Reconnaissance d’images, traduction automatique, assistants conversationnels, véhicules autonomes : l’intelligence artificielle (IA) est désormais présente dans de nombreux objets et services. Comprendre comment elle « apprend » permet de mieux l’utiliser et d’en voir les limites.
Objectifs
- Décrire les grands types d’apprentissage d’une IA
- Expliquer le rôle des données d’entraînement et repérer un biais
- Rédiger un prompt efficace et analyser les écarts entre deux réponses
- Comparer les bénéfices et les inconvénients d’un usage de l’IA
1. Qu’est-ce qu’une IA qui apprend ?
Intelligence artificielle : Ensemble de techniques informatiques qui permettent à une machine de réaliser des tâches qui semblent demander de l’intelligence : reconnaître, classer, prédire, traduire, générer du texte ou des images.
Beaucoup d’IA actuelles utilisent l’apprentissage automatique : au lieu d’écrire toutes les règles à la main, on fournit au programme un grand nombre d’exemples (les données d’entraînement) et il construit lui-même un modèle.
| Type d’apprentissage | Principe | Exemple d’usage |
|---|---|---|
| Supervisé | On fournit des exemples étiquetés (« ceci est un chat », « ceci est un chien ») | Classer des images, reconnaître une pièce défectueuse |
| Non supervisé | Le programme regroupe lui-même des données qui se ressemblent, sans étiquettes | Regrouper des clients aux habitudes proches |
| Par renforcement | Le programme essaie des actions et reçoit des récompenses ou des pénalités | Apprendre à jouer à un jeu, à piloter un robot |
2. Données d’entraînement et biais
Entraîner un modèle de classification de déchets
- On rassemble des photos de déchets, chacune étiquetée : « plastique », « verre », « papier ».
- On entraîne le modèle avec une partie des photos.
- On le teste avec d’autres photos qu’il n’a jamais vues, et on compte les erreurs.
- On intègre le modèle dans le programme d’une poubelle de tri automatique.
Biais : Défaut d’un jeu de données qui ne représente pas bien la réalité, et qui conduit l’IA à se tromper plus souvent dans certains cas. Exemple : si presque toutes les photos de verre montrent des bouteilles vertes, le modèle risque de mal reconnaître les bouteilles transparentes.
3. Utiliser une IA générative
Un moteur de recherche renvoie des liens vers des pages existantes, dont on peut vérifier la source. Une IA générative produit un texte nouveau, qui peut contenir des erreurs ou des informations inventées présentées avec assurance.
- Rôle donné à l’IA : « Tu es un technicien de maintenance. »
- Tâche : « Rédige une notice de remplacement de la batterie. »
- Contexte : « pour une trottinette électrique, destinée à des élèves de 3e ».
- Format de sortie : « une liste numérotée de 8 étapes maximum ».
- Reformulation : si la réponse ne convient pas, on précise la demande.
4. Bénéfices et incidences
| Bénéfices possibles | Inconvénients et risques |
|---|---|
| Aide au diagnostic par l’analyse d’images (médecine, maintenance industrielle) | Erreurs, biais, difficulté à expliquer une décision |
| Traduction, accessibilité pour les personnes en situation de handicap | Collecte massive de données personnelles |
| Automatisation de tâches répétitives | Transformation ou disparition de certains emplois |
| Véhicules plus autonomes | Questions de responsabilité en cas d’accident ; consommation d’énergie importante pour entraîner et faire fonctionner les modèles |
À retenir
- Une IA par apprentissage construit un modèle à partir de données d’entraînement.
- Apprentissage supervisé (exemples étiquetés), non supervisé, par renforcement (récompenses).
- Un jeu de données déséquilibré crée un biais et des erreurs.
- Un bon prompt précise rôle, tâche, contexte et format ; on vérifie toujours la réponse.
- L’IA apporte des bénéfices mais pose des questions d’erreurs, de données, d’emploi et d’énergie.
Et maintenant, à toi !
Vérifie que tu as compris avec les exercices, puis révise avec la fiche.