Atelier N°1 : Emploi Critique de l’IA

Licence 1 - LEA / LLCER

Atelier N°1

Emploi Critique de l’IA

Conception originale : I. Adjoudj et J. Dittel Réadaptation : H. Mukai

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Guide de l’Atelier

Objectifs

1. Distinguer les outils numériques (IA, moteur de recherche, dictionnaire, traducteur). 2. Comprendre le fonctionnement d’une IA générative. 3. Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IA. 4. Adopter une posture critique et responsable dans les usages universitaires.

Évaluations

• Présence obligatoire
• Analyse réflexive

Guide de l’Atelier

Collaborer et Approfondir la Réflexion

Cet atelier repose sur votre engagement actif. Il ne s'agit pas de trouver une « bonne réponse » unique, mais de confronter vos points de vue pour affiner votre réflexion et construire une posture critique face à l'IA.

Pages blanches : Synthèse & Théorie

Pages noires : Pratique & Échange

Partie 1

Distinguer les outils numériques.

« Je veux un avocat du supermarché »

Si vous ne connaissez pas le sens du mot « avocat », comment allez-vous chercher sa signification ?

Partie 1

Quelle est la différence entre les outils numériques ?

Si vous ne connaissez pas le sens du mot « avocat », comment allez-vous chercher sa signification ?

« Je veux un avocat 　　　du supermarché »

Partie 1

Quelle est la différence entre les outils numériques ?

« Je veux un avocat du supermarché »

Choisissez UN outil dans la liste ci-dessous pour chercher le sens d’« avocat » :

• Dictionnaire (sur papier ou en ligne)
• Moteur de recherche (Google, Yahoo, Bing, etc.)
• Site de traduction (Google Translate, DeepL, etc.)
• Intelligence Artificielle Générative (ChatGPT, Gemini, etc.)

Partie 1

Quelle est la différence entre les outils numériques ?

Succès possible Comment avez-vous trouvé le bon sens ?

« Je veux un avocat 　　　du supermarché »

Échec possible Pourquoi l'outil pourrait-il se tromper ?

10

Partie 1

Quelle est la différence entre les outils numériques ?

Dictionnaire

Qu'est-ce qu'un dictionnaire ?

Un dictionnaire est un ouvrage de référence contenant un ensemble de mots d’une langue ou d’un domaine d’activité généralement présentés par ordre alphabétique et fournissant pour chacun une définition, une explication ou une correspondance (synonyme, antonyme, cooccurrence, traduction, étymologie).

Les avantages du dictionnaire

Les défis de l'utilisation du dictionnaire

11

Partie 1

Quelle est la différence entre les outils numériques ?

Moteur de recherche

Qu'est-ce qu'un moteur de recherche ?

Un moteur de recherche est un site qui recense et référence des pages internet de manière organisée. Pour cela, il utilise un logiciel, le "robot d'indexation", qui parcourt l'ensemble du web. (CNIL)

Le moteur de recherche travaille en trois étapes clés

Exploration

Indexation

Classement

Les défis du moteur de recherche

12

Partie 1

Quelle est la différence entre les outils numériques ?

Intelligence Artificielle Générative (=IAg)

Qu'est-ce que l'IA générative ?

« Le terme IA générative se réfère à un ensemble de techniques issu du domaine de l’intelligence artificielle. Ce que l’on entend par « générative » est la capacité de l’outil à créer de l’information de manière automatique à partir de grands volumes de données existantes sur lesquelles il est entraîné. » — Université de Genève

Comment fonctionne l'IA générative ?

Entrée

Traitement

Sortie

13

Partie 1

Quelle est la différence entre les outils numériques ?

Site de traduction

Qu'est-ce qu'un site de traduction ?

Un site de traduction est une plateforme en ligne qui permet de convertir un texte rédigé dans une langue source vers une langue cible, en utilisant des outils de traduction automatique. Ces sites s’appuient sur des bases de données linguistiques et sur des algorithmes de traitement automatique du langage afin de proposer une traductionaussi fidèle que possible.

