Intelligence artificielle — 20 questions
Nom : ____________________ Date : __________ Score : ____ / 20
Les corrections distinguent entraînement, inférence et génération, puis donnent les repères utiles pour évaluer limites, biais et responsabilité.
À vous de jouer
20 questions pour tester vos connaissances
Répondez sans quitter la page. Après chaque choix, la bonne réponse et son explication apparaissent. Vous pouvez fermer puis rouvrir la fenêtre pour poursuivre votre tentative tant que la page reste ouverte. À la fin, consultez les corrections ou rejouez vos erreurs.
Repères utiles
Comprendre les mécanismes de l’intelligence artificielle
L’intelligence artificielle regroupe des méthodes capables d’exécuter des tâches associées à la perception, à la prédiction, au langage ou à la décision.
Le quiz distingue données, entraînement, inférence et génération, puis met en évidence biais, hallucinations et besoin de supervision humaine.
Testez votre réponse dans le quiz, ou consultez la correction plus bas.
Répondre sans indiceQuestion 07Qu’est-ce que l’inférence en intelligence artificielle ?Testez votre réponse dans le quiz, ou consultez la correction plus bas.
Répondre sans indiceQuestion 14Qu’est-ce qu’un grand modèle de langage ?Testez votre réponse dans le quiz, ou consultez la correction plus bas.
Répondre sans indiceQuestion 20Quel principe reste essentiel lorsqu’une IA intervient dans une décision importante ?Testez votre réponse dans le quiz, ou consultez la correction plus bas.
Répondre sans indiceMéthode de lecture
Identifier la phase du système, vérifier ce qui a été mesuré ou généré, puis examiner les limites et les risques avant de conclure.
Notions couvertes
- Apprentissage et inférence
- IA générative et prompts
- Biais, explicabilité et contrôle
Correction complète du quiz
20 réponses expliquées
Relisez chaque question, vérifiez la réponse et retenez le contexte utile. Les références et la date de mise à jour restent accessibles sur la même page.
- 20
- questions corrigées
- 100 %
- des réponses expliquées
- 4
- sources consultables
Question par question
Consultez toutes les corrections
Cette partie est lisible sans lancer le quiz. Chaque entrée associe la question, la réponse courte et le contexte nécessaire pour éviter une mémorisation approximative.
Afficher le sommaire des questions
- 01Que produit un système d’intelligence artificielle à partir des données qu’il reçoit ?
- 02Qu’appelle-t-on apprentissage automatique ?
- 03Dans un apprentissage supervisé, que fournit-on généralement avec les exemples ?
- 04Quel est le but principal d’un apprentissage non supervisé ?
- 05Sur quoi repose l’apprentissage par renforcement ?
- 06Que désigne l’entraînement d’un modèle ?
- 07Qu’est-ce que l’inférence en intelligence artificielle ?
- 08Pourquoi sépare-t-on souvent données d’entraînement, de validation et de test ?
- 09Qu’est-ce que le surapprentissage ?
- 10À quoi sert une fonction de perte pendant l’entraînement ?
- 11Dans un réseau de neurones, que sont les paramètres appris ?
- 12Que signifie l’expression apprentissage profond ?
- 13Quelle capacité caractérise une IA générative ?
- 14Qu’est-ce qu’un grand modèle de langage ?
- 15Que représente un jeton, ou token, pour un modèle de langage ?
- 16À quoi sert un prompt adressé à une IA générative ?
- 17Que signifie hallucination pour un modèle génératif ?
- 18Comment un biais peut-il apparaître dans un système d’IA ?
- 19Pourquoi l’explicabilité d’un système d’IA peut-elle être utile ?
- 20Quel principe reste essentiel lorsqu’une IA intervient dans une décision importante ?
Question 1 · lien direct · Signaler une erreur
Que produit un système d’intelligence artificielle à partir des données qu’il reçoit ?
Voir les 4 choix proposés
- Des prédictions, contenus, recommandations ou décisions
- Uniquement des fichiers texte
- Toujours une décision juridiquement contraignante
- Seulement des calculs arithmétiques exacts
RéponseDes prédictions, contenus, recommandations ou décisions
Un système d’IA infère comment produire une sortie à partir de ses entrées et de ses objectifs. Le degré d’autonomie varie selon les systèmes.
Question 2 · lien direct · Signaler une erreur
Qu’appelle-t-on apprentissage automatique ?
Voir les 4 choix proposés
- La fabrication physique d’un ordinateur
- Le stockage d’un fichier sans traitement
- Une méthode où un modèle apprend des régularités à partir de données
- La saisie manuelle de chaque réponse possible
RéponseUne méthode où un modèle apprend des régularités à partir de données
Le machine learning ajuste les paramètres d’un modèle grâce à des exemples ou à des interactions, plutôt que de programmer explicitement chaque cas.
