L’INTELLIGENCE ARTIFICIELLE

DANS L’ENSEIGNEMENT SECONDAIRE

Réalisé par : - EL Mostafa IGUIDER

- Ayoub MESLAHI
Inspecteurs stagiaires d’Informatique

Encadré par : M. Mohamed OUMAD

Inspecteur pédagogique d’Informatique

Année Scolaire : 2024/2025

 Introduction Concepts de base de l’IA
01 L’émergence de l’intelligence
artificiel et son incursion en
éducation
02 •
•
•
Historique
Types et Niveaux de l’IA
Domaines : ML, DL, IA-Générative.
• Applications

IA en éducation Enseigner l’IA au secondaire

03 • L’IA au service de l’enseignant
• L’IA au service de l’apprenant
• Atelier
04 • Raisons d’enseigner l’IA
• Comment enseigner l’IA
• Atelier

Enjeux éthiques Conclusion

05 • Vie privée
• Biais et manque d’équité
• Marginalisation de l’enseignant
06
 INTRODUCTION

▪ L’IA est en train de révolutionner le monde, et

sera présente dans tous les domaines de la vie
humaine.
▪ L’IA affecte désormais tous les aspects de nos
vies sociales.
▪ Sans toujours le savoir, nous interagissons quotidi
ennement avec des systèmes intelligents.
▪ L’éducation ne fait pas exception à cette tendance
planétaire.

3
 1 - Introduction – Pourquoi le sujet?

Source : Programme et instructions officielles pour l’enseignement de l’informatique aux troncs communs

4
 1 - Introduction – Défis?
« L’un des défis auquel fait face notre système d’éducation confronté à l’arrivée de l’IA est de
trouver un juste équilibre entre le maintien de certains aspects traditionnels qui ont fait la
richesse de l’enseignement depuis des siècles et la mise à profit des nouvelles possibilités
qu’offre l’IA en éducation. »
Karsenti, 2018

5
 2- Concepts de base de l’IA – Définitions

"L’expression « intelligence artificielle », créée dans les

années 1950, désigne le domaine de recherche qui étudie les
mécanismes de l’intelligence en les modélisant avec des
algorithmes et en les expérimentant avec des machines. …
le terme « intelligence artificielle » est souvent utilisé pour
désigner des algorithmes simulant ou ayant des points
communs avec certaines des capacités d’intelligence des
êtres vivants. " (INRIA, 2020)
 2- Concepts de base de l’IA – Définitions

« C'est la science et l'ingénierie de la fabrication de machines intelligentes, en

particulier de programmes informatiques intelligents. Elle est liée à la tâche
similaire qui consiste à utiliser des ordinateurs pour comprendre l'intelligence
humaine, mais l'IA ne doit pas se limiter aux méthodes qui sont biologiquement
observables ».
John McCarthy

C’est « l’ensemble de théories et de techniques mises en œuvre en vue de

réaliser des machines capables de simuler l’intelligence humaine. »

C’est aussi « un domaine interdisciplinaire à la fois théorique et pratique qui

allie les technologies numériques, mathématiques, statistiques et
algorithmiques ».
(Grand lexique français de l’Intelligence artificielle, 2021)

7
2- Concepts de base de l’IA – Historique

8
 2- Concepts de base de l’IA – Niveaux de l’IA

IA faible IA forte

❖ IA faible se réfère à des systèmes ❖ IA forte (ou IA générale) désigne

d'IA conçus pour accomplir des des systèmes d'intelligence
tâches spécifiques et limités à ces artificielle capables de reproduire
seules fonctions. ou même de surpasser l'intelligence
❖ L'IA faible fonctionne dans des humaine dans une large gamme de
limites définies et ne peut pas tâches.

