Cuestionario: Introduction à l'Intelligence Artificielle et ses Enjeux — 8 preguntas

1. Qu’est-ce qu’un algorithme ?

A. Une suite d’instructions qui permet de résoudre un problème ou d’effectuer une tâche

B. Un ensemble de résultats produits par une intelligence artificielle

C. Un appareil capable de stocker des données sans les traiter

D. Une méthode qui garantit une réponse exacte dans tous les cas

Answer: (A)

Explicación

Un algorithme est bien une suite d’instructions destinée à résoudre un problème ou à réaliser une tâche. Les autres propositions confondent l’algorithme avec un outil, un résultat ou une garantie impossible.

2. Quel rôle correspond à une intelligence artificielle générative ?

A. Exécuter uniquement des calculs sans traiter de données

B. Estimer un résultat futur à partir de données

C. Produire du contenu comme du texte, des images ou de la musique

D. Repérer et interpréter des images ou de la voix

Answer: (C)

Explicación

Une IA générative crée du contenu à partir d’une demande, comme du texte, des images ou de la musique. Les autres choix décrivent plutôt la reconnaissance, la prédiction ou une simple exécution de calculs.

3. Que fait principalement un algorithme de prédiction ?

A. Il mémorise le futur pour l’afficher à l’avance

B. Il classe uniquement des images déjà connues

C. Il estime un résultat futur à partir de données

D. Il corrige automatiquement toutes les erreurs de données

Answer: (C)

Explicación

Un algorithme de prédiction ne connaît pas le futur à l’avance : il l’estime à partir de données. Une estimation peut donc comporter une erreur.

4. Pourquoi la qualité des données influence-t-elle la fiabilité d’une prédiction ?

A. Parce que les données remplacent complètement l’algorithme

B. Parce que seules les données récentes peuvent être utilisées

C. Parce que de meilleures données permettent une estimation plus fiable

D. Parce que la prédiction devient toujours exacte

Answer: (C)

Explicación

La fiabilité d’une prédiction dépend des données utilisées : plus elles sont bonnes, plus l’estimation est fiable. La prédiction reste malgré tout une estimation, donc l’exactitude n’est pas garantie.

5. Qu’est-ce qu’un biais de données ?

A. Une erreur de calcul dans le programme

B. Un déséquilibre ou un préjugé présent dans les données d’entraînement

C. Une prédiction faite trop rapidement

D. Un contenu recommandé par une plateforme

Answer: (B)

Explicación

Un biais de données correspond à un déséquilibre ou à un préjugé présent dans les données servant à entraîner une IA. Cela peut ensuite fausser l’apprentissage.

6. Quel exemple illustre le mieux les effets d’un biais de données ?

A. Une IA qui recommande un film en fonction des goûts de l’utilisateur

B. Une IA qui compare plusieurs sources d’information

C. Une IA entraînée avec trop de photos de médecins hommes qui associe “médecin” à “homme”

D. Une IA qui produit un texte à partir d’une consigne

Answer: (C)

Explicación

Si les données d’entraînement sont déséquilibrées, l’IA peut apprendre des stéréotypes, comme associer « médecin » à « homme ». C’est un effet classique d’un biais de données.

7. Qu’est-ce qu’une bulle de filtre ?

A. Une situation où une plateforme montre surtout des contenus alignés avec ce que l’utilisateur aime déjà

B. Un problème qui empêche une IA de traiter des données

C. Un biais présent dans les données d’entraînement d’un modèle

D. Un type de contenu généré automatiquement par une IA

Answer: (A)

Explicación

La bulle de filtre se produit quand une plateforme propose surtout des contenus similaires à ceux déjà appréciés par l’utilisateur. Cela réduit l’exposition à des informations différentes ou contradictoires.

8. Quelle action aide le mieux à réduire une bulle de filtre ?

A. Laisser l’algorithme décider sans changer d’habitudes

B. Se concentrer uniquement sur les contenus déjà aimés

C. Cliquer davantage sur le même type de contenu

D. Consulter plusieurs sources et chercher des opinions différentes

Answer: (D)

Explicación

Pour limiter la bulle de filtre, il faut diversifier ses sources et ses points de vue. Rester sur les mêmes contenus renforce au contraire la recommandation de contenus similaires.