceur importun peut maximiser l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">effet m\u00e9moire<\/a>&nbsp;et minimiser l&rsquo;agacement (c&rsquo;est-\u00e0-dire la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>) en recourant \u00e0 la r\u00e9p\u00e9tition espac\u00e9e. M\u00eame la publicit\u00e9 t\u00e9l\u00e9vis\u00e9e la plus captivante nous agace d\u00e8s la troisi\u00e8me exposition. Une r\u00e9vision espac\u00e9e pourrait garantir une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;faible et une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;\u00e9lev\u00e9e.<\/p>\n\n<p class=\"wp-block-paragraph\">Enfin, et surtout, la r\u00e9vision espac\u00e9e pourrait aussi \u00eatre exploit\u00e9e par les mauvais acteurs : les fabricants de fausses informations, et pire encore. Un charlatan de la communication pourrait tirer les ficelles dans l&rsquo;ombre d&rsquo;un dirigeant mondial. Il pourrait secouer le monde par petites doses espac\u00e9es. Cela pourrait exposer l&rsquo;ensemble du monde \u00e0 la r\u00e9p\u00e9tition espac\u00e9e, pour \u00eatre s\u00fbr que nous nous souvenions tous.<\/p>\n\n<p class=\"wp-block-paragraph\">Le sommet de la pyramide est si mauvais que je ne vais m\u00eame pas le d\u00e9crire. Je ne veux pas donner d&rsquo;id\u00e9es aux mauvais acteurs.<\/p>\n\n<p class=\"wp-block-paragraph\">Mes estimations ci-dessous incluent quelques points assez certains. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">premier utilisateur<\/a>&nbsp;en 1985, le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Mike_Kubiak\" rel=\"noreferrer noopener\" target=\"_blank\">deuxi\u00e8me<\/a>&nbsp;en 1987, un million d&rsquo;ici 2000, et mon estimation laborieuse de 5 millions en 2007. Aujourd&rsquo;hui, Duolingo revendique 200 000 utilisateurs. Quizlet en revendique encore plus. La croissance ne montre encore que peu de signes de saturation.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"800\" height=\"581\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018.png\" alt=\"\" class=\"wp-image-53268\" srcset=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018.png 800w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-606x440.png 606w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-500x363.png 500w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-350x254.png 350w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-215x156.png 215w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-320x232.png 320w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-260x189.png 260w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-245x178.png 245w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-200x145.png 200w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-83x60.png 83w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-110x80.png 110w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-124x90.png 124w, https:\/\/www.supermemo.com\/wp-content\/uploads\/800px-Adoption_of_spaced_repetition_1985-2018-113x82.png 113w\" sizes=\"auto, (max-width: 800px) 100vw, 800px\" \/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Nous nous attendions \u00e0 ce que la r\u00e9p\u00e9tition espac\u00e9e montre des signes de saturation depuis longtemps. Pourtant, par transmutation, elle finira in\u00e9vitablement par atteindre le milliard d&rsquo;utilisateurs. Une fois int\u00e9gr\u00e9e \u00e0 la vie num\u00e9rique humaine, elle affectera presque tout le monde. Si mon estimation est juste, la vitesse d&rsquo;adoption, port\u00e9e par le web, d\u00e9passe encore celle du t\u00e9l\u00e9phone, de la voiture et de la radio. Nous n&rsquo;aurions jamais imagin\u00e9 rivaliser avec Pok\u00e9mon ou Angry Birds pourtant. La formule de r\u00e9gression exponentielle du graphique est : Port\u00e9e=exp((ann\u00e9e-1984)*0,63). La ligne rouge d\u00e9termin\u00e9e par cette formule franchit le seuil du milliard \u00e0 peu pr\u00e8s maintenant<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, avec presque aucune barri\u00e8re \u00e0 l&rsquo;entr\u00e9e, de nombreux \u00e9tudiants essaient puis abandonnent apr\u00e8s quelques semaines, voire quelques jours d&rsquo;utilisation. La proportion d&rsquo;utilisateurs actifs peut \u00eatre tr\u00e8s faible. Un milliard d&rsquo;utilisateurs pour un apprentissage n\u00e9gligeable reste un apprentissage n\u00e9gligeable. La prochaine \u00e9tape consiste \u00e0 provoquer un changement de paradigme culturel qui donnera de la valeur \u00e0 un apprentissage efficace sur le long terme. Il faut commencer par une r\u00e9forme du syst\u00e8me&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Schooling\" rel=\"noreferrer noopener\" target=\"_blank\">scolaire<\/a>&nbsp;et adopter les principes de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Free_learning\" rel=\"noreferrer noopener\" target=\"_blank\">apprentissage libre<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Une fois que la r\u00e9p\u00e9tition espac\u00e9e aura atteint le milliard d&rsquo;utilisateurs, un changement de paradigme culturel sera n\u00e9cessaire pour convertir cette utilisation en b\u00e9n\u00e9fices r\u00e9els pour un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Pleasure_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">apprentissage de qualit\u00e9<\/a>&nbsp;sur le long terme<\/p>\n\n<p class=\"wp-block-paragraph\">La route \u00e0 parcourir reste encore tr\u00e8s longue.<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"Summ\">R\u00e9sum\u00e9 de la recherche sur la m\u00e9moire<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Le probl\u00e8me de la recherche sur la r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">L&rsquo;histoire de la recherche sur la r\u00e9p\u00e9tition espac\u00e9e a \u00e9t\u00e9 g\u00ean\u00e9e par les facteurs suivants :<\/p>\n\n<ul class=\"wp-block-list\"><li>des conjectures et des heuristiques utilis\u00e9es \u00e0 la place de l&rsquo;optimisation math\u00e9matique<\/li><li>une mauvaise interaction entre th\u00e9orie et pratique, la science se concentrant sur des exp\u00e9riences simples et la pratique sur des outils simples<\/li><li>une incoh\u00e9rence terminologique qui entretient des cycles d&rsquo;oubli puis de red\u00e9couverte !<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Ce qui pr\u00e9c\u00e8de correspond \u00e0 mon classement des&nbsp;<em>facteurs d&rsquo;\u00e9chec<\/em>. Jusqu&rsquo;\u00e0 l&rsquo;arriv\u00e9e de l&rsquo;informatique personnelle et du web, il \u00e9tait difficile d&rsquo;\u00e9chapper \u00e0 ce cercle vicieux.<\/p>\n\n<h2 class=\"wp-block-heading\">Les intuitions sur la r\u00e9p\u00e9tition espac\u00e9e<\/h2>\n\n<p class=\"wp-block-paragraph\">Lorsque nous avons interrog\u00e9 des adolescents sur le fonctionnement de leur m\u00e9moire, une large proportion a propos\u00e9 de tr\u00e8s bonnes conjectures sur l&rsquo;espacement des r\u00e9p\u00e9titions, sans jamais avoir effectu\u00e9 de mesure. En particulier, ils devinent souvent correctement que le premier intervalle optimal entre deux r\u00e9p\u00e9titions pourrait durer de 1 \u00e0 7 jours et que les intervalles suivants augmenteront. De plus, beaucoup pouvaient deviner que le deuxi\u00e8me intervalle pourrait durer un mois et que les intervalles suivants pourraient doubler. En d&rsquo;autres termes, &nbsp;<strong>la r\u00e9p\u00e9tition espac\u00e9e est une intuition commune<\/strong>.<\/p>\n\n<h2 class=\"wp-block-heading\">Les d\u00e9buts de la recherche sur la m\u00e9moire<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1885,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Hermann_Ebbinghaus\" target=\"_blank\" rel=\"noreferrer noopener\">Hermann Ebbinghaus<\/a>&nbsp;a apport\u00e9 une contribution majeure \u00e0 la science de la m\u00e9moire. Il a exp\u00e9riment\u00e9 sur lui-m\u00eame et a esquiss\u00e9 la premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" target=\"_blank\" rel=\"noreferrer noopener\">courbe d&rsquo;oubli<\/a>. Il connaissait aussi l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" target=\"_blank\" rel=\"noreferrer noopener\">effet d&rsquo;espacement<\/a>. Il n&rsquo;a jamais travaill\u00e9 sur la r\u00e9p\u00e9tition espac\u00e9e. Je n&rsquo;attribue pas \u00e0 Hermann le m\u00e9rite d&rsquo;avoir inspir\u00e9 mon travail sur la r\u00e9p\u00e9tition espac\u00e9e, car je n&rsquo;avais tout simplement aucune id\u00e9e de qui \u00e9tait Hermann ni de ce qu&rsquo;il avait accompli. J&rsquo;ai&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" target=\"_blank\" rel=\"noreferrer noopener\">con\u00e7u ma propre mesure<\/a>&nbsp;qui a conduit \u00e0 la r\u00e9p\u00e9tition espac\u00e9e. Au cours d&rsquo;un exercice sans rapport et depuis oubli\u00e9, j&rsquo;ai aussi produit ma propre courbe d&rsquo;oubli, qui a peut-\u00eatre influenc\u00e9 ma r\u00e9flexion. La courbe d&rsquo;Hermann \u00e9tait bien plus abrupte et aurait pu, en r\u00e9alit\u00e9, dissuader de poursuivre les travaux (voir : &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Error_of_Ebbinghaus_forgetting_curve\" target=\"_blank\" rel=\"noreferrer noopener\">l&rsquo;erreur de la courbe d&rsquo;oubli d&rsquo;Ebbinghaus<\/a>). Notre biblioth\u00e8que de l&rsquo;universit\u00e9 Adam Mickiewicz \u00e9tait bien fournie en litt\u00e9rature allemande \u00ab ancienne \u00bb d&rsquo;avant la Seconde Guerre mondiale, mais je ne connaissais pas l&rsquo;allemand. Ma d\u00e9marche fut celle d&rsquo;un ignorant travaillant seul. J&rsquo;ai lu sur Ebbinghaus plus tard, et j&rsquo;ai mentionn\u00e9 sa&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" target=\"_blank\" rel=\"noreferrer noopener\">courbe d&rsquo;oubli<\/a>&nbsp;dans mon&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Master%27s_Thesis\" target=\"_blank\" rel=\"noreferrer noopener\">m\u00e9moire de fin d&rsquo;\u00e9tudes<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">D\u00e8s 1901, dans les \u00e9crits de William James, la sup\u00e9riorit\u00e9 de la r\u00e9vision espac\u00e9e semblait \u00e9vidente, et il paraissait n&rsquo;\u00eatre qu&rsquo;une question de temps avant qu&rsquo;elle n&rsquo;impr\u00e8gne la th\u00e9orie de l&rsquo;apprentissage, l&rsquo;optimisation de l&rsquo;espacement apparaissant comme l&rsquo;\u00e9tape suivante logique. Il n&rsquo;en fut rien. Pendant huit d\u00e9cennies encore.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans son ouvrage populaire de 1932, C. A. Mace a sugg\u00e9r\u00e9 un calendrier simple de r\u00e9p\u00e9tition espac\u00e9e : 1 jour, 2 jours, 4 jours, 8 jours, etc. Bonne intuition ! L&rsquo;effort de Mace fut pourtant oubli\u00e9, car la r\u00e9p\u00e9tition espac\u00e9e \u00ab sur papier \u00bb, avant l&rsquo;\u00e8re d&rsquo;Internet, ne devait gu\u00e8re \u00eatre s\u00e9duisante. Pour bien d\u00e9marrer, Mace aurait eu besoin d&rsquo;un bon exemple \u00e0 mettre en avant. Je parie que ce n&rsquo;\u00e9tait pas facile. Herr Hitler dominait l&rsquo;actualit\u00e9 \u00e0 cette \u00e9poque.<\/p>\n\n<h2 class=\"wp-block-heading\">Les ann\u00e9es 1960 : la Renaissance<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1966, Herbert Simon a jet\u00e9 un \u0153il \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Jost%27s_Law\" rel=\"noreferrer noopener\" target=\"_blank\">loi de Jost<\/a>, d\u00e9riv\u00e9e vers 1897 des travaux d&rsquo;Ebbinghaus. Simon a remarqu\u00e9 que la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_nature_of_forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">nature exponentielle de l&rsquo;oubli<\/a>&nbsp;implique n\u00e9cessairement l&rsquo;existence d&rsquo;une propri\u00e9t\u00e9 de la m\u00e9moire qu&rsquo;on appelle aujourd&rsquo;hui la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;m\u00e9morielle. Simon a r\u00e9dig\u00e9 un court article puis est pass\u00e9 \u00e0 d&rsquo;autres centaines de projets qui l&rsquo;occupaient. Son texte fut largement oubli\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 peu pr\u00e8s \u00e0 la m\u00eame \u00e9poque,&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Robert_A._Bjork\" rel=\"nofollow noopener\" target=\"_blank\">Robert Bjork<\/a>&nbsp;d\u00e9veloppait un grand nombre d&rsquo;id\u00e9es novatrices sur l&rsquo;apprentissage et la m\u00e9moire. Comme souvent, il \u00e9tait en avance sur son temps. Les enseignants \u00e9coutent rarement les psychologues. Les \u00e9tudiants ne connaissent m\u00eame pas leurs noms. Si Bjork avait \u00e9t\u00e9 programmeur, nous aurions peut-\u00eatre connu la premi\u00e8re application populaire de la r\u00e9p\u00e9tition espac\u00e9e une d\u00e9cennie plus t\u00f4t. Je pense qu&rsquo;il n&rsquo;aurait tout simplement pas laiss\u00e9 filer une bonne id\u00e9e. C&rsquo;est Bjork qui semble avoir \u00e9t\u00e9 le premier \u00e0 distinguer clairement la force de r\u00e9cup\u00e9ration et la force de stockage, dans un mod\u00e8le analogue \u00e0 notre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_component_model_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le \u00e0 deux composantes de la m\u00e9moire<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1967,&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Paul_Pimsleur\" rel=\"nofollow noopener\" target=\"_blank\">Paul Pimsleur<\/a>&nbsp;voyait d\u00e9j\u00e0 clairement que la r\u00e9p\u00e9tition espac\u00e9e pouvait \u00eatre un excellent outil pour apprendre des paires de mots dans l&rsquo;apprentissage des langues. Comme&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, il s&rsquo;est heurt\u00e9 \u00e0 la terminologie et a utilis\u00e9 l&rsquo;expression \u00ab rappel \u00e0 intervalle croissant \u00bb. Dans notre&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">d\u00e9fi de la \u00ab courbe d&rsquo;oubli en dents de scie \u00bb<\/a>, Pimsleur s&rsquo;en est approch\u00e9 le plus, avec le plus ancien graphique connu de courbes en dents de scie, comme sur l&rsquo;image :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"330\" height=\"313\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Pimsleur_serrated_curves-1.jpg\" alt=\"\" class=\"wp-image-33935\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Peut-\u00eatre d\u00e9couvrirons-nous des esquisses plus anciennes de cette id\u00e9e ; toutefois, pour des raisons techniques, plus l&rsquo;imprim\u00e9 est ancien, moins il est riche en graphiques, que nous produisons aujourd&rsquo;hui en masse dans Excel.