Agent
Système qui enchaîne des actions avec des outils en poursuivant un objectif.
Exemple : Chercher des documents puis préparer un tableau de synthèse, avec validation humaine.
Comprendre l’IA
Les mots, simplement.
Des définitions courtes, un exemple pédagogique et des réponses aux questions courantes.
Anonymisation
Transformation visant à empêcher l’identification d’une personne, y compris par recoupement.
Exemple : Utiliser un exemple entièrement fictif pour tester un feedback.
Biais algorithmique
Tendance systématique qui peut défavoriser certains groupes ou points de vue.
Exemple : Des exemples associent toujours le même métier à un genre.
Chatbot
Interface de dialogue pouvant utiliser des règles, un modèle de langage ou plusieurs outils.
Exemple : Poser une question puis demander une reformulation adaptée au niveau.
Deepfake
Média synthétique ou modifié pouvant faire croire qu’une personne a dit ou fait quelque chose.
Exemple : Une fausse vidéo attribue une annonce à une personne réelle.
Donnée personnelle
Information se rapportant à une personne identifiée ou identifiable.
Exemple : Un nom, une photo ou une combinaison de détails sur un élève.
Données d’entraînement
Exemples utilisés pour ajuster les paramètres d’un modèle.
Exemple : Construire un petit corpus fictif et observer les catégories absentes.
Droit d’auteur
Cadre qui protège certaines créations et encadre leur utilisation ; les droits et exceptions dépendent du contexte juridique.
Exemple : Vérifier la licence d’un texte avant de l’importer dans un outil.
Entraînement
Processus qui ajuste les paramètres d’un modèle à partir de données et d’objectifs.
Exemple : Apprendre des régularités linguistiques dans un grand corpus.
Évaluation formative
Évaluation utilisée pour ajuster l’apprentissage en cours.
Exemple : Un quiz court sert à choisir la prochaine activité de remédiation.
Fenêtre de contexte
Quantité de contenu qu’un modèle peut prendre en compte dans une interaction.
Exemple : Un long dossier peut dépasser les limites du service.
Fine-tuning
Adaptation d’un modèle existant par un entraînement supplémentaire.
Exemple : Spécialiser un modèle sur un type de tâche avec des données autorisées.
Génération audio
Production de parole, musique ou sons à partir d’une demande.
Exemple : Préparer une lecture d’un dialogue fictif et sa transcription.
Génération d’images
Production d’images à partir d’une consigne ou d’autres contenus.
Exemple : Créer une illustration fictive puis rédiger sa légende.
Génération vidéo
Production ou transformation de séquences animées à partir de consignes.
Exemple : Illustrer un phénomène avec une animation identifiée comme simulation.
Hallucination
Production erronée ou inventée présentée de façon plausible par une IA.
Exemple : Une bibliographie contient un article qui n’existe pas.
IA à règles, IA prédictive, IA générative
Des systèmes appliquent des règles, prédisent une classe ou produisent du contenu ; ces familles peuvent se combiner.
Exemple : Comparer une règle de tri, un classifieur appris et un générateur de descriptions.
IA générative
Système qui produit un contenu nouveau à partir d’une demande et de régularités apprises.
Exemple : Générer plusieurs formulations d’une consigne puis choisir la plus claire.
Inférence
Utilisation d’un modèle entraîné pour produire un résultat.
Exemple : Envoyer un prompt et recevoir une réponse.
Intelligence artificielle
Ensemble de méthodes informatiques qui réalisent des tâches telles que classer, prédire, reconnaître ou produire du contenu.
Exemple : Un système classe des images ; un autre propose un texte.
LLM
Grand modèle de langage entraîné notamment à prédire et produire des séquences de tokens.
Exemple : Un assistant rédige une explication à partir d’une consigne.
Mémoire
Fonction d’un service qui conserve certaines informations pour des échanges ultérieurs, selon ses réglages.