Vs
généraliser au-delà de son ❖ Capable de comprendre, de
domaine spécialisé. raisonner, d'apprendre et
❖ Exemples : les assistants vocaux ( d'appliquer ses connaissances pour
Siri ou Alexa ) les algorithmes de résoudre des problèmes complexes
recommandation et les systèmes de manière similaire à la cognition
de reconnaissance d'images. humaine.
❖ Cependant, le développement de
l'IA forte reste encore théorique et
n'a pas été réalisé à ce jour.

9
 2- Concepts de base de l’IA – Types de l’IA

IA à mémoire la théorie de IA Auto-

IA réactive
limitée l’esprit Consciente

• IA très basique "Réagit" • Utilise des informations • Un niveau avancé de l'IA, • Niveau le plus avancé de l'IA,
uniquement aux situations passées pour aider à la prise encore en développement, avec une intelligence
présentes. de décision. comparable à celle des
• Capable de comprendre les humains et une conscience de
• limitée à des tâches • Appliquée dans des émotions, les croyances, et soi.
prédéfinies sans analyse du technologies comme les les intentions des autres.
passé ni prévision du futur. voitures autonomes, analyser • Capacité à penser de manière
et s'adapter à • Pourrait théoriquement autonome et à comprendre
• Exemple : IBM Deep Blue, le l'environnement en temps interagir de manière plus les émotions des autres.
programme d'échecs qui a réel. naturelle avec les humains,
battu Garry Kasparov. en interprétant le langage • Peut exprimer ses propres
• Exemple : IA pour suggérer un corporel ou les expressions émotions et interagir de
restaurant en fonction des faciales. manière humaine.
données de localisation
collectées.

10
2- Concepts de base de l’IA – Domaines

Intelligence Artificielle (IA)

Système capable de reproduire les capacités
cognitives humaines chez les machines.

Machine Learning (ML)

Système capable d’effectuer des tâches en
apprenant et en s’améliorant à partir de données.

Deep Learning (DL)

Système pour apprendre depuis les données en
imitant la manière dont les cerveaux humains traite
l’information avec ses réseaux de neurones.

11
 2- Concepts de base de l’IA – Applications

L‘IA a diverses applications dans la société

actuelle. Elle devient essentielle à l'heure
actuelle car elle peut résoudre des problèmes
complexes de manière efficace dans de
nombreux secteurs.

12
 2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

Dans notre vie on rencontre quotidiennement des problèmes que nous cherchons à résoudre.

Comment analyser le comportement des clients?

Comment éliminer le cancer? Reconnaitre un visage sur une image?...

Pour faciliter la tâche, nous avons inventé l’ordinateur.

Mais il ne sait rien faire pour lui-même!! il faut qu’on lui donner des calculs à résoudre
1 2

On connait le calcul, la méthode On ne connait pas le calcul = ?????

1 2
L’ordinateur va apprendre d’une façon
La programmation automatique comment calculer?
2

C’est Le Machine Learning (Apprentissage Automatique)

13
 2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

▪ Programmation classique

Approche classique

▪ Machine Learning

Approche ML
14
 2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

« L’apprentissage automatique est la

discipline donnant aux ordinateurs la
capacité d’apprendre sans qu’ils soient
explicitement programmés. »
Arthur Samuel, 1959

15
2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

16
2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

Apprentissage non supervisé (unsupervised learning)

17
 2 - Concepts de base de l’IA – L‘Apprentissage Automatique (Machine Learning)

Apprentissage supervisé / Apprentissage non supervisé

18
 2 - Concepts de base de l’IA – L’Apprentissage Profond (Deep Learning)

Définition : Fonctionnement :
•Le Deep Learning repose sur des
•Le Deep Learning est une branche de
couches de réseaux de neurones,
l'intelligence artificielle. fonctionnant un peu comme le
•Il est capable d'analyser des données non cerveau humain.
structurées, telles que des images, des •Ces réseaux comprennent des
vidéos et du texte. dizaines à des centaines de "couches"
de neurones, où chaque couche
interprète les données de la couche
Applications : précédente.
•Plus le nombre de couches est élevé,
plus l'apprentissage est profond et
complexe.

