Objectifs :
- Comprendre les principes de base de l’Intelligence Artificielle (AI)
- Explorer les enjeux sociétaux et environnementaux liés à l’IA.
Durée : séance de 55 minutes.
1. Les deux approches de l’intelligence (13 min.)
Visionnage d’un premier extrait de la vidéo de Class’Code AI « C’est quoi l’intelligence artificielle » qui aborde les deux approches de l’intelligence à l’origine des deux types de fonctionnement des IA : l’approche symbolique et l’approche connexionniste. Puis échange pour compléter collectivement les caractéristiques de ces approches sur la fiche élève (1)
Lien vers la vidéo généré par Digiview : https://ladigitale.dev/digiview/#/v/6854e12137bf3 (2 min. 05)
2. L’apprentissage machine (12 min.)
Visionnage d’un second extrait de la vidéo de Class’Code AI « Du machine learning et des données » qui explique les bases de l’apprentissage machine utilisé pour l »entrainement des outils d’IA. Les élèves essaient de compléter au crayon les mots manquants sur la fiche élève puis correction collective avec complément d’explications orales de la professeure documentaliste pour s’assurer de la compréhension des principes de base du fonctionnement de l’apprentissage machine.
Lien vers la vidéo généré par Digiview : https://ladigitale.dev/digiview/#/v/6854ed2bb0640 (2 min. 30)
3. L’enjeu des données (12 min.)
Activité autonome pour expérimenter : les élèves effectuent sur leur ordinateur l’activité “tester” du tuto2 de Class’Code AI pour prendre conscience de l’importance des données utilisées pour l’apprentissage machine. Fiche élève à compléter en parallèle (deux questions). Correction collective.
Lien généré par Digiview : https://pixees.fr/classcodeiai/app/tuto2
4. L’enjeu environnemental (10 min. + conclusion 3 min.)
Activité autonome pour expérimenter : les élèves interrogent Compar:ia (https://www.comparia.beta.gouv.fr/ ) sur l’impact environnemental des IA et complètent la fiche élève (deux questions).
Correction collective et conclusion : les élèves se rendent compte du coût énergétique conséquent d’une simple requête sur une IA générative par rapport à de l’éclairage led ou du streaming. Ils constatent également que certaines IA sont plus “énergivores” que d’autres indépendamment.