diff --git a/ia/culture_ia.ipynb b/ia/culture_ia.ipynb index 9fd06f5..8a411d9 100644 --- a/ia/culture_ia.ipynb +++ b/ia/culture_ia.ipynb @@ -48,40 +48,13 @@ "cell_type": "markdown", "id": "cell-4", "metadata": {}, - "source": [ - "Tu utilises peut-être ChatGPT, Gemini ou Copilot. Ces outils reposent tous sur un **LLM** — *Large Language Model*, ou grand modèle de langage.\n", - "\n", - "Un LLM, c'est fondamentalement une machine qui **prédit le prochain mot**.\n", - "\n", - "Imagine la phrase : *\"La nuit, tous les chats sont...\"*\n", - "\n", - "Le modèle attribue une probabilité à chaque mot possible :\n", - "\n", - "| Mot | Probabilité |\n", - "|---|---|\n", - "| gris | 0.59 |\n", - "| endormis | 0.19 |\n", - "| fatigués | 0.19 |\n", - "| verts | 0.001 |\n", - "| cuillère | 0.0001 |\n", - "\n", - "Le mot choisi n'est pas forcément le plus probable — ça dépend d'un paramètre appelé **température**.\n", - "\n", - "> **Température basse (ex. 0.0)** → le modèle choisit presque toujours le mot le plus probable. Réponses prévisibles, factuelles.\n", - ">\n", - "> **Température haute (ex. 1.0)** → le modèle peut choisir des mots moins probables. Réponses plus créatives, parfois surprenantes." - ] + "source": "Vous utilisez peut-être ChatGPT, Gemini ou Copilot. Ces outils reposent tous sur un **LLM** — *Large Language Model*, ou grand modèle de langage.\n\nUn LLM, c'est fondamentalement une machine qui **prédit le prochain mot**.\n\nImaginez la phrase : *\"La nuit, tous les chats sont...\"*\n\nLe modèle attribue une probabilité à chaque mot possible :\n\n| Mot | Probabilité |\n|---|---|\n| gris | 0.59 |\n| endormis | 0.19 |\n| fatigués | 0.19 |\n| verts | 0.001 |\n| cuillère | 0.0001 |\n\nLe mot choisi n'est pas forcément le plus probable — ça dépend d'un paramètre appelé **température**.\n\n> **Température basse (ex. 0.0)** → le modèle choisit presque toujours le mot le plus probable. Réponses prévisibles, factuelles.\n>\n> **Température haute (ex. 1.0)** → le modèle peut choisir des mots moins probables. Réponses plus créatives, parfois surprenantes." }, { "cell_type": "markdown", "id": "cell-5", "metadata": {}, - "source": [ - "#### Question 1\n", - "Si tu demandes à un LLM d'écrire un poème, quelle température lui donnerais-tu ? Et si tu lui demandes de corriger un code Python, laquelle ?\n", - "\n", - "*(Réponds en colorant ton texte : `ta réponse`)*" - ] + "source": "#### Question 1\nSi vous demandez à un LLM d'écrire un poème, quelle température lui donneriez-vous ? Et si vous lui demandez de corriger un code Python, laquelle ?\n\n*(Répondez en colorant votre texte : `votre réponse`)*" }, { "cell_type": "markdown", @@ -159,10 +132,7 @@ "cell_type": "markdown", "id": "cell-12", "metadata": {}, - "source": [ - "#### Question 2\n", - "Deux entreprises concurrentes entraînent chacune un LLM. L'une est américaine, l'autre chinoise. Penses-tu que leurs modèles répondront de la même façon à des questions politiques ou historiques sensibles ? Pourquoi ?" - ] + "source": "#### Question 2\nDeux entreprises concurrentes entraînent chacune un LLM. L'une est américaine, l'autre chinoise. Pensez-vous que leurs modèles répondront de la même façon à des questions politiques ou historiques sensibles ? Pourquoi ?" }, { "cell_type": "markdown", @@ -197,7 +167,7 @@ { "cell_type": "markdown", "id": "630245b9", - "source": "#### Question 3b\nTu utilises un LLM pour rédiger un texte. Ton cerveau travaille moins. Est-ce grave si tu comprends quand même le résultat ? Et si tu ne le relis pas ?", + "source": "#### Question 3b\nVous utilisez un LLM pour rédiger un texte. Votre cerveau travaille moins. Est-ce grave si vous comprenez quand même le résultat ? Et si vous ne le relisez pas ?", "metadata": {} }, { @@ -227,10 +197,7 @@ "cell_type": "markdown", "id": "cell-16", "metadata": {}, - "source": [ - "#### Question 3\n", - "Est-ce que ça change ta façon d'utiliser ces outils au quotidien ? Pour quelles tâches penses-tu que l'usage d'un LLM est justifié, et pour lesquelles ça te semble excessif ?" - ] + "source": "#### Question 