🤖 Culture IA Lycée

16 notions et 39 compétences, une par une — et pour chacune un coach gratuit pour s'entraîner. Par un professeur en poste, à La Réunion.

S'entraîner — gratuit →Collège

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

  • Contributions interdisciplinaires à l'IA
  • Distinguer IA symbolique et apprentissage automatique
  • Jalons historiques et « hivers de l'IA »
  • Hybridation des approches symbolique et statistique

1.2 · Expliquer l'apprentissage automatique

  • Le procédé de l'apprentissage par renforcement
  • Critères de récompense en renforcement
  • Comparer les méthodes d'apprentissage
  • Choisir la technique selon la nature des données
  • Intérêt d'introduire des biais volontaires

1.3 · Citer les modèles d'apprentissage automatique

  • Usage de la régression à l'entraînement
  • Applications des réseaux de neurones
  • Limites d'interprétabilité (« boîte noire »)
  • Comparer les types de modèles

1.4 · Entraînement des grands modèles de langage

  • Appel à des logiciels spécialisés
  • Fonctionnement d'un transformateur

1.5 · Algorithmes de recommandation

  • Filtrage collaboratif et par contenu
  • Démarrage à froid et conséquences
  • Recours à l'apprentissage automatique dans la reco
  • Effets de la reco sur les comportements

1.6 · IA incarnée et robotique

  • Percevoir, décider, agir

2.1 · Familles de tâches réalisées par l'IA

  • L'IA pour la prédiction (exemples concrets)
  • Polyvalence des assistants génératifs

2.2 · Utiliser un logiciel d'IA générative

  • Interroger en différentes modalités
  • Vérifier en croisant les sources

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

  • Bots + reco amplifient les contenus truqués
  • Appliquer les principes du fact-checking

2.4 · Utiliser les services de recommandation

  • Régler les paramètres de recommandation
  • Diversifier ses contenus

2.5 · Utiliser l'IA dans son organisation

  • Principe de la génération augmentée (RAG)
  • Apport d'une charte interne d'usage

3.1 · Empreinte environnementale de l'IA

  • Émissions de GES directes et indirectes
  • Le concept d'IA frugale

3.2 · Gouvernance des systèmes d'IA

  • Cadres de gouvernance / IA Act européen

3.3 · Enjeux éthiques et de transparence

  • Open source, open data, open weight
  • Degré d'explicabilité des modèles

3.5 · Enjeux culturels et sociétaux

  • Biais culturels et linguistiques des IA

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