Exemple : Un enseignant retrouve une préférence de format enregistrée.
Modèle ouvert
Modèle dont certains éléments sont accessibles ; les droits de réutilisation dépendent de sa licence.
Exemple : Vérifier la licence même si les poids sont téléchargeables.
Modèle propriétaire
Modèle contrôlé par un fournisseur selon ses conditions d’accès et d’usage.
Exemple : Accéder à un modèle par un abonnement ou une interface web.
Multimodal
Qui traite ou produit plusieurs types de contenu : texte, image, audio, etc.
Exemple : Poser une question sur un schéma joint.
Prompt
Demande adressée à un système d’IA. Un bon cadrage aide, sans garantir une réponse exacte.
Exemple : Indiquer le niveau, la durée, le support et le format souhaité.
Pseudonymisation
Remplacement d’identifiants par un code, sans forcément empêcher la réidentification.
Exemple : « Élève A » reste identifiable si le texte décrit sa situation unique.
RAG
Méthode qui récupère des passages de documents pour aider un modèle à produire une réponse. Elle ne supprime pas toutes les erreurs.
Exemple : Retrouver un passage de cours avant de répondre à une question.
Raisonnement généré
Suite d’explications ou d’étapes produites par un modèle ; elle peut sembler logique et contenir des erreurs.
Exemple : Une résolution affiche des étapes dont il faut contrôler la validité.
Recherche web
Consultation de sources accessibles en ligne ; elle doit être réellement disponible et activée dans l’outil.
Exemple : Demander une information récente puis ouvrir le communiqué original.
Température
Réglage qui influence la variabilité du choix des tokens dans certains modèles.
Exemple : Comparer deux propositions d’activité issues du même contexte.
Token
Unité de représentation du texte ou d’un autre contenu utilisée par un modèle ; ce n’est pas nécessairement un mot.
Exemple : Un mot arabe ou français peut être représenté par plusieurs tokens.
Traçabilité
Possibilité de retrouver l’origine d’une information et les étapes de production.
Exemple : Joindre sources, brouillons et déclaration d’usage de l’IA à un projet.
Les questions que vous vous posez
Le portail est-il un site officiel ?
Non. C’est un centre de ressources indépendant. Les liens vers des institutions servent à documenter les contenus et n’impliquent aucun partenariat.
Les activités suivent-elles exactement mon programme ?
Ce sont des propositions à adapter. Joignez votre référentiel et vérifiez chaque objectif, notion et exemple. Aucun alignement officiel n’est garanti.
Puis-je utiliser ces ressources sans compte ?
Les fiches sont consultables dans le portail selon ses conditions de partage. Les outils externes ont leurs propres conditions et peuvent exiger un compte.
Les favoris sont-ils synchronisés ?
Non. Ils restent dans le navigateur et sur cet appareil. Utilisez l’export pour en conserver une copie.
L’IA peut-elle noter les élèves à ma place ?
Le portail recommande de garder la décision pédagogique humaine, de contrôler les retours et d’examiner les conditions de tout traitement de données.
Un détecteur prouve-t-il qu’un élève a utilisé une IA ?
Non. Un score peut être erroné ; il faut examiner la démarche, les sources et les explications de l’élève sans accusation automatique.
Puis-je importer un manuel ?
Vérifiez les droits autorisant l’importation et l’usage prévu. La possession d’un manuel ou l’objectif pédagogique ne suffit pas automatiquement.
La version arabe est-elle complète ?
L’accueil arabe, un guide de démarrage et plusieurs contenus sont disponibles. La majorité des fiches reste en français ; le modèle de contenu prévoit des traductions par fiche.
Les tarifs sont-ils garantis ?
Non. Les montants non contrôlés ont été retirés. Consultez la page officielle avant tout choix d’abonnement.
Comment proposer une correction ?
Le formulaire permet de préparer et télécharger une contribution. Aucun envoi à une équipe éditoriale n’est configuré dans cette version.