Question 3 · lien direct · Signaler une erreur
Dans un apprentissage supervisé, que fournit-on généralement avec les exemples ?
Voir les 4 choix proposés
- Un mot de passe administrateur
- Une preuve que le modèle ne se trompera jamais
- Uniquement des données sans aucune cible
- La réponse attendue ou étiquette
RéponseLa réponse attendue ou étiquette
Les couples entrée-étiquette permettent au modèle de comparer sa prédiction à la cible et de réduire progressivement son erreur.
Question 4 · lien direct · Signaler une erreur
Quel est le but principal d’un apprentissage non supervisé ?
Voir les 4 choix proposés
- Remplacer toute vérification humaine
- Repérer des structures dans des données non étiquetées
- Copier une base mot pour mot
- Garantir la causalité entre toutes les variables
RéponseRepérer des structures dans des données non étiquetées
Sans réponse attendue fournie pour chaque exemple, l’algorithme peut notamment regrouper des observations ou réduire leur dimension.
Question 5 · lien direct · Signaler une erreur
Sur quoi repose l’apprentissage par renforcement ?
Voir les 4 choix proposés
- Des récompenses associées aux actions d’un agent
- Des étiquettes écrites pour chaque pixel
- Une unique règle qui ne change jamais
- L’absence totale d’environnement
RéponseDes récompenses associées aux actions d’un agent
L’agent agit, observe les conséquences et cherche une stratégie qui maximise une récompense cumulée.
Question 6 · lien direct · Signaler une erreur
Que désigne l’entraînement d’un modèle ?
Voir les 4 choix proposés
- La compression d’une image sans modèle
- La publication automatique de ses résultats
- L’ajustement de ses paramètres à partir de données
- La simple ouverture de l’application
RéponseL’ajustement de ses paramètres à partir de données
Pendant l’entraînement, une procédure d’optimisation modifie les paramètres afin de réduire une erreur ou d’améliorer une récompense.
Question 7 · lien direct · Signaler une erreur
Qu’est-ce que l’inférence en intelligence artificielle ?
Voir les 4 choix proposés
- La collecte obligatoire de nouvelles étiquettes
- La réparation matérielle du serveur
- La suppression du modèle après son entraînement
- L’utilisation d’un modèle entraîné pour produire une sortie
RéponseL’utilisation d’un modèle entraîné pour produire une sortie
L’inférence applique le modèle à une nouvelle entrée pour obtenir une prédiction, une recommandation ou un contenu.
Question 8 · lien direct · Signaler une erreur
Pourquoi sépare-t-on souvent données d’entraînement, de validation et de test ?
Voir les 4 choix proposés
- Pour publier les données de test avant l’entraînement
- Pour régler le modèle puis mesurer sa généralisation sur des données distinctes
- Pour tripler artificiellement chaque observation
- Pour empêcher tout calcul statistique
RéponsePour régler le modèle puis mesurer sa généralisation sur des données distinctes
La validation aide à choisir les réglages. Le test final estime les performances sur des exemples qui n’ont pas servi à ces choix.
Question 9 · lien direct · Signaler une erreur
Qu’est-ce que le surapprentissage ?
Voir les 4 choix proposés
- Un modèle mémorise trop les données d’entraînement et généralise mal
- Un modèle apprend plus vite sur tout nouveau sujet
- Un ordinateur dispose de trop de mémoire vive
- Une base contient plusieurs sauvegardes
RéponseUn modèle mémorise trop les données d’entraînement et généralise mal
Un modèle surajusté obtient parfois d’excellents résultats sur ses exemples d’apprentissage mais se dégrade sur des données nouvelles.
Question 10 · lien direct · Signaler une erreur
À quoi sert une fonction de perte pendant l’entraînement ?
Voir les 4 choix proposés
- À compter uniquement le nombre de fichiers
- À déterminer la taille de l’écran
- À mesurer l’écart entre la sortie du modèle et l’objectif
- À chiffrer automatiquement les données
RéponseÀ mesurer l’écart entre la sortie du modèle et l’objectif
L’optimisation cherche généralement à réduire cette mesure d’erreur, dont la forme dépend de la tâche.
Question 11 · lien direct · Signaler une erreur
Dans un réseau de neurones, que sont les paramètres appris ?
Voir les 4 choix proposés
- Les noms des utilisateurs
- Les pixels de l’écran
- Les règles juridiques du pays
- Des poids et biais ajustés pendant l’entraînement
RéponseDes poids et biais ajustés pendant l’entraînement
Les poids modulent les signaux entre unités. Leur très grand nombre permet au réseau de représenter des relations complexes.
