Technologie · 3e · Les objets et les systèmes techniques : leurs usages et leurs interactions à découvrir et analyser
L'intelligence artificielle : apprentissages, usages et biais
Fiche de révision de technologie en 3e (troisième) : ce qu'il faut retenir du chapitre, le vocabulaire, puis 5 questions corrigées pour se tester.
L'essentiel
- L'intelligence artificielle (IA) regroupe les programmes qui réalisent des tâches associées à l'intelligence humaine, comme reconnaître une image, traduire ou converser. L'apprentissage automatique en est une partie : le programme construit son modèle à partir d'exemples au lieu de suivre des règles écrites une à une ; l'apprentissage profond utilise des réseaux de neurones artificiels, et une IA générative crée des contenus nouveaux (texte, image, son).
- Un modèle apprend à partir de données d'entraînement, étiquetées ou non. Pendant la phase d'entraînement, il règle ses paramètres ; pendant la phase d'utilisation, il traite des données nouvelles qu'il n'a jamais rencontrées. Plus les données sont nombreuses et variées, plus il est fiable.
- Il existe quatre grands types d'apprentissage : supervisé (données étiquetées, comme des photos de déchets classées par type), non supervisé (regrouper des données sans étiquettes), auto-supervisé (le modèle fabrique lui-même ses étiquettes à partir des données) et par renforcement (essais, récompenses et pénalités, comme pour un véhicule autonome).
- L'IA a de nombreux usages : géolocalisation, identification d'une personne, reconnaissance d'images, calcul, traduction et recommandation de vidéos ou de produits.
- Un biais apparaît quand les données d'entraînement sont incomplètes ou déséquilibrées : un modèle entraîné avec des photos de panneaux prises seulement de jour se trompe plus souvent la nuit. Les biais viennent aussi de choix humains, et la responsabilité reste humaine.
- L'IA a des incidences : elle utilise des données personnelles (vie privée), transforme les métiers (emploi), demande des centres de données qui consomment de l'énergie et facilite la désinformation (hypertrucages, hallucinations). L'esprit critique consiste à vérifier une réponse d'IA en la croisant avec des sources fiables.
Le vocabulaire
- Intelligence artificielle
- Programme qui réalise des tâches que l'on associe à l'intelligence humaine : reconnaître une image, traduire, converser.
- Apprentissage automatique
- Partie de l'IA où le programme construit ses règles à partir d'exemples (machine learning en anglais).
- Modèle
- Résultat de l'entraînement : programme qui, à partir d'une donnée, fournit une réponse (une catégorie, une prévision, un texte).
- Données d'entraînement
- Exemples, étiquetés ou non, avec lesquels un modèle apprend avant d'être utilisé.
- Étiquette
- Bonne réponse associée à une donnée d'entraînement, comme le mot « chat » sur une photo.
- IA générative
- IA qui crée des contenus nouveaux (texte, image, son) à partir d'une consigne appelée prompt.
- Biais
- Erreur systématique d'un modèle, due le plus souvent à des données incomplètes ou déséquilibrées.
- Hallucination
- Information fausse mais vraisemblable donnée avec aplomb par une IA générative.
Des exemples
Un programme qui trie des déchets après avoir vu des milliers de photos étiquetées utilise l'apprentissage supervisé.
Les étiquettes donnent la bonne réponse pendant l'entraînement.
Un véhicule autonome reçoit une récompense quand il reste sur sa voie et une pénalité quand il en sort.
C'est de l'apprentissage par renforcement.
Une plateforme propose des vidéos proches de celles que l'utilisateur a déjà regardées.
C'est un système de recommandation, un usage courant de l'IA.
Un modèle entraîné avec des photos de panneaux prises de jour se trompe plus souvent la nuit.
Des données déséquilibrées créent un biais.
Une IA générative cite un livre qui n'existe pas.
C'est une hallucination : il faut vérifier les sources soi-même.
Teste-toi en 5 questions
-
1. Quelle définition correspond le mieux à une intelligence artificielle ?
- Un programme qui réalise des tâches associées à l'intelligence humaine, comme reconnaître une image ou traduire
- Un robot qui ressent des émotions comme un être humain
- Un ordinateur très puissant, quel que soit son programme
- Un site Internet qui stocke de grandes quantités de photos
Voir la réponse
Réponse : Un programme qui réalise des tâches associées à l'intelligence humaine, comme reconnaître une image ou traduire
Une IA réalise des tâches que l'on associe à l'intelligence humaine, sans ressentir ni penser comme un être humain : elle calcule à partir de données.
-
2. Comment appelle-t-on l'ensemble des exemples avec lesquels un modèle apprend ?
- Les données d'entraînement
- Les données nouvelles
- Les prompts
- Les hypertrucages
Voir la réponse
Réponse : Les données d'entraînement
Les données d'entraînement servent à régler les paramètres du modèle ; les données nouvelles ne servent qu'à l'utiliser.
-
3. Pour apprendre à trier des déchets, on fournit au modèle des milliers de photos accompagnées de leur type : verre, plastique ou papier. De quel apprentissage s'agit-il ?
- Supervisé
- Non supervisé
- Par renforcement
- Auto-supervisé
Voir la réponse
Réponse : Supervisé
Les photos sont étiquetées : le modèle compare sa réponse à la bonne réponse connue, c'est l'apprentissage supervisé.
-
4. Une application retrouve automatiquement toutes les photos où apparaît une même personne. Quel usage de l'IA est utilisé ?
- L'identification d'une personne
- La traduction
- La recommandation
- La géolocalisation
Voir la réponse
Réponse : L'identification d'une personne
Retrouver qui est une personne à partir de son visage, c'est de l'identification.
-
5. Qu'appelle-t-on un biais dans un modèle d'IA ?
- Une erreur systématique qui vient le plus souvent de données d'entraînement incomplètes ou déséquilibrées
- Une panne d'électricité pendant l'entraînement
- Une réponse qui contient une faute d'orthographe
- Une consigne trop longue donnée par l'utilisateur
Voir la réponse
Réponse : Une erreur systématique qui vient le plus souvent de données d'entraînement incomplètes ou déséquilibrées
Un biais est une erreur systématique du modèle, le plus souvent causée par des données d'entraînement incomplètes ou déséquilibrées.
Ce chapitre compte 50 questions dans Rebond : celles qu'on rate reviennent jusqu'à être sues. Son cours complet est offert.
Programme de technologie du cycle 4 (BO n° 9 du 29 février 2024), 3e – Thème 1 : Les objets et les systèmes techniques : leurs usages et leurs interactions à découvrir et analyser
Fiche conforme au programme officiel, pas encore relue par un enseignant. Une erreur ? Écrivez-nous à hello@myrebond.app.