Cette technologie en constante évolution...

2026

2004

2010

Cliquez sur la photo pour l'agrandir.

14

Partie 2

Comprendre le fonctionnement d’une IA générative.

15

Savez-vous comment les 　　　　　　　　　　　　 ont évolué et à quelles　　　　　　　　　 ils étaient liés ?

sites de traduction

technologies

Partie 2

16

Comprendre le fonctionnement d’une IA générative.

Dans quel ordre les méthodes de traduction sont-elles apparues ?

Partie 2

17

Comprendre le fonctionnement d’une IA générative.

Quelle technologie se cache derrière chaque méthode de traduction ?

Partie 2

18

Comprendre le fonctionnement d’une IA générative.

Comment chaque technologie s'appelle-t-elle ?

Partie 2

19

Comprendre le fonctionnement d’une IA générative.

Comment s'organisent entre eux ces quatre concepts ?

Partie 2

20

Comprendre le fonctionnement d’une IA générative.

Machine learning

(= l’apprentissage automatique)

« L'apprentissage automatique [...] est un champ d'étude de l'IA qui se fonde sur des approches mathématiques et statistiques afin de donner aux ordinateurs la capacité « d'apprendre » à partir de données » — Samuel Nowakowski, 2024

Application concrète 1 : La Traduction Statistique (SMT)

Comment ça marche ?

L'analogie de l'élève

Le résultat

Application concrète 2 : Systèmes de recommandations

Partie 2

21

Comprendre le fonctionnement d’une IA générative.

Deep learning

(= l’apprentissage profond)

« Les réseaux de neurones imitent la manière dont les neurones biologiques s'envoient des signaux »　— Samuel Nowakowski, 2024

Application concrète 1 : Neural Machine Translation (NMT)

L'analogie du réseau neuronal

Le résultat

Application concrète 2 : Reconnaissance et Assistance

Recherche visuelle

Recherche vocale

Partie 2

22

Comprendre le fonctionnement d’une IA générative.

LLM

(Grand Modèle Linguistique)

Un LLM (Large Language Model) est un programme d’intelligence artificielle qui a été entraîné à partir d’une grande quantité de texte en analysant des milliards de phrases sur de nombreuses sources en ligne.

Pourquoi parle-t-on de "Large Language Model" ?

Large

Language

Model

Comment l'IA génère-t-elle du contenu ?

Partie 2

23

Comprendre le fonctionnement d’une IA générative.

Hiérarchie des technologies IA

24

Partie 3

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Partie 3

25

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Quels sont les points qui vous semblent problématiques avec l’IA générative ?

Partie 3

26

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Sauriez-vous écrire un exemple concret pour chacun de ces 8 concepts clés ?

Partie 3

27

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Les biais algorithmiques

Les biais algorithmiques constituent l'un des défis majeurs auxquels fait face l'intelligence artificielle moderne. Ces systèmes, loin d'être neutres, sont le reflet des données sur lesquelles ils ont été entraînés. Lorsque ces données comportent des préjugés sociaux, culturels ou historiques, l'IA tend à reproduire et parfois même à amplifier ces biais.

Mécanismes de formation des biais

Biais lié à l'algorithme

Biais lié aux données

Quiz

Biais cognitif

Biais lié aux utilisateurs

Partie 3

28

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Les hallucinations

Les hallucinations se produisent lorsque les modèles d'IA génèrent du contenu qui n'est pas ancré dans leurs données d'apprentissage ou qui représente une interprétation erronée de ces données. Ces modèles créent des associations probabilistes entre des mots et des concepts, mais ne "comprennent" pas réellement le contenu qu'ils manipulent.

Mécanismes sous-jacents

Implications sociales

Exemples d'hallucinations d'IA

Cas juridiques

Domaine académique

Partie 3

29

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

La désinformation

Des textes persuasifs aux images hyperréalistes, en passant par les vidéos deepfakes, les outils de désinformation se sont enrichis de capacités sans précédent, soulevant des inquiétudes quant à la confiance dans l’information.