Question 12 · lien direct · Signaler une erreur
Que signifie l’expression apprentissage profond ?
Voir les 4 choix proposés
- Une base de données sans algorithme
- L’emploi de réseaux de neurones comportant de nombreuses couches
- L’apprentissage effectué sous terre
- Un calcul limité à deux variables
RéponseL’emploi de réseaux de neurones comportant de nombreuses couches
Le deep learning utilise des architectures multicouches qui apprennent des représentations successives des données.
Question 13 · lien direct · Signaler une erreur
Quelle capacité caractérise une IA générative ?
Voir les 4 choix proposés
- Créer un nouveau contenu à partir des régularités apprises
- Garantir que chaque contenu est vrai
- Mesurer uniquement la température d’un processeur
- Sauvegarder un fichier sans le modifier
RéponseCréer un nouveau contenu à partir des régularités apprises
Une IA générative peut produire texte, image, son ou code. Une sortie plausible n’est pas automatiquement exacte.
Question 14 · lien direct · Signaler une erreur
Qu’est-ce qu’un grand modèle de langage ?
Voir les 4 choix proposés
- Un moteur de recherche qui ne calcule rien
- Un format de fichier bureautique
- Un modèle entraîné à traiter et générer des séquences linguistiques
- Un dictionnaire contenant uniquement des définitions fixes
RéponseUn modèle entraîné à traiter et générer des séquences linguistiques
Un LLM estime notamment la suite probable d’une séquence à partir de représentations apprises sur de grands corpus.
Question 15 · lien direct · Signaler une erreur
Que représente un jeton, ou token, pour un modèle de langage ?
Voir les 4 choix proposés
- Une réponse nécessairement composée d’un mot entier
- Une preuve d’identité bancaire
- Un pixel de la carte graphique
- Une unité de texte traitée par le modèle
RéponseUne unité de texte traitée par le modèle
Un token peut correspondre à un mot, une partie de mot ou un signe. Les modèles manipulent des séquences de ces unités.
Question 16 · lien direct · Signaler une erreur
À quoi sert un prompt adressé à une IA générative ?
Voir les 4 choix proposés
- À remplacer les données d’entraînement
- À fournir une instruction et le contexte utile à la réponse
- À modifier physiquement le processeur
- À certifier la véracité du résultat
RéponseÀ fournir une instruction et le contexte utile à la réponse
La formulation du prompt guide la tâche, le format et le périmètre, mais ne supprime ni les limites ni le besoin de vérification.
Question 17 · lien direct · Signaler une erreur
Que signifie hallucination pour un modèle génératif ?
Voir les 4 choix proposés
- Une information produite avec assurance mais non fondée
- Une panne de l’écran
- Une image volontairement artistique
- Une donnée chiffrée avec une clé
RéponseUne information produite avec assurance mais non fondée
Le modèle peut fabriquer un fait, une référence ou un raisonnement plausible. Les affirmations importantes doivent être confrontées à des sources fiables.
Question 18 · lien direct · Signaler une erreur
Comment un biais peut-il apparaître dans un système d’IA ?
Voir les 4 choix proposés
- Seulement après dix ans d’utilisation
- Jamais lorsque le jeu de données est volumineux
- Par les données, les objectifs, la conception ou le contexte d’usage
- Uniquement si le code contient une faute de frappe
RéponsePar les données, les objectifs, la conception ou le contexte d’usage
La représentativité des données ne suffit pas à elle seule. Les choix de mesure, d’optimisation et de déploiement influencent aussi les résultats.
Question 19 · lien direct · Signaler une erreur
Pourquoi l’explicabilité d’un système d’IA peut-elle être utile ?
Voir les 4 choix proposés
- Pour garantir que le système devient infaillible
- Pour supprimer toute donnée d’entrée
- Pour augmenter automatiquement la vitesse du réseau
- Pour comprendre les facteurs d’une sortie et mieux la contester ou la contrôler
RéponsePour comprendre les facteurs d’une sortie et mieux la contester ou la contrôler
Le niveau d’explication nécessaire dépend de l’enjeu. Il aide notamment l’audit, la supervision et la détection d’erreurs.
Question 20 · lien direct · Signaler une erreur
Quel principe reste essentiel lorsqu’une IA intervient dans une décision importante ?
Voir les 4 choix proposés
- Interdire toute possibilité de recours
- Maintenir une responsabilité et une supervision humaines adaptées
- Transférer toute responsabilité au logiciel
- Cacher systématiquement l’usage de l’IA
RéponseMaintenir une responsabilité et une supervision humaines adaptées
Les cadres de confiance insistent sur la traçabilité, la gestion des risques et une responsabilité humaine qui ne disparaît pas derrière le système.
