Intelligence artificielle

Question 1

Que produit un système d’intelligence artificielle à partir des données qu’il reçoit ?

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.

Vérification : source 1 · source 2

Question 2

Qu’appelle-t-on apprentissage automatique ?

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.

Vérification : source 1 · source 4

Question 3

Dans un apprentissage supervisé, que fournit-on généralement avec les exemples ?

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.

Vérification : source 2 · source 4

Question 4

Quel est le but principal d’un apprentissage non supervisé ?

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.

Vérification : source 2 · source 4

Question 5

Sur quoi repose l’apprentissage par renforcement ?

RéponseDes récompenses associées aux actions d’un agent

L’agent agit, observe les conséquences et cherche une stratégie qui maximise une récompense cumulée.

Vérification : source 2 · source 4

Consulter les références utilisées pour vérifier ce quiz

Question 6

Que désigne l’entraînement d’un modèle ?

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.

Vérification : source 2 · source 4

Question 7

Qu’est-ce que l’inférence en intelligence artificielle ?

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.

Vérification : source 1 · source 2

Question 8

Pourquoi sépare-t-on souvent données d’entraînement, de validation et de test ?

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.

Vérification : source 2 · source 4

Question 9

Qu’est-ce que le surapprentissage ?

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.

Vérification : source 2 · source 4

Question 10

À quoi sert une fonction de perte pendant l’entraînement ?

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.

Vérification : source 2 · source 4

Consulter les références utilisées pour vérifier ce quiz

Question 11

Dans un réseau de neurones, que sont les paramètres appris ?

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.

Vérification : source 2 · source 4

Question 12

Que signifie l’expression apprentissage profond ?

RéponseL’emploi de réseaux de neurones comportant de nombreuses couches

Le deep learning utilise des architectures multicouches qui apprennent des représentations successives des données.

Vérification : source 2 · source 4

Question 13

Quelle capacité caractérise une IA générative ?

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.

Vérification : source 2 · source 3

Question 14

Qu’est-ce qu’un grand modèle de langage ?

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.

Vérification : source 1 · source 2

Question 15

Que représente un jeton, ou token, pour un modèle de langage ?

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.

Vérification : source 1 · source 2

Consulter les références utilisées pour vérifier ce quiz

Question 16

À quoi sert un prompt adressé à une IA générative ?

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.

Vérification : source 2 · source 3

Question 17

Que signifie hallucination pour un modèle génératif ?

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.

Vérification : source 2 · source 3

Question 18

Comment un biais peut-il apparaître dans un système d’IA ?

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.

Vérification : source 1 · source 3

Question 19

Pourquoi l’explicabilité d’un système d’IA peut-elle être utile ?

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.

Vérification : source 1 · source 2 · source 3

Question 20

Quel principe reste essentiel lorsqu’une IA intervient dans une décision importante ?

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.

Vérification : source 1 · source 2 · source 3

Consulter les références utilisées pour vérifier ce quiz