Un individu disposant d'un simple accès 　à des outils d'IA peut générer :

Rocca, F. (2023, mars 28). Non, la photo du pape François en doudoune géante n’est pas une vraie. Vanity Fair.

Barack Obama et Angela Merkel partagent une glace (fake). (2023, mars 31). Journal du Net.

Textes manipulateurs

Vidéos "deepfake"

Images trompeuses

Partie 3

30

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Les données personnelles

L'intelligence artificielle est entraînée sur des données, et souvent, ces données sont les nôtres. Cette relation fondamentale soulève des questions cruciales concernant la vie privée et la confidentialité dans l'ère numérique.

Cadre juridique et protections

Mémoire des IA conversationnelles

RGPD en Europe

Inférence de données sensibles

Responsabilité individuelle et collective

Consentement éclairé

Partie 3

31

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

La source d'information

La boîte noire de l'IA : La plupart des grands modèles de langage (LLM) fonctionnent comme des "boîtes noires" qui transforment des milliards de textes en représentations statistiques. Une fois l'entraînement terminé, il devient pratiquement impossible de retracer l'origine précise d'une information spécifique fournie par le modèle.

Initiatives pour une IA plus transparente

Sur le plan juridique et éthique, plusieurs initiatives voient le jour :

Normes ISO sur l'IA

AI Act européen

Sensibilisation des utilisateurs

Chartes éthiques

Partie 3

32

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

L'empreinte environnementale de l'IA

L'entraînement d'un seul grand modèle d'IA peut consommer autant d'électricité qu'une petite ville pendant plusieurs jours.

• Facteurs contribuant à cette consommation

• L'eau : la ressource invisible de l'IA

Vers une IA plus écologique

• Optimisation des modèles

Quiz

• Efficience des infrastructures

• Transparence et mesures

• Énergies renouvelables

Partie 3

33

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

La propriété intellectuelle

Les modèles d'IA génératifs sont entraînés sur des millions d'œuvres créées par des humains, souvent sans consentement explicite des créateurs originaux. Ce processus soulève des questions fondamentales sur la propriété intellectuelle à l'ère numérique.

Problématiques principales

• Utilisation sans autorisation

• Dévalorisation du travail créatif

• Flou juridique

Partie 3

34

Identifier les enjeux éthiques et sociétaux liés à l’usage de l’IAg.

Les enjeux éthiques du travail à l'ère de l'IA

L'automatisation par l'IA pourrait transformer radicalement certaines professions comme les traducteurs et interprètes, les rédacteurs de contenus, certains postes en comptabilité et analyse de données mais aussi assistants administratifs.

L'IA soulève des questions profondes sur la nature et la valeur du travail humain.

• Dignité du travail

• Inégalités croissantes

• Droit à la créativité

35

Conclusion

Adopter une posture critique et responsable dans les usages universitaires.

Conclusion

36

Adopter une posture critique et responsable dans les usages universitaires.

Et maintenant, quel outil utiliseriez-vous　　pour trouver la signification de « avocat » ? Pourquoi ?

« Je veux un avocat 　　　du supermarché »