Natural Language
Processing (NLP) : Computer Vision :
Permet aux machines de Permet aux machines de
comprendre et interpréter le "voir" et d'analyser des
langage humain, notamment images ou vidéos. Utilisée
pour la traduction dans des domaines comme
automatique. la santé pour diagnostiquer
automatiquement des
radiographies.
19
 2 - Concepts de base de l’IA – L’Apprentissage Profond (Deep Learning)

Application dans la reconnaissance des chiffres Application dans les voitures autonomes
manuscripts

Handwritten Digit Self Driving Cars

Application pour lire les images du cerveau

Diagnostique médical
20
 2 - Concepts de base de l’IA – L’IA Générative

L'intelligence artificielle générative ou IA

générative (IAg ou GenAI) est un type de système
d'intelligence artificielle (IA) capable de générer du
texte, des images, des vidéos ou d'autres médias en
réponse à des requêtes (aussi appelées invites, ou en
anglais prompts). (Source Wikipédia)

L'IA générative ne doit pas être confondue avec l'IA

générale, qui est souvent définie comme une IA au
moins aussi compétente que l'humain dans
pratiquement toutes les tâches cognitives.

22
2 - Concepts de base de l’IA – L’IA Générative

23
 2 - Concepts de base de l’IA – L’IA Générative

➢ ChatGPT :

• ChatGPT est une intelligence artificielle générative capable de générer du contenu écrit.
• Il suffit de lui envoyer un « prompt » (une question) et ChatGPT s’exécute, avec la
possibilité d’adapter sa personnalité.
• ChatGPT n’est pas un moteur de recherche.

24
 2 - Concepts de base de l’IA – L’IA Générative

➢ ChatGPT :

• Dans sa version gratuite GPT-4o mini, ChatGPT peut :

o Générer des idées pour vous aider à trouver de l’inspiration,
o Vous expliquer un sujet complexe de façon simplifiée,
o Rédiger un long texte sur un sujet spécifique,
o Faire une synthèse d’un long document,
o Suggérer un plan détaillé pour un cours,
o Rédiger un email avec votre style d’écriture,
o Écrire un récit fictif avec plusieurs personnages,
o Classer ou extraire des données
o Générer du contenu multimédia

25
 2 - Concepts de base de l’IA – L’IA Générative

➢ Écrire des prompts efficaces avec ChatGPT

S’il y a une chose à comprendre lorsque vous utilisez ChatGPT est que plus la question que vous posez
est générale plus la réponse le sera. Il est donc très important d'enrichir vos demandes en les
accompagnant d'un maximum de contexte et de détails pour exploiter pleinement le potentiel de
ChatGPT.

26
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT :

1. Donner un rôle à l’IA

Exemple :

Tu es un enseignant de l’informatique au cycle secondaire qualifiant

exerçant au Maroc.

27
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT

2. Établir le contexte

Exemple :

Tu souhaites rédiger un cours d’introduction au réseaux informatiques

pour les élèves du tronc commun

28
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT

3. Définir un format

Exemple :

Les paragraphes doivent avoir entre 100 et 150 mots

29
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT

4. Préciser le ton souhaité

Exemple :

Écris avec un ton pédagogue et expert

30
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT

5. Placer des limites

Exemple :

Ne fais pas de phrase de plus de 30 mots

Le 1er paragraphe doit être clair et souligner les avantages des tableurs

31
 2 - Concepts de base de l’IA – L’IA Générative

➢ Conseils pour Écrire des prompts efficaces avec ChatGPT

6. Affiner le résultat

Exemple :

Reformules en un ton moins formel tout en restant professionnel

Ajoutes une question au début du premier exercice

32
 2 - Concepts de base de l’IA – Détection de l’IA

● GPTZero (janvier 2023)

● Créé par Edward Tian (diplômé de Princeton en 2023)

● Il prédit si un document a été écrit par un grand modèle linguistique, en fournissant des
prédictions au niveau de la phrase, du paragraphe et du document.
● Il utilise deux mesures pour estimer la probabilité que le texte ait été écrit par l'IA : la perplexité
et l'éclatement
● ChatGPT fonctionne en prédisant le mot suivant le plus courant, donc plus la construction d'un
texte est aléatoire à la fois dans et entre les phrases, plus il est probable qu'il ait été écrit par un
humain.

