Objectif
Expliquer intelligence artificielle, reproduire l’exemple et justifier une décision dans le cas proposé.
Avant de commencer
Cybersécurité et sécurité numérique
Comprendre
Les systèmes d’IA apprennent ou appliquent des modèles; leurs résultats doivent être vérifiés pour biais, erreurs et contexte.
Exemple expliqué
Une prédiction confiante peut être fausse si les données sont insuffisantes ou différentes.
Analyser et éviter les erreurs
Les données d’entraînement influencent les résultats. Un modèle évalué sur les mêmes exemples peut sembler meilleur qu’il ne l’est sur de nouveaux cas. Il faut séparer entraînement et évaluation et examiner les erreurs selon les groupes concernés.
Étude de cas — raisonnement
Un modèle de lecture fonctionne bien en français mais mal en Kreyòl. Une moyenne globale masque cette différence; mesure les résultats par langue avant de décider d’un usage scolaire.
Vérifier sa compréhension
À retenir
Les systèmes d’IA apprennent ou appliquent des modèles; leurs résultats doivent être vérifiés pour biais, erreurs et contexte.