Intelligences artificielles

Informations

Acquis d'apprentissage spécifiques

Voici une proposition propre pour la rubrique Acquis d’apprentissage spécifiques.

Au terme de cette activité d’apprentissage, l’étudiant sera capable de :

1. Définir les notions fondamentales liées à l’intelligence artificielle, notamment IA, machine learning, deep learning, IA générative, LLM, token, Transformer, attention, hallucination et fenêtre de contexte.
2. Expliquer, avec un vocabulaire accessible, le fonctionnement général d’un modèle de langage, en distinguant prédiction statistique, compréhension humaine, apprentissage supervisé, tokenisation et génération de réponse.
3. Identifier les limites structurelles des modèles génératifs, notamment les hallucinations, le knowledge cutoff, les biais, l’absence de raisonnement garanti et la dépendance au contexte fourni.
4. Utiliser un outil d’IA générative de manière méthodique, en formulant une demande claire, contextualisée et structurée, adaptée à la tâche attendue.
5. Appliquer les principes de base du prompt engineering, en mobilisant le rôle, le contexte, la tâche, le format attendu, les contraintes et l’itération.
6. Vérifier de manière critique une réponse produite par une IA, en contrôlant les faits, les sources, le code, les références, les raisonnements et les résultats sensibles.
7. Distinguer les usages pertinents et non pertinents de l’IA dans le développement informatique, notamment la complétion de code, l’assistance à la documentation, les tests, les agents autonomes et le prototypage rapide.
8. Adopter une méthode de travail responsable avec les assistants de code, incluant la lecture du code généré, les tests, la relecture humaine, la validation et le refus de déléguer aveuglément une décision technique.
9. Identifier les principaux risques liés à l’usage professionnel de l’IA, notamment la fuite de données, la prompt injection, l’excessive agency, les biais algorithmiques et la responsabilité humaine.
10. Appliquer les réflexes de base liés au RGPD, à l’AI Act et à la sécurité, en reconnaissant les données à ne pas transmettre à un outil public et les situations nécessitant une vigilance juridique ou technique.
11. Évaluer l’impact environnemental et organisationnel d’un usage de l’IA, en tenant compte du choix du modèle, du cloud/local, de l’inférence, de la proportionnalité et des coûts associés.
12. Expliquer l’évolution du métier d’informaticien face à l’IA, en distinguant les tâches automatisables des compétences qui gagnent en valeur : jugement, vérification, supervision, conception, sécurité et responsabilité.

Contenu de l'AA

Ressources bibliographiques

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais