🤖 Culture IA Collège

17 notions et 62 compétences, une par une — et pour chacune un coach gratuit pour s'entraîner. Par un professeur en poste, à La Réunion.

S'entraîner — gratuit →Lycée

1.1 · Définir l'IA, son histoire et sa construction

  • Définir l'IA comme discipline scientifique
  • Données massives et puissance de calcul comme moteurs de progrès
  • Glissement du mot « IA » vers les technologies et services

1.2 · Expliquer l'apprentissage automatique

  • La phase d'entraînement d'un modèle
  • Le procédé de l'apprentissage supervisé
  • Choisir les étiquettes en apprentissage supervisé

1.3 · Citer les modèles d'apprentissage automatique

  • Prédire avec une régression linéaire
  • Appliquer un arbre de décision
  • Fonctionnement général des réseaux de neurones
  • Objectif d'un calcul de régression

1.4 · Entraînement des grands modèles de langage

  • Le « mot suivant le plus probable »
  • Repérer une hallucination simple
  • Les étapes d'entraînement d'un LLM
  • Rôle des humains dans l'entraînement
  • Sources d'erreur des IA génératives

1.5 · Algorithmes de recommandation

  • Recommandation personnalisée vs non personnalisée
  • Cas d'usage courants de la recommandation
  • Types de données utilisés par la recommandation
  • Le risque d'enfermement (bulle de filtre)

1.6 · IA incarnée et robotique

  • Définir un robot et ses grandes fonctions
  • Exemples de robots utilisant l'IA
  • Qu'est-ce qu'une IA incarnée
  • Incertitude du monde réel pour l'IA incarnée

2.1 · Familles de tâches réalisées par l'IA

  • Repérer l'IA dans les outils du quotidien
  • Finalité d'une reconnaissance image/son
  • Identifier les familles d'applications de l'IA
  • Repérer les applications dans les outils courants

2.2 · Utiliser un logiciel d'IA générative

  • Écrire une requête claire et précise
  • Affiner la requête selon les résultats
  • Types de tâches demandables à une IA générative
  • Détecter erreurs et hallucinations dans une réponse

2.3 · Évaluer l'information à l'heure des IA

  • Intention de l'auteur d'un contenu truqué
  • Interpréter une mention « fait avec l'IA »
  • Retrouver l'auteur d'un contenu en ligne
  • IA générative vs moteur de recherche

2.4 · Utiliser les services de recommandation

  • Repérer les services à recommandation
  • Avantages et limites de la personnalisation
  • Gérer historique et personnalisation
  • La personnalisation limite la diversité

2.5 · Utiliser l'IA dans son organisation

  • Identifier des outils intégrant de l'IA
  • Respecter une charte d'usage de l'IA
  • Confidentialité et conditions d'utilisation
  • Vérifier les mentions légales avant adoption

3.1 · Empreinte environnementale de l'IA

  • Les supercalculateurs consomment beaucoup d'énergie
  • L'entraînement consomme beaucoup d'énergie
  • Pistes pour réduire l'impact environnemental
  • Ressources naturelles rares pour le matériel

3.2 · Gouvernance des systèmes d'IA

  • L'IA est régulée à plusieurs échelles
  • Acteurs internationaux influents de l'IA
  • Valeurs encodées dans une IA
  • Ce que signifie « gouverner » l'IA

3.3 · Enjeux éthiques et de transparence

  • Responsabilité juridique en cas d'erreur d'une IA
  • Juger une situation au regard du RGPD / IA Act

3.4 · Conséquences sur l'emploi et la formation

  • Métiers qui disparaissent du fait de l'IA
  • Métiers qui apparaissent du fait de l'IA
  • Les « travailleurs du clic » derrière l'IA

3.5 · Enjeux culturels et sociétaux

  • Cas connus de discriminations par une IA
  • Reproduction de biais par une IA
  • La reco peut propulser de fausses infos

m.1 · Travailler honnêtement avec l'IA

  • Distinguer aide autorisée, aide limite et triche
  • Dire ce que l'IA a fait dans mon travail
  • Reconnaître ce que je perds à déléguer

S'entraîner sur tout ça est gratuit — ce qui se paie, c'est l'accompagnement dans la durée. Voir les offres