<\/p>\n\n<p class=\"wp-block-paragraph\">Les intervalles de Pimsleur s&rsquo;\u00e9tendaient jusqu&rsquo;\u00e0 des p\u00e9riodes de quelques heures, minutes, voire secondes. C&rsquo;\u00e9tait le reflet d&rsquo;une intuition, non d&rsquo;une mesure. Il a \u00e9tendu son raisonnement des connaissances d\u00e9claratives, faciles \u00e0 mesurer (comme les paires de mots), aux connaissances proc\u00e9durales et \u00e0 la reconnaissance de motifs sonores, comme dans l&rsquo;apprentissage de la prononciation.&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;r\u00e9sout ce probl\u00e8me en s\u00e9parant l&rsquo;apprentissage des paires de mots de la prononciation, de l&rsquo;orthographe, de la reconnaissance, des synonymes, etc. Ainsi, par exemple dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Advanced_English\" target=\"_blank\" rel=\"noreferrer noopener\">Advanced English<\/a>, nous n&rsquo;avons jamais besoin de r\u00e9duire les intervalles au-del\u00e0 de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" target=\"_blank\" rel=\"noreferrer noopener\">stabilit\u00e9<\/a>&nbsp;initiale standard de l&rsquo;utilisateur, qui descend rarement sous un jour. Pour des raisons pratiques, et en raison du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Science_of_sleep\" target=\"_blank\" rel=\"noreferrer noopener\">r\u00f4le du sommeil<\/a>, SuperMemo n&rsquo;utilise jamais d&rsquo;intervalles plus courts qu&rsquo;un jour. Le sommeil est aussi la principale raison pour laquelle l&rsquo;algorithme utilise une r\u00e9solution d&rsquo;un jour dans la longueur des intervalles. SuperMemo permet de r\u00e9viser plusieurs fois par jour, mais cela fait partie d&rsquo;une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Subset_review\" target=\"_blank\" rel=\"noreferrer noopener\">r\u00e9vision de sous-ensemble<\/a>&nbsp;qui peut, \u00e0 l&rsquo;occasion, s&rsquo;av\u00e9rer utile (par exemple lors d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" target=\"_blank\" rel=\"noreferrer noopener\">bourrage<\/a>&nbsp;avant un examen). Les recommandations d&rsquo;intervalles de Pimsleur diff\u00e9raient de celles de Mace ou de SuperMemo sur papier (l&rsquo;algorithme SM-0). Elles ne r\u00e9sultaient pas d&rsquo;une mesure, mais d&rsquo;une sp\u00e9culation, allant de solide \u00e0 m\u00e9diocre. Pimsleur visait un taux de rappel de 60 %, ce qui est tr\u00e8s faible selon les standards de SuperMemo. Il misait sur une stabilit\u00e9 initiale de 5 secondes, alors que SuperMemo utilise 1 \u00e0 15 jours, ce qui convient tr\u00e8s bien pour un rappel de 90 % avec des connaissances bien formul\u00e9es. La base d&rsquo;exponentiation des intervalles de Pimsleur (le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-Factor\" target=\"_blank\" rel=\"noreferrer noopener\">facteur E<\/a>) \u00e9tait de 5, alors qu&rsquo;elle devrait se situer entre 1,4 et 2,5 dans la plupart des cas. En cons\u00e9quence, l&rsquo;espacement de Pimsleur diff\u00e8re radicalement de celui de SuperMemo et ne devrait pas servir de r\u00e9f\u00e9rence dans une mesure algorithmique. Dans son article original (1967), Pimsleur proposait des intervalles de 5 s, 25 s, 2 min, 10 min, 1 heure, 5 heures, 1 jour, 5 jours, 25 jours, 4 mois et 2 ans. Ces diff\u00e9rences provenaient surtout de la pratique fond\u00e9e sur des mat\u00e9riaux de nature diff\u00e9rente (\u00e9quivalent \u00e0 une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" target=\"_blank\" rel=\"noreferrer noopener\">complexit\u00e9<\/a>&nbsp;\u00e9lev\u00e9e dans SuperMemo). L&rsquo;usage des secondes, des minutes et des heures \u00e9quivaut \u00e0 du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" target=\"_blank\" rel=\"noreferrer noopener\">bourrage<\/a>&nbsp;et est fortement d\u00e9conseill\u00e9 dans SuperMemo. \u00c0 la place, il est recommand\u00e9 d&rsquo;optimiser la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" target=\"_blank\" rel=\"noreferrer noopener\">repr\u00e9sentation des connaissances<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1969, Alfred Maksymowicz a \u00e9crit \u00ab Lire et penser \u00bb. Vous ne trouverez pas son livre dans votre biblioth\u00e8que. Il \u00e9tait r\u00e9dig\u00e9 en polonais et destin\u00e9 \u00e0 un cercle restreint d&rsquo;\u00e9tudiants d&rsquo;universit\u00e9s techniques. Il \u00e9voquait la r\u00e9p\u00e9tition espac\u00e9e, les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbes d&rsquo;oubli<\/a>, et m\u00eame la mani\u00e8re dont l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_index\" rel=\"noreferrer noopener\" target=\"_blank\">indice d&rsquo;oubli<\/a>&nbsp;pourrait d\u00e9terminer l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>. Maksymowicz proposait que le premier intervalle optimal soit de 3 jours. Comme tant d&rsquo;efforts avant et apr\u00e8s, ce bon conseil est rest\u00e9 largement ignor\u00e9. Les \u00e9tudiants se pr\u00e9cipitent pour r\u00e9ussir un examen, puis oublient. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cram_and_dump\" rel=\"noreferrer noopener\" target=\"_blank\">bourrage-puis-abandon<\/a>&nbsp;est le principe selon lequel la pression de la scolarit\u00e9 d\u00e9truit les perspectives d&rsquo;un bon apprentissage \u00e0 long terme. Je ne connais le livre de Maksymowicz que parce que j&rsquo;ai \u00e9tudi\u00e9 dans une universit\u00e9 technique en Pologne, et que j&rsquo;\u00e9tais assez bruyant \u00e0 propos de ma propre m\u00e9thode de r\u00e9p\u00e9tition espac\u00e9e. Je peux seulement imaginer qu&rsquo;il existe des dizaines d&rsquo;autres textes similaires o\u00f9 des intuitions ont \u00e9t\u00e9 formul\u00e9es comme de bons conseils, rest\u00e9s ensuite ignor\u00e9s par la masse. Sans la co\u00efncidence du temps et de l&rsquo;espace, les futurs textes sur la r\u00e9p\u00e9tition espac\u00e9e n&rsquo;auraient peut-\u00eatre jamais remarqu\u00e9 l&rsquo;existence de Maksymowicz. Il a pu \u00eatre inspir\u00e9 par Pimsleur, Mace, sa propre intuition, ou d&rsquo;autres textes que je ne connais pas. Maksymowicz donne du cr\u00e9dit aux mots de Szafraniec, sceptique \u00e0 l&rsquo;\u00e9gard de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;: &nbsp;<a href=\"http:\/\/www.super-memory.com\/articles\/users\/szafraniec.htm\" rel=\"nofollow noopener\" target=\"_blank\">\u00ab tout a d\u00e9j\u00e0 eu lieu auparavant \u00bb<\/a>.<\/p>\n\n<h2 class=\"wp-block-heading\">1972 : la bo\u00eete de Leitner<\/h2>\n\n<p class=\"wp-block-paragraph\">Le plus grand succ\u00e8s pratique et algorithmique dans le domaine de la r\u00e9vision espac\u00e9e avant SuperMemo revient \u00e0&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Sebastian_Leitner\" rel=\"nofollow noopener\" target=\"_blank\">Sebastian Leitner<\/a>. En 1972, il a propos\u00e9 le&nbsp;<strong><a href=\"http:\/\/supermemo.guru\/wiki\/Leitner_system\" rel=\"noreferrer noopener\" target=\"_blank\">syst\u00e8me de bo\u00eete de Leitner<\/a>&nbsp;<\/strong>. Dans un syst\u00e8me de Leitner, les cartes-m\u00e9moire sont hi\u00e9rarchis\u00e9es et d\u00e9pos\u00e9es dans des bo\u00eetes correspondant \u00e0 diff\u00e9rents niveaux de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>. Le syst\u00e8me de Leitner a un immense avantage sur les conseils th\u00e9oriques qui circulaient avant sa proposition : il \u00e9tait pratique. C&rsquo;\u00e9tait un syst\u00e8me que n&rsquo;importe qui pouvait utiliser avec tr\u00e8s peu d&rsquo;explications. M\u00eame SuperMemo sur papier (&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>) para\u00eet complexe en comparaison.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"460\" height=\"250\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Leitner_system.png\" alt=\"\" class=\"wp-image-33950\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Une mutation incorrecte du&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Leitner_system\" rel=\"noreferrer noopener\" target=\"_blank\">syst\u00e8me de Leitner<\/a>&nbsp;o\u00f9 les r\u00e9ponses rat\u00e9es ne sont recul\u00e9es que d&rsquo;une seule bo\u00eete (source : Wikipedia). Cette variante a \u00e9t\u00e9 utilis\u00e9e par Duolingo pendant un temps<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\"><strong>La bo\u00eete de Leitner n&rsquo;est pas un outil de r\u00e9p\u00e9tition espac\u00e9e<\/strong>. C&rsquo;est un outil de hi\u00e9rarchisation. Il n&rsquo;existe aucune notion d&rsquo;intervalle, encore moins d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalle optimal<\/a>. Le nom <em>bo\u00eete<\/em> vient de l&rsquo;&nbsp;<em>impl\u00e9mentation<\/em>&nbsp;originelle, sous forme de bo\u00eetes physiques de cartes-m\u00e9moire, sans lien avec l&rsquo;\u00e9coulement du temps. Lorsque la bo\u00eete de Leitner est utilis\u00e9e r\u00e9guli\u00e8rement sur une petite collection de cartes-m\u00e9moire, elle simule le comportement de la r\u00e9p\u00e9tition espac\u00e9e. Si les intervalles sont trop courts, cela m\u00e8ne au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" rel=\"noreferrer noopener\" target=\"_blank\">bourrage<\/a>. S&rsquo;ils deviennent trop longs, cela produit des r\u00e9sultats sous-optimaux. Cependant, dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, les contenus de faible priorit\u00e9 peuvent aussi \u00eatre report\u00e9s cycliquement et donner lieu \u00e0 de tr\u00e8s longs intervalles, qui r\u00e9duisent l&rsquo;augmentation attendue de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>, mais qui apportent une plus grande&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability_increase\" rel=\"noreferrer noopener\" target=\"_blank\">augmentation de stabilit\u00e9<\/a>&nbsp;pour les \u00e9l\u00e9ments qui survivent \u00e0 des intervalles plus longs. Dans les ann\u00e9es 1990 et au d\u00e9but du nouveau mill\u00e9naire, le syst\u00e8me de Leitner a \u00e9t\u00e9 utilis\u00e9 dans de nombreuses applications de cartes-m\u00e9moire \u00e0 succ\u00e8s. \u00c0 force de peaufiner et d&rsquo;am\u00e9liorer les proc\u00e9dures de r\u00e9vision, ces applications ont pu \u00e9voluer vers de v\u00e9ritables syst\u00e8mes de r\u00e9p\u00e9tition espac\u00e9e. Leur usage a toutefois d\u00e9clin\u00e9 en raison de la popularit\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;de SuperMemo, qui s&rsquo;est r\u00e9v\u00e9l\u00e9 facile \u00e0 impl\u00e9menter et bien sup\u00e9rieur.<\/p>\n\n<p class=\"wp-block-paragraph\">Les mutations logicielles plus r\u00e9centes du syst\u00e8me de bo\u00eete de Leitner peuvent associer des intervalles aux bo\u00eetes de priorit\u00e9, par exemple 16 jours pour la bo\u00eete n\u00b05, mais cette approche pr\u00e9sente des d\u00e9fauts assimilables au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Cramming\" rel=\"noreferrer noopener\" target=\"_blank\">bourrage<\/a>&nbsp;: (1) l&rsquo;\u00e9chec entra\u00eene toujours une r\u00e9gression des intervalles, alors qu&rsquo;il devrait plut\u00f4t relancer l&rsquo;apprentissage ; (2) cinq r\u00e9p\u00e9titions dans le premier mois ne se compare pas favorablement \u00e0 des connaissances bien formul\u00e9es, qui peuvent r\u00e9duire le co\u00fbt de l&rsquo;apprentissage dans&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;de 60 \u00e0 80 % au cours du seul premier mois ; et (3) il faudrait davantage de bo\u00eetes. Nous avons vu, dans SuperMemo, des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>&nbsp;d\u00e9passant largement l&rsquo;esp\u00e9rance de vie humaine maximale. Les besoins pour des applications valables toute une vie sont 200 000 % plus \u00e9lev\u00e9s. C&rsquo;est la diff\u00e9rence entre un intervalle de&nbsp;<em>stockage permanent<\/em>&nbsp;et 16 jours. Il faudrait 11 bo\u00eetes suppl\u00e9mentaires pour couvrir toute une vie avec un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;de 2.<\/p>\n\n<p class=\"wp-block-paragraph\">Aujourd&rsquo;hui, l&rsquo;un des syst\u00e8mes les plus populaires pour apprendre les langues est Duolingo. Pendant longtemps, il a utilis\u00e9 le syst\u00e8me de Leitner. Aujourd&rsquo;hui, il emploie son propre nouvel algorithme fond\u00e9 sur des pr\u00e9dictions de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>. Ils continuent cependant d&rsquo;utiliser le syst\u00e8me de Leitner comme r\u00e9f\u00e9rence. Pour couronner le tout, leur r\u00e9f\u00e9rence utilisait le transfert inverse des cartes-m\u00e9moire entre les bo\u00eetes de priorit\u00e9 (o\u00f9 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;post-\u00e9chec est surestim\u00e9e). Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Leitner_box\" rel=\"noreferrer noopener\" target=\"_blank\">Leitner normalis\u00e9<\/a>&nbsp;pourrait servir de r\u00e9f\u00e9rence, mais une normalisation simple, \u00e9quivalente \u00e0 l&rsquo;usage d&rsquo;un&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/E-factor\" rel=\"noreferrer noopener\" target=\"_blank\">facteur E<\/a>&nbsp;de 2, peut produire des r\u00e9sultats diff\u00e9rents du choix d&rsquo;un facteur E de 1,6. \u00c0 l&rsquo;avenir, tous les algorithmes devraient adopter une m\u00e9trique universelle propos\u00e9e par SuperMemo, et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">l&rsquo;algorithme SM-2<\/a>&nbsp;pourrait devenir une r\u00e9f\u00e9rence m\u00e9trique utile, impl\u00e9mentable en parall\u00e8le des solutions propri\u00e9taires. J&rsquo;esp\u00e8re que les utilisateurs exigeront clart\u00e9, statistiques, mesures et pleine transparence \u00e0 ce sujet.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es 1970, Tony Buzan s&rsquo;est concentr\u00e9 sur la structuration des connaissances avec ses innovations en cartographie mentale. Les cartes mentales et SuperMemo se sont, paradoxalement, retrouv\u00e9s en conflit, faute d&rsquo;une bonne th\u00e9orie unificatrice. En bref, il nous faut de bons mod\u00e8les pour comprendre le monde, et il nous faut la r\u00e9vision espac\u00e9e pour retenir sur le long terme les composantes de ce mod\u00e8le. Buzan avait aussi ses propres id\u00e9es sur la fa\u00e7on d&rsquo;espacer la r\u00e9vision. Lorsqu&rsquo;il a d\u00e9couvert SuperMemo au d\u00e9but des ann\u00e9es 1990, il a imm\u00e9diatement adh\u00e9r\u00e9 au concept, tout en continuant \u00e0 pr\u00e9f\u00e9rer se concentrer sur la structure des connaissances plut\u00f4t que sur la simple r\u00e9vision.<\/p>\n\n<h2 class=\"wp-block-heading\">Les ann\u00e9es 1980 : SuperMemo<\/h2>\n\n<p class=\"wp-block-paragraph\">Mon propre travail est entr\u00e9 en sc\u00e8ne en 1982, lorsque j&rsquo;en ai vraiment eu assez de ce processus d&rsquo;oubli sans fin. Je voulais apprendre la biochimie et la physiologie. Je lisais des livres, prenais des notes, et tout cela ne servait \u00e0 rien \u00e0 cause de l&rsquo;oubli. M\u00eame les faits les plus importants pouvaient m&rsquo;\u00e9chapper au moment le plus malheureux (par exemple un examen). J&rsquo;ai d\u00e9cid\u00e9 de recourir au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Active_recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel actif<\/a>. Au lieu de simplement prendre des notes, je les r\u00e9digeais sous forme de questions et de r\u00e9ponses. Je pouvais cacher les r\u00e9ponses et r\u00e9pondre par rappel actif. Cela am\u00e9liorait consid\u00e9rablement l&rsquo;apprentissage. C&rsquo;est ainsi que cela se fait dans SuperMemo aujourd&rsquo;hui encore. Cette nouvelle approche a eu un effet merveilleux sur ma passion pour l&rsquo;apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">D\u00e8s 1984, j&rsquo;\u00e9tais suffisamment rod\u00e9 \u00e0 mon approche de rappel actif pour savoir que les questions complexes ne fonctionnent pas. Si vous entassez trop de choses dans la r\u00e9ponse, par exemple en en faisant une longue liste, vous n&rsquo;arr\u00eaterez pas d&rsquo;oublier. Ce serait un apprentissage vain. J&rsquo;ai appel\u00e9 plus tard cette qu\u00eate de simplicit\u00e9 le \u00ab &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Minimum_information_principle\" rel=\"noreferrer noopener\" target=\"_blank\">principe d&rsquo;information minimale<\/a>&nbsp;\u00bb. Aujourd&rsquo;hui, ce principe est l&rsquo;un des premiers cit\u00e9s parmi les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/20_rules\" rel=\"noreferrer noopener\" target=\"_blank\">20 r\u00e8gles<\/a>&nbsp;de formulation des connaissances.<\/p>\n\n<p class=\"wp-block-paragraph\">La v\u00e9ritable perc\u00e9e est survenue en 1985, soit exactement 100 ans apr\u00e8s la publication de la th\u00e8se d&rsquo;Ebbinghaus sur la m\u00e9moire. Je voulais v\u00e9rifier comment l&rsquo;espacement des r\u00e9visions influen\u00e7ait le rappel. Il me fallait d\u00e9terminer la longueur des intervalles optimaux entre les r\u00e9p\u00e9titions. Ces intervalles existaient, \u00e0 l&rsquo;\u00e9vidence. Il me suffisait de les mesurer. L&rsquo;exp\u00e9rience est d\u00e9crite&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#Experiment\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>. L&rsquo;exp\u00e9rience \u00e9tait simple, rudimentaire, paresseuse et men\u00e9e \u00e0 la h\u00e2te. Plut\u00f4t que de prendre patiemment quelques ann\u00e9es pour en \u00e9tablir tous les d\u00e9tails, j&rsquo;ai formul\u00e9, apr\u00e8s 6 mois, le premier algorithme&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. On peut y voir le premier cas de r\u00e9p\u00e9tition espac\u00e9e un tant soit peu scientifique. Ma recherche reposait sur une seule personne et un seul type de mat\u00e9riel d&rsquo;apprentissage, mais elle s&rsquo;est r\u00e9v\u00e9l\u00e9e suffisamment universelle pour compter, des ann\u00e9es plus tard, de nombreux adeptes fid\u00e8les. Le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">31 juillet 1985<\/a>, j&rsquo;ai commenc\u00e9 \u00e0 apprendre la biochimie avec cette nouvelle m\u00e9thode. C&rsquo;est l&rsquo;anniversaire de la r\u00e9p\u00e9tition espac\u00e9e informatis\u00e9e. Le logiciel SuperMemo pour DOS est sorti en 1987, et le nom SuperMemo en 1988.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans les ann\u00e9es 1980, le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Memory_Chain_Model\" rel=\"noreferrer noopener\" target=\"_blank\">mod\u00e8le de cha\u00eene m\u00e9morielle<\/a>&nbsp;de Jaap Murre fut l&rsquo;un des premiers mod\u00e8les de la m\u00e9moire qui aurait pu d\u00e9boucher sur un algorithme de r\u00e9p\u00e9tition espac\u00e9e solide. Il disposait m\u00eame de sa propre application pr\u00e9coce, Captain Mnemo, qui aurait pu rivaliser avec SuperMemo pour la primaut\u00e9 dans ce domaine. Captain Mnemo et OptLearn illustrent bien pourquoi, dans les milieux acad\u00e9miques, de grandes th\u00e9ories ne sont souvent pas suivies de mises en \u0153uvre pratiques capables de s\u00e9duire un public plus large.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1991,&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;a \u00e9t\u00e9 fond\u00e9, et ses d\u00e9buts sont d\u00e9crits&nbsp;<a href=\"http:\/\/super-memory.com\/english\/history.htm\" rel=\"nofollow noopener\" target=\"_blank\">ici<\/a>. D\u00e8s 1999, nous avons commenc\u00e9 \u00e0 employer le terme \u00ab r\u00e9p\u00e9tition espac\u00e9e \u00bb au lieu de la \u00ab &nbsp;<em>m\u00e9thode SuperMemo<\/em>&nbsp;\u00bb. Pour les d\u00e9veloppements r\u00e9cents chez&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>, voir&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>.<\/p>\n\n<h1 class=\"wp-block-heading\"><div id=\"anatomy\">Anatomie de l&rsquo;\u00e9chec et du succ\u00e8s<\/div><\/h1>\n\n<h2 class=\"wp-block-heading\">Formule de l&rsquo;\u00e9chec de la recherche<\/h2>\n\n<p class=\"wp-block-paragraph\">Certaines intuitions sur la r\u00e9p\u00e9tition espac\u00e9e sont assez r\u00e9pandues. Cela pose une question majeure : pourquoi la r\u00e9p\u00e9tition espac\u00e9e n&rsquo;a-t-elle pas \u00e9t\u00e9 \u00e9tudi\u00e9e plus t\u00f4t, et pourquoi n&rsquo;a-t-elle pas impr\u00e9gn\u00e9 les pratiques d&rsquo;apprentissage ? Les intuitions ne suffisent pas ; un bon protocole exp\u00e9rimental est \u00e9galement essentiel. Cette section explique pourquoi d&rsquo;autres sont pass\u00e9s pr\u00e8s du but sans y arriver. Comment Ebbinghaus ou Spitzer auraient pu faire na\u00eetre la r\u00e9p\u00e9tition espac\u00e9e 90 \u00e0 130 ans plus t\u00f4t. Il doit y avoir un probl\u00e8me avec la recherche de gratification imm\u00e9diate dans la relecture par les pairs et la course aux financements. Pourquoi y a-t-il tant d&rsquo;agitation autour de la question de \u00ab droguer \u00bb les enfants pour l&rsquo;\u00e9cole, tandis que des maladies qui font de lourds ravages dans les pays moins d\u00e9velopp\u00e9s suscitent si peu d&rsquo;int\u00e9r\u00eat ?<\/p>\n\n<p class=\"wp-block-paragraph\">Dans ce chapitre, j&rsquo;essaie de comprendre pourquoi la r\u00e9p\u00e9tition espac\u00e9e est arriv\u00e9e si tardivement. Voici mon analyse, class\u00e9e selon son facteur d&rsquo;impact :<\/p>\n\n<ul class=\"wp-block-list\"><li>les ordinateurs font une diff\u00e9rence consid\u00e9rable dans l&rsquo;efficacit\u00e9 de l&rsquo;apprentissage par r\u00e9p\u00e9tition espac\u00e9e ; les premi\u00e8res formulations n&rsquo;auraient pas \u00e9t\u00e9 suffisamment virales, m\u00eame \u00e0 l&rsquo;\u00e8re d&rsquo;Internet<\/li><li>le web perp\u00e9tue les connaissances et en cristallise l&rsquo;essence (par exemple sur Wikip\u00e9dia)<\/li><li>les intuitions ne garantissent pas un bon protocole exp\u00e9rimental. Moi-m\u00eame, Ebbinghaus, Spitzer et d&rsquo;autres avons produit des protocoles qui ajoutaient plus de bruit et de complexit\u00e9 au probl\u00e8me<\/li><li>la culture humaine est en perp\u00e9tuel mouvement. Nous oublions massivement puis red\u00e9couvrons de vieilles d\u00e9couvertes. Cela vaut aussi bien pour les individus que pour les cultures. La science elle-m\u00eame est soumise aux modes, aux tendances et \u00e0 l&rsquo;oubli. Ce n&rsquo;est que r\u00e9cemment que la r\u00e9p\u00e9tition espac\u00e9e a atteint la&nbsp;<em>\u00ab densit\u00e9 d&rsquo;impact \u00bb<\/em>&nbsp;n\u00e9cessaire pour devenir une&nbsp;<em>\u00ab connaissance commune \u00bb<\/em>. Voir : &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Dempster:_There_are_discontinuities_in_science\" rel=\"noreferrer noopener\" target=\"_blank\">discontinuit\u00e9 dans la recherche sur l&rsquo;effet d&rsquo;espacement<\/a><\/li><li>l&rsquo;int\u00e9r\u00eat personnel et l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Self-learning\" rel=\"noreferrer noopener\" target=\"_blank\">auto-apprentissage<\/a>&nbsp;sont les meilleurs moteurs de l&rsquo;applicabilit\u00e9. La science p\u00e9n\u00e8tre les vies par ses applications pratiques.&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;a \u00e9t\u00e9 la premi\u00e8re application pratique de la r\u00e9p\u00e9tition espac\u00e9e capable d&rsquo;atteindre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_growth_of_the_popularity_of_Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">des milliers, puis des millions d&rsquo;utilisateurs<\/a><\/li><li>il y a longtemps r\u00e9gn\u00e9 une grande confusion entre m\u00e9moire \u00e0 court et \u00e0 long terme, entre l&rsquo;espacement dans des listes et l&rsquo;espacement au sein d&rsquo;une m\u00eame journ\u00e9e, et m\u00eame entre apprentissage proc\u00e9dural et d\u00e9claratif<\/li><li>un calendrier \u00e0 intervalles croissants, d\u00e9croissants ou \u00e9gaux peut tous \u00eatre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Karpicke:_Expanding_retrieval_schedules_produced_mixed_results\" rel=\"noreferrer noopener\" target=\"_blank\">rendu sup\u00e9rieur avec le bon minutage<\/a><\/li><li>les exp\u00e9rimentateurs ont tendance \u00e0 utiliser des mat\u00e9riaux h\u00e9t\u00e9rog\u00e8nes (po\u00e8mes, listes, syllabes absurdes, pages de questions, groupes d&rsquo;\u00e9tudiants, etc.)<\/li><li>les exp\u00e9riences o\u00f9 l&rsquo;on utilise une r\u00e9vision passive plut\u00f4t que le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Active_recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel actif<\/a>&nbsp;ne b\u00e9n\u00e9ficient pas de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Testing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet de test<\/a><\/li><li>les exp\u00e9riences o\u00f9 les intervalles sont mesur\u00e9s en&nbsp;<em>\u00e9l\u00e9ments intercal\u00e9s<\/em>&nbsp;reposent sur des m\u00e9canismes m\u00e9moriels diff\u00e9rents et ne devraient m\u00eame pas \u00eatre qualifi\u00e9es de&nbsp;<em>r\u00e9p\u00e9tition espac\u00e9e<\/em>. Encore aujourd&rsquo;hui, une grande partie de la confusion dans la recherche vient du m\u00e9lange des mesures d&rsquo;intervalles sans s\u00e9paration claire de la terminologie<\/li><li>la courte dur\u00e9e des projets de recherche rend les \u00e9tudes sur la r\u00e9p\u00e9tition espac\u00e9e quasiment impossibles<\/li><li>l&rsquo;accent mis sur les applications en classe a brouill\u00e9 les r\u00e9sultats. Les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Problem_of_schooling\" rel=\"noreferrer noopener\" target=\"_blank\">\u00e9coles ne sont pas un bon lieu pour apprendre<\/a>. Une recherche optimis\u00e9e pour l&rsquo;environnement scolaire n&rsquo;a que peu de pertinence pour l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Free_learning\" rel=\"noreferrer noopener\" target=\"_blank\">apprentissage libre<\/a><\/li><li>la distinction ancestrale entre&nbsp;<em>apprentissage<\/em>&nbsp;et&nbsp;<em>r\u00e9tention<\/em>&nbsp;brouille la r\u00e9flexion sur l&rsquo;\u00e9ducation optimale. Cette distinction vient de la scolarit\u00e9, o\u00f9 l&rsquo;on apprend d&rsquo;abord puis on prie pour oublier le moins possible<\/li><li>la terminologie ne cesse de muter, ce qui emp\u00eache les nouvelles g\u00e9n\u00e9rations de chercheurs de capitaliser sur les travaux ant\u00e9rieurs. M\u00eame notre propre&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_repetition_spacing_in_the_practice_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">article de 1994<\/a>&nbsp;utilise l&rsquo;expression&nbsp;<em>espacement des r\u00e9p\u00e9titions<\/em>. Pour la liste des mutations terminologiques, voir cette entr\u00e9e du glossaire. Le web, l&rsquo;intelligence collective et les wikis (comme&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/SuperMemo_Guru\" rel=\"noreferrer noopener\" target=\"_blank\">celui-ci<\/a>) sont susceptibles de rem\u00e9dier au probl\u00e8me terminologique<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">En 2006, Will Thalheimer a produit une excellente synth\u00e8se de la recherche sur la r\u00e9p\u00e9tition espac\u00e9e, fond\u00e9e sur plus de 100 articles scientifiques. Pourtant, dans sa conclusion,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Will_Thalheimer:_Doubts_about_expanding_rehearsal\" rel=\"noreferrer noopener\" target=\"_blank\">Thalheimer a exprim\u00e9 des doutes sur la valeur de l&rsquo;espacement progressif<\/a>. Cela montre que m\u00eame des dizaines d&rsquo;articles ne servent \u00e0 rien si le protocole exp\u00e9rimental repose sur des mod\u00e8les erron\u00e9s.