Arborescence

Parcours de formation

Comprendre l'intelligence artificielle

Comment ça apprend, comment s'en servir, comment garder son jugement.

6 hTous publics, dès 11 ans, équipes professionnelles3 fiches

Ni promesse ni catastrophisme. Ce parcours explique le mécanisme réel, entraîne à l'usage effectif, et installe les réflexes de vérification qui rendent l'outil utilisable sans naïveté.

—Sommaire

  1. Comment une IA apprend2 h
  2. Bien formuler une demande à une IA2 h
  3. Garder son jugement face à l'IA2 h

Intelligence artificielle

Comment une IA apprend

Ni magie ni conscience : des exemples, des ajustements, et des limites mesurables.

2 hDès 11 ansFiche I1

01Objectif

À la fin de cette séquence : Expliquer l'apprentissage supervisé avec ses propres mots, comprendre le rôle du jeu de test, et reconnaître un surapprentissage.

02L'essentiel

Apprendre, c'est ajuster à partir d'exemples

On montre des milliers de cas avec la bonne réponse. Le système ajuste ses réglages internes pour se tromper de moins en moins. Personne n'écrit les règles à la main.

Les données décident de tout

Un modèle entraîné sur des photos de chats en intérieur reconnaîtra mal un chat dans l'herbe. Ce qui manque dans les exemples manquera dans les résultats.

Il faut tester sur ce qu'il n'a jamais vu

On réserve une partie des exemples pour l'évaluation. Un système excellent sur ses données d'entraînement et médiocre sur les autres a mémorisé au lieu de comprendre : c'est le surapprentissage.

Un modèle ne sait pas qu'il ignore

Il produit toujours une réponse, avec le même aplomb qu'elle soit juste ou fausse. L'assurance du ton n'est jamais un indice de fiabilité.

03Le schéma

1Rassembler desexemples2Separer entrainementet test3Entrainer le modele4Mesurer sur le test5Corriger etrecommencer
Sauter l'étape 2 rend l'étape 4 mensongère : on mesure alors la mémoire du modèle, pas sa capacité à généraliser.

04À retenir

  • Pas de règles écrites à la main : des exemples et un ajustement automatique.
  • Ce qui manque dans les données manque dans les résultats.
  • Excellent à l'entraînement, mauvais au test = surapprentissage.

05Exercice

Avec un outil d'entraînement en ligne dans le navigateur, apprenez à un modèle à distinguer deux gestes de la main avec une trentaine d'exemples chacun. Testez ensuite avec un autre éclairage, ou une autre personne. Que se passe-t-il ?

Indice — Ajoutez des exemples dans les conditions qui échouent, et mesurez le gain : c'est exactement le métier.

06Vérification des acquis

Qu'est-ce que le surapprentissage ?

Le modèle a mémorisé ses exemples d'entraînement au lieu d'en extraire des régularités. Il excelle sur ce qu'il connaît et échoue sur du nouveau.

Pourquoi un modèle peut-il être injuste ?

Parce qu'il reproduit les régularités de ses données. Si celles-ci reflètent un déséquilibre ou un préjugé, le modèle l'apprend et l'applique à grande échelle.

Intelligence artificielle

Bien formuler une demande à une IA

La qualité de la réponse dépend surtout de la précision de la demande.

2 hTous publics, dès 12 ansFiche I2

01Objectif

À la fin de cette séquence : Structurer une demande efficace, fournir le contexte utile, itérer sur une réponse insuffisante, et savoir quand l'outil n'est pas adapté.

02L'essentiel

Quatre éléments font une bonne demande

Le rôle attendu, la tâche précise, le contexte nécessaire, le format voulu. Une demande vague produit une réponse vague : ce n'est pas un défaut de l'outil.

Donner des exemples vaut mieux qu'expliquer

Montrer deux résultats conformes à ce que vous attendez est plus efficace qu'un paragraphe de consignes abstraites.

Itérer plutôt que tout recommencer

« Raccourcis de moitié », « adopte un ton plus formel », « supprime les exemples ». Corriger par touches successives donne de meilleurs résultats qu'une nouvelle demande générale.

Savoir ce qu'il ne faut pas confier

Données personnelles de tiers, secrets professionnels, décisions qui engagent une responsabilité. Et rien de factuel sans vérification à la source.