● Turnitin (April 2023)

● Copyleaks
● Winston AI
● OpenAI
33
 2 - Concepts de base de l’IA – Détection de l’IA

● GPTZero et Turnitin revendiquent tous les deux un taux de précision de 98 %.

● Les deux systèmes sont bien plus susceptibles de ne pas détecter les écrits de l'IA que de
classer à tort les travaux des étudiants comme étant de l’IA.
● Aucune des deux sociétés ne recommande de prendre des mesures contre un élève
uniquement sur la base de son rapport.
● Il est beaucoup plus difficile pour les systèmes de détecter le texte écrit par GPT-4 que les
versions précédentes.
● Il est plus difficile de détecter l'écriture de l'IA dans les travaux plus courts.

● Il n'y a pas de nombre minimum de mots standard.

● OpenAI exige un minimum de 1 000 caractères

● La règle générale est que plus il y a de mots, plus la détection est fiable et précise.

34
 ATELIER : élaboration d'une situation-problème

Travail demandé :
1. Utiliser ChatGPT comme assistant pour concevoir une situation problème destiné
à vos élèves pour assurer une séquence/séance du cours de votre choix en
tenant en considération les différentes contraintes nécessaires (le contexte, le
niveau des élèves, la durée, la compétence ciblée, les moyens disponibles, le
nombre des élèves, La méthode d’enseignement, …).
2. Vérifier la détection de l’utilisation de l’IA sur le site :
▪ [Link]/ai-content-detector
3. Essayer de la contourner par le site :
▪ [Link]

35
 IA en
éducation
 3 – IA en éducation - l’IA au service de l’enseignant

Différencier les Préparer les documents Evaluer les apprentissages

apprentissages pédagogiques

Analyse des progrès et Concevoir des activités

des performances des d’apprentissage Rétroaction en temps réel
élèves

37
 3 – IA en éducation - l’IA au service de l’enseignant

Outils IA pour enseignants Meilleur pour Fonctionnalités clés

Créer des exercices et des quiz, générer du texte,
résumer des informations, traduire en plusieurs
iSpring Page Création de cours
langues, corriger les fautes d’orthographe et de
grammaire, peaufiner votre écriture.
Proposer des idées, créer des plans et des listes, éditer
Canva Magic Write Rédaction assistée par IA
et créer du contenu.
Convivial, multifonctionnel, adapté à tous les niveaux
Magic School Liste complète d’outils IA utiles
scolaires.
Concevoir des plans de cours et du matériel
Conception de supports et plans de
Education Copilot pédagogique, suivre les progrès des élèves,
cours
personnaliser les plans d’apprentissage.
Créer des quiz à partir de matériel source, gamme
Quizizz Création de quiz
d’activités en classe.
Simplifier la planification des cours et la création de
ChatGPT Création de contenu écrit et idées
contenu, générer des idées et de l'inspiration.
Conception de présentations assistée Rendre les présentations informatives plus attrayantes,
[Link]
par IA produire des présentations génératives d'IA.
Assistant d'enseignement IA intégré, une variété
[Link] Enseignement assisté par IA d'outils IA pour toute tâche.

