Au programme de ce chapitre
- I. Qu'est-ce que l'IA ?
- II. Les enjeux sociaux
- III. Réguler l'IA
- Savoir-faire
- Exercices types corrigés
- Teste-toi — vrai ou faux ?
- Pièges fréquents et astuces
- À retenir
La définition à retenir
Définition L'intelligence artificielle désigne des systèmes informatiques capables d'accomplir des tâches associées à l'intelligence humaine : reconnaître une image, traduire, rédiger un texte, recommander un contenu. La plupart des IA actuelles reposent sur l'apprentissage automatique (machine learning) : le système repère des régularités dans d'immenses quantités de données d'entraînement. Les IA génératives produisent de nouveaux contenus (textes, images, sons).
🔒 Illustration du chapitre completIncluse dans le cours complet, avec la méthode et les exercices corrigés.La voir gratuitement pendant 7 jours
Un exemple corrigé
Exemple Un grand groupe de commerce en ligne a abandonné en 2018 un outil de tri de CV fondé sur l'IA : entraîné sur les candidatures des dix années précédentes, majoritairement masculines, il pénalisait les CV mentionnant des activités « féminines ». L'algorithme n'était pas « sexiste » par intention : il reproduisait les inégalités présentes dans ses données. C'est un biais algorithmique.
Lexique
- apprentissage automatique
- méthode par laquelle un programme apprend à partir de données
- biais algorithmique
- discrimination reproduite ou amplifiée par un algorithme
- hypertrucage
- contenu audio ou vidéo truqué par IA (deepfake)
- hallucination
- information fausse produite avec assurance par une IA
Les erreurs fréquentes à éviter
Piège — croire une IA parce qu'elle répond avec assurance. Le ton sûr d'une IA n'indique rien sur la vérité de sa réponse. Elle peut halluciner des faits, des citations et des références : vérifie toujours.
Piège — penser qu'un algorithme est neutre parce que c'est une machine. Un algorithme reproduit les inégalités présentes dans ses données. Il peut discriminer sans aucune intention.
Attention Une IA générative ne « sait » pas si ce qu'elle écrit est vrai : elle produit la suite de mots la plus probable. Elle peut donc inventer des faits, des citations ou des références avec assurance (on parle d'hallucinations). Toute information obtenue doit être vérifiée, surtout pour un travail scolaire.
L'astuce du prof
Astuce — l'IA comme point de départ, jamais comme source. Pour un travail scolaire : demande-lui des pistes, retrouve toi-même les sources réelles, vérifie chaque information et indique l'usage que tu en as fait.
Exercices corrigés
Cherche d'abord seul, puis ouvre la correction.
Exercice 1 — Quel niveau de risque ?
Place chaque usage (inventé) dans un niveau de risque de l'AI Act : inacceptable, élevé, limité ou minimal.
a) un filtre antispam d'une messagerie
b) un système qui attribue une note de comportement à chaque citoyen
c) un chatbot d'assistance pour un magasin en ligne
d) un logiciel qui trie les candidatures pour un emploi
a) un filtre antispam d'une messagerie
b) un système qui attribue une note de comportement à chaque citoyen
c) un chatbot d'assistance pour un magasin en ligne
d) un logiciel qui trie les candidatures pour un emploi
Voir la correction
Le filtre antispam présente un risque minimal. La notation du comportement de chaque citoyen relève de la notation sociale, donc d'un risque inacceptable et d'une interdiction. Le chatbot est à risque limité : il doit simplement indiquer qu'il est une machine. Le tri des candidatures touche le recrutement, un domaine à risque élevé, donc fortement encadré.
Exercice 2 — Une moyenne qui cache l'inégalité
Un logiciel de reconnaissance faciale fictif est testé sur 2 500 photos : 2 000 de personnes du groupe A et 500 du groupe B. Il commet 20 erreurs sur le groupe A et 40 sur le groupe B. Le fabricant annonce : « 97,6 % de réussite ! »
a) Calcule le taux d'erreur de chaque groupe.
b) Vérifie l'annonce du fabricant.
c) Pourquoi est-elle trompeuse ?
a) Calcule le taux d'erreur de chaque groupe.
b) Vérifie l'annonce du fabricant.
c) Pourquoi est-elle trompeuse ?
Voir la correction
Taux d'erreur du groupe A : 20 ÷ 2 000 = 1 %. Pour le groupe B : 40 ÷ 500 = 8 %. Au total, 60 erreurs sur 2 500 photos font 2,4 %, donc 97,6 % de réussite : le chiffre du fabricant est exact. Pourtant, il est trompeur, car la moyenne cache que le groupe B subit huit fois plus d'erreurs que le groupe A. Une cause probable est que les données d'entraînement contiennent moins d'exemples du groupe B : c'est un biais algorithmique.