Bibliographie

37

Association Coll.in. (2025). Livret pédagogique : L'IA pour les noobs. Les Bases du numérique d’intérêt général. https://lesbases.anct.gouv.fr/ressources/livret-pedagogique-l-ia-pur-les-noobs Consulté le 24 octobre 2025. Bert, D. (2023). Chat-GPT invente, des avocats sanctionnés. Droit-inc. https://www.droit-inc.com/conseils-carriere/nouvelles/chat-gpt-invente-des-avocats-sanctionnes Consulté le 24 octobre 2025. Brown, P. F., Della Pietra, S. A., Della Pietra, V. J., et Mercer, R. L. (1993). The Mathematics of Statistical Machine Translation: Parameter Estimation. Computational Linguistics, 19 (2) : 263‑311. Cheminat, J. (2023). La consommation d’eau liée à l’IA générative inquiète. Le Monde Informatique. https://www.lemondeinformatique.fr/actualites/lire-la-consommation-d-eau-liee-a-l-ia-generative-inquiete-91508.html Consulté le 24 octobre 2025. Commission Nationale de l’Informatique et des Libertés (CNIL). (2025). Moteurs de recherche : comment ça fonctionne ? CNIL. https://www.cnil.fr/fr/cnil-direct/question/moteurs-de-recherche-comment-ca-fonctionne Consulté le 24 octobre 2025. Couillard, K. (2023). L’intelligence artificielle est-elle sexiste et raciste ? Science-Presse. https://www.sciencepresse.qc.ca/actualite/detecteur-rumeurs/2023/09/19/intelligence-artificielle-sexiste-raciste Consulté le 24 octobre 2025.

Bibliographie

38

Délégation régionale académique au numérique éducatif (DRANE) - Académie de Versailles. (2024). Quel est l’impact environnemental d’une IA générative ? DRANE - Académie de Versailles. https://drane-versailles.region-academique-idf.fr/spip.php?article1167Consulté le 24 octobre 2025. Durand-Parenti, C. (2025, 18 juillet). Manipulation de l’IA : des chercheurs pris en flagrant délit. Le Point. https://www.lepoint.fr/science/manipulation-de-l-ia-des-chercheurs-pris-en-flagrant-delit-18-07-2025-2594674_25.php Consulté le 24 octobre 2025.

Institut de Développement et d’Innovation Pédagogiques (IDIP), Université de Strasbourg. (2025). Utiliser l’intelligence artificielle pour étudier. Université de Strasbourg. https://idip.unistra.fr/ Consulté le 24 octobre 2025. Joussemet, F., Bédard, A., Beaupré, J., & Nonveiller, B. (2025). InitIAtion - Module 1. Cégep Saint-Laurent, UQAM. Kim, S., Sung, M., Lee, J., Lim, H., et Gimenez Perez, J. (2024). Efficient Terminology Integration for LLM-based Translation in Specialized Domains. Proceedings of the Ninth Conference on Machine Translation, p. 636‑642. https://doi.org/10.18653/v1/2024.wmt-1.51 Lucas, J. (2025). Psychose induite par l’IA : risque réel ou simple coïncidence ? National Geographic. https://www.nationalgeographic.fr/sciences/psychologie-sante-mentale-psychose-induite-par-ia-risque-reel-ou-simple-coincidence Consulté le 24 octobre 2025. Nowakowski, S. (2024). L’essentiel de l’intelligence artificielle. Les Incontournables. PIX : service public en ligne d’évaluation des compétences numériques module de formation dédié à l’IA. (s. d.). ChatGPT est-il vraiment neutre ? https://app.recette.pix.fr/modules/chatgpt-vraiment-neutre/passage Consulté le 24 octobre 2025.

Bibliographie

39

Russell, S., & Norvig, P. (2021). Intelligence artificielle : Une approche moderne (4e éd.). Pearson. Université de Genève. (2024). Guide à l’intention de la communauté universitaire : Intelligence artificielle générative. Université de Genève. https://www.unige.ch/numerique/ia-generative-guide-unige Wikipédia. (2025). Dictionnaire. In Wikipédia. https://fr.wikipedia.org/wiki/Dictionnaire Consulté le 24 octobre 2025. Wu, Y., Schuster, M., Chen, Z., Le, Q. V., Norouzi, M., Macherey, W., Krikun, M., Cao, Y., Gao, Q., Macherey, K., Klingner, J., Shah, A., Johnson, M., Liu, X., Kaiser, Ł., Gouws, S., Kato, Y., Kudo, T., Kazawa, H., et Dean, J. (2016). Google’s Neural Machine Translation System : Bridging the Gap between Human and Machine Translation. arXiv. https://doi.org/10.48550/arXiv.1609.08144

Pour aller plus loin

40

RGPD :