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans la r\u00e9p\u00e9tition espac\u00e9e, il ne suffit pas que la r\u00e9vision soit croissante. Elle doit \u00eatre optimalement croissante<\/p>\n\n<h2 class=\"wp-block-heading\">Des exp\u00e9rimentations manqu\u00e9es<\/h2>\n\n<p class=\"wp-block-paragraph\">Je vais pr\u00e9senter trois cas d&rsquo;exp\u00e9riences condamn\u00e9es, d\u00e8s le d\u00e9part, \u00e0 \u00e9chouer ou \u00e0 semer la confusion :<\/p>\n\n<ul class=\"wp-block-list\"><li><strong>Hermann Ebbinghaus<\/strong>&nbsp;(1885) \u00e9tait motiv\u00e9 par la science de la m\u00e9moire. Ses intuitions \u00e9taient excellentes, mais, par souci de puret\u00e9, il s&rsquo;est concentr\u00e9 sur des syllabes d\u00e9nu\u00e9es de sens. Sans le vouloir, il a ainsi contribu\u00e9 \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Complexity\" target=\"_blank\" rel=\"noreferrer noopener\">complexit\u00e9 de la m\u00e9moire<\/a>&nbsp;et \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interference\" target=\"_blank\" rel=\"noreferrer noopener\">interf\u00e9rence<\/a>, qu&rsquo;il souhaitait pr\u00e9cis\u00e9ment \u00e9viter. Sa&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" target=\"_blank\" rel=\"noreferrer noopener\">courbe d&rsquo;oubli<\/a>&nbsp;est impitoyable et d\u00e9courageante. Si Ebbinghaus avait appris un contenu significatif qui l&rsquo;int\u00e9ressait, il aurait peut-\u00eatre \u00e9tendu la port\u00e9e de son exp\u00e9rience. Nous savons tous, depuis l&rsquo;\u00e9cole, que bourrer du contenu absurde rel\u00e8ve d&rsquo;une forme de torture mentale. Si Ebbinghaus avait opt\u00e9 pour des applications pratiques, comme je l&rsquo;ai fait moi-m\u00eame, une version \u00ab sur papier \u00bb de la r\u00e9p\u00e9tition espac\u00e9e aurait pu na\u00eetre tr\u00e8s pr\u00e9cis\u00e9ment 100 ans avant les faits. Naturellement, sans ordinateurs, sans le web, ses id\u00e9es seraient peut-\u00eatre quand m\u00eame retomb\u00e9es dans le puits du silence pendant un si\u00e8cle, comme cela est r\u00e9ellement arriv\u00e9 au concept d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" target=\"_blank\" rel=\"noreferrer noopener\">effet d&rsquo;espacement<\/a>.<\/li><li><a href=\"https:\/\/www.supermemo.com\/en#Spitzer_experiment_.281939.29\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Herbert Spitzer<\/strong>&nbsp;(1939)<\/a>&nbsp;\u00e9tait motiv\u00e9 par l&rsquo;am\u00e9lioration des performances en classe. Il a choisi le pire cas d&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 possible. L\u00e0 o\u00f9 je me suis d\u00e9battu avec des pages de mat\u00e9riel de difficult\u00e9 m\u00eal\u00e9e, et o\u00f9 Ebbinghaus se d\u00e9battait avec du mat\u00e9riel d\u00e9nu\u00e9 de sens, Spitzer a aggrav\u00e9 ces effets par l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des esprits. Au lieu de pages de questions, Spitzer a expos\u00e9 des groupes d&rsquo;\u00e9l\u00e8ves \u00e0 des pages de lecture. Dans ces conditions bruyantes, il est difficile de percevoir les r\u00e9gularit\u00e9s de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" target=\"_blank\" rel=\"noreferrer noopener\">oubli<\/a>&nbsp;exponentiel et de la r\u00e9p\u00e9tition espac\u00e9e. M\u00eame si les r\u00e9sultats de Spitzer avaient \u00e9t\u00e9 massivement positifs, je doute que la bureaucratie du syst\u00e8me \u00e9ducatif en aurait tir\u00e9 bon usage. L&rsquo;\u00e9ducation est r\u00e9gie par les tests standardis\u00e9s, les notes et les dipl\u00f4mes. Elle est rarement guid\u00e9e par la science et par l&rsquo;impact r\u00e9el des proc\u00e9dures d&rsquo;apprentissage sur les r\u00e9sultats. C&rsquo;est un syst\u00e8me d&rsquo;usine. Les efforts de Spitzer \u00e9taient aussi vains que les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Early_math_instruction_may_backfire\" target=\"_blank\" rel=\"noreferrer noopener\">id\u00e9es r\u00e9volutionnaires de Benezet<\/a>&nbsp;formul\u00e9es une d\u00e9cennie plus t\u00f4t (1929)<\/li><li><strong>Wozniak<\/strong>&nbsp;(1985). Ma propre exp\u00e9rience trompeuse sur la r\u00e9p\u00e9tition espac\u00e9e a d\u00e9but\u00e9 le 31 janvier 1985 et aurait pu ruiner mes efforts si elle avait suffisamment brouill\u00e9 mon esprit. Heureusement, avant m\u00eame l&rsquo;arriv\u00e9e des r\u00e9sultats, j&rsquo;avais con\u00e7u une meilleure exp\u00e9rience, et je n&rsquo;ai jamais \u00e9t\u00e9 affect\u00e9 par cette confusion.<\/li><\/ul>\n\n<h2 class=\"wp-block-heading\">Les exp\u00e9riences d&rsquo;Ebbinghaus (1885)<\/h2>\n\n<h3 class=\"wp-block-heading\">Le mythe<\/h3>\n\n<p class=\"wp-block-paragraph\">Un mythe populaire veut qu&rsquo;Ebbinghaus ait invent\u00e9 la r\u00e9p\u00e9tition espac\u00e9e en 1885. Ce mythe est n\u00e9 de notre propre documentation&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Lorsque nous avons r\u00e9dig\u00e9 l&rsquo;&nbsp;<a href=\"http:\/\/super-memory.com\/english\/history.htm\" rel=\"nofollow noopener\" target=\"_blank\">histoire de SuperMemo<\/a>&nbsp;pour le web en 1997, nous avons ajout\u00e9 quelques noms ayant contribu\u00e9 \u00e0 la recherche sur la m\u00e9moire. Comme expliqu\u00e9&nbsp;ici, il \u00e9tait important d&rsquo;ancrer SuperMemo dans la science. Ma propre contribution a toujours \u00e9t\u00e9 minimis\u00e9e en raison du poids n\u00e9gligeable de mon nom. Comme Ebbinghaus figurait en t\u00eate de liste pour des raisons chronologiques, l&rsquo;id\u00e9e qu&rsquo;il soit le p\u00e8re de la r\u00e9p\u00e9tition espac\u00e9e a rapidement pris racine. M\u00eame nos propres documents ont, par erreur, \u00e9volu\u00e9 dans ce sens \u00e0 force d&rsquo;une \u00e9dition n\u00e9gligente. Aujourd&rsquo;hui, le web est satur\u00e9 d&rsquo;Ebbinghaus et de l&rsquo;ensemble en dents de scie des courbes d&rsquo;oubli. Si vous cherchez \u00ab courbes d&rsquo;oubli \u00bb sur Google, voici ce que vous verrez :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1920\" height=\"1104\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Google_search_for_forgetting_curves-1.jpg\" alt=\"\" class=\"wp-image-33965\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Recherche Google pour \u00ab &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;\u00bb (novembre 2017). L&rsquo;\u00ab ensemble en dents de scie \u00bb des courbes d&rsquo;oubli domine les r\u00e9sultats. Beaucoup d&rsquo;images sont attribu\u00e9es \u00e0 tort au nom d&rsquo;&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Hermann_Ebbinghaus\" rel=\"nofollow noopener\" target=\"_blank\">Hermann Ebbinghaus<\/a>. L&rsquo;origine la plus fid\u00e8le de cette image est pr\u00e9sent\u00e9e dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Two_components_of_memory\" rel=\"noreferrer noopener\" target=\"_blank\">Les deux composantes de la m\u00e9moire<\/a><\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Ce sont les m\u00eames courbes en dents de scie que celles que j&rsquo;ai repr\u00e9sent\u00e9es dans&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;(1990) :<\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/0\/0e\/Hypothetical_mechanism_involved_in_the_process_of_optimal_learning.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/0\/0e\/Hypothetical_mechanism_involved_in_the_process_of_optimal_learning.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><\/p>\n\n<p class=\"wp-block-paragraph\">M\u00e9canisme hypoth\u00e9tique impliqu\u00e9 dans le processus d&rsquo;apprentissage optimal<\/p>\n\n<p class=\"wp-block-paragraph\">Pour en savoir plus sur ce mythe, voir notre blog : &nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" rel=\"noreferrer noopener\" target=\"_blank\">Ebbinghaus a-t-il invent\u00e9 la r\u00e9p\u00e9tition espac\u00e9e ?<\/a><\/p>\n\n<h3 class=\"wp-block-heading\">Le fait<\/h3>\n\n<p class=\"wp-block-paragraph\">Nous devrions plut\u00f4t nous \u00e9tonner du fait qu&rsquo;Ebbinghaus n&rsquo;ait pas invent\u00e9 la r\u00e9p\u00e9tition espac\u00e9e. Il en \u00e9tait pourtant tr\u00e8s proche. Il touchait presque tous les bons leviers.<\/p>\n\n<p class=\"wp-block-paragraph\">Voici ce qu&rsquo;il a \u00e9crit \u00e0 propos de l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" rel=\"noreferrer noopener\" target=\"_blank\">effet d&rsquo;espacement<\/a>&nbsp;:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Pour le r\u00e9apprentissage d&rsquo;une s\u00e9rie de 12 syllabes&nbsp;<strong>\u00e0 un moment d\u00e9termin\u00e9<\/strong>, en cons\u00e9quence,&nbsp;<strong>38 r\u00e9p\u00e9titions, r\u00e9parties d&rsquo;une certaine mani\u00e8re sur les trois jours pr\u00e9c\u00e9dents, ont eu un effet tout aussi favorable que 68 r\u00e9p\u00e9titions faites la veille m\u00eame<\/strong>. M\u00eame en accordant de tr\u00e8s larges concessions \u00e0 l&rsquo;incertitude de chiffres fond\u00e9s sur si peu de recherches, l&rsquo;\u00e9cart est suffisamment grand pour \u00eatre significatif. Cela rend probable l&rsquo;hypoth\u00e8se selon laquelle,&nbsp;<em>pour un nombre consid\u00e9rable de r\u00e9p\u00e9titions<\/em>, une r\u00e9partition adapt\u00e9e sur une p\u00e9riode de temps est nettement plus avantageuse que leur concentration en un seul moment.<\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Pourquoi&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Ebbinghaus\" rel=\"noreferrer noopener\" target=\"_blank\">Ebbinghaus<\/a>&nbsp;n&rsquo;a-t-il pas franchi l&rsquo;\u00e9tape suivante, en apparence \u00e9vidente, consistant \u00e0 observer comment la courbe d&rsquo;oubli change apr\u00e8s une r\u00e9vision ? D&rsquo;abord, il ne testait pas l&rsquo;oubli, mais l&rsquo;\u00e9conomie r\u00e9alis\u00e9e lors du r\u00e9apprentissage. Ses tests constituaient d\u00e9j\u00e0 une r\u00e9vision. Avec mon approche, il est naturel de vouloir atteindre un niveau donn\u00e9 de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>. Il est conceptuellement moins intuitif de viser une r\u00e9duction donn\u00e9e du co\u00fbt du r\u00e9apprentissage.<\/p>\n\n<p class=\"wp-block-paragraph\">Cependant, une solution pour surmonter cet obstacle conceptuel serait de pers\u00e9v\u00e9rer dans l&rsquo;apprentissage. La cr\u00e9ativit\u00e9 se nourrit de l&rsquo;investissement de temps et de r\u00e9flexion dans des contextes vari\u00e9s. Pour moi, la r\u00e9ponse \u00e0 l&rsquo;\u00e9nigme Ebbinghaus est tr\u00e8s simple. Comme tout bon scientifique, Ebbinghaus \u00e9tait un perfectionniste th\u00e9orique. Il a choisi de m\u00e9moriser des syllabes d\u00e9nu\u00e9es de sens pour minimiser l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interference\" rel=\"noreferrer noopener\" target=\"_blank\">interf\u00e9rence<\/a>&nbsp;avec ses connaissances ant\u00e9rieures. Malheureusement, cela a eu quelques effets secondaires n\u00e9fastes :<\/p>\n\n<ul class=\"wp-block-list\"><li>ses listes \u00e9taient difficiles \u00e0 apprendre et sa&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;\u00e9tait tr\u00e8s abrupte. Cela donne un tableau tr\u00e8s d\u00e9courageant pour tout \u00e9tudiant soucieux de se souvenir sur le long terme<\/li><li>ses listes ne lui procuraient aucun&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Pleasure_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">plaisir d&rsquo;apprendre<\/a>. C&rsquo;est l&rsquo;exact oppos\u00e9 de ce que j&rsquo;ai v\u00e9cu en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birthday_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>. Chaque \u00e9l\u00e9ment de ma collection papier repr\u00e9sentait un petit pas en avant qui faisait progresser mes connaissances vers un nouveau niveau. Une fois ma premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;trac\u00e9e, je voulais savoir ce qui se passait apr\u00e8s la r\u00e9vision suivante<\/li><li>Ebbinghaus s&rsquo;est concentr\u00e9 sur le temps ou l&rsquo;effort n\u00e9cessaire au r\u00e9apprentissage, alors que je me suis toujours principalement int\u00e9ress\u00e9 \u00e0 la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>, en m&rsquo;int\u00e9ressant peu au temps ou \u00e0 l&rsquo;effort n\u00e9cessaires pour ramener le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;\u00e0 100 %<\/li><\/ul>\n\n<p class=\"wp-block-paragraph\">Je me risquerai donc \u00e0 affirmer que, dans tous ses efforts h\u00e9ro\u00efques de m\u00e9morisation, Hermann Ebbinghaus en a eu assez d&rsquo;apprendre des inepties. Cela briserait l&rsquo;\u00e9tudiant le plus pers\u00e9v\u00e9rant. Ma chance a plut\u00f4t tenu \u00e0 ce besoin br\u00fblant d&rsquo;obtenir de bons r\u00e9sultats en apprentissage. Cela a engendr\u00e9 une auto-perp\u00e9tuation de l&rsquo;effort, ce qui aide \u00e0 surmonter les obstacles \u00e0 la cr\u00e9ativit\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">Chose int\u00e9ressante, en 2015, Jaap Murre a&nbsp;<a href=\"http:\/\/journals.plos.org\/plosone\/article?id=10.1371\/journal.pone.0120644\" rel=\"nofollow noopener\" target=\"_blank\">reproduit<\/a>&nbsp;l&rsquo;exp\u00e9rience originale d&rsquo;Ebbinghaus avec une m\u00e9ticulosit\u00e9 digne d&rsquo;Ebbinghaus lui-m\u00eame (allant jusqu&rsquo;\u00e0 explorer les manuscrits originaux). Murre a eu la prudence de ne pas se soumettre \u00e0 l&rsquo;\u00e9preuve mentale des syllabes d\u00e9nu\u00e9es de sens, ce qui aurait pu introduire un biais. Il a choisi le meilleur sujet possible : un \u00e9tudiant de 22 ans, r\u00e9compens\u00e9 par une co-signature de la publication. Fait notable, Murre semble avoir su capter l&rsquo;effet&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Circadian\" rel=\"noreferrer noopener\" target=\"_blank\">circadien<\/a>&nbsp;de l&rsquo;apprentissage, sa courbe pr\u00e9sentant une l\u00e9g\u00e8re remont\u00e9e apr\u00e8s une p\u00e9riode de 24 heures.