Cuestionario: Introduction à l'Intelligence Artificielle et Big Data — 20 preguntas

Preguntas y respuestas detalladas

1. Quel énoncé décrit le mieux les données massives ?

Des informations qualitatives sans volume significatif ni flux continu
De très grands volumes de données générées en continu et difficiles à traiter avec des outils classiques
Des données exclusivement numériques stockées dans une base relationnelle
Un petit ensemble de données statiques facilement analysables par tableur

De très grands volumes de données générées en continu et difficiles à traiter avec des outils classiques

Explicación

Les données massives se caractérisent par un très grand volume, une forte complexité et une production continue qui dépasse les outils classiques. Les autres propositions ne reprennent pas cette combinaison de contraintes.

2. À quoi correspond la valeur dans le modèle des 5V du Big Data ?

Au nombre d’octets contenus dans un fichier
À la diversité des formats de stockage
À l’exactitude et à la fiabilité des données
À la rapidité de circulation des données

À l’exactitude et à la fiabilité des données

Explicación

Dans les 5V, la véracité renvoie à l’exactitude et à la fiabilité, tandis que la valeur désigne les opportunités business apportées par l’analyse. Les autres options décrivent d’autres V ou un aspect technique différent.

3. Quel est le rôle principal de la Business Intelligence ?

Collecter, gérer et analyser des données pour soutenir les décisions de l’entreprise
Stocker uniquement des données historiques sans les exploiter
Créer automatiquement des contenus à partir de prompts
Remplacer les équipes métiers par des algorithmes autonomes

Collecter, gérer et analyser des données pour soutenir les décisions de l’entreprise

Explicación

La BI regroupe des գործընթաց techniques pour transformer les données en informations utiles à la décision. Elle ne se limite ni au stockage ni à la génération de contenu.

4. Quelle affirmation distingue correctement la Business Intelligence de l’analytique métier ?

La BI sert au futur et l’analytique métier au passé
Les deux ont exactement le même objectif
La BI est descriptive alors que l’analytique métier est prédictive
L’analytique métier se limite aux tableaux de bord

La BI est descriptive alors que l’analytique métier est prédictive

Explicación

La BI répond surtout aux questions « quoi » et « comment » à partir des données passées ou actuelles, alors que l’analytique métier cherche à estimer des résultats futurs et à expliquer le « pourquoi ». C’est donc une distinction descriptive versus prédictive.

5. Quel usage métier de la BI consiste à synthétiser des indicateurs pour suivre l’activité commerciale ?

Le tableau de bord
La vision par ordinateur
Le réseau neuronal
Le filtrage collaboratif

Le tableau de bord

Explicación

Le tableau de bord regroupe des indicateurs et analyses pour rendre les résultats rapidement accessibles aux équipes. Les autres propositions renvoient à d’autres domaines de l’IA ou de la recommandation.

6. Quel risque de la data visualisation est correctement identifié ?

Une corrélation observée ne prouve pas une causalité
Les données visualisées ne peuvent jamais être biaisées
Un graphique élimine automatiquement toute ambiguïté
Toute représentation visuelle garantit une interprétation juste

Une corrélation observée ne prouve pas une causalité

Explicación

Une corrélation dans un graphique ne démontre pas qu’une variable cause l’autre, ce qui peut conduire à des erreurs d’interprétation. Les autres choix contredisent directement ce principe.

7. Quelle définition correspond à l’intelligence artificielle étroite ?

Un système conçu pour réaliser une seule tâche avec une grande performance
Un système dédié à l’analyse exclusive d’images et de vidéos
Un système supposé dépasser l’humain avec une conscience complète
Un système capable de comprendre et raisonner comme un humain dans tous les domaines

Un système conçu pour réaliser une seule tâche avec une grande performance

Explicación

L’ANI est spécialisée dans une tâche précise et constitue la forme d’IA la plus utilisée. L’AGI et l’ASI décrivent d’autres niveaux d’ambition, tandis que la dernière option correspond à la vision par ordinateur.

8. Quel est l’objectif de la computer vision ?

Classer des données uniquement structurées dans une base
Prédire le prochain mot d’une phrase à partir d’un corpus
Analyser et interpréter des images ou des vidéos pour en tirer une compréhension exploitable
Générer automatiquement des tableaux de bord commerciaux

Analyser et interpréter des images ou des vidéos pour en tirer une compréhension exploitable

Explicación

La computer vision vise à comprendre des images ou vidéos d’une manière comparable au regard humain pour produire une information exploitable. La prédiction du prochain mot relève plutôt des modèles de langage.

9. Quelle différence caractérise le deep learning par rapport au machine learning ?

Il nécessite toujours moins de données que le machine learning
Il utilise des réseaux neuronaux en couches pour traiter des données complexes, notamment non structurées
Il fonctionne uniquement avec des données catégorisées à l’avance
Il ne peut pas être utilisé pour des tâches de prédiction

Il utilise des réseaux neuronaux en couches pour traiter des données complexes, notamment non structurées

Explicación

Le deep learning repose sur des réseaux neuronaux multicouches capables de traiter des données complexes et non structurées. À l’inverse, le machine learning est présenté comme plus dépendant d’une catégorisation préalable.

10. Quel élément est attendu pour obtenir des résultats fiables en deep learning ?

Des données très peu nombreuses pour éviter le surapprentissage
Des données sans structure ni exemple d’entraînement
Une seule variable explicative bien choisie
Un volume de données considérable, souvent supérieur à 100 millions d’entrées

Un volume de données considérable, souvent supérieur à 100 millions d’entrées

Explicación

Le deep learning nécessite un très grand volume de données pour apprendre efficacement et produire des résultats fiables. Les autres options vont à l’encontre de cette exigence de masse et d’apprentissage.

11. Quel type d’IA est capable de produire du nouveau contenu comme du texte, des images ou de la musique ?

L’IA agentique
L’IA prédictive
La vision par ordinateur
L’IA générative

L’IA générative

Explicación

L’IA générative crée de nouveaux contenus sous diverses formes. L’IA prédictive anticipe des événements, tandis que l’IA agentique agit de façon autonome.

12. Quel est le rôle principal d’une IA agentique ?

Classer des images ou des vidéos pour les interpréter
Produire du contenu inédit à partir d’un prompt
Décider et agir de façon autonome en s’ajustant à son environnement
Anticiper des événements futurs à partir de tendances passées

Décider et agir de façon autonome en s’ajustant à son environnement

Explicación

L’IA agentique peut choisir des actions et s’adapter en continu selon les interactions avec son environnement. Elle ne se limite pas à prédire ou à générer du contenu.

13. Dans le cadre de la Business Intelligence, quel type de réponse vise principalement l’analyse descriptive ?

Quoi s’est passé et comment cela s’est produit
Pourquoi un résultat futur est probable
Quelle action autonome doit être exécutée
Quel contenu original doit être créé

Quoi s’est passé et comment cela s’est produit

Explicación

La BI est présentée comme descriptive : elle aide à comprendre ce qui s’est passé et comment. Le « pourquoi » relève plutôt de l’analytique métier.

14. Quel est l’objectif d’un tableau de bord de BI pour l’entreprise ?

Transformer des données historiques en récits marketing
Regrouper des indicateurs pour soutenir la décision
Créer des contenus nouveaux à partir de données brutes
Remplacer les décisions humaines par des actions automatiques

Regrouper des indicateurs pour soutenir la décision

Explicación

Un tableau de bord BI synthétise des indicateurs et des analyses pour rendre la décision plus rapide et plus claire. Il ne sert pas à générer du contenu ni à automatiser entièrement l’action.

15. Quel indicateur la BI commerciale permet-elle de suivre dans un tableau de bord de vente ?

La conscience supposée d’un système intelligent
La profondeur des réseaux neuronaux utilisés
Le taux de closing et le chiffre d’affaires par segment
Le nombre de mots générés par un modèle de langage

Le taux de closing et le chiffre d’affaires par segment

Explicación

Les tableaux de bord BI pour la vente suivent notamment le chiffre d’affaires, les segments, les leads convertis et le taux de closing. Les autres propositions ne relèvent pas de la BI commerciale.

16. Quel est un bénéfice attendu de la BI dans le domaine commercial ?

Améliorer l’expérience client et l’efficacité opérationnelle
Supprimer le besoin d’indicateurs de performance
Remplacer les données par des intuitions non mesurées
Rendre les décisions plus lentes pour mieux les contrôler

Améliorer l’expérience client et l’efficacité opérationnelle

Explicación

La BI vise à accélérer la prise de décision, optimiser les processus et augmenter l’efficacité opérationnelle, ce qui améliore aussi l’expérience client. Elle repose au contraire sur des indicateurs et des analyses.

17. Quel modèle est particulièrement adapté pour capturer des dépendances sur de longues périodes dans une prévision de ventes ?

La segmentation K-Means
La régression linéaire automatisée
Le filtrage collaboratif
Les réseaux LSTM

Les réseaux LSTM

Explicación

Les LSTM sont conçus pour mémoriser des dépendances longues dans des historiques temporels. La régression linéaire automatisée est une autre méthode, mais elle ne cible pas ce besoin spécifique.

18. Dans la prévision des ventes par IA, quelle donnée externe peut être intégrée pour améliorer l’anticipation de la demande ?

Le nombre d’employés du service juridique
La météo
Le format du tableau de bord
La couleur du logo de l’entreprise

La météo

Explicación

Le cours mentionne l’utilisation de données comme la météo, les événements ou la saisonnalité pour affiner les prévisions. Ces facteurs aident à mieux anticiper la demande future.

19. Quel type de recommandation suggère des produits à partir de caractéristiques d’articles déjà consultés ou achetés ?

Le filtrage par contenu
La régression supervisée
L’analyse de séries temporelles
Le filtrage collaboratif

Le filtrage par contenu

Explicación

Le filtrage par contenu recommande des produits proches de ceux déjà vus ou achetés en s’appuyant sur leurs caractéristiques. Le filtrage collaboratif, lui, se base sur des profils d’utilisateurs similaires.

20. Quel changement majeur l’IA provoque-t-elle dans le métier commercial ?

Elle remplace les tableaux de bord par des conversations
Elle rend inutile la formation commerciale
Elle déplace le travail vers le conseil, la relation et la stratégie
Elle supprime totalement le besoin de relation client

Elle déplace le travail vers le conseil, la relation et la stratégie

Explicación

L’IA automatise surtout les tâches répétitives et permet aux vendeurs de se concentrer davantage sur le conseil, la relation et la stratégie. Le cours insiste sur la complémentarité entre IA et vendeur.

Repasa con tarjetas de memoria

Memoriza las respuestas con 20 tarjetas de memoria sobre Introduction à l'Intelligence Artificielle et Big Data.

Big Data — définition ?

Données massives, volumineuses et complexes.

Données massives — caractéristiques ?

Volume, variété, vitesse, véracité, valeur.

Modèle des 5V — rôle ?

Décrire les enjeux du Big Data.

Ver tarjetas de memoria →

Estudia la hoja de repaso

Lee la hoja de repaso completa sobre Introduction à l'Intelligence Artificielle et Big Data.

Ver hoja de repaso →

Similar courses

Crea tus propios cuestionarios

Importa tu curso y la IA genera cuestionarios con correcciones en 30 segundos.

Generador de cuestionarios