Quiz: Introduction à l'Intelligence Artificielle et Biais — 8 perguntas

1. Quel est l’objectif principal d’un algorithme de prédiction ?

A. Classer des contenus selon les goûts d’un utilisateur

B. Remplacer toute incertitude par une réponse certaine

C. Estimer un résultat futur à partir de données passées

D. Décrire uniquement des événements déjà connus

Answer: (C)

Explicação

Un algorithme de prédiction cherche à estimer un résultat futur à partir de données du passé. Il ne connaît pas le futur, donc l’erreur reste possible.

2. Quelle conséquence peut avoir un biais de données sur une intelligence artificielle ?

A. Elle affiche surtout des contenus identiques à tout le monde

B. Elle n’utilise plus du tout les données

C. Elle peut reproduire des stéréotypes et produire des résultats injustes

D. Elle devient capable de prédire le futur avec certitude

Answer: (C)

Explicação

Si les données d’entraînement sont biaisées, l’IA peut apprendre des stéréotypes et prendre de mauvaises décisions. Les autres choix ne décrivent pas l’effet d’un biais de données.

3. Quelle définition correspond le mieux à un algorithme ?

A. Un programme capable d’imiter des capacités humaines

B. Une suite d’instructions pour résoudre un problème ou réaliser une tâche

C. Une préférence automatique pour certains contenus

D. Un ensemble de données utilisé pour entraîner un modèle

Answer: (B)

Explicação

Un algorithme est bien une suite d’instructions destinée à résoudre un problème ou à accomplir une tâche. L’intelligence artificielle, elle, désigne un programme capable de réaliser des tâches proches de capacités humaines.

4. Qu’est-ce qu’un biais de données ?

A. Une comparaison entre plusieurs algorithmes

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

C. Une méthode pour rendre une IA plus rapide

D. Une erreur de calcul dans un modèle de prédiction

Answer: (B)

Explicação

Un biais de données correspond à un déséquilibre ou à un préjugé présent dans les données utilisées pour entraîner une IA. Cela peut conduire l’IA à apprendre des choses fausses ou injustes.

5. Quels éléments les algorithmes de recommandation analysent-ils pour proposer des contenus similaires ?

A. Ce que l’utilisateur regarde, aime, recherche et clique

B. Seulement les contenus les plus anciens du site

C. Les opinions des autres utilisateurs sans lien avec son activité

D. Uniquement l’âge et la localisation de l’utilisateur

Answer: (A)

Explicação

Les algorithmes de recommandation s’appuient sur les comportements de l’utilisateur, comme ses vues, likes, recherches et clics. C’est ce suivi qui oriente ensuite les contenus proposés.

6. Qu’est-ce qu’une bulle de filtre ?

A. Un défaut technique qui empêche une page de s’afficher

B. Une situation où les plateformes montrent surtout des contenus proches de ce que l’utilisateur aime déjà

C. Une base de données composée uniquement de contenus neutres

D. Un algorithme qui supprime les recommandations

Answer: (B)

Explicação

Une bulle de filtre correspond à un affichage centré sur des contenus similaires à ceux que l’utilisateur apprécie déjà. Cela réduit la diversité des informations visibles.

7. Pourquoi la qualité des données améliore-t-elle la fiabilité d’une prédiction ?

A. Parce que les données effacent toute possibilité d’erreur

B. Parce que l’algorithme peut y repérer de meilleurs modèles

C. Parce que le futur devient automatiquement connu

D. Parce que les modèles n’ont plus besoin d’être testés

Answer: (B)

Explicação

Plus les données sont bonnes, plus l’algorithme peut repérer des modèles pertinents et produire une prédiction fiable. Cela ne supprime pas l’erreur, car le futur n’est pas connu à l’avance.

8. Quel exemple décrit le mieux une intelligence artificielle de reconnaissance ?

A. Un outil qui stocke uniquement des fichiers audio

B. Un système qui identifie des images ou des voix à partir de données

C. Un calculateur qui trie des nombres dans l’ordre croissant

D. Un programme qui crée des données entièrement nouvelles

Answer: (B)

Explicação

Une IA de reconnaissance est conçue pour identifier des éléments comme des images ou des voix à partir de données. Les autres propositions ne décrivent pas une fonction d’identification basée sur des données.