<\/p>\n\n<h3 class=\"wp-block-heading\">L&rsquo;\u00e9conomie r\u00e9alis\u00e9e lors du r\u00e9apprentissage<\/h3>\n\n<p class=\"wp-block-paragraph\">Il existe une \u00e9norme diff\u00e9rence entre la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;et les \u00ab \u00e9conomies r\u00e9alis\u00e9es lors du r\u00e9apprentissage \u00bb. Selon le moment, une absence de r\u00e9cup\u00e9ration peut signifier que le fait vient \u00ab juste d&rsquo;\u00eatre oubli\u00e9 et se r\u00e9apprend facilement \u00bb ou qu&rsquo;il est \u00ab oubli\u00e9 pour de bon \u00bb. L&rsquo;\u00e9conomie r\u00e9alis\u00e9e lors du r\u00e9apprentissage peut \u00eatre non nulle pour un contenu de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retrievability\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9cup\u00e9rabilit\u00e9<\/a>&nbsp;nulle. En termes simples, l&rsquo;absence d&rsquo;acc\u00e8s aux souvenirs n&rsquo;implique pas une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Stability\" rel=\"noreferrer noopener\" target=\"_blank\">stabilit\u00e9<\/a>&nbsp;nulle. En ce sens, la courbe d&rsquo;Ebbinghaus n&rsquo;est m\u00eame pas une bonne expression de l&rsquo;oubli exponentiel. L&rsquo;\u00e9conomie r\u00e9alis\u00e9e lors du r\u00e9apprentissage diff\u00e8re selon que le mat\u00e9riel est difficile ou facile.<\/p>\n\n<h3 class=\"wp-block-heading\">Courbe d&rsquo;oubli (1984)<\/h3>\n\n<p class=\"wp-block-paragraph\">En r\u00e9digeant le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Exponential_nature_of_forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">chapitre consacr\u00e9 aux courbes d&rsquo;oubli<\/a>, je pensais que ma propre notion de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;\u00e9tait erron\u00e9e au d\u00e9part. Pourtant, en fouillant dans mes archives, j&rsquo;ai d\u00e9couvert par hasard que j&rsquo;avais moi aussi trac\u00e9, en 1984, une courbe d&rsquo;oubli pour la r\u00e9tention du vocabulaire anglais, quelques mois seulement avant de concevoir&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>&nbsp;sur papier :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"3390\" height=\"2418\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_for_retention_of_English_vocabulary_1984-1.jpg\" alt=\"\" class=\"wp-image-33980\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Ma<\/a>&nbsp;toute premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;pour la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;du vocabulaire anglais, trac\u00e9e en 1984, c&rsquo;est-\u00e0-dire quelques mois avant de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">concevoir SuperMemo sur papier<\/a>. Ce graphique ne faisait pas partie de l&rsquo;exp\u00e9rience. C&rsquo;\u00e9tait simplement une \u00e9valuation cumulative des r\u00e9sultats d&rsquo;un apprentissage intermittent du vocabulaire anglais. Le graphique fut vite oubli\u00e9. Il a \u00e9t\u00e9 red\u00e9couvert 34 ans plus tard. Apr\u00e8s m\u00e9morisation, 49 pages d&rsquo;environ 40 paires de mots anglais ont \u00e9t\u00e9 r\u00e9vis\u00e9es \u00e0 diff\u00e9rents intervalles, et le nombre d&rsquo;erreurs de rappel a \u00e9t\u00e9 enregistr\u00e9. Apr\u00e8s \u00e9limination des valeurs aberrantes et calcul de la moyenne, la courbe appara\u00eet bien moins abrupte que celle obtenue par Ebbinghaus (1885), qui utilisait des syllabes d\u00e9nu\u00e9es de sens et une mesure diff\u00e9rente de l&rsquo;oubli : l&rsquo;\u00e9conomie r\u00e9alis\u00e9e lors du r\u00e9apprentissage<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">J&rsquo;avais oubli\u00e9 avoir trac\u00e9 cette courbe. Je pr\u00e9sume qu&rsquo;une fois que j&rsquo;ai eu&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, cette courbe ne me semblait plus importante ni pertinente. Je ne me concentrais pas sur la \u00ab science de la m\u00e9moire \u00bb. Je voulais simplement obtenir de bons r\u00e9sultats en apprentissage. Apparemment, je ne pensais pas que tracer une courbe d&rsquo;oubli \u00e9tait un \u00e9v\u00e9nement majeur. J&rsquo;ai presque manqu\u00e9 cette figure en 2018 aussi, tant elle \u00e9tait mentionn\u00e9e en petits caract\u00e8res : &nbsp;<em>vitesse moyenne d&rsquo;oubli pour la premi\u00e8re m\u00e9morisation<\/em>.<\/p>\n\n<p class=\"wp-block-paragraph\">Le r\u00e9sultat provenait de 49 pages de 40 paires de mots chacune, soit 1 960 mots (comparer avec :&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/13_years_of_school_in_a_month\" rel=\"noreferrer noopener\" target=\"_blank\">13 ann\u00e9es de scolarit\u00e9 en un mois<\/a>). J&rsquo;apprenais pour le plaisir d&rsquo;apprendre, pas pour l&rsquo;exp\u00e9rience. Il n&rsquo;y avait pas r\u00e9ellement d&rsquo;exp\u00e9rience. Il me suffisait de collecter les chiffres issus de mon effort d&rsquo;apprentissage r\u00e9el et de tracer la courbe. La simplicit\u00e9 de ce calcul explique peut-\u00eatre aussi pourquoi j&rsquo;ai si facilement oubli\u00e9 cet exercice.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai \u00e9crit plus haut sur les intuitions simples qui pr\u00e9c\u00e9daient l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">exp\u00e9rience de 1985<\/a>. \u00c0 la lumi\u00e8re de cette courbe de 1984, il se pourrait que ces intuitions aient \u00e9t\u00e9 tir\u00e9es de cette petite exp\u00e9rience. Ce qui semble aujourd&rsquo;hui \u00e9vident ne l&rsquo;\u00e9tait peut-\u00eatre pas sans le b\u00e9quille de ce petit calcul. Cependant, je peux supposer qu&rsquo;en f\u00e9vrier 1985, j&rsquo;avais d\u00e9j\u00e0 oubli\u00e9 ma courbe, car je n&rsquo;ai pas saut\u00e9 l&rsquo;\u00c9tape A dans l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/The_birthday_of_spaced_repetition:_July_31,_1985\" rel=\"noreferrer noopener\" target=\"_blank\">exp\u00e9rience de r\u00e9p\u00e9tition espac\u00e9e<\/a>. Ma courbe d&rsquo;oubli concordait avec l&rsquo;exp\u00e9rience, et le premier intervalle de r\u00e9vision devait effectivement \u00eatre d&rsquo;un jour.<\/p>\n\n<p class=\"wp-block-paragraph\">La notion erron\u00e9e de courbes sigmo\u00efdes a d\u00fb na\u00eetre plus tard. Aujourd&rsquo;hui, il me semble me souvenir vaguement avoir initialement pens\u00e9 que la nature sigmo\u00efde n&rsquo;intervenait qu&rsquo;apr\u00e8s la premi\u00e8re r\u00e9vision. Je ne saurai peut-\u00eatre jamais comment fonctionnait exactement ma pens\u00e9e \u00e0 cette \u00e9poque. Tout ce qui m&rsquo;importait, c&rsquo;\u00e9tait l&rsquo;efficacit\u00e9 de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Emport\u00e9 par l&rsquo;excitation de cette d\u00e9couverte, j&rsquo;ai oubli\u00e9 ma courbe pendant 34 ans en tout. Aujourd&rsquo;hui, ce petit graphique n&rsquo;a d&rsquo;importance que pour illustrer avec quelle facilit\u00e9 on peut d\u00e9couvrir, oublier, s&rsquo;\u00e9garer, red\u00e9couvrir, puis red\u00e9couvrir la d\u00e9couverte originale. La m\u00e9moire est faillible. Dieu b\u00e9nisse la r\u00e9p\u00e9tition espac\u00e9e.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"910\" height=\"661\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Forgetting_curve_Wozniak_1984.jpg\" alt=\"\" class=\"wp-image-33995\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;La toute premi\u00e8re&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" rel=\"noreferrer noopener\" target=\"_blank\">courbe d&rsquo;oubli<\/a>&nbsp;pour la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Retention\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9tention<\/a>&nbsp;du vocabulaire anglais, trac\u00e9e en 1984 (quelques mois avant de&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">concevoir SuperMemo sur papier<\/a>). Ce graphique ne faisait pas partie d&rsquo;une exp\u00e9rience. C&rsquo;\u00e9tait simplement une \u00e9valuation cumulative des r\u00e9sultats d&rsquo;un apprentissage intermittent du vocabulaire anglais. Le graphique a \u00e9t\u00e9 oubli\u00e9, puis red\u00e9couvert 34 ans plus tard. Apr\u00e8s m\u00e9morisation, 49 pages d&rsquo;environ 40 paires de mots anglais ont \u00e9t\u00e9 r\u00e9vis\u00e9es \u00e0 diff\u00e9rents intervalles, et le nombre d&rsquo;erreurs de rappel a \u00e9t\u00e9 enregistr\u00e9. Les cercles blancs correspondent au&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Recall\" rel=\"noreferrer noopener\" target=\"_blank\">rappel<\/a>&nbsp;d\u00e9riv\u00e9 du nombre moyen d&rsquo;erreurs par page apr\u00e8s un intervalle donn\u00e9. La r\u00e9gression logarithmique en orange offre le meilleur ajustement. La r\u00e9gression en puissance, en rouge, la suit de pr\u00e8s. C&rsquo;\u00e9tait pr\u00e9visible pour un mat\u00e9riel h\u00e9t\u00e9rog\u00e8ne (des pages de mots). Cela ressemble aussi beaucoup aux r\u00e9sultats obtenus par Ebbinghaus (1885), \u00e0 ceci pr\u00e8s que la courbe est bien moins abrupte, comme il convient \u00e0 du mat\u00e9riel porteur de sens. Comme pr\u00e9vu, la r\u00e9gression exponentielle en blanc offre l&rsquo;ajustement le plus faible<\/em><\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">Exp\u00e9rience de Spitzer (1939)<\/h2>\n\n<p class=\"wp-block-paragraph\">En 1939, Herbert F. Spitzer a \u00e9tudi\u00e9 diff\u00e9rents calendriers de tests sur 3 605 \u00e9l\u00e8ves de sixi\u00e8me ann\u00e9e (CM2) dans 9 villes de l&rsquo;Iowa. Cela repr\u00e9sentait la population enti\u00e8re de 91 \u00e9coles. Les enfants lisaient un texte de 6 pages, et leurs connaissances \u00e9taient ensuite \u00e9valu\u00e9es \u00e0 l&rsquo;aide de 25 questions pr\u00e9cises.<\/p>\n\n<p class=\"wp-block-paragraph\">Spitzer a con\u00e7u diff\u00e9rents calendriers de tests ; toutefois, son protocole ne visait clairement pas l&rsquo;espacement optimal, et le r\u00e9sum\u00e9 de sa recherche ne formulait aucune recommandation \u00e0 ce sujet.<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"988\" height=\"448\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Spitzer_1939_Diagram_of_Procedure.jpg\" alt=\"\" class=\"wp-image-34010\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure :<\/strong>&nbsp;Diagramme de la proc\u00e9dure. Spitzer (1939).<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Seuls les deux premiers groupes d&rsquo;\u00e9l\u00e8ves ont suivi un calendrier croissant. Ce sont ces groupes qui ont obtenu les meilleurs r\u00e9sultats aux tests ; pourtant, Spitzer a attribu\u00e9 cela \u00e0 l&rsquo;&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Testing_effect\" rel=\"nofollow noopener\" target=\"_blank\">effet de test<\/a>, ces deux groupes \u00e9tant les seuls \u00e0 avoir subi 3 tests, le test interm\u00e9diaire \u00e9tant interpr\u00e9t\u00e9 comme une \u00ab intervention de test \u00bb (plut\u00f4t que comme une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Repetition\" rel=\"noreferrer noopener\" target=\"_blank\">r\u00e9p\u00e9tition<\/a>).<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"900\" height=\"551\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Spitzer_1939_Curves_of_Retention.jpg\" alt=\"\" class=\"wp-image-34025\"\/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><em><strong>Figure<\/strong>&nbsp;Spitzer (1939). Courbes de r\u00e9tention<\/em><\/p><\/blockquote>\n\n<p class=\"wp-block-paragraph\">Dans ses recommandations, Spitzer a mis l&rsquo;accent sur la puissance de l&rsquo;effet de test, ce que j&rsquo;appelle le \u00ab rappel actif \u00bb en r\u00e9f\u00e9rence \u00e0 mes cartes-m\u00e9moire de 1982. Ce que j&rsquo;appr\u00e9cie dans son article, c&rsquo;est la recommandation d&rsquo;utiliser les tests pour que les \u00e9l\u00e8ves corrigent eux-m\u00eames leurs connaissances, re\u00e7oivent un retour, et ressentent ainsi le sentiment de progresser. Cela contraste avec le&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Testing\" rel=\"noreferrer noopener\" target=\"_blank\">test<\/a>&nbsp;moderne, plus souvent utilis\u00e9 comme un fouet pour pousser les enfants \u00e0 en faire davantage.<\/p>\n\n<p class=\"wp-block-paragraph\">Le diagramme des intervalles de Spitzer me rappelle&nbsp;<a href=\"https:\/\/www.supermemo.com\/en#Wrong_experimental_design_may_lead_to_wrong_conclusions\" rel=\"noreferrer noopener\" target=\"_blank\">mon propre test auto-administr\u00e9<\/a>, qui n&rsquo;a pas produit de r\u00e9sultats convaincants. Dans ce cas, les intervalles sont clairement dict\u00e9s par le rythme de la vie scolaire, et non par les besoins de la m\u00e9moire.<\/p>\n\n<p class=\"wp-block-paragraph\">Dans sa recherche, Spitzer a montr\u00e9 une&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Bill_Gates_is_wrong_about_education\" rel=\"noreferrer noopener\" target=\"_blank\">approche \u00e0 la Gates<\/a>&nbsp;impitoyable envers le test et l&rsquo;apprentissage, typique des premiers r\u00e9formateurs de l&rsquo;\u00e9cole, qui ont souvent fait plus de mal que de bien \u00e0 force d&rsquo;\u00eatre trop m\u00e9ticuleux ! Les \u00e9ducateurs qui n&rsquo;exploitent pas la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Learn_drive\" rel=\"noreferrer noopener\" target=\"_blank\">pulsion d&rsquo;apprendre<\/a>&nbsp;dans le processus sont condamn\u00e9s \u00e0 l&rsquo;\u00e9chec, m\u00eame s&rsquo;ils utilisent les meilleurs outils pour renforcer la m\u00e9moire !<\/p>\n\n<p class=\"wp-block-paragraph\">Je ne peux m&#8217;emp\u00eacher de faire une remarque sur les consid\u00e9rations \u00e9thiques. Alors que nous massacrons des millions d&rsquo;animaux au nom de la science, nous manquons peut-\u00eatre de remarquer que cette recherche, malgr\u00e9 toute la bonne volont\u00e9 qui l&rsquo;anime, a mobilis\u00e9 le travail forc\u00e9 de plus de 3 000 participants sans consentement v\u00e9ritable. Ce qui est excellent pour la recherche sur la m\u00e9moire n&rsquo;a pas besoin d&rsquo;\u00eatre excellent pour l&rsquo;apprentissage individuel. \u00c0 l&rsquo;\u00e8re de Google, j&rsquo;ai trouv\u00e9 les textes de test utilis\u00e9s par Spitzer plut\u00f4t r\u00e9barbatifs. Malgr\u00e9 tout l&rsquo;effort d\u00e9ploy\u00e9 pour s\u00e9lectionner le sujet et la formulation, je consid\u00e9rerais la lecture impos\u00e9e comme une atteinte \u00e0 ma libert\u00e9. Ces mat\u00e9riaux \u00e9taient peut-\u00eatre bien meilleurs que la moyenne scolaire, mais la scolarit\u00e9 restera toujours affaire de production de masse, et moins de libert\u00e9 cr\u00e9ative.