• https://www.economie.gouv.fr/entreprises/gerer-son-entreprise-au-quotidien/assurer-sa-cybersecurite-et-la-protection-de-ses/le#

L'IA et l'énergie renouvelable :

• https://www.france-renouvelables.fr/guide-energies-renouvelables/energies-renouvelables-progres-ia-impact-transition/

L’IA et l’eau :

• https://www.science-et-vie.com/nature-et-environnement/lumieres-24-24-factures-qui-explosent-penuries-deau-le-cauchemar-des-voisins-des-data-centers-destines-a-lia-206995.html
• https://onopia.com/la-soif-cachee-de-lia-lintelligence-artificielle-consomme-t-elle-trop-deau/

Reportage :

• https://www.tf1info.fr/environnement-ecologie/video-reportage-30-fois-plus-d-energie-que-pour-une-requete-traditionnelle-une-ia-verte-est-elle-possible-malgre-les-datas-centers-2383350.html

Fin de l'atelier

Fin de l'atelier

Savez-vous comment s'organisent entre eux ces 4 concepts : IA, IA générative, Machine Learning et Deep Learning ?

Réponse

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

quel outil utiliseriez-vous pour trouver la signification de « avocat » ?

Pourquoi ?

Et maintenant,

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

« Le terme IA générative se réfère à un ensemble de techniques issu du domaine de l’intelligence artificielle. Ce que l’on entend par « générative » est la capacité de l’outil à créer de l’information de manière automatique à partir de grands volumes de données existantes sur lesquelles il est entraîné. » 　　　　　　　　— Université de Genève

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

« Je veux un avocat du supermarché »

Partagez vos conclusions avec l'outil utilisé pour chercher le sens d’« avocat ».

Choisissez UN outil dans la liste ci-dessous pour chercher le sens d’« avocat » :

Comment avez-vous trouvé le bon sens ?　　　　　　　　　Pourquoi l'outil pourrait-il se tromper ?

• Succès possible :

• Échec possible :

• Dictionnaire
• Moteur de recherche
• Traducteur
• Intelligence Artificielle générative

Sauriez-vous écrire un exemple concret lié à l'IAg 　pour chacun de ces 8 concepts clés ?

• Biais
• Hallucinations
• Désinformation
• Données Personnelles
• Source d'information
• Empreinte environnementale
• Propriété intellectuelle
• Travail

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

RGPD en Europe

Le Règlement Général sur la Protection des Données impose:

• Le consentement explicite
• Le droit à l'effacement
• La portabilité des données
• La notification des violations

L'eau: la ressource invisible de l'IA

Les centres de données utilisent d'importantes quantités d'eau pour refroidir leurs serveurs. Microsoft a révélé que son infrastructure cloud, qui alimente en partie ses services d'IA, avait consommé près de 6,4 milliard de litres d'eau en 2022, soit l’équivalent de 2 500 piscines olympiques. Par ailleurs, de nombreux conflits, notamment en Amérique du Nord et en Amérique du Sud, mettent en lumière les effets écologiques dévastateurs des infrastructures de type data centers.

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Dignité du travail

Comment préserver la dignité du travail humain face à l'automatisation ? Certains emplois, comme les ouvriers du clic, créés autour de l'IA (comme la modération de contenus toxiques) posent des questions sur les conditions de travail et l'impact psychologique.

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Token ?

Vidéos "deepfake"

• Discours fictifs attribués à des personnalités
• Manipulation des expressions faciales et de la voix
• Création de "souvenirs visuels" d'événements inventés

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Le dictionnaire offre :

Une capacité de mise en contexte historique et disciplinaire absente de nombreuses IAGen

Une arborescence structurée du vocabulaire

Un lien entre sens, étymologie et terminologie

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

dans quel ordre ces méthodes de traduction sont-elles apparues ?

Selon vous,

A : Analyser une phrase entière comme un tout en utilisant un système inspiré du cerveau (réseaux de neurones).B : S’appuyer sur des connaissances dans de nombreux domaines et sur le contexte pour raisonner et produire une traduction naturelle. C : Comparer des milliers d'exemples pour voir comment les mots correspondent entre la langue A et la langue B, puis choisir la traduction la plus probable.

