Culture Numérique et Médias · 3e Trimestre

Vérification de l'Information et Fake News

Les élèves développent des compétences pour évaluer la fiabilité des sources d'information en ligne et identifier les fausses nouvelles.

À propos de ce thème

L'Intelligence Artificielle (IA) n'est plus un concept de futuriste mais une réalité quotidienne. En 4ème, on introduit les principes du 'Machine Learning' : comment une machine apprend à partir de données plutôt que par une programmation explicite. On aborde également les enjeux éthiques cruciaux comme les biais algorithmiques et la transparence.

Le programme de cycle 4 encourage la compréhension des évolutions technologiques. Il s'agit de montrer que l'IA n'est pas 'magique' mais statistique. En manipulant des outils d'entraînement d'IA simples, les élèves découvrent que si les données de départ sont biaisées, le résultat le sera aussi, ce qui pose des questions fondamentales sur l'égalité et la laïcité dans une société numérique.

Idées d'apprentissage actif

Investigation : Entraîner une IA

À l'aide d'outils comme 'Teachable Machine', les élèves entraînent un modèle à distinguer des objets ou des expressions faciales. Ils testent ensuite les limites du modèle en présentant des cas ambigus pour comprendre comment l'IA généralise.

⏱ 50 min·Binômes

Générer mission

Débat formel: L'IA peut-elle être juge ?

Discussion structurée sur l'utilisation de l'IA dans des domaines sensibles (justice, recrutement, médecine). Les élèves débattent des risques de discrimination si l'algorithme reproduit les préjugés humains contenus dans les données.

⏱ 40 min·Classe entière

Générer mission

Penser-Partager-Présenter: Humain vs Machine

Les élèves listent des compétences (créativité, calcul rapide, empathie, traduction). Ils discutent en binômes de celles où l'IA dépasse l'humain et de celles qui restent, selon eux, exclusivement humaines.

⏱ 25 min·Binômes

Générer mission

Attention à ces idées reçues

Idée reçue courante

L'IA est intelligente comme un être humain.

Ce qu'il faut enseigner à la place

L'IA actuelle est une 'IA faible' : elle excelle dans une tâche précise par calcul statistique, mais n'a ni conscience, ni compréhension globale du monde. L'analogie avec une calculatrice géante est souvent plus juste.

Idée reçue courante

Les algorithmes sont neutres et objectifs.

Ce qu'il faut enseigner à la place

Un algorithme reflète les choix de ses créateurs et les défauts des données d'entraînement. Montrer des exemples d'IA de reconnaissance faciale qui échouent sur certaines couleurs de peau illustre parfaitement ce point.

Questions fréquentes

C'est quoi le Machine Learning ?

C'est une branche de l'IA où l'ordinateur apprend à réaliser une tâche en analysant des milliers d'exemples, au lieu de suivre des règles fixes dictées par un programmeur.

D'où viennent les biais de l'IA ?

Ils viennent principalement des données d'entraînement. Si on apprend à une IA à reconnaître un 'médecin' uniquement avec des photos d'hommes, elle pensera qu'une femme ne peut pas être médecin.

Comment les activités pratiques aident-elles à démystifier l'IA ?

En entraînant eux-mêmes une petite IA, les élèves voient que c'est un processus technique basé sur la répétition et l'erreur. Cela casse l'image d'une machine toute-puissante et leur permet de comprendre que l'humain reste responsable des données fournies.

L'IA va-t-elle remplacer les professeurs ?

L'IA peut aider pour des exercices personnalisés ou des corrections automatiques, mais elle ne peut pas remplacer la relation humaine, l'empathie et l'adaptation pédagogique qui sont au cœur de l'enseignement.

Parcourir le programme par pays

• Amériques
• US
• CA
• MX
• CL
• CO
• BR

• Europe
• UK
• IE
• FR
• DE
• ES
• IT
• NL
• PT
• SE

• Asie-Pacifique
• IN
• SG
• AU