Voici tous les termes liés à l'intelligence artificielle que les enseignants doivent connaître.

Ce glossaire se concentre sur les termes liés à l'Intelligence Artificielle (IA) afin de faciliter la compréhension des divers ressources numériques que prennent ces nouvelles définitions dans l'activité éducative, dans le but d'aider à socialiser cette précieuse information.

L'utilisation de l'intelligence artificielle dans l'éducation (AIED en anglais) fait référence à l'emploi de l'IA dans le domaine éducatif. Il est nécessaire de souligner que son utilisation a pris quatre rôles : tuteur intelligent, tuté, outil d'apprentissage/partenaire et conseiller en formulation de politiques.

C'est la capacité de comprendre, interagir et utiliser l'IA de manière efficace et éthique dans une large gamme de contextes socioculturels. Cela implique d'avoir une connaissance de son fonctionnement et de ses principes.

On pourrait dire que c'est le ensemble de compétences qui permettent d'évaluer, de communiquer et de collaborer de façon efficace et critique avec cette technologie.

Les algorithmes sont une série d'instructions à suivre pour effectuer des calculs, des opérations ou des processus. En d'autres termes, c'est une étape par étape qui détaille comment accomplir une tâche.

Son fonctionnement commence par la collecte de données d'entraînement, qui l'aident à apprendre à se perfectionner. Il existe des algorithmes qui apprennent d'eux-mêmes (apprentissage automatique), ainsi que ceux qui nécessitent un programmeur pour effectuer ce processus.

Par conséquent, pour que l'IA puisse fonctionner, un ensemble complexe d'algorithmes est nécessaire pour la soutenir.

L'amplification de l'intelligence (Intelligence Augmentation en anglais) se concentre sur le développement de technologies pour améliorer les capacités cognitives des êtres humains, sans chercher à les remplacer.

En éducation, les analyses d'apprentissage (learning analytics en anglais) constituent un domaine émergent de caractère multidisciplinaire, car il intègre l'informatique, les sciences de l'éducation, la statistique, le data mining, la pédagogie et les sciences du comportement. En d'autres termes, c'est l'emploi des données pour comprendre et améliorer les processus d'enseignement-apprentissage.

Parmi ses objectifs figurent les suivants : soutenir les stratégies d'instruction, identifier les étudiants à risque pour fournir des interventions efficaces, améliorer les expériences d'apprentissage par le suivi des activités et des rétroactions, etc.

Il est utilisé dans la réalité virtuelle (RV) et la réalité augmentée (RA), dans des assistants intelligents, entre autres.

L'apprentissage adaptatif (adaptive learning en anglais) utilise l'instruction basée sur des données pour ajuster les expériences d'apprentissage de chaque étudiant (que ce soit en termes de difficulté, de rythme, etc.). Ce type d'apprentissage suit diverses données, telles que le progrès, la participation et la performance. Avec ces informations, il est possible de concevoir et de mettre en œuvre des expériences d'apprentissage personnalisées.

L'apprentissage profond (deep learning en anglais) est un sous-ensemble de l'apprentissage automatique (machine learning), qui utilise des réseaux neuronaux profonds pour apprendre à partir des données. Ce type d'apprentissage s'inspire du fonctionnement du cerveau humain pour traiter les données.

Il reconnaît également des motifs complexes (texte, son, image, etc.) pour analyser l'information et en obtenir des prédictions concrètes.

La fonctionnalité de l'apprentissage profond se trouve dans des télécommandes qui se déclenchent par la voix, l'IA générative, la détection des fraudes, la recommandation de produits, les véhicules autonomes, chatbots, reconnaissance faciale, entre autres.

C'est un programme qui simule une conversation humaine avec l'utilisateur. Il est important de souligner que tous les chatbots n'utilisent pas l'IA, mais il est maintenant plus courant qu'ils intègrent cette technologie.

Ils sont très pertinents dans le domaine du service client, dans le commerce électronique (e-commerce), ainsi que dans des domaines nécessitant un assistant virtuel.

Unités d'information qui ont été transformées, afin qu'elles puissent être traitées et transférées efficacement.

Implique l'intégration de l'IA dans l'éducation pour promouvoir les processus d'enseignement-apprentissage.

Fait référence au développement de connaissances, de compétences et de savoir-faire pour utiliser l'IA de manière responsable et efficace (lié à l'alphabétisation en IA). Cela peut être mis en œuvre à tous les niveaux éducatifs et est nécessaire pour que les étudiants puissent se développer pleinement dans le monde actuel.

Il nécessite un accroissement des compétences en pensée critique, en résolution de problèmes, en compréhension éthique de l'IA, des concepts de base de la technologie, entre autres.

Se rapporte à l'utilisation et à l'application des connaissances sur l'IA pour développer des outils, des programmes, entre autres. Par exemple, les programmes d'études qui intègrent la programmation, la robotique, etc., dans les salles de classe.

On dit qu'il y a une intégration lorsque un programme/produit s'harmonise avec les capacités et les bénéfices de l'IA pour améliorer divers aspects (fonctionnalité, performance, personnalisation, sécurité, etc.). Par conséquent, elle ne doit pas être vue comme deux outils séparés, mais comme une incorporation des deux.

C'est la branche de l'informatique chargée de répliquer les capacités de pensée et de prise de décisions du cerveau humain. Les systèmes d'IA s'occupent de réaliser des tâches complexes, nécessitant des algorithmes et des données pour fonctionner. Ces systèmes peuvent être basés sur des règles (rule-based system) ou utiliser des algorithmes d'apprentissage automatique.

Plusieurs auteurs soulignent que le terme d'IA est volatile et en constante évolution, donc, au fur et à mesure du temps, il y aura de nouvelles définitions qui ajusteront ce concept aux avancées correspondantes.

L'intelligence artificielle faible ou étroite est celle qui applique des techniques et des algorithmes d'apprentissage automatique et de traitement du langage naturel pour réaliser des tâches très spécifiques de manière automatisée, par conséquent, elle a une capacité limitée en dehors de ce champ d'application.

Elle se concentre sur des tâches définies, telles que l'identification de modèles, la reconnaissance d'images, etc. On peut la trouver dans diverses applications telles que chatbots, véhicules autonomes, entre autres.

Elle étudie et répond aux dilemmes éthiques et sociaux liés à la conception, au développement et à la mise en œuvre de l'IA.

L'intelligence artificielle forte ou intelligence artificielle générale (AIG) est une forme théorique visant à développer des capacités mentales et des fonctions qui imitent le cerveau humain. Bien qu'elle reste un concept théorique, elle aurait la capacité d'apprendre et de raisonner, un grand sens de l'adaptation à de nouvelles situations, ainsi que la possession et la compréhension d'autres états mentaux.

L'intelligence artificielle générative ou gen AI est un système d'IA capable de générer du contenu original, qu'il s'agisse de texte, d'audio, d'image, de code, etc., qui utilise des modèles d'apprentissage automatique (modèles d'apprentissage profond) pour comprendre des motifs et ensuite générer de nouvelles données.

Les modèles de langage de grande taille (LLM, en anglais) sont des systèmes entraînés avec de grandes quantités de données qui peuvent générer du contenu en langage naturel. Un exemple très clair de cette technologie est ChatGPT, Gemini, Google Translate, etc.

Le traitement du langage naturel (PLN) (Natural Language Processing (NLP) en anglais) est un domaine de l'IA et de la linguistique computationnelle qui étudie l'interaction des systèmes avec la langue humaine.

Le PNL est utilisé pour permettre aux systèmes de reconnaître et de comprendre le langage humain afin d'effectuer une multitude de tâches, telles que : des processus de traduction, la reconnaissance et la réponse aux commandes vocales (assistants virtuels comme Alexa), entre autres.

Instruction ou ensemble d'instructions (input) données à un système d'IA pour générer une réponse.

Également connu sous le nom de réseaux neuronaux artificiels (ANN) ou réseaux neuronaux simulés (SNN). C'est un modèle d'apprentissage automatique (machine learning) inspiré du fonctionnement du cerveau humain. Les réseaux neuronaux, bien que complexes, imitent le fonctionnement des neurones. Par conséquent, ils nécessitent un entraînement avec des données pour fonctionner correctement, en termes d'apprentissage et d'amélioration de leur précision.

Les neurones artificiels sont organisés en couches pour former un réseau. Il existe trois types de couches : d'entrée (input), cachées (traitement) et de sortie (output).

Ce sont des erreurs systémiques et répétables dans un algorithme qui produisent préjugés ou penchants, entraînant discrimination, ce qui fait que pour certains groupes, ce sera plus favorable que pour d'autres.

Les biais peuvent survenir lorsque les données manquent de diversité, ainsi que par un manque d'évaluation et de suivi, et l'absence de transparence pour savoir comment le système prend des décisions pour les détecter.

Également connu sous le nom de Intelligent Tutoring Systems (ITS), il s'agit d'un programme d'IA qui simule être un tuteur/professeur fournissant une expérience personnalisée.

Il peut être utilisé pour plusieurs scénarios dans l'éducation : surveillance, conseil, rétroaction et simulations d'environnements d'apprentissage.

La vision par ordinateur (computer vision en anglais) est un domaine de la intelligence artificielle qui permet aux systèmes d'analyser le contenu visuel, afin qu'ils puissent prendre des décisions ou faire des recommandations basées sur ces contenus.

La intelligence artificielle est un champ émergent et volatile, donc certains termes peuvent subir des modifications au fil du temps. Cependant, ceci est un guide utile, pour le moment, de la terminologie clé qui permettra à l'enseignant d'identifier et de comprendre davantage cette technologie dans le domaine éducatif.