<\/p>\n\n<p class=\"wp-block-paragraph\">Lire sur la biologie des bananiers pourrait plaire \u00e0 un jardinier ou \u00e0 un biologiste, ce que je pr\u00e9tends \u00eatre. Mais pourquoi les enfants devraient-ils lire sur les bananes si leur int\u00e9r\u00eat du moment \u00e9tait la Grande D\u00e9pression, le Dust Bowl, l&rsquo;Allemagne nazie ou le baseball ?<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;\u00e9cole est le moment o\u00f9 l&rsquo;on arr\u00eate d&rsquo;apprendre pour commencer \u00e0 bourrer. C&rsquo;est le moment o\u00f9 l&rsquo;on perd le go\u00fbt d&rsquo;apprendre. Ajouter la r\u00e9p\u00e9tition espac\u00e9e \u00e0 ce cocktail coercitif ne pourrait qu&rsquo;aggraver les choses.<\/p>\n\n<h2 class=\"wp-block-heading\">Exp\u00e9rience de Wozniak (1985)<\/h2>\n\n<p class=\"wp-block-paragraph\">Avant d&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">avoir r\u00e9ussi \u00e0 calculer les intervalles optimaux<\/a>&nbsp;pour la r\u00e9vision de pages de vocabulaire anglais, j&rsquo;ai con\u00e7u une exp\u00e9rience qui aurait pu m&rsquo;orienter sur de mauvaises pistes. L&rsquo;exp\u00e9rience visait \u00e0 d\u00e9montrer la valeur d&rsquo;une augmentation progressive des intervalles de r\u00e9vision. Au lieu de cela, elle a montr\u00e9 qu&rsquo;une r\u00e9vision \u00e9galement espac\u00e9e pouvait s&rsquo;av\u00e9rer sup\u00e9rieure.<\/p>\n\n<p class=\"wp-block-paragraph\">Les exp\u00e9riences scientifiques ne doivent pas \u00eatre consid\u00e9r\u00e9es comme \u00ab rat\u00e9es \u00bb simplement parce qu&rsquo;elles produisent des r\u00e9sultats inattendus. Dans ce cas cependant, les r\u00e9sultats inattendus provenaient d&rsquo;un mauvais protocole et ont pu cr\u00e9er une confusion qui a frein\u00e9 les progr\u00e8s ult\u00e9rieurs. Encore aujourd&rsquo;hui, les chercheurs parlent de \u00ab r\u00e9sultats mitig\u00e9s \u00bb en mati\u00e8re de r\u00e9p\u00e9tition espac\u00e9e, \u00e0 cause d&rsquo;un protocole erron\u00e9, voire d&rsquo;une simple&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Karpicke:_Expanding_retrieval_schedules_produced_mixed_results\" rel=\"noreferrer noopener\" target=\"_blank\">confusion terminologique<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Heureusement, mes intuitions sur la m\u00e9moire en 1985 \u00e9taient suffisamment solides, et il \u00e9tait assez \u00e9vident qu&rsquo;avec une acc\u00e9l\u00e9ration rapide de l&rsquo;allongement des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles<\/a>, l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting\" rel=\"noreferrer noopener\" target=\"_blank\">oubli<\/a>&nbsp;risquait de submerger la consolidation. Mon calendrier progressif n&rsquo;\u00e9tait simplement pas optimal. J&rsquo;aurais certainement con\u00e7u un meilleur suivi. Surtout, je voulais continuer \u00e0 apprendre avec succ\u00e8s. Je doute que j&rsquo;aurais abandonn\u00e9 sans avoir trouv\u00e9 une bonne solution.<\/p>\n\n<p class=\"wp-block-paragraph\">L&rsquo;exp\u00e9rience montre qu&rsquo;il ne suffit pas d&rsquo;avoir une bonne intuition sur ce que sont les&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Optimum_interval\" rel=\"noreferrer noopener\" target=\"_blank\">intervalles optimaux<\/a>. Ces intervalles doivent r\u00e9ellement \u00eatre calcul\u00e9s.<\/p>\n\n<p class=\"wp-block-paragraph\">Avertissement d&rsquo;archive : &nbsp;Pourquoi utiliser des archives litt\u00e9rales ?<\/p>\n\n<p class=\"wp-block-paragraph\"><small>Ce texte fait partie de : \u00ab &nbsp;<em><a href=\"http:\/\/supermemo.guru\/wiki\/Optimization_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">Optimisation de l&rsquo;apprentissage<\/a>&nbsp;<\/em>\u00bb par&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Piotr Wozniak<\/a>&nbsp;(1990)<\/small><\/p>\n\n<p class=\"wp-block-paragraph\">Au d\u00e9but de 1985, j&rsquo;ai con\u00e7u deux exp\u00e9riences qui ont par la suite r\u00e9volutionn\u00e9 ma m\u00e9thode d&rsquo;apprentissage et abouti \u00e0 la formulation de la m\u00e9thode SuperMemo.<\/p>\n\n<p class=\"wp-block-paragraph\">La premi\u00e8re exp\u00e9rience illustre bien comment une id\u00e9e mal con\u00e7ue peut n\u00e9anmoins produire des conclusions pr\u00e9cieuses (la seconde est d\u00e9crite&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">ici<\/a>). C&rsquo;est une intuition courante que, \u00e0 mesure des r\u00e9p\u00e9titions successives, les connaissances devraient devenir progressivement plus durables et exiger une r\u00e9vision moins fr\u00e9quente. Ainsi, des r\u00e9p\u00e9titions s\u00e9par\u00e9es par des intervalles croissants devraient \u00eatre plus efficaces que celles dont les intervalles restent toujours identiques. Cette croyance s&rsquo;est r\u00e9v\u00e9l\u00e9e fausse. Voyons une exp\u00e9rience qui le d\u00e9montre :<\/p>\n\n<p class=\"wp-block-paragraph\"><strong>Exp\u00e9rience sur l&rsquo;influence de diff\u00e9rents sch\u00e9mas d&rsquo;espacement des r\u00e9p\u00e9titions sur l&rsquo;effet des r\u00e9p\u00e9titions sur la r\u00e9tention des connaissances (31 janvier 1985 &#8211; 2 ao\u00fbt 1986)<\/strong><\/p>\n\n<ol class=\"wp-block-list\"><li>Les connaissances m\u00e9moris\u00e9es comprenaient 195 \u00e9l\u00e9ments r\u00e9partis en trois groupes \u00e9gaux : A, B et C.<\/li><li>Chaque \u00e9l\u00e9ment avait la forme suivante : <em>Question :<\/em>&nbsp;verbe irr\u00e9gulier anglais<em>R\u00e9ponse :<\/em>&nbsp;formes du pr\u00e9sent simple, du pr\u00e9t\u00e9rit et du participe pass\u00e9 du verbe en question<\/li><li>Tous les \u00e9l\u00e9ments d&rsquo;un groupe donn\u00e9 ont \u00e9t\u00e9 m\u00e9moris\u00e9s en une seule s\u00e9ance, en les r\u00e9p\u00e9tant jusqu&rsquo;\u00e0 ce qu&rsquo;ils soient tous connus (groupe A &#8211; 31 janvier, B &#8211; 2 f\u00e9vrier, C &#8211; 3 f\u00e9vrier).<\/li><li>Deux dates de contr\u00f4le final ont \u00e9t\u00e9 \u00e9tablies : les 6-7 d\u00e9cembre 1985 et les 1er-2 ao\u00fbt 1986, au cours desquelles le niveau de r\u00e9tention de tous les groupes a \u00e9t\u00e9 mesur\u00e9 en m\u00eame temps (pour chaque \u00e9l\u00e9ment, la pr\u00e9cision du rappel a \u00e9t\u00e9 \u00e9valu\u00e9e sur une \u00e9chelle \u00e0 quatre notes).<\/li><li>Avant les dates de contr\u00f4le, tous les groupes A, B et C ont subi 6 r\u00e9p\u00e9titions ind\u00e9pendantes selon les intervalles suivants (exprim\u00e9s en jours) :<\/li><\/ol>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th>Num\u00e9ro de r\u00e9p\u00e9tition<\/th><th>Groupe A<br>(espacement \u00e9gal sur une p\u00e9riode plus longue)<\/th><th>Groupe B<br>(espacement bas\u00e9 sur des intervalles croissants)<\/th><th>Groupe C<br>(espacement \u00e9gal sur 30 jours)<\/th><\/tr><tr><td>1<\/td><td>18 jours<\/td><td>1 jour<\/td><td>5 jours<\/td><\/tr><tr><td>2<\/td><td>18 jours<\/td><td>5 jours<\/td><td>5 jours<\/td><\/tr><tr><td>3<\/td><td>18 jours<\/td><td>9 jours<\/td><td>5 jours<\/td><\/tr><tr><td>4<\/td><td>18 jours<\/td><td>24 jours<\/td><td>5 jours<\/td><\/tr><tr><td>5<\/td><td>18 jours<\/td><td>44 jours<\/td><td>5 jours<\/td><\/tr><tr><td>6<\/td><td>18 jours<\/td><td>70 jours<\/td><td>5 jours<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p class=\"wp-block-paragraph\">L&rsquo;objectif de l&rsquo;exp\u00e9rience \u00e9tait de prouver que des intervalles croissants sont les plus favorables \u00e0 la consolidation de la m\u00e9moire (groupe B), par opposition \u00e0 des intervalles r\u00e9guli\u00e8rement r\u00e9partis (groupe A) ou concentr\u00e9s dans le temps (groupe C). Les r\u00e9sultats de l&rsquo;exp\u00e9rience sont pr\u00e9sent\u00e9s \u00e0 la Fig. 3.1 :<\/p>\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"663\" height=\"729\" src=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/Condensed_vs_Distributed_vs_Progressive_schedule.jpg\" alt=\"\" class=\"wp-image-34040\"\/><\/figure>\n\n<p class=\"wp-block-paragraph\">Les r\u00e9sultats du second contr\u00f4le n&rsquo;apparaissent pas sur le graphique pour la raison prosa\u00efque que les \u00e9tudes \u00e0 l&rsquo;universit\u00e9 technique [d\u00e9but\u00e9es en octobre 1985] exigeaient une ma\u00eetrise parfaite des verbes irr\u00e9guliers ; une nouvelle mesure \u00e9tait donc inutile. Comme on peut le voir dans la Fig. 3.1 ci-dessus, l&rsquo;exp\u00e9rience a donn\u00e9 des r\u00e9sultats inattendus, prouvant que des intervalles croissants entre r\u00e9p\u00e9titions ne sont pas n\u00e9cessairement meilleurs que des intervalles de longueur constante. Heureusement, bien avant de conna\u00eetre les r\u00e9sultats de l&rsquo;exp\u00e9rience, je soup\u00e7onnais qu&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">il devait exister des intervalles optimaux entre r\u00e9p\u00e9titions<\/a>. Le principe consistant \u00e0 utiliser de tels intervalles dans le processus d&rsquo;apprentissage sera plus tard d\u00e9sign\u00e9 sous le nom de principe d&rsquo;espacement optimal des r\u00e9p\u00e9titions.<\/p>\n\n<p class=\"wp-block-paragraph\">En r\u00e9digeant l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/History_of_spaced_repetition\" rel=\"noreferrer noopener\" target=\"_blank\">histoire de la r\u00e9p\u00e9tition espac\u00e9e<\/a>, j&rsquo;ai retrouv\u00e9 les graphiques originaux dans mes archives. Il est assez \u00e9vident que la&nbsp;<em>pratique mass\u00e9e<\/em>&nbsp;n&rsquo;est pas une bonne approche :<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><th><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/9\/9b\/Gr_A_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/9\/9b\/Gr_A_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>Groupe A : espacement distribu\u00e9 en intervalles de 18 jours<\/th><th><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/f\/f8\/Gr_B_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/f\/f8\/Gr_B_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>Groupe B : espacement bas\u00e9 sur des intervalles croissants<\/th><th><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/c\/c2\/Gr_C_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a><a href=\"https:\/\/static.supermemo.com\/old_articles\/articles\/history1\/images\/c\/c2\/Gr_C_repetition_spacing_pattern_vs_retention.jpg\" rel=\"noreferrer noopener\" target=\"_blank\"><\/a>Groupe C : espacement mass\u00e9 en intervalles de 5 jours<\/th><\/tr><\/tbody><\/table><\/figure>\n\n<h2 class=\"wp-block-heading\">Pourquoi l&rsquo;id\u00e9e de la r\u00e9p\u00e9tition espac\u00e9e a-t-elle fini par triompher ?<\/h2>\n\n<p class=\"wp-block-paragraph\">La r\u00e9p\u00e9tition espac\u00e9e est intuitive. Apr\u00e8s r\u00e9flexion, elle en devient m\u00eame \u00e9vidente. Pourquoi n&rsquo;avons-nous pas trouv\u00e9 de solutions plus t\u00f4t ? SuperMemo sur papier aurait \u00e9t\u00e9 r\u00e9alisable d\u00e8s que l&rsquo;humanit\u00e9 a invent\u00e9 le papier. Cependant, dans l&rsquo;Antiquit\u00e9, le volume de connaissances vitales \u00e9tait suffisamment restreint pour que le cerveau s&rsquo;en accommode facilement gr\u00e2ce aux&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Free_learning\" rel=\"noreferrer noopener\" target=\"_blank\">m\u00e9thodes d&rsquo;apprentissage naturel<\/a>. En travaillant aux champs, le paysan acquiert rapidement toute l&rsquo;expertise n\u00e9cessaire, qui lui permet d&rsquo;exceller aussi longtemps que sa sant\u00e9 le lui permet.<\/p>\n\n<p class=\"wp-block-paragraph\">Les choses ont commenc\u00e9 \u00e0 changer avec l&rsquo;arriv\u00e9e de l&rsquo;imprimerie au XVe si\u00e8cle. Les connaissances ont commenc\u00e9 \u00e0 prolif\u00e9rer et ont aussi acquis des moyens de se perp\u00e9tuer efficacement. Newton pendant les ann\u00e9es de peste pourrait \u00eatre un exemple int\u00e9ressant d&rsquo;individu qui aurait th\u00e9oriquement pu tirer profit de la r\u00e9p\u00e9tition espac\u00e9e. Cependant, la collection de livres de Newton \u00e9tait limit\u00e9e, et les probl\u00e8mes \u00e0 r\u00e9fl\u00e9chir et \u00e0 r\u00e9soudre \u00e9taient si nombreux qu&rsquo;on l&rsquo;imagine mal se soucier de sa m\u00e9moire d\u00e9faillante. Tout ce dont il avait besoin, c&rsquo;\u00e9tait de prendre des notes.<\/p>\n\n<p class=\"wp-block-paragraph\">Au cours des deux si\u00e8cles suivants, les r\u00e9serves de connaissances disponibles n&rsquo;ont cess\u00e9 de cro\u00eetre, et l&rsquo;app\u00e9tit naturel de l&rsquo;homme pour la m\u00e9morisation a peut-\u00eatre augment\u00e9 en parall\u00e8le. Les recherches d&rsquo;Ebbinghaus dans les ann\u00e9es 1880 illustrent un int\u00e9r\u00eat continu pour le fonctionnement de la m\u00e9moire. Pourtant, encore aujourd&rsquo;hui, la plupart des scientifiques sont rarement g\u00ean\u00e9s par leurs propres oublis. Prendre des notes et Google suffisent \u00e0 satisfaire la plupart de leurs besoins. Lorsque Vannevar Bush a con\u00e7u le dispositif&nbsp;<a href=\"https:\/\/en.wikipedia.org\/wiki\/Memex\" rel=\"nofollow noopener\" target=\"_blank\">Memex<\/a>&nbsp;dans les ann\u00e9es 1930, il y voyait une augmentation de la m\u00e9moire. Cependant, m\u00eame si le Memex peut \u00eatre vu comme un lointain cousin de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;ou de la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_creativity\" rel=\"noreferrer noopener\" target=\"_blank\">cr\u00e9ativit\u00e9 neuronale<\/a>, toutes ses connaissances, comme dans Google, vivaient principalement en dehors du cerveau humain. Ma propre qu\u00eate me rappelle celle de V. Bush, sauf que je veux voir toutes ces connaissances laisser une empreinte directe sur la cr\u00e9ativit\u00e9 humaine (voir : &nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Neural_creativity\" rel=\"noreferrer noopener\" target=\"_blank\">cr\u00e9ativit\u00e9 neuronale<\/a>).