Toutes les leçons

Cours

IA de 6e : IA et pensée informatique

Apprends les algorithmes et les données, et vois comment les modèles d’apprentissage automatique sont entraînés et testés.

Fais les leçons dans l’ordre. À la fin, tu peux distinguer l’IA, l’apprentissage automatique et l’IA générative, et nommer l’entrée, le modèle et la sortie d’une appli d’IA réelle. Tu peux écrire des algorithmes avec des boucles et des conditions et construire un arbre de décision. Tu peux expliquer comment les pixels et le texte sont gardés comme des nombres, classer un point par ses exemples les plus proches et calculer l’exactitude à partir des résultats du test. Tu peux expliquer comment un neurone combine des entrées avec des poids, découper une phrase en tokens, noter une appli d’IA sur l’exactitude, l’équité et la vie privée, et présenter un classifieur de plantes et expliquer ses erreurs.

Comment utiliser ces leçons

  • Commence à la leçon qui dit Fais ça. Passe à la suite quand tu peux faire tout seul la ligne sous le titre.
  • Joue d’abord aux Jeux. Ensuite fais les Quiz. 8 sur 10 justes pour réussir. Les Fiches sont sur papier. Les réponses sont en bas.
  • Chaque leçon s’appuie sur celle d’avant. Si une leçon est dure, reviens d’une leçon.
  • Utilise seulement les outils d’IA que ton enseignant autorise. Ne colle jamais d’informations privées dans un chatbot. Vérifie chaque réponse de l’IA et dis quelles parties de ton travail l’IA a aidées.

Chaque leçon a des jeux, des quiz et des fiches.

0 sur 36

Comprendre l’IA

  1. 1IA, apprentissage automatique et IA générativeDistingue l’IA, l’apprentissage automatique et l’IA générative.
    • Définis l’IA, l’apprentissage automatique et l’IA générative.
    • Dessine comment elles rentrent les unes dans les autres.
    • Trie 10 applis dans les trois groupes.
  2. 2Une courte histoire de l’IAPlace des moments clés de l’histoire de l’IA sur une frise.
    • Place des ordinateurs d’échecs, des aides vocales et des chatbots sur une frise.
    • Dis ce qui a changé pour rendre chacun possible.
    • Nomme une prédiction qui était fausse.
  3. 3IA étroite et généraleExplique pourquoi l’IA d’aujourd’hui est meilleure pour des tâches étroites.
    • Compare un programme d’échecs et une personne.
    • Liste des tâches que l’IA fait bien et des tâches qui lui sont difficiles.
    • Explique ce qu’il faudrait à une IA générale.
  4. 4Analyse un système d’IAAnalyse une appli d’IA réelle et nomme son entrée, son modèle et sa sortie.
    • Choisis une appli, comme une recherche de photos ou un traducteur.
    • Dessine son entrée, son modèle et sa sortie.
    • Dis sur quelles données elle a sans doute été entraînée.

Algorithmes

  1. 5SéquencesÉcris un algorithme comme une séquence d’étapes.
    • Définis un algorithme.
    • Écris les étapes pour faire un sandwich.
    • Trouve des étapes qui ne sont pas claires pour un ordinateur.
  2. 6BouclesUtilise une boucle pour répéter des étapes.
    • Remplace les étapes répétées par une boucle.
    • Utilise une boucle qui compte.
    • Utilise une boucle qui tourne jusqu’à ce qu’une condition soit vraie.
  3. 7ConditionsUtilise des conditions pour choisir un chemin.
    • Écris if, else if et else.
    • Combine des conditions avec et, ou et non.
    • Suis un algorithme à la main.
  4. 8Arbres de décisionConstruis un arbre de décision qui trie des animaux.
    • Pose des questions par oui ou non à chaque branche.
    • Trie 10 animaux avec ton arbre.
    • Trouve l’arbre le plus court qui marche encore.

Représentation des données

  1. 9Nombres et catégoriesDistingue les données numériques des catégories.
    • Trie des caractéristiques en nombres et en catégories.
    • Transforme une catégorie en nombres.
    • Dis pourquoi un ordinateur a besoin de nombres.
  2. 10Images comme des nombresExplique comment les pixels gardent une image comme des nombres.
    • Dessine un dessin sur une grille de 0 et de 1.
    • Mélange des valeurs de rouge, de vert et de bleu.
    • Compte les nombres dans une petite photo.
  3. 11Texte comme des nombresExplique comment le texte peut être gardé comme des nombres.
    • Transforme des lettres en codes.
    • Donne un nombre à chaque mot d’une liste.
    • Compte combien de fois chaque mot apparaît.
  4. 12Tableaux de donnéesRange les données en tableaux de lignes, de colonnes et de caractéristiques.
    • Construis un tableau dans un tableur.
    • Nomme les caractéristiques et l’étiquette.
    • Trie et filtre le tableau.

Classification

  1. 13Caractéristiques et étiquettesChoisis des caractéristiques utiles pour une étiquette.
    • Dis ce qu’est une caractéristique et ce qu’est une étiquette.
    • Range les caractéristiques de la plus utile à la moins utile.
    • Enlève une caractéristique qui n’aide pas.
  2. 14Plus proche voisinClasse un point par son plus proche voisin : ses exemples les plus proches.
    • Place des exemples sur un graphique avec deux caractéristiques.
    • Trouve l’exemple le plus proche d’un nouveau point.
    • Utilise les 3 plus proches et fais un vote.
  3. 15Tracer des limitesTrace une limite : une ligne qui sépare deux groupes.
    • Trace une ligne entre deux groupes de points.
    • Classe de nouveaux points selon leur côté de la ligne.
    • Trouve des données qu’aucune ligne droite ne peut séparer.
  4. 16Construis un classifieurConstruis un classifieur simple avec un outil sans code.
    • Charge un petit jeu de données.
    • Entraîne un classifieur.
    • Classe 5 nouveaux exemples.