03Le schéma

✕ Demande faibleParle-moi du climatEcris un texte sympaCorrige caFais un resumeC'est pour du travail✓ Demande efficaceExplique l'effet de serre a un enfant de 10 ansRedige une invitation chaleureuse, 80 motsCorrige l'orthographe sans changer le styleResume en 5 puces les decisions prisesPublic : conseil municipal, ton formel
La colonne de droite ne demande pas plus de mots, seulement les bons : à qui, pour quoi, sous quelle forme, dans quelle limite.

04À retenir

  • Rôle, tâche, contexte, format : les quatre éléments d'une demande utile.
  • Un exemple vaut dix consignes.
  • Rien de factuel sans vérification. L'outil rédige, il n'atteste pas.

05Exercice

Prenez une tâche d'écriture réelle. Formulez-la d'abord en une phrase vague, puis en précisant rôle, tâche, contexte et format. Comparez les deux résultats, puis améliorez le second par trois corrections successives.

Indice — Notez le temps passé : la version précise est presque toujours plus rapide au total, malgré la formulation plus longue.

06Vérification des acquis

Pourquoi une demande vague donne-t-elle une réponse vague ?

Parce que le système comble les manques par ce qui est statistiquement le plus courant. Sans contrainte, il produit le plus banal.

Que ne faut-il jamais confier à un outil d'IA en ligne ?

Les données personnelles de tiers, les informations confidentielles, et toute décision engageant une responsabilité juridique ou médicale.

Intelligence artificielle

Garder son jugement face à l'IA

Trois défauts structurels à connaître, et la méthode de vérification en trois questions.

2 hTous publics, dès 12 ansFiche I3

01Objectif

À la fin de cette séquence : Identifier une hallucination, reconnaître un biais, comprendre pourquoi l'assurance du ton ne prouve rien, et vérifier une information de manière autonome.

02L'essentiel

L'hallucination n'est pas une panne

Le système produit le mot le plus plausible, pas le plus vrai. Il peut inventer une référence, une citation, une loi — avec une syntaxe parfaite. C'est une conséquence de son fonctionnement, pas un défaut réparable.

Le biais vient des données, donc de nous

Le modèle reproduit les régularités du monde tel qu'il a été écrit, déséquilibres inclus, et les applique à très grande échelle.

La forme n'atteste pas le fond

Un texte fluide, structuré et assuré paraît fiable. Cette impression est un artefact d'écriture : elle ne renseigne en rien sur l'exactitude.

Vérifier en trois questions

Qui l'affirme à l'origine ? Où puis-je le lire directement ? Qui aurait intérêt à ce que je le croie ? Une réponse sans source vérifiable est une hypothèse, pas un fait.

03Le schéma

1Reponse obtenue2Est-ce verifiable ?3Chercher la sourceprimaire4Recouper une secondesource5Conclure ou ecarter
Cette chaîne s'applique à toute information, quelle qu'en soit l'origine — un moteur de recherche, un journal, une conversation. L'IA ne fait que rendre l'exercice plus nécessaire.

04À retenir

  • Une IA peut inventer avec aplomb. Sans source, une affirmation reste une hypothèse.
  • Le style ne prouve rien. Fluidité et exactitude sont indépendantes.
  • Trois questions : qui l'affirme, où le lire, qui y a intérêt.

05Exercice

Demandez à un outil d'IA trois références précises sur un sujet que vous connaissez bien — titre, auteur, année. Vérifiez chacune à la source. Notez combien existent réellement, et combien sont exactes dans le détail.

Indice — Vérifiez aussi les références qui existent : le titre est souvent réel mais l'année ou l'auteur inventés.

06Vérification des acquis

Qu'est-ce qu'une hallucination ?

Une affirmation fausse produite avec assurance, parce que le système génère l'énoncé le plus plausible et non le plus exact. Elle ne s'accompagne d'aucun signal d'incertitude.

Pourquoi ne peut-on pas se fier à l'assurance du ton ?

Parce que le ton est une propriété du texte produit, indépendante de la véracité. Le système écrit aussi bien une chose vraie qu'une chose fausse.

← Sommaire général