Source : [Link]
 3 - l’IA au service de l’apprenant – L’apprentissage Adaptatif

Parcours
d'apprentissage
personnalisé
L’apprentissage adaptatif « Adaptive Learning » est le
processus qui consiste à « construire un modèle des
objectifs, des préférences et des connaissances de Engagement Favorise
accru l’apprentissage
l’apprenant, et à l’utiliser tout au long de son autonome
interaction avec l’environnement afin d’offrir des
rétroactions personnalisées ou d’adapter les
contenus, et l’interface à ses besoins
d’apprentissage » (Brusilovsky et Peylo, 2003). avantages de
l'apprentissage
Feedback adaptatif Évolutivité
• L’adaptation est réalisée en temps réel grâce à des immédiat
algorithmes qui font des inférences à partir des
actions de l’apprenant en session d’apprentissage.

• La machine simule le comportement d’un tuteur Utilisation Suivi

amélioré
humain, plus elle est dite « intelligente ». On parle efficace du
des progrès
temps
alors de tuteur intelligent et d’apprentissage
adaptatif intelligent.

39
Enseigner l'IA au
secondaire
 4 – Enseigner l’IA au secondaire
Etat des lieux de l’Enseignement de l’informatique au secondaire

Informatique comme outil : Informatique comme science :

Utilisation de logiciels pour des tâches Se concentre sur les fondements
spécifiques (traitement de texte, théoriques (modélisation, algorithmes,
feuilles de calcul, internet, souvent résolution de problèmes, créativité)
enseignée au collège et au lycée. avec apprentissage de la
programmation et compréhension des
concepts abstraits.

Dominance de l'approche outil : la pensée algorithmique :

L'enseignement se focalise souvent sur Introduire plus tôt la programmation et
les logiciels, au détriment de la pensée la pensée algorithmique dans le cursus
computationnelle et de la dimension pour renforcer l'aspect scientifique de
scientifique de l'informatique. l'informatique.

41
 4 – Enseigner l’IA au secondaire – Raisons d’enseigner l’IA

Développer la culture
technologique

Préparer les élèves

Encourager la
pour les carrières de
collaboration et la
demain
communication

7 Raisons
d’enseigner Encourager la résolution de
Favoriser la créativité l’IA problèmes et la pensée
et l'innovation critique

Apprendre l'utilisation éthique et

responsable de la technologie Rendre l'apprentissage
amusant et engageant

42
 4 – Enseigner l’IA au secondaire

Enseigner l’IA
comme outil
V/S Enseigner l’IA
comme discipline
L’IA au secondaire peut être L'enseignement de l'IA au
enseignée comme un outil secondaire vise à familiariser les
L’IA peut être utilisée pour
résoudre des problèmes pratique ou comme une élèves avec les concepts,
spécifiques sans exiger des discipline, selon les objectifs techniques, et implications
sociales et éthiques de l'IA, en
compétences techniques d’apprentissage. approfondissant leur
avancées. »
compréhension pour créer des
projets et saisir les bases
algorithmiques.

Acquisition de compétences
01 Utilisation dans diverses
matières techniques 01

02 Approche pratique et
applicative
Préparation aux carrières
technologiques 02

03 03
Développement de la pensée Esprit critique et
critique résolution de problèmes
Enseigner l’IA comme outil Enseigner l’IA comme
discipline
04 faciliter et enrichir
l'apprentissage
Sensibilisation aux enjeux
éthiques et sociétaux
04

43
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?
Jeux et Activités interactifs

Quick, Draw! Apprendre à l’IA à reconnaître des motifs

• Ce jeu de Google demande aux

joueurs de dessiner quelque chose,
et une IA essaie de deviner de quoi il
s'agit.

• Cela démontre comment l’IA apprend

en voyant des exemples et en
reconnaissant des motifs.

44
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?
Jeux et Activités interactifs

Jeu de Tri : Les élèves comme “IA”

• Imiter la classification de données par l’IA

• Laissez les élèves jouer le rôle de "l’IA" en

triant des images pour imiter la façon dont
l’IA classe les données.

45
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?
Jeux et Activités interactifs

Guessing game d’IA

• Montrez des images, et les élèves

doivent deviner la catégorie.

