Complétez de mémoire, puis vérifiez avec la page de corrigé.
Traduction instantanée, reconnaissance de visages, recommandations de vidéos : l'intelligence artificielle est partout. Elle rend de grands services, mais elle peut se tromper et reproduire des biais. Le numérique a aussi un coût environnemental. Comprendre ces enjeux, c'est devenir un utilisateur éclairé.
Qu'est-ce que l'IA ?
Définition — intelligence artificielle :
Règle
Limites et biais
Définition — biais :
Règle
Les impacts du numérique
Règle
Exemple
Une application de tri de photos classe mal les photos prises de nuit. Pourquoi ?
6.
7.
8.
Résultat :
Piège
Croire qu'une IA « comprend » et ne se trompe pas.
Vérifier les résultats auprès de sources fiables.
Évaluer un usage de l'IA
10.
11.
12.
13.
Ai-je défini le vocabulaire technique ?
Ai-je identifié les fonctions et composants ?
Ai-je relié à un objet concret ?
Ai-je pensé aux impacts (énergie, environnement) ?
Corrigé · à détacher
Intelligence artificielle et impacts du numérique
1.Ensemble de techniques qui permettent à une machine de réaliser des tâches associées à l'intelligence humaine : reconnaître une image, traduire, prédire, recommander.
2.Beaucoup de systèmes d'IA apprennent à partir de données : on leur montre de nombreux exemples, ils en déduisent des règles statistiques. Exemples d'usages : géolocalisation et calcul d'itinéraire, identification (photos, voix), traduction, calcul et prévision.
3.Erreur systématique d'un système d'IA, en général héritée de données d'apprentissage incomplètes ou déséquilibrées : un système entraîné surtout sur certains visages reconnaît moins bien les autres.
4.Une IA peut produire des réponses fausses présentées avec assurance : il faut vérifier les informations et garder un esprit critique.
5.Le numérique consomme de l'énergie (centres de données, réseaux) et des ressources (métaux pour les appareils). La fabrication des terminaux pèse lourd dans son empreinte. Gestes utiles : garder ses appareils plus longtemps, les faire réparer, éviter les usages superflus. L'IA soulève aussi des questions de données personnelles et de propriété intellectuelle.
6.Elle a appris à partir d'exemples.
7.Les photos de nuit étaient peu nombreuses dans ses données d'apprentissage.
8.Elle reproduit ce manque : c'est un biais lié aux données.
9.La qualité d'une IA dépend des données qui ont servi à l'entraîner.
10.Identifier la tâche réalisée par l'IA.
11.Rechercher à partir de quelles données elle a appris.
12.Repérer les risques (erreurs, biais, données personnelles).
13.Peser le service rendu et l'impact environnemental.