Ens. Scientifique · terminale

Chapitre 4 — L'intelligence artificielle et ses enjeux

Illustration — L'intelligence artificielle et ses enjeux

L'essentiel en 30 secondes

L'intelligence artificielle (IA) repose sur des algorithmes qui apprennent à partir de données. Le machine learning entraîne un modèle sur un jeu de données pour qu'il fasse des prédictions. Les biais dans les données produisent des résultats biaisés. L'IA soulève des questions éthiques majeures : vie privée, responsabilité, emploi, transparence des décisions.

Notions clés

Intelligence artificielle: Ensemble de techniques permettant à une machine de simuler des capacités cognitives (reconnaître, classer, prédire, décider).
Apprentissage supervisé: Le modèle apprend sur des données étiquetées (entrée + résultat attendu). Exemple : photos de chats/chiens étiquetées pour apprendre à les distinguer.
Apprentissage non supervisé: Le modèle cherche des structures dans des données non étiquetées (regroupements, tendances) sans qu'on lui dise le résultat attendu.
Biais algorithmique: Distorsion systématique dans les résultats d'un algorithme, souvent due à des biais présents dans les données d'entraînement.
Réseau de neurones artificiels: Modèle mathématique inspiré du cerveau, composé de couches de neurones artificiels interconnectés par des poids ajustés lors de l'apprentissage.

Formules

Neurone artificiel (modèle simplifié)

y = f\left(\sum_{i=1}^{n} w_i \cdot x_i + b\right)

Condition : x_i = entrées, w_i = poids, b = biais, f = fonction d'activation

A retenir

Un algorithme de machine learning n'est pas intelligent : il optimise une fonction mathématique sur des données. Pas de compréhension, pas de conscience.
Biais dans les données $\to$ biais dans les résultats. Si les données d'entraînement sous-représentent un groupe, l'IA sera moins performante pour ce groupe.
Le RGPD (en Europe) encadre l'utilisation des données personnelles par les IA : droit à l'explication, droit d'opposition.

Erreurs classiques

Erreur : Penser que l'IA 'comprend' ou 'pense'

Correction : L'IA traite des données statistiquement. Elle ne comprend pas le sens de ce qu'elle traite. C'est un outil mathématique.

Erreur : Croire qu'un algorithme est objectif parce qu'il est mathématique

Correction : L'algorithme reproduit et amplifie les biais présents dans ses données d'entraînement. Mathématique $\neq$ neutre.

Erreur : Confondre corrélation et causalité dans les résultats d'une IA

Correction : L'IA détecte des corrélations statistiques. Une corrélation entre A et B ne signifie pas que A cause B.

Astuce méthode

Au bac, si on te demande une analyse critique d'une IA, pense à 3 axes : 1) qualité et représentativité des données, 2) transparence de l'algorithme (boîte noire ?), 3) conséquences sociales et éthiques.