• Cela illustre comment l'IA regroupe des

données en fonction de caractéristiques.

46
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?

Projets Pratiques

Scratch avec des extensions IA

• Initiez les élèves au codage simple

avec Scratch et ajoutez des
extensions basées sur l’IA.

• Créer des projets interactifs avec

des fonctionnalités d’IA

47
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?

Projets Pratiques
Teachable Machine

• Outil gratuit de google permet aux

élèves d’entraîner un ordinateur à
reconnaître des images, des sons ou des
postures,

• Montrant comment l’IA apprend à partir

d’exemples

Lien de la vidéo : [Link]

48
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?

Lien de la vidéo : [Link]

49
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?
Amélioration du modèle :
Lien de la vidéo : [Link]

50
 4 – Enseigner l’IA au secondaire – Comment enseigner l’IA ?

Projets Pratiques

Machine Learning for Kids

• plateforme associe l’IA à Scratch,

permettant aux élèves de créer
de simples modèles
d’apprentissage automatique
pour concevoir des jeux
amusants et interactifs.

• [Link]
[Link]/#!/worksheets

51
 ATELIER 1 : Découverte et Utilisation de la Plateforme Teachable Machine pour l'IA

Objectifs de l'atelier :
[Link] le fonctionnement de base de l’intelligence artificielle (IA) à travers une
plateforme interactive et accessible.
[Link] Teachable Machine pour créer et entraîner des modèles d'IA sans programmation.
[Link] des applications pratiques de l'IA dans divers contextes éducatifs et professionnels.

Durée de l'atelier : 30 minutes

Public cible :
•Enseignants, formateurs, étudiants, élèves, ou toute personne souhaitant découvrir l'IA sans
connaissances techniques approfondies.

Matériel nécessaire :
[Link] / smartphone avec accès à Internet
[Link] web compatibles (Chrome ou Firefox de préférence)
[Link] (facultative, mais utile pour les projets d'image et de vision)
[Link] Google pour sauvegarder les projets (facultatif)
53
ATELIER 1 : Découverte et Utilisation de la Plateforme Teachable Machine pour l'IA

Travail demandé : Projet de Reconnaissance d'Image (30 minutes)

Créer un modèle de reconnaissance d'image simple pour classifier des objets (ex. : stylos, téléphones,
lunettes, ...)

Étapes :
1. Rendez-vous sur [Link]
2. Sélectionner le type de projet : Cliquer sur "Standard Image Model".
3. Ajouter des classes : Par défaut, deux classes sont affichées. Ajouter des classes supplémentaires si nécessaire.
4. Prendre des exemples d'images : Utiliser la webcam pour capturer plusieurs images de chaque objet.
(l'importance de capturer des angles et positions variés.)
5. Entraîner le modèle : Cliquer sur "Train Model". Teachable Machine va analyser les images et entraîner un modèle
de reconnaissance.
6. Tester le modèle : Une fois le modèle entraîné, tester avec d'autres images ou en présentant les objets à la
webcam.

7. Discussion : Échanger sur les résultats et les améliorations possibles.

8. Exportation et utilisation des modèles:
▪ Exporter le modèle : Présenter les différentes options d'exportation (fichier, [Link] pour l’intégration dans un
site web, etc.)
▪ Utilisation des modèles dans des projets personnels : Quelques idées d’applications concrètes, comme intégrer les
modèles dans une application interactive ou dans un projet scolaire. 54
 ATELIER 2 : Activité débranchée – IA et reconnaissance d’images

