N1 — Les types d'apprentissage de l'IA Mémoriser
Apprentissage supervisé : traduction FR→EN
L'IA apprend à partir de paires de phrases étiquetées (français → anglais). Elle cherche la frontière qui sépare les catégories.
Ce que vous observez
- Des points colorés apparaissent : chacun est une phrase française étiquetée par un humain.
- L'IA trace une frontière pour séparer les catégories.
- Quand une nouvelle phrase arrive, l'IA regarde de quel côté elle tombe.
Définition : L'apprentissage supervisé utilise des données étiquetées (la bonne réponse est connue) pour entraîner le modèle à classer ou prédire.
Quiz — Apprentissage supervisé
Q1. Que signifie « supervisé » en IA ?
Q2. Dans LexIA, quel usage correspond à l'apprentissage supervisé ?
Q3. Si les données d'entraînement ne contiennent que des phrases formelles, que se passe-t-il quand on traduit du langage familier ?
Apprentissage non supervisé : regroupement de messages
Les messages de LexIA ne sont pas étiquetés. L'IA doit trouver seule des groupes (clusters).
Ce que vous observez
- Tous les points sont gris : aucune étiquette.
- Cliquez « Étape » plusieurs fois : les centres ✦ se déplacent, les points changent de couleur.
- L'IA regroupe les messages qui se ressemblent sans savoir ce qu'ils signifient.
Définition : L'apprentissage non supervisé trouve des structures cachées dans des données sans étiquettes.
Quiz — Apprentissage non supervisé
Q1. Quelle est la différence principale avec l'apprentissage supervisé ?
Q2. Dans LexIA, à quoi sert le clustering non supervisé ?
Q3. Qui décide du nombre de groupes (k) ?
Apprentissage par renforcement : agent et récompenses
Un agent essaie des actions et reçoit des récompenses (+ ou −). Il apprend par essais-erreurs.
Ce que vous observez
- Au début, l'agent agit au hasard : la courbe bleue est basse et instable.
- Après beaucoup d'épisodes, il découvre les meilleures actions : la courbe monte.
- Personne ne lui a montré la bonne réponse : il a appris uniquement par récompenses.
Définition : L'apprentissage par renforcement utilise un système de récompenses/pénalités après chaque action pour guider l'agent vers le meilleur comportement.
Quiz — Apprentissage par renforcement
Q1. Qu'est-ce qui guide l'apprentissage dans ce type ?
Q2. Dans LexIA, quel usage pourrait utiliser le renforcement ?
Q3. Pourquoi l'agent a-t-il besoin de beaucoup d'essais avant de bien agir ?
📚 Ressources associées à cette partie N1
Ressources officielles de l'académie de Bordeaux, en lien direct avec le programme de technologie du cycle 4. Conseil d'usage : 🎬 regarde la vidéo, ✅ réponds au quiz auto-correctif (correction immédiate), puis 📄 lis la fiche de connaissances et colle-la dans ton classeur.
🔗 Toutes les fiches de connaissances, les vidéos et les quiz du programme : site académique STI Ressources
N2 — Usages de l'IA dans LexIA Comprendre
Les 4 fonctions de LexIA
Cliquez sur une carte pour révéler le type d'apprentissage utilisé.
Données : Millions de paires de phrases FR↔EN étiquetées
Usage : Traduire un message reçu en français vers l'anglais (ou inversement)
Données : Historique de conversations étiquetées (question → réponse appropriée)
Usage : Proposer des réponses pertinentes quand l'utilisateur tape un message
Données : Messages étiquetés « spam/harasslement/normal » + retours utilisateur
Usage : Bloquer les messages inappropriés et s'améliorer selon les signalements
Données : Profils utilisateurs sans étiquettes (centres d'intérêt, localisation, âge)
Usage : Regrouper les profils similaires et suggérer des personnes proches
Exercice de classement
Glissez chaque fonction sous le bon type d'apprentissage (ou cliquez pour sélectionner puis cliquer sur la colonne).