Réponse

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Droit à la créativité

La créativité humaine, longtemps considérée comme notre domaine réservé, est désormais partiellement accessible aux machines. Comment redéfinir ce qui fait la valeur unique de l'humain ?

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Textes manipulateurs

• Articles de "fausses nouvelles" imitant le style journalistique
• Témoignages fictifs mais crédibles
• Documents officiels falsifiés

Pages noires : Pratique & Échange

Phase active dédiée à l’exploration et à l’apprentissage par l’expérience.

1. Accès à Wooclap
2. Discussion
3. Partage

Rotation des partenaires

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

À votre avis, quelle technologie se cache derrière chaque méthode de traduction ?

Cette technologie fonctionne comme notre cerveau : elle utilise des réseaux de neurones artificiels, organisés en plusieurs couches, pour analyser des informations complexes comme le sens d'une phrase entière.

Comparer des milliers d'exemples pour voir comment les mots correspondent entre la langue A et la langue B, puis choisir la traduction la plus probable.

Cette technologie permet aux machines de trouver des relations entre les données sans règles précises. Elle compare de nombreux exemples pour apprendre à faire correspondre les informations et prédire le résultat le plus probable.

Analyser une phrase entière comme un tout en utilisant un système inspiré du cerveau (réseaux de neurones).

Cette technologie utilise de vastes réseaux de neurones pour analyser le contexte et l'intention derrière les mots. En s'appuyant sur d'énormes volumes de données, elle apprend à prédire la suite d'un texte de manière logique et naturelle.

S’appuyer sur des connaissances dans de nombreux domaines et sur le contexte pour raisonner et produire une traduction naturelle.

Réponse

Facteurs contribuant à cette consommation

• L'augmentation exponentielle du nombre de paramètres des modèles,
• Les multiples cycles d'entraînement nécessaires pour optimizer les performances,
• La nécessité de systèmes de refroidissement puissants pour les centres de données.

Les défis du moteur de recherche

Le moteur de recherche n’interprète pas votre intention. Il affiche tout ce qui est lié au mot clé ! Avec le mot « avocat », il affiche des résultats mélangés (fruit, droit, recettes). Pour obtenir un résultat pertinent, il faut préciser votre requête en utilisant des mots clés et pourquoi pas des opérateurs booléens !

Exemple : « avocat fruit recette » 　ou « avocat droit Paris ».

L'exploration

(en anglais "crawling")

Le robot d'indexation explore régulièrement le web en suivant tous les liens qu'il trouve et analyse les pages jugées intéressantes.

Comment pensez-vous que chaque technologie s'appelle ?

Cette technologie fonctionne comme notre cerveau : elle utilise des réseaux de neurones artificiels, organisés en plusieurs couches, pour analyser des informations complexes comme le sens d'une phrase entière.

LLM (Large Language Model)

Cette technologie permet aux machines de trouver des relations entre les données sans règles précises. Elle compare de nombreux exemples pour apprendre à faire correspondre les informations et prédire le résultat le plus probable.

L'apprentissage automatique (machine learning)

L'apprentissage profond (deep learning)

Cette technologie utilise de vastes réseaux de neurones pour analyser le contexte et l'intention derrière les mots. En s'appuyant sur d'énormes volumes de données, elle apprend à prédire la suite d'un texte de manière logique et naturelle.

Réponse

Mécanismes sous-jacents

Plusieurs facteurs contribuent à ce phénomène :

• Le caractère probabiliste des modèles de langage
• Les limites de la représentation de la connaissance
• L'absence de mécanismes de vérification factuelle intégrés
• La pression pour fournir une réponse même lorsque l'information est incertaine

Le classement

(en anglais "ranking")

Le moteur de recherche classe les pages selon leur pertinence par rapport à une série de mots clés. Cela lui permet, quand vous tapez les mots de votre recherche, de retrouver le contenu recherché.

