Les vidéos éducatives, largement utilisées dans les dispositifs d’apprentissage à distance/hybride, se heurtent à des défis majeurs. Parmi eux, les fluctuations de l’attention des apprenant.es, qui nuisent à la mémorisation et la compréhension des informations clés. Comprendre et détecter ces moments de décrochage permettrait d’adapter les supports pédagogiques pour renforcer l’engagement et rendre l’apprentissage plus actif. Cela offrirait aussi aux enseignant.es un retour précis sur les moments où l’attention faiblit, permettant d’identifier les segments à reformuler ou dynamiser. Cette étude propose une approche multimodale basée sur l’analyse de traces pour analyser l’attention et la mémorisation des apprenants visionnant une vidéo éducative dans un cours hybride de chimie verte. Nous combinons des données d’oculométrie (mouvements oculaires), des signaux de webcam, et des traces d’interactions clavier/souris. Ces données alimentent des classificateurs d’apprentissage automatique. Les résultats montrent que cette approche multimodale améliore significativement la détection des variations d’attention, bien que les performances restent modérées. Cela ouvre des perspectives pour concevoir des systèmes d’accompagnement adaptatifs, capables de réagir en temps réel aux signes de décrochage, et pour fournir aux enseignants des indicateurs précis sur l’engagement des apprenants. Enfin, cette recherche soulève des questions sur l’intégration de ces outils dans des contextes pédagogiques réels.