Les données sont généralement présentées comme un levier nécessaire pour la personnalisation des apprentissages (Williamson, 2017). S’ajoute à cela l’usage d’algorithmes pour des prises de décisions pédagogiques ou didactiques promis comme un soulagement du travail enseignant et une amélioration des expériences d’apprentissage offertes aux élèves (Holstein & Aleven, 2022). Dans le cadre d’un projet public de R&D visant la mise à l’épreuve d’une solution d’adaptive learning, l’identification des données porteuses de sens et des algorithmes de recommandation adéquats s’avère particulièrement défiante, soulevant des débats dans l’équipe interprofessionnelle allant jusqu’à la définition de ce qu’est apprendre. Cette communication présentera les choix devant être entrepris par l’équipe, à tous les niveaux de la conception du dispositif d’adaptive learning, pour tenter de maintenir des valeurs d’inclusion, d’égalité civique, de participation, de liberté d’expression et d’équité éducative (Kucirkova & Leaton Gray, 2023). Il s’agit notamment de résoudre des tensions fortes concernant les finalités de la solution développée, entre le travail sur les capabilités (Fernagu, 2023) et les promesses d’amélioration des performances, parallèlement à l’identification des narrations existantes dans les échanges entre les partenaires de l’enseignement et l’équipe interprofessionnelle de développement.