« Je veux un avocat du supermarché »

Si vous ne connaissez pas le sens du mot « avocat »,

quel outil allez-vous utiliser 　pour trouver la signification d'« avocat » ?

Ce contenu produit semble original, mais en réalité, l'IAG se contente de traiter des énoncés (sous formes rédigée ou audio) qui sont formulés de façon naturelle, pour produire des réponses qui semblent pertinentes et probables au regard des données qui ont servi à son entraînement. Elle ne crée pas de manière créative au sens strict, mais elle propose des réponses plausibles, qui ressembleraient à des réponses qu'on pourrait trouver ailleurs, dans des contextes similaires. Là où l'on attribue souvent des capacités remarquables à ces IA, elles ne font que reproduire et adapter des structures et des informations textuelles déjà présentes dans les données sur lesquelles elles ont été formées.

Lorem ipsum dolor sit amet

- Institut de développement et d'innovation pédagogiques (IDIP)

Implications sociales

Les conséquences de ces hallucinations sont multiples et préoccupantes :

• Propagation de désinformation à grande échelle
• Manque de la confiance dans les sources d'information
• Manipulation de l'opinion publique
• Risques juridiques liés à la diffusion d'informations fausses

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Responsabilité individuelle et collective

• Éviter de partager des informations sensibles avec des IAG.
• Utiliser des options de confidentialité renforcée.
• Se renseigner sur les politiques de conservation des données.
• Exercer ses droits : accès, rectification et effacement.
• Faire adopter des outils respectueux des données personnelles,

que ce soit au travail, dans le développement ou dans les loisirs.

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Avez-vous des exemples en tête ?

Quels sont les points qui vous semblent problématiques ou risqués avec l’IA générative ?

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

L'entraînement du modèle GPT-3 a nécessité environ 1 287 MWh d'électricité.

Images trompeuses

• Scènes fictives présentées comme des événements réels
• Modifications subtiles d'images authentiques
• Création d'événements qui n'ont jamais eu lieu

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Pages blanches : Synthèse & Théorie

Phase de structuration des acquis.

L’intervenant s'appuie sur vos contributions pour apporter les précisions théoriques et les points de vigilance nécessaires.

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

Sommaire

Conclusion et Bibliographie

Guide de l’Atelier

(p. 1-4 )

Cliquez sur un titre pour y accéder.

(p. 35-40)

Partie 1

Partie 2

Partie 3

(p. 5)

(p. 14)

(p. 24)

Activités interactives

Activités interactives

Activités interactives

Wooclap

1 2

(p. 6-9 )

(p. 15-19)

(p. 25, 26)

• Dictionnaire (p. 1o)

• Moteur de recherche (p. 11)

• IA générative (p. 12)

• Site de traduction (p. 13)

Théorie

Théorie

Théorie

• Machine learning (p. 2o)

• Deep learning (p. 21)

• LLM (p. 22)

• Hiérarchie des technologies IA (p. 23)

• Biais algorithmiques (p. 27)

• Hallucinations (p. 28)

• Désinformation (p. 29)

• Données personnelles (p. 30)

• Source d'information (p. 31)

• Propriété intellectuelle(p. 33)

• Enjeux éthiques du travail(p. 34)

L'empreinte environnementale (p. 32)

L'indexation

Il extrait les mots clés de chacune des pages visitées (mots choisis par le webmestre ou apparaissant sur la page) et conserve une copie de ces pages : le cache.

Les défis de l'utilisation du dictionnaire

Tout comme pour le mot « avocat » (fruit ou profession), le dictionnaire propose souvent plusieurs sens pour un seul mot. Le dictionnaire est utile pour comprendre le sens d’un mot isolé, mais il faut toujours replacer ce mot dans son contexte pour éviter les erreurs.

Inégalités croissantes

Le risque d'une polarisation accrue du marché du travail, avec une masse de travailleurs précarisés par l'automatisation, constitue un défi majeur pour nos sociétés.