N3 — Laboratoire des biais Appliquer · Analyser
Répartition des données d'entraînement
Scénario A — Traduction biaisée
Les textes d'entraînement de LexIA sont à 90 % en anglais formel. Quand un élève écrit « Wesh ça va ? » en français familier, l'IA produit une traduction absurde.
- Observez la répartition actuelle (slider à 10 %).
- Cliquez « Tester l'IA » pour voir le résultat biaisé.
- Augmentez le slider pour ajouter du français familier.
- Cliquez « Appliquer la correction » puis retestez.
Vos observations
Quel problème avez-vous observé avec les données déséquilibrées ?
Quelle solution avez-vous appliquée ? Le résultat s'est-il amélioré ?
Corpus d'entraînement du filtre
Scénario B — Filtrage injuste
Les mots-clés du filtre ont été entraînés sur un corpus majoritairement masculin. Résultat : des messages normaux écrits par des filles sont bloqués comme « inappropriés ».
- Testez avec le corpus actuel (15 % féminin).
- Observez combien de messages féminins sont bloqués à tort.
- Diversifiez le corpus puis retestez.
Vos observations
Pourquoi le filtre bloque-t-il des messages féminins normaux ?
Proposez deux solutions concrètes pour éviter ce biais.
Voix dans les données d'entraînement
Scénario C — Reconnaissance vocale discriminante
Les voix d'entraînement sont à 80 % des hommes de 20-35 ans. L'assistant vocal comprend mal les voix féminines et les voix âgées.
- Testez avec les données actuelles.
- Comparez les taux de compréhension selon le type de voix.
- Équilibrez les données et retestez.
Vos observations
Quelles voix sont mal comprises ? Pourquoi est-ce un problème éthique ?
En tant que concepteur de LexIA, que feriez-vous pour garantir l'équité ?
N4 — Débat & Analyse Analyser
Débat : « Les biais de l'IA : un mal nécessaire ? »
Sélectionnez des arguments dans la réserve, puis cliquez dans la colonne correspondante pour les placer.
Groupe A — « Inévitables / utiles »
Groupe B — « Dangereux / inacceptables »
Analyse guidée 1 — Streaming et recommandation
Contexte : Une plateforme de streaming utilise l'IA pour recommander des vidéos. L'algorithme favorise les contenus déjà populaires et crée une « bulle de filtres ».
Expliquez en 3-4 phrases : comment fonctionne ce mécanisme de recommandation, et quels effets négatifs peut-il avoir ?
Analyse guidée 2 — Reconnaissance faciale biaisée
Contexte : Des études montrent que les systèmes de reconnaissance faciale identifient moins bien les femmes et les personnes à peau foncée. Conséquences : erreurs dans la sécurité, la police, l'embauche.
Quelle est la cause technique de ce biais ? Proposez une solution concrète.
Votre position finale
Après cette activité, rédigez un paragraphe argumenté (5-8 lignes) : « En tant que futur citoyen numérique, que pensez-vous de l'utilisation de l'IA dans les applications du quotidien ? »
Bilan — Synthèse de l'activité
Complétez le tableau récapitulatif
| Type | Données | Usage dans LexIA | Risque de biais |
|---|---|---|---|
| Supervisé | |||
| Non supervisé | |||
| Renforcement |
Les 3 règles d'or pour une IA responsable
Règle 1 : Les données doivent être…
Règle 2 : Les humains doivent…
Règle 3 : Quand l'IA se trompe, il faut…
Enregistrer / rendre votre travail
Vos réponses sont sauvegardées automatiquement dans le navigateur. Exportez-les pour les remettre au professeur.
Récapitulatif de vos réponses
Répondez aux questions : vos réponses apparaîtront ici.
Trace écrite à recopier
L'IA dans notre poche transforme notre quotidien, mais elle n'est pas neutre.
- Supervisé : données étiquetées → classer, traduire, filtrer.
- Non supervisé : données brutes → regrouper, découvrir des patterns.
- Renforcement : récompenses → agir, s'adapter.
- Un biais est une erreur systématique due à des données non représentatives.
- Pour limiter les biais : diversifier les données, contrôle humain, tests d'équité.
- L'IA est un outil créé par des humains : la responsabilité reste humaine.