<\/p>\n\n<p class=\"wp-block-paragraph\">Pourquoi \u00e9tais-je particuli\u00e8rement g\u00ean\u00e9 par l&rsquo;oubli ? Il existe beaucoup d&rsquo;enfants qui aiment se faire remarquer \u00e0 l&rsquo;\u00e9cole. Quand mon fr\u00e8re m&rsquo;a montr\u00e9 comment distinguer les aiguilles d&rsquo;un \u00e9pic\u00e9a de celles d&rsquo;un sapin, en biologie au CE2, j&rsquo;\u00e9tais impatient de montrer que je savais plus de choses que la moyenne des enfants. Cet empressement fut rapidement \u00e9touff\u00e9 par la scolarit\u00e9, mais quelques traces ont surv\u00e9cu. Quand nous avons commenc\u00e9 la chimie en cinqui\u00e8me, j&rsquo;\u00e9tais fier de pouvoir r\u00e9citer des noms complexes comme l&rsquo;ad\u00e9nosine triphosphate ou l&rsquo;acide d\u00e9soxyribonucl\u00e9ique. Je cherchais m\u00eame des noms de chimie difficiles \u00e0 retenir pour impressionner mon entourage. J&rsquo;ai m\u00e9moris\u00e9 les d\u00e9tails de l&rsquo;anatomie d&rsquo;un poisson sans m\u00e2choire. L\u00e0 encore, j&rsquo;essayais d&rsquo;impressionner \u00e0 l&rsquo;\u00e9cole, mais personne n&rsquo;\u00e9tait int\u00e9ress\u00e9.<\/p>\n\n<p class=\"wp-block-paragraph\">Lorsque je me suis approfondi en zoologie, en CM2, une sorte de TOC informationnel s&rsquo;est manifest\u00e9. Je voulais conna\u00eetre tous les animaux du zoo de Poznan, leur habitat, et m\u00eame leur taxonomie et leurs noms latins. J&rsquo;ai obtenu de superbes livres avec des photographies de tous les animaux, et les conna\u00eetre me semblait une entreprise passionnante.<\/p>\n\n<p class=\"wp-block-paragraph\">En 1974, je me suis int\u00e9ress\u00e9 \u00e0 la boxe, au football et au sport en g\u00e9n\u00e9ral. J&rsquo;avais l&rsquo;habitude de visiter le d\u00e9p\u00f4t de vieux papiers de notre \u00e9cole pour y d\u00e9nicher des journaux sportifs. Mon camarade Robert m&rsquo;avait demand\u00e9 de collectionner des photos de femmes nues. J&rsquo;ai ob\u00e9i. Ma pubert\u00e9 \u00e9tait tardive et cela ne m&rsquo;int\u00e9ressait pas. Quand la pile de photos s&rsquo;est renvers\u00e9e \u00e0 la maison, j&rsquo;ai expliqu\u00e9 \u00e0 ma m\u00e8re : \u00ab &nbsp;<em>ce n&rsquo;est pas pour moi !<\/em>&nbsp;\u00bb. Elle a hoch\u00e9 la t\u00eate avec compassion, un sourire en coin. Pendant ce temps, j&rsquo;utilisais un fer \u00e0 repasser pour lisser les plis de ma collection recycl\u00e9e de journaux sportifs. Je les empilais soigneusement et les archivais par date. La pile a fini par remplir plusieurs \u00e9tag\u00e8res de biblioth\u00e8que dans ma chambre. Cette propret\u00e9 obsessionnelle aurait pu inqui\u00e9ter n&rsquo;importe quel parent, mais ma m\u00e8re \u00e9tait tol\u00e9rante. J&rsquo;\u00e9tais libre de suivre mes passions, m\u00eame si elles paraissaient extravagantes. Je ne doute pas que la libert\u00e9 soit l&rsquo;un des ingr\u00e9dients essentiels d&rsquo;un d\u00e9veloppement sain. Beaucoup d&rsquo;enfants ne manifestent-ils pas des sympt\u00f4mes similaires avec la collection de timbres, de cartes postales ou de cartes de football ?<\/p>\n\n<p class=\"wp-block-paragraph\">Une premi\u00e8re pulsion vers la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Incremental_reading\" rel=\"noreferrer noopener\" target=\"_blank\">lecture incr\u00e9mentale<\/a>&nbsp;s&rsquo;est manifest\u00e9e quelque part entre 10 et 12 ans. J&rsquo;ai commenc\u00e9 \u00e0 prendre des notes sur les chevaux en suivant les renvois dans une encyclop\u00e9die papier. C&rsquo;\u00e9tait amusant de commencer par une seule entr\u00e9e, en esp\u00e9rant \u00e9crire un petit livret sur les chevaux en suivant simplement les liens. En seconde du secondaire (\u00e0 12 ans), j&rsquo;ai fait un exercice similaire avec une encyclop\u00e9die des mammif\u00e8res. Il y avait un besoin int\u00e9rieur de codifier toutes les informations sur certains sujets de biologie. J&rsquo;ai d\u00e9cid\u00e9 d&rsquo;\u00e9crire un livre de la taille d&rsquo;une encyclop\u00e9die sur le monde vivant. J&rsquo;ai utilis\u00e9 une machine \u00e0 \u00e9crire au travail de ma m\u00e8re, et mes propres illustrations foisonnantes, pour raconter l&rsquo;histoire de l&rsquo;\u00e9volution. Je ne l&rsquo;ai jamais termin\u00e9. L&rsquo;inutilit\u00e9 de cet exercice devait \u00eatre \u00e9vidente. Cela ne m&rsquo;a jamais g\u00ean\u00e9 l&rsquo;esprit. L&rsquo;effort \u00e9tait agr\u00e9able et addictif.<\/p>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai montr\u00e9 une nature tout aussi \u00ab informivore \u00bb lorsque j&rsquo;ai commenc\u00e9 \u00e0 \u00e9tudier la zoologie, la chimie, la biologie puis la biochimie pendant les vacances d&rsquo;\u00e9t\u00e9 de 1977 \u00e0 1979 (de 13 \u00e0 15 ans). Ce fut le v\u00e9ritable point de d\u00e9part de mon besoin croissant de m\u00e9moriser. Je produisais des livres \u00e9crits en calligraphie et m\u00e9ticuleusement illustr\u00e9s avec mes nouvelles connaissances. Cependant, apr\u00e8s un certain temps, ces connaissances tendaient \u00e0 s&rsquo;\u00e9vaporer. Cette futilit\u00e9 a fini par me tourmenter doucement. \u00c0 quoi bon \u00e9crire des livres s&rsquo;ils se transforment bient\u00f4t en la m\u00eame mati\u00e8re morte que tous les autres livres sur l&rsquo;\u00e9tag\u00e8re ?<\/p>\n\n<p class=\"wp-block-paragraph\">Vers 1981-1982 (entre 19 et 20 ans), j&rsquo;ai commenc\u00e9 \u00e0 consigner mes connaissances sous forme de questions et de r\u00e9ponses pour des tests de rappel actif. Je savais que c&rsquo;\u00e9tait la seule fa\u00e7on de pr\u00e9server durablement les choses en m\u00e9moire. Il va sans dire qu&rsquo;apr\u00e8s un certain temps, la r\u00e9vision chaotique n&rsquo;apportait pas non plus une pleine satisfaction. \u00c0 ce stade, j&rsquo;\u00e9tais manifestement tr\u00e8s avide de connaissances. Je voulais me souvenir. Des intuitions simples ont conduit \u00e0 des exp\u00e9riences simples, puis \u00e0 un simple SuperMemo pour DOS. J&rsquo;\u00e9tais anim\u00e9 par des applications pratiques qui combinaient recherche et&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Pleasure_of_learning\" rel=\"noreferrer noopener\" target=\"_blank\">plaisir d&rsquo;apprendre<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">\u00c0 partir de ce moment, mon chemin est devenu d\u00e9terministe. J&rsquo;aimais trop apprendre pour abandonner SuperMemo dans les moments difficiles. Mon amour de l&rsquo;apprentissage \u00e9tait facilement \u00e9touff\u00e9 \u00e0 l&rsquo;\u00e9cole ou lorsque je dirigeais une entreprise. Cependant, une fois que j&rsquo;ai d\u00e9cid\u00e9 de travailler depuis la maison (1997), une boucle de r\u00e9troaction positive s&rsquo;est install\u00e9e entre l&rsquo;apprentissage, l&rsquo;amour de l&rsquo;apprentissage, et les progr\u00e8s de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>. Comme c&rsquo;est aussi devenu ma fa\u00e7on de gagner ma vie, cette boucle est d\u00e9sormais pour toujours. Seule la maladie ou la mort pourrait rompre ce cycle. Cette partie de la formule du progr\u00e8s est facile \u00e0 comprendre.<\/p>\n\n<p class=\"wp-block-paragraph\">Que pourraient faire les parents pour favoriser des passions similaires chez leurs enfants ? Je pense que deux ingr\u00e9dients entrent en jeu : l&rsquo;inspiration et la libert\u00e9. Si l&rsquo;inspiration est utile, la libert\u00e9 est essentielle. Aujourd&rsquo;hui, on trouve de l&rsquo;inspiration partout. YouTube y joue un r\u00f4le immense l\u00e0 o\u00f9 les humains ne sont pas \u00e0 la hauteur. Partout dans le monde, c&rsquo;est l&rsquo;ingr\u00e9dient libert\u00e9 qui manque le plus. Les enfants sont asservis par la scolarit\u00e9. Ils sont aussi asservis par des parents autoritaires. On m&rsquo;a souvent dit que certains de mes comportements excentriques \u00e9taient un effet secondaire d&rsquo;avoir grandi sans p\u00e8re. Cela pourrait \u00eatre vrai. Cependant, pour compenser, j&rsquo;ai eu trois parents. Ma m\u00e8re et deux a\u00een\u00e9s : un fr\u00e8re inspirant et une s\u0153ur sans enfant qui a d\u00e9vers\u00e9 tout son amour sur le petit garnement que j&rsquo;\u00e9tais. Je me risque \u00e0 affirmer que je suis venu au monde avec un capital raisonnable, pas franchement au-dessus de la moyenne. Je me suis souvent retrouv\u00e9 en queue de classe. Rarement en t\u00eate. J&rsquo;ai des dizaines d&rsquo;exemples o\u00f9 j&rsquo;ai transform\u00e9 des comp\u00e9tences modestes, ou une pinc\u00e9e de talent, en excellence dans un domaine cr\u00e9atif \u00e9troit. La libert\u00e9 et la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Rage_to_master\" rel=\"noreferrer noopener\" target=\"_blank\">rage de ma\u00eetriser<\/a>&nbsp;ont toujours \u00e9t\u00e9 les ingr\u00e9dients cl\u00e9s. Quand j&rsquo;\u00e9levais des dizaines d&rsquo;animaux ou collectionnais des restes d&rsquo;animaux morts, ma famille se demandait peut-\u00eatre : \u00ab &nbsp;<em>pourquoi cet enfant ne va-t-il pas \u00e0 l&rsquo;\u00e9glise \u00e0 la place ?<\/em>&nbsp;\u00bb. Ma m\u00e8re me prot\u00e9geait de ces influences et de ces inqui\u00e9tudes. Je pouvais faire les choses \u00e0 ma fa\u00e7on.<\/p>\n\n<p class=\"wp-block-paragraph\">Mon d\u00e9veloppement a donc \u00e9t\u00e9 principalement stimul\u00e9 par l&rsquo;impact de la libert\u00e9. La libert\u00e9 aide la&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Learn_drive\" rel=\"noreferrer noopener\" target=\"_blank\">pulsion d&rsquo;apprendre<\/a>&nbsp;\u00e0 s&rsquo;\u00e9panouir, et cette pulsion poss\u00e8de des pouvoirs auto-amplificateurs. Cela m&rsquo;a conduit \u00e0 des obsessions qui me permettent aujourd&rsquo;hui de me pr\u00e9valoir d&rsquo;\u00eatre \u00e0 l&rsquo;origine de la r\u00e9p\u00e9tition espac\u00e9e. Les passions et les obsessions doivent \u00eatre ch\u00e9ries. Au lieu de cela, nous avons tendance \u00e0 les exterminer au nom d&rsquo;une robotisation du d\u00e9veloppement. Nous fixons des rep\u00e8res et demandons aux enfants de sauter \u00e0 travers les cerceaux. Comme si le fait d&rsquo;\u00eatre guid\u00e9 pas \u00e0 pas tout au long des \u00e9tudes avait jamais contribu\u00e9 \u00e0 la pens\u00e9e ind\u00e9pendante de quiconque. Ce processus de d\u00e9cortication doit cesser ! L&rsquo;avenir appartient \u00e0 l&rsquo;&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Free_learning\" rel=\"noreferrer noopener\" target=\"_blank\">apprentissage libre<\/a>.<\/p>\n\n<p class=\"wp-block-paragraph\">Quant \u00e0 la r\u00e9p\u00e9tition espac\u00e9e, l&rsquo;app\u00e9tit pour r\u00e9soudre le probl\u00e8me de l&rsquo;oubli a consid\u00e9rablement augment\u00e9 avec l&rsquo;arriv\u00e9e des ordinateurs personnels. Au d\u00e9but des ann\u00e9es 1990, j&rsquo;entendais de plus en plus souvent des utilisateurs de SuperMemo dire qu&rsquo;ils avaient envisag\u00e9 une solution similaire pour eux-m\u00eames, mais avaient d&rsquo;abord pr\u00e9f\u00e9r\u00e9 chercher une application logicielle sp\u00e9cifique.<\/p>\n\n<p class=\"wp-block-paragraph\">Ce sont les exigences de l&rsquo;\u00e9cole qui causent aujourd&rsquo;hui la plupart des frustrations chez les \u00e9tudiants, mais les \u00e9coles ne sont pas un bon endroit pour la pens\u00e9e cr\u00e9ative. Les \u00e9tudiants se ruent sur la r\u00e9p\u00e9tition espac\u00e9e surtout parce qu&rsquo;elle leur est servie sur un plateau d&rsquo;argent. Elle est pr\u00eate \u00e0 consommer. Tr\u00e8s peu songent \u00e0 \u00e9laborer leurs propres solutions.<\/p>\n\n<p class=\"wp-block-paragraph\">Outre les libert\u00e9s personnelles, certaines circonstances favorables qui ont donn\u00e9 \u00e0 SuperMemo un bon d\u00e9part furent : (1) l&rsquo;universit\u00e9 gratuite dans la Pologne communiste, (2) le soutien financier de ma famille pour l&rsquo;achat d&rsquo;un PC scandaleusement co\u00fbteux, (3) des \u00e9coles indulgentes qui n&#8217;empi\u00e9taient gu\u00e8re sur mon temps libre, etc.<\/p>\n\n<p class=\"wp-block-paragraph\">Vous ne verrez pas beaucoup de jeunes de 22 \u00e0 24 ans bricoler leur propre science aux frais de l&rsquo;\u00c9tat ou de leur famille. Il n&rsquo;y a rien de mal \u00e0 ce que de jeunes adultes vivent chez leurs parents s&rsquo;ils poursuivent des objectifs cr\u00e9atifs.<\/p>\n\n<p class=\"wp-block-paragraph\">La r\u00e9p\u00e9tition espac\u00e9e est n\u00e9e \u00e0 la confluence de forces favorables : l&rsquo;apprentissage libre au sein d&rsquo;un syst\u00e8me communiste, la transition du communisme vers l&rsquo;\u00e9conomie de march\u00e9, et l&rsquo;arriv\u00e9e de l&rsquo;informatique personnelle. Le tout a \u00e9t\u00e9 renforc\u00e9 par la libert\u00e9 au sein du foyer et une dose d&rsquo;obsession saine pour l&rsquo;apprentissage. L&rsquo;ingr\u00e9dient principal de cette \u00e9quation, c&rsquo;est la libert\u00e9. La libert\u00e9 est reproductible. Il suffit de l&rsquo;accorder.<\/p>\n\n<h2 class=\"wp-block-heading\">La premi\u00e8re d\u00e9cennie de SuperMemo : combattre le scepticisme<\/h2>\n\n<p class=\"wp-block-paragraph\">Le scepticisme a entour\u00e9 les d\u00e9buts de SuperMemo en Pologne. Cela s&rsquo;exprimait assez fid\u00e8lement dans la revue informatique polonaise&nbsp;<em>Enter<\/em>&nbsp;en 1994 (voir l&rsquo;&nbsp;<a href=\"http:\/\/super-memory.com\/articles\/kowal.htm\" rel=\"nofollow noopener\" target=\"_blank\">article complet<\/a>) :<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p><strong>SuperMemo fonctionne peut-\u00eatre, mais il ne peut pas \u00eatre aussi bon que \u00e7a<\/strong><br>Si l&rsquo;on est convaincu de la validit\u00e9 de ce qui a \u00e9t\u00e9 dit \u00e0 propos de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo<\/a>, sera-t-on d\u00e9j\u00e0 persuad\u00e9 que le programme constitue un rem\u00e8de parfait \u00e0 une m\u00e9moire d\u00e9faillante ? Peut-il vraiment tirer parti des propri\u00e9t\u00e9s du syst\u00e8me nerveux et faire progresser l&rsquo;apprentissage une douzaine de fois plus vite que dans des conditions normales ? Apr\u00e8s tout, des g\u00e9n\u00e9rations d&rsquo;\u00e9tudiants ont essay\u00e9 de trouver de meilleures m\u00e9thodes d&rsquo;apprentissage, et une perc\u00e9e comparable \u00e0 SuperMemo semble hautement improbable, m\u00eame pour un observateur plut\u00f4t ouvert d&rsquo;esprit.