Dans cette activité, vous allez apprendre comment une intelligence artificielle (IA) utilise des caractéristiques spécifiques pour reconnaître et
classer des images d’animaux. En travaillant en petits groupes, vous imiterez le fonctionnement d’une IA pour comprendre comment elle apprend
à différencier les types d’animaux.
Objectif :
Classer des images d'animaux en fonction de caractéristiques physiques, comme le ferait une IA.
Matériel :
▪ 10 images d’animaux pour chaque groupe (5 images de chiens et 5 d’autres animaux variés : vaches, canards, éléphants, etc.).
▪ Une feuille de papier pour noter les réponses.
Instructions :
1. Préparation des groupes : Travaillez en groupes de 3 ou 4.
2. Configuration de la feuille : Un élève place la feuille en format paysage et numérote de 1 à 10 en haut de la feuille. Sur le côté gauche,
inscrivez les cinq questions suivantes :
1. Pelage ?
2. Quatre pattes ?
3. Pattes avant ?
4. Queue ?
5. Bouche ?
3. Observation des images (Extraction de caractéristiques) : Regardez chaque image d’animal et répondez "Oui" ou "Non" aux cinq questions
pour chaque image. Notez vos réponses sur la feuille.
4. Entraînement de l’IA : Imaginez que vous entraînez une IA à reconnaître les chiens. Pour qu’une image soit classée comme "chien", la
réponse à chaque question doit être "Oui".
5. Classification : Classez vos images en deux catégories : "chien" et "pas chien".
6. Vérification et discussion :
1. Si la classification est correcte, discutez des caractéristiques qui ont permis d'éliminer les autres animaux.
2. Si une image a été mal classée, identifiez les erreurs et discutez de pourquoi cela s’est produit. 55
 ATELIER 3 : Activité débranchée – Agir comme un modèle de langage (IA
générative)

Objectif :
Ce jeu illustre la façon dont les modèles de langage génèrent des réponses, un mot à la fois, et comment les limites
des données peuvent mener à des réponses inexactes ou incohérentes, introduisant ainsi le concept des
"hallucinations". Il offre également une perspective sur les différences entre la manière dont les humains et les IA
traitent le langage.
Matériel :
▪ Papier
▪ Crayon
▪ Tableau blanc, ordinateur ou écran pour afficher les questions et les règles
Préparation :
▪ Divisez la classe en groupes de 5 à 8 élèves.
▪ Assurez-vous que chaque groupe peut voir l'affichage où seront présentés les consignes et les règles.
Règles du jeu :
Le jeu comporte trois niveaux, chacun conçu pour simuler le fonctionnement des modèles de langage. À chaque
manche, l'objectif est de répondre à l'invite donnée par l'enseignant, mais la méthode de réponse varie selon le
niveau.

56
 ATELIER 3 : Activité débranchée – Agir comme un modèle de langage (IA
générative)

Niveau 1 : Réponse individuelle :

1.L'enseignant donne une question ou une invite (prompt).

[Link] élève répond dans un délai de 1 minute.
[Link] réponse doit comporter au moins une phrase complète, mais les élèves peuvent en écrire davantage s'ils
estiment que cela est nécessaire pour exprimer pleinement leur idée.

Objectif :

Les humains ont tendance à réfléchir au problème dans son ensemble et à planifier leur réponse avant de parler ou
d'écrire. Ce niveau montre comment nous abordons le langage avec un objectif en tête.

57
 ATELIER 3 : Activité débranchée – Agir comme un modèle de langage (IA
générative)

Niveau 2 : Construction collaborative de phrases :

1.L'enseignant donne un sujet ou une question.

[Link] élève, à tour de rôle, ajoute un mot pour construire une réponse.
[Link] de discussion ou de planification avec les autres membres de l'équipe.
[Link] participant a 10 secondes pour écrire son mot, puis passe la feuille au suivant.
[Link] membre peut dire “STOP” s'il pense que la phrase est complète, mais aucune discussion n'est permise.

Objectif :

Contrairement aux humains, les modèles de langage ne planifient pas leurs réponses. Ils génèrent des
réponses progressivement, en choisissant chaque mot uniquement sur la base des précédents,
cherchant l'issue statistiquement la plus probable à chaque étape.

