Comment l'université de Nottingham réduit de 70 % le temps consacré à l'analyse du Feedback des étudiants

À propos de l'université de Nottingham

L’université de Nottingham est une université pionnière qui compte 45 000 étudiants répartis sur ses campus au Royaume-Uni, en Chine et en Malaisie. Membre fondateur du Russell Group et classée parmi les 20 meilleures universités britanniques, elle allie une attention particulière portée à la qualité de l’enseignement et à l’expérience étudiante à une recherche de pointe au niveau mondial. Classée septième au Royaume-Uni pour sa capacité de recherche, l’université de Nottingham mène des travaux qui suscitent des changements concrets, transforment des vies et contribuent à façonner l’avenir.

Le défi : transformer des milliers de commentaires en informations pertinentes

L'université de Nottingham recueille le Feedback des étudiants par le biais de l'Enquête nationale auprès des étudiants (NSS) et de son enquête sur l'expérience d'apprentissage à Nottingham (NLES). Le NLES aide l’université à aller au fond des problèmes abordés dans le NSS en invitant les étudiants qui ne sont pas en dernière année à donner leur avis sur chacun des thèmes du NSS.

L’analyse de ces commentaires prenait auparavant un temps considérable. L’équipe « Insight and Analytics » de l’université souhaitait exploiter davantage les retours des étudiants fournis en complément de leurs notes d’enquête et partager les résultats suffisamment rapidement pour orienter les actions. Claire Bench, analyste de données, travaille sur les enquêtes auprès des étudiants à l’université de Nottingham depuis près de 25 ans et se souvient de l’évolution de ce processus.

« À l’époque où nous colorions littéralement les questionnaires papier avec des surligneurs, c’était moi qui me chargeais de coder les commentaires individuels », explique Claire. « Puis nous sommes passés au codage dans Excel et à l’utilisation d’autres outils qualitatifs qui nécessitaient encore un codage manuel. Comme vous pouvez l’imaginer, il fallait donc beaucoup de temps entre la clôture de l’enquête, l’analyse finale et la diffusion des résultats. »

Pendant ce temps, les collègues pouvaient déjà accéder aux résultats quantitatifs via les tableaux de bord de l’université. Ils avaient besoin des commentaires pour aider à expliquer les scores, mais ces informations plus détaillées n’arrivaient que plus tard.

L’université souhaitait également renforcer la manière dont elle répondait aux étudiants. « Certaines des difficultés ont toujours tourné autour de la boucle de Feedback : s’assurer que les changements que les étudiants nous ont signalés comme nécessaires se produisent réellement », a déclaré Claire. « Nous devons disposer de plans d’action qui indiquent à nos étudiants, ainsi qu’à nous-mêmes, ce que nous avons mis en œuvre à la suite du Feedback que nous avons reçu. Il s’agit d’être précis quant aux changements que nous avons apportés et à la manière dont nous pouvons en informer les étudiants, ce qui les encourage également à participer à ce type d’activités. »

La solution : appliquer une analyse axée sur l’enseignement supérieur aux enquêtes NLES et NSS

En 2024, l’université de Nottingham a chargé Explorance MLY d’analyser plus efficacement les réponses en texte libre. Après avoir testé des ensembles de données plus restreints, le premier projet d’envergure de l’équipe a porté sur les données de 2025 issues de l’enquête sur l’expérience d’apprentissage de Nottingham (NLES). MLY classe les commentaires par thèmes et permet aux utilisateurs de passer d’une vue d’ensemble des principaux sujets aux commentaires individuels qui les sous-tendent.

Pour Claire, l’intérêt résidait dans le fait que cet outil pouvait prendre en charge la première étape, très chronophage, du travail que son équipe effectuait auparavant manuellement. « Lorsque Explorance nous a présenté MLY, cela nous a vraiment séduits, car l’outil faisait essentiellement ce que je faisais moi-même : classer un commentaire, lui attribuer des thèmes, puis nous permettre d’approfondir l’analyse et d’accéder très rapidement à des commentaires spécifiques », a-t-elle révélé. « On pouvait extraire un thème particulier ou répertorier les 10 thèmes principaux, puis voir ce qui en ressortait. L’outil a tenu ses promesses, et il ne lui faut que 15 à 20 minutes pour traiter des milliers d’enregistrements, contre environ 12 jours de travail pour moi. »