Entraînement du modèle

  1. 17Données d’entraînementExplique ce qu’un modèle apprend des données d’entraînement.
    • Dis qu’un modèle apprend des motifs, pas des règles que tu écris.
    • Montre comment changer les données change le modèle.
    • Trouve un motif qu’un modèle a appris par accident.
  2. 18Données de testExplique pourquoi les données de test doivent rester à part.
    • Sépare les données en ensembles d’entraînement et de test.
    • Compare les scores des deux ensembles.
    • Explique ce que « mémoriser » veut dire pour un modèle.
  3. 19ExactitudeCalcule l’exactitude à partir des résultats du test.
    • Compte les prédictions justes.
    • Écris l’exactitude comme un pourcentage.
    • Explique pourquoi 90 % peut encore être mauvais.
  4. 20Améliore un modèleChange les données et compare l’exactitude pour améliorer un modèle.
    • Ajoute plus d’exemples.
    • Enlève les étiquettes fausses.
    • Note l’exactitude après chaque changement.

Idées de réseaux de neurones

  1. 21Neurones artificielsExplique comment un neurone combine des entrées avec des poids.
    • Multiplie chaque entrée par son poids.
    • Additionne-les et compare à un seuil.
    • Change un poids et vois la sortie changer.
  2. 22CouchesExplique comment les couches passent des signaux vers l’avant.
    • Dessine les couches d’entrée, cachée et de sortie.
    • Fais passer des nombres dans un petit réseau.
    • Dis pourquoi plus de couches peuvent trouver des motifs plus difficiles.
  3. 23Apprendre les poidsExplique qu’apprendre les poids, c’est ça : l’entraînement change les poids.
    • Devine des poids et vérifie l’erreur.
    • Pousse les poids pour rendre l’erreur plus petite.
    • Dis que l’entraînement répète cela beaucoup de fois.
  4. 24Réseau de neurones humainJoue un petit réseau de neurones humain avec tes camarades.
    • Chaque personne joue un neurone.
    • Passe des signaux de l’entrée à la sortie.
    • Change les poids pour corriger une mauvaise réponse.

IA générative

  1. 25Comment le texte est généréExplique qu’un modèle de langage génère du texte en prédisant le token suivant.
    • Prédit le mot suivant dans des phrases.
    • Construis un petit prédicteur du mot suivant à partir d’une histoire.
    • Dis pourquoi le modèle peut sonner juste et être faux.
  2. 26TokensDécoupe une phrase en tokens.
    • Vois comment un tokeniseur découpe les mots.
    • Compte les tokens d’une phrase.
    • Dis pourquoi les mots longs deviennent plusieurs tokens.
  3. 27Expériences de promptsChange une partie d’un prompt et compare les résultats.
    • Change une seule chose à la fois.
    • Note chaque prompt et son résultat.
    • Écris ce que chaque changement a fait.
  4. 28Limites de la générationExplique les limites de la génération : pourquoi un modèle de langage peut inventer des choses.
    • Trouve un fait inventé dans une réponse d’IA.
    • Explique pourquoi la prédiction peut le produire.
    • Liste des façons de vérifier un texte d’IA.

Éthique de l’IA

  1. 29BiaisTrouve un biais dans un jeu de données ou dans un résultat.
    • Définis le biais en IA.
    • Trouve un groupe qui est sous-représenté.
    • Explique comment cela change les résultats.
  2. 30Exactitude et confianceDécide, avec l’exactitude, quand une réponse d’IA est assez sûre pour qu’on lui fasse confiance.
    • Compare des usages à petit risque et à grand risque.
    • Décide quand une personne doit vérifier.
    • Écris une liste pour faire confiance.
  3. 31Vie privéeExplique la vie privée : quelles données une appli d’IA collecte.
    • Lis le résumé de vie privée d’une appli.
    • Liste les données qu’elle collecte.
    • Dis ce que tu ne partagerais pas.
  4. 32Évalue un système d’IAÉvalue une appli d’IA et note-la sur l’exactitude, l’équité et la vie privée.
    • Fais une carte de notes avec trois parties.
    • Teste l’appli et remplis-la.
    • Propose une correction.

Projet de découverte d’IA

  1. 33Planifie le projetÉcris une question et planifie le jeu de données.
    • Écris la question : « Cette feuille vient de quelle plante ? »
    • Choisis 3 ou 4 groupes de plantes.
    • Planifie les ensembles d’entraînement et de test.
  2. 34Prépare des données de plantesPrépare des données de plantes : trie et étiquette des photos de feuilles.
    • Utilise un jeu de feuilles déjà préparé.
    • Vérifie les étiquettes.
    • Garde un ensemble de test à part.
  3. 35Entraîne et testeEntraîne et teste un classifieur de plantes et note les résultats.
    • Entraîne le classifieur.
    • Calcule l’exactitude sur l’ensemble de test.
    • Rassemble les prédictions fausses.
  4. 36Détective de plantes IAPrésente un classifieur de plantes et explique ses erreurs.
    • Montre des prédictions justes et fausses.
    • Explique pourquoi les erreurs sont arrivées.
    • Dis quels exemples en plus aideraient.