58
 ATELIER 3 : Activité débranchée – Agir comme un modèle de langage (IA
générative)

Niveau 3 : Construction collaborative de phrases avec vocabulaire limité

[Link] niveau est identique au Niveau 2, mais votre équipe est limitée à utiliser uniquement les mots figurant sur
la feuille de vocabulaire.
[Link] auparavant, aucune discussion ou planification n'est autorisée, et chaque participant ajoute un mot
dans un délai de 10 secondes.
[Link] membre peut dire “STOP” s'il pense que la phrase est complète (sans consulter les autres).

Discussion :
▪ Comment les prompts ont-elles guidé la construction de vos phrases ?
▪ Quels défis avez-vous rencontrés en construisant des phrases un mot à la fois en équipe ?
▪ Comment le vocabulaire limité au Niveau 3 a-t-il influencé la qualité de vos réponses ?

Extension :
Reliez cette activité aux "hallucinations" des modèles d’IA : expliquez que les erreurs ou incohérences dans
les phrases des élèves sont similaires à ce qui peut arriver lorsque l'IA génère des réponses sans contexte ou
avec des données limitées.
59
Enjeux éthiques et
limites de l’IA dans
l’enseignement
 5 – Enjeux éthique et limitation dans l’enseignement

Vie privée et protection des données personnelles

Collecte de données : Les outils d'IA collectent et analysent des données personnelles
(performances scolaires, habitudes d'apprentissage, données comportementales et
émotionnelles) des élèves, enseignants et parents.

Risques : Possibilité de fuites de données et utilisation non transparente des informations.

Solutions proposées :
• Pseudonymisation : Rendre les données non identifiables pour protéger la vie privée.
• Désapprentissage machine : Supprimer certaines informations sans nuire à la performance
des algorithmes.

61
 5 – Enjeux éthique et limitation dans l’enseignement

Biais et manque d’équité

Risques spécifiques :
• Amplification des fausses informations.
• Création de biais dans les décisions automatisées.
• Utilisation de deepfakes et cyberattaques automatisées.

Solutions proposées :

• Diversification des données

• Formation des enseignants et des élèves

62
 5 – Enjeux éthique et limitation dans l’enseignement

Marginalisation de l'enseignant

Risques spécifiques :
• Réduction du rôle de l'enseignant à celui de superviseur ou technicien.
• Diminution de l'interaction humaine : Moins d'échanges et de discussions critiques entre élèves
et enseignants, pouvant limiter la créativité.

Solutions possibles :
• Formation des enseignants
• Rôle accru de l'enseignant dans la gestion de l'IA : L'enseignant devrait jouer un rôle central
dans la sélection, l'adaptation et l'évaluation des outils d'IA utilisés en classe.
• Éducation centrée sur l'humain : mettre l'accent sur l'enseignement de compétences
humaines et sociales, telles que l'esprit critique, la créativité, et la collaboration

63
 CONCLUSION

▪ Les élèves doivent apprendre à comprendre et à utiliser l'IA. Les programmes d'enseignement
doivent s'adapter pour répondre à ce besoin.
▪ Les élèves doivent développer une pensée critique pour naviguer dans un monde numérisé.
▪ L'éducation doit mettre l'accent sur le développement de compétences telles que la créativité, la
résolution de problèmes et la collaboration.
▪ Les curriculums et les programmes de formation doivent suivre ce mouvement de
transformation du marché du travail et permettre de développer les nouvelles compétences
relatives à l’intelligence artificielle.

64
 RÉFÉRENCES

● Programme et instructions officielles pour l’enseignement de l’informatique aux troncs communs.

● Karsenti, T. (2018). Intelligence artificielle en éducation : L’urgence de préparer les futurs enseignants
aujourd’hui pour l’école de demain ? Formation et profession, 26(3), 112-119.
● Psyché, Valéry & Ruer,. (2019). L’apprentissage adaptatif intelligent.
● [Link]
● [Link]
● [Link]
● [Link]

65
Merci Pour
votre
attention