Dans MLY, l’université de Nottingham apprécie particulièrement un modèle conçu spécialement pour le Feedback dans l’enseignement supérieur. « Nous avons examiné divers outils, mais je pense que le fait qu’Explorance soit spécialisé dans l’enseignement supérieur distingue vraiment MLY des concurrents que nous avons étudiés par le passé », a déclaré Claire. « Le fait qu’Explorance développe des modèles pour le marché de l’enseignement supérieur est très différent de l’utilisation d’outils d’analyse de texte conçus pour les retours d’expérience clients. La manière dont MLY reproduit ce que nous faisions manuellement correspondait parfaitement à nos besoins. Ce sont ces atouts qui nous ont convaincus. »

Après avoir utilisé MLY pour son enquête institutionnelle, l’université de Nottingham s’est jointe à cinq autres universités britanniques pour aider Explorance à lancer un nouveau modèle d’analyse qualitative basé sur l’IA et dédié au NSS. Ce modèle classe le Feedback qualitatif en dix thèmes principaux, dont sept correspondent aux critères de reporting du NSS.

En 2026, l’université de Nottingham a utilisé ce modèle pour analyser ses commentaires NSS pour la première fois. Auparavant, ces commentaires étaient principalement présentés sous forme de réponses positives ou négatives que les collaborateurs pouvaient filtrer ou rechercher par mot-clé. La nouvelle structure leur permet d’explorer les thèmes présents dans le Feedback et de trouver des commentaires pertinents sans avoir à anticiper chaque mot que les étudiants pourraient utiliser.

Ufuoma Elegbede, analyste, a déclaré : « Cette structure d’analyse détaillée a été très bien accueillie dans toute l’université. Cette année, nous avons pu classer les commentaires selon la structure thématique de la NSS, et cela a été très bien reçu. »

L’impact : des résultats plus détaillés fournis au moment où ils sont nécessaires

Dans le cadre du NLES et du NSS, l’université de Nottingham a analysé 32 429 commentaires en 2026. Le NLES a interrogé 21 721 étudiants, couvrant environ 850 formations réparties sur les trois campus britanniques de l’université ainsi que sur ses sites de soins infirmiers et médicaux. L’équipe estime également que MLY a permis de réduire de 70 % le temps consacré à l’analyse des retours de Feedback.

Pour le NSS 2026, l’université de Nottingham a mis son analyse à disposition dans la même semaine où les résultats ont été communiqués. Les détails thématiques supplémentaires n’ont pas retardé le calendrier de publication des rapports. Le personnel a reçu des résultats qualitatifs plus utiles aussi rapidement qu’il avait l’habitude de recevoir les données d’enquête. « La rapidité avec laquelle nous avons pu fournir les données du NSS a été vraiment importante », a déclaré Claire. « Nous offrions un meilleur service et un résultat bien meilleur au personnel, qui a pu trouver les thèmes qui l’intéressaient beaucoup plus rapidement. Il obtenait davantage d’informations dans exactement le même délai. »

Ces résultats s’inscrivent dans la démarche globale d’amélioration de l’université de Nottingham. Chaque faculté est tenue de fournir une réponse écrite aux conclusions du NLES et d’élaborer un plan d’action. Un accès plus rapide aux thèmes et aux commentaires sous-jacents aide les collègues à examiner les différences d’expériences et à réfléchir à la réponse qu’ils doivent apporter. L’université considère le NLES comme particulièrement utile pour comprendre les points de vue des étudiants qui sont encore en cours de formation. Claire a indiqué que ses collègues étaient satisfaits de la précision de l’analyse.

Depuis, Nottingham a commencé à utiliser MLY pour analyser le Feedback de l’enquête sur l’expérience des étudiants de troisième cycle (Postgraduate Taught Experience Survey) et envisage d’autres applications. Réfléchissant à l’objectif sous-jacent de ce travail, Ufuoma a déclaré : « Notre but n’est pas simplement de classer les commentaires. Notre but est d’améliorer l’expérience étudiante. La technologie nous aide à passer du Feedback brut à des informations exploitables, mais la véritable valeur réside dans la manière dont la communauté de Nottingham dans son ensemble utilise ces informations pour favoriser l’amélioration. »

Claire a conclu : « Je recommanderais sans hésiter Explorance et MLY à d’autres universités pour les aider à surmonter les difficultés similaires à celles que nous avons rencontrées. C’est la rapidité avec laquelle nous pouvons fournir le Feedback, conformément aux attentes de l’université. Dans la semaine qui suit la réception des données, nous sommes en mesure de partager les résultats. Il existe une forte demande pour que les commentaires soient fournis rapidement, et c’est exactement ce que MLY est en mesure d’offrir. Sans solution d’IA, il n’y aurait tout simplement pas d’alternative. MLY est au cœur de ce changement positif. »