Idées d’apprentissage actif
Ce dernier volet explore les frontières de la photographie numérique : l'intelligence artificielle et les algorithmes avancés. On y étudie comment des filtres de convolution permettent de détecter des contours ou de flouter une image. C'est une introduction accessible à la vision par ordinateur, utilisée dans les voitures autonomes ou la reconnaissance faciale.
Activité 01
Les élèves analysent une série d'images (réelles et générées par IA). Ils doivent identifier des indices techniques (erreurs de textures, reflets illogiques) pour classer les images et justifier leurs choix.
Comment un algorithme détecte-t-il les visages ?
Activité 02
Sur une grille de nombres simple, les élèves appliquent un noyau de convolution (matrice 3x3) pour calculer la nouvelle valeur d'un pixel, comprenant ainsi comment on détecte un bord.
Qu'est-ce qu'un filtre de convolution ?
Activité 03
Débat sur le statut des images générées par IA. Qui est l'auteur ? Est-ce de l'art ? Quels impacts pour les photographes et illustrateurs professionnels ?
Quels sont les enjeux éthiques des deepfakes ?
Quelques notes pour enseigner cette unité
Attention à ces idées reçues
L'IA 'comprend' ce qu'elle voit dans une image.
L'IA reconnaît des motifs statistiques de pixels. Elle ne possède pas de concept sémantique. Montrer des erreurs d'interprétation de l'IA aide à comprendre cette limite fondamentale.
Un filtre de flou supprime définitivement l'information.
Certains flous légers peuvent être inversés par des algorithmes de déconvolution. Il faut sensibiliser au fait que masquer une information par un simple flou n'est pas toujours une protection robuste.
Méthodes utilisées dans ce dossier
De la lumière au pixel
Étude du fonctionnement d'un capteur photographique, de la numérisation de l'image et du codage des couleurs en RVB.
8 methodologies
Traitement de l'image et métadonnées
Application de transformations simples sur les images (luminosité, contraste) et analyse des données EXIF intégrées aux fichiers.
8 methodologies