3\nEst-ce que ça change votre façon d'utiliser ces outils au quotidien ? Pour quelles tâches pensez-vous que l'usage d'un LLM est justifié, et pour lesquelles ça vous semble excessif ?" }, { "cell_type": "markdown", @@ -261,10 +228,7 @@ "cell_type": "markdown", "id": "cell-19", "metadata": {}, - "source": [ - "#### Question 4\n", - "Un employeur utilise un LLM pour trier des CV. Quels risques cela comporte-t-il selon toi ? Comment pourrait-on les limiter ?" - ] + "source": "#### Question 4\nUn employeur utilise un LLM pour trier des CV. Quels risques cela comporte-t-il selon vous ? Comment pourrait-on les limiter ?" }, { "cell_type": "markdown", @@ -288,28 +252,13 @@ "cell_type": "markdown", "id": "cell-22", "metadata": {}, - "source": [ - "Les LLMs sont impressionnants — mais ils reposent sur des mécanismes que tu peux comprendre.\n", - "\n", - "Après les vacances, nous allons étudier l'algorithme **K-NN** (*K Nearest Neighbors* — K plus proches voisins). C'est l'un des algorithmes de base du **machine learning** — l'apprentissage automatique.\n", - "\n", - "Le principe : pour classer un objet inconnu, on regarde les *k* objets les plus proches qu'on connaît déjà, et on attribue à l'inconnu la classe majoritaire parmi eux.\n", - "\n", - "**Exemple :** on veut déterminer si une tumeur est bénigne ou maligne à partir de mesures (taille, forme...). On regarde les *k* tumeurs les plus similaires dans notre base de données, et on prédit la classe la plus fréquente.\n", - "\n", - "C'est exactement ce que font, à une tout autre échelle, les algorithmes de recommandation de YouTube ou Spotify : *\"les utilisateurs les plus proches de toi ont aussi aimé...\"*\n", - "\n", - "Les LLMs vont beaucoup plus loin — mais ils partagent avec K-NN l'idée fondamentale : **apprendre à partir d'exemples**." - ] + "source": "Les LLMs sont impressionnants — mais ils reposent sur des mécanismes que vous pouvez comprendre.\n\nAprès les vacances, nous allons étudier l'algorithme **K-NN** (*K Nearest Neighbors* — K plus proches voisins). C'est l'un des algorithmes de base du **machine learning** — l'apprentissage automatique.\n\nLe principe : pour classer un objet inconnu, on regarde les *k* objets les plus proches qu'on connaît déjà, et on attribue à l'inconnu la classe majoritaire parmi eux.\n\n**Exemple :** on veut déterminer si une tumeur est bénigne ou maligne à partir de mesures (taille, forme...). On regarde les *k* tumeurs les plus similaires dans notre base de données, et on prédit la classe la plus fréquente.\n\nC'est exactement ce que font, à une tout autre échelle, les algorithmes de recommandation de YouTube ou Spotify : *\"les utilisateurs les plus proches de vous ont aussi aimé...\"*\n\nLes LLMs vont beaucoup plus loin — mais ils partagent avec K-NN l'idée fondamentale : **apprendre à partir d'exemples**." }, { "cell_type": "markdown", "id": "cell-23", "metadata": {}, - "source": [ - "#### Question 5\n", - "À ton avis, quelle est la différence entre un programme \"classique\" (comme ceux que tu as écrits en Python cette année) et un programme qui *apprend* ? Essaie d'expliquer avec tes mots." - ] + "source": "#### Question 5\nÀ votre avis, quelle est la différence entre un programme \"classique\" (comme ceux que vous avez écrits en Python cette année) et un programme qui *apprend* ? Essayez d'expliquer avec vos mots." }, { "cell_type": "markdown", @@ -323,15 +272,7 @@ "cell_type": "markdown", "id": "cell-25", "metadata": {}, - "source": [ - "---\n", - "\n", - "### Pour aller plus loin (optionnel)\n", - "\n", - "Deux vidéos excellentes de David Louapre (Science Étonnante) si le sujet t'intéresse :\n", - "
  • Ce qui se cache derrière le fonctionnement de ChatGPT\n", - "
  • Les 4 étapes pour entraîner un LLM" - ] + "source": "---\n\n### Pour aller plus loin (optionnel)\n\nDeux vidéos excellentes de David Louapre (Science Étonnante) si le sujet vous intéresse :\n
  • Ce qui se cache derrière le fonctionnement de ChatGPT\n
  • Les 4 étapes pour entraîner un LLM" }, { "cell_type": "markdown",