&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Piotr_Wozniak\" rel=\"noreferrer noopener\" target=\"_blank\">Wozniak<\/a>&nbsp;\u00e9carte l&rsquo;argument de la faible probabilit\u00e9 comme source valable de scepticisme, et affirme avoir retrouv\u00e9 plus d&rsquo;une fois des preuves que des approches similaires \u00e0 SuperMemo avaient d\u00e9j\u00e0 \u00e9t\u00e9 tent\u00e9es auparavant, avec plus ou moins de succ\u00e8s. De plus, il convient de noter que SuperMemo n&rsquo;aurait peut-\u00eatre jamais vu le jour s&rsquo;il n&rsquo;avait pas \u00e9t\u00e9 mis en \u0153uvre sous forme de programme informatique, facilement transf\u00e9rable entre individus. En d&rsquo;autres termes, il aurait pu tomber dans l&rsquo;oubli, comme les tentatives pr\u00e9c\u00e9dentes de mettre de l&rsquo;ordre dans le processus d&rsquo;apprentissage. Il faut se rappeler que l&rsquo;algorithme squelette de SuperMemo a \u00e9t\u00e9 formul\u00e9 en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Birth_of_SuperMemo\" rel=\"noreferrer noopener\" target=\"_blank\">1985<\/a>, et que ce n&rsquo;est qu&rsquo;en&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Algorithm_SM-2\" rel=\"noreferrer noopener\" target=\"_blank\">1987<\/a>&nbsp;qu&rsquo;il a connu une expansion tr\u00e8s lente dans certains cercles scientifiques de Poznan. Autre tournant \u00e0 garder en m\u00e9moire : &nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;n&rsquo;aurait pas \u00e9t\u00e9 fond\u00e9 en 1991 sans la rencontre inspirante entre Wozniak et son camarade d&rsquo;universit\u00e9,&nbsp;<a href=\"https:\/\/twitter.com\/biedalak\" rel=\"nofollow noopener\" target=\"_blank\">Krzysztof Biedalak<\/a>, aujourd&rsquo;hui vice-pr\u00e9sident de SuperMemo World. Tous deux parmi les meilleurs \u00e9tudiants de l&rsquo;universit\u00e9, Wozniak avait l&rsquo;intention d&rsquo;\u00e9tudier les neurosciences aux \u00c9tats-Unis, tandis que Biedalak souhaitait faire de m\u00eame en intelligence artificielle. Ce n&rsquo;est que par co\u00efncidence qu&rsquo;ils se sont tous deux retrouv\u00e9s plong\u00e9s dans le monde de la science entrepreneuriale. Tout cela montre que, bien que les principes de SuperMemo soient extr\u00eamement simples et aient pu \u00eatre invent\u00e9s ind\u00e9pendamment plusieurs dizaines de fois dans plusieurs dizaines de pays de la plan\u00e8te, SuperMemo n&rsquo;est pas un produit ordinaire. Le m\u00e9rite distinctif de&nbsp;<a href=\"https:\/\/www.supermemo.com\/en\" target=\"_blank\" rel=\"noreferrer noopener\">SuperMemo World<\/a>&nbsp;a \u00e9t\u00e9 de mettre l&rsquo;id\u00e9e en pratique, d&rsquo;investir un grand nombre d&rsquo;heures de travail dans le d\u00e9veloppement du logiciel, et de se concentrer sur la commercialisation de l&rsquo;id\u00e9e aupr\u00e8s des clients potentiels. Sans cela, SuperMemo serait rest\u00e9 \u00e0 jamais limit\u00e9 au petit cercle de ses premiers passionn\u00e9s.<\/p><\/blockquote>\n\n<h2 class=\"wp-block-heading\">L&rsquo;avenir est radieux<\/h2>\n\n<p class=\"wp-block-paragraph\">J&rsquo;ai mentionn\u00e9 que les progr\u00e8s de la r\u00e9p\u00e9tition espac\u00e9e ont \u00e9t\u00e9 ralentis par des&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/History_of_the_optimization_of_repetition_spacing\" target=\"_blank\" rel=\"noreferrer noopener\">conjectures, un outillage pratique faible, et une confusion terminologique<\/a>. Aujourd&rsquo;hui, tous ces facteurs disparaissent progressivement. De nouvelles applications web se d\u00e9ploient, combinant big data et besoins pratiques des utilisateurs. Elles utilisent toutes la m\u00eame terminologie :&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Forgetting_curve\" target=\"_blank\" rel=\"noreferrer noopener\">courbe d&rsquo;oubli<\/a>,&nbsp;<a href=\"http:\/\/supermemo.guru\/wiki\/Spacing_effect\" target=\"_blank\" rel=\"noreferrer noopener\">effet d&rsquo;espacement<\/a>, et r\u00e9p\u00e9tition espac\u00e9e. L&rsquo;avenir de l&rsquo;apprentissage n&rsquo;a jamais paru aussi radieux.<\/p>\n<\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e","protected":false},"author":18,"featured_media":52774,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[65,214,17],"tags":[],"class_list":["post-161817","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-learning-with-supermemo","category-method","category-non-classifiee"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.9 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo<\/title>\n<meta name=\"description\" content=\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo\" \/>\n<meta property=\"og:description\" content=\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee\" \/>\n<meta property=\"og:site_name\" content=\"SuperMemo\" \/>\n<meta property=\"article:published_time\" content=\"2018-06-01T07:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-07-27T08:42:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"640\" \/>\n\t<meta property=\"og:image:height\" content=\"427\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Andrzej\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Andrzej\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"289 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee\"},\"author\":{\"name\":\"Andrzej\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#\\\/schema\\\/person\\\/a1de6c3b77a010a138d252790bb7394f\"},\"headline\":\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e\",\"datePublished\":\"2018-06-01T07:00:00+00:00\",\"dateModified\":\"2026-07-27T08:42:16+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee\"},\"wordCount\":80406,\"publisher\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/pexels-engin-akyurt-2952871-1.jpg\",\"articleSection\":[\"Learning with SuperMemo\",\"Method\",\"Non classifi\u00e9(e)\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee\",\"url\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee\",\"name\":\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/pexels-engin-akyurt-2952871-1.jpg\",\"datePublished\":\"2018-06-01T07:00:00+00:00\",\"dateModified\":\"2026-07-27T08:42:16+00:00\",\"description\":\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#primaryimage\",\"url\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/pexels-engin-akyurt-2952871-1.jpg\",\"contentUrl\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/pexels-engin-akyurt-2952871-1.jpg\",\"width\":640,\"height\":427,\"caption\":\"history\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/la-veritable-histoire-de-la-repetition-espacee#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"SuperMemo\",\"item\":\"https:\\\/\\\/www.supermemo.com\\\/fr\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Learning with SuperMemo\",\"item\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/category\\\/learning-with-supermemo\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Method\",\"item\":\"https:\\\/\\\/www.supermemo.com\\\/fr\\\/blog\\\/category\\\/learning-with-supermemo\\\/method\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#website\",\"url\":\"https:\\\/\\\/www.supermemo.com\\\/fr\",\"name\":\"SuperMemo\",\"description\":\"SuperMemo\u00ae - skuteczna nauka j\u0119zyk\u00f3w online.\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.supermemo.com\\\/fr?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#organization\",\"name\":\"SuperMemo World\",\"url\":\"https:\\\/\\\/www.supermemo.com\\\/fr\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/supermemo_logo696x696.png\",\"contentUrl\":\"https:\\\/\\\/www.supermemo.com\\\/wp-content\\\/uploads\\\/supermemo_logo696x696.png\",\"width\":696,\"height\":696,\"caption\":\"SuperMemo World\"},\"image\":{\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.supermemo.com\\\/fr#\\\/schema\\\/person\\\/a1de6c3b77a010a138d252790bb7394f\",\"name\":\"Andrzej\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g\",\"caption\":\"Andrzej\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo","description":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee","og_locale":"fr_FR","og_type":"article","og_title":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo","og_description":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e","og_url":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee","og_site_name":"SuperMemo","article_published_time":"2018-06-01T07:00:00+00:00","article_modified_time":"2026-07-27T08:42:16+00:00","og_image":[{"width":640,"height":427,"url":"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg","type":"image\/jpeg"}],"author":"Andrzej","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Andrzej","Dur\u00e9e de lecture estim\u00e9e":"289 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#article","isPartOf":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee"},"author":{"name":"Andrzej","@id":"https:\/\/www.supermemo.com\/fr#\/schema\/person\/a1de6c3b77a010a138d252790bb7394f"},"headline":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e","datePublished":"2018-06-01T07:00:00+00:00","dateModified":"2026-07-27T08:42:16+00:00","mainEntityOfPage":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee"},"wordCount":80406,"publisher":{"@id":"https:\/\/www.supermemo.com\/fr#organization"},"image":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#primaryimage"},"thumbnailUrl":"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg","articleSection":["Learning with SuperMemo","Method","Non classifi\u00e9(e)"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee","url":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee","name":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e - SuperMemo","isPartOf":{"@id":"https:\/\/www.supermemo.com\/fr#website"},"primaryImageOfPage":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#primaryimage"},"image":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#primaryimage"},"thumbnailUrl":"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg","datePublished":"2018-06-01T07:00:00+00:00","dateModified":"2026-07-27T08:42:16+00:00","description":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e","breadcrumb":{"@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#primaryimage","url":"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg","contentUrl":"https:\/\/www.supermemo.com\/wp-content\/uploads\/pexels-engin-akyurt-2952871-1.jpg","width":640,"height":427,"caption":"history"},{"@type":"BreadcrumbList","@id":"https:\/\/www.supermemo.com\/fr\/blog\/la-veritable-histoire-de-la-repetition-espacee#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"SuperMemo","item":"https:\/\/www.supermemo.com\/fr"},{"@type":"ListItem","position":2,"name":"Learning with SuperMemo","item":"https:\/\/www.supermemo.com\/fr\/blog\/category\/learning-with-supermemo"},{"@type":"ListItem","position":3,"name":"Method","item":"https:\/\/www.supermemo.com\/fr\/blog\/category\/learning-with-supermemo\/method"},{"@type":"ListItem","position":4,"name":"La v\u00e9ritable histoire de la r\u00e9p\u00e9tition espac\u00e9e"}]},{"@type":"WebSite","@id":"https:\/\/www.supermemo.com\/fr#website","url":"https:\/\/www.supermemo.com\/fr","name":"SuperMemo","description":"SuperMemo\u00ae - skuteczna nauka j\u0119zyk\u00f3w online.","publisher":{"@id":"https:\/\/www.supermemo.com\/fr#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.supermemo.com\/fr?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.supermemo.com\/fr#organization","name":"SuperMemo World","url":"https:\/\/www.supermemo.com\/fr","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.supermemo.com\/fr#\/schema\/logo\/image\/","url":"https:\/\/www.supermemo.com\/wp-content\/uploads\/supermemo_logo696x696.png","contentUrl":"https:\/\/www.supermemo.com\/wp-content\/uploads\/supermemo_logo696x696.png","width":696,"height":696,"caption":"SuperMemo World"},"image":{"@id":"https:\/\/www.supermemo.com\/fr#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.supermemo.com\/fr#\/schema\/person\/a1de6c3b77a010a138d252790bb7394f","name":"Andrzej","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/secure.gravatar.com\/avatar\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/10299c1c20660d3a1796714150eac1657c495981dbd7769e3283ae81076e9491?s=96&d=mm&r=g","caption":"Andrzej"}}]}},"_links":{"self":[{"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/posts\/161817","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/users\/18"}],"replies":[{"embeddable":true,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/comments?post=161817"}],"version-history":[{"count":1,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/posts\/161817\/revisions"}],"predecessor-version":[{"id":161818,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/posts\/161817\/revisions\/161818"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/media\/52774"}],"wp:attachment":[{"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/media?parent=161817"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/categories?post=161817"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.supermemo.com\/fr\/wp-json\/wp\/v2\/tags?post=161817"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}