🎯 Objectifs d'apprentissage
- Expliquer ce qu'est un biais algorithmique et ses 4 grandes origines.
- Reconnaître une hallucination textuelle et l'expliquer.
- Identifier les indices visuels/auditifs d'un deepfake.
- Concevoir une activité d'Éducation aux Médias (EMI) transposable pour son public.
Séquence 1 : Le jeu de détection (Deepfakes & Hallucinations)
Un atelier ludique basé sur l'analyse de 8 productions (images, audios, textes, vidéos) pour apprendre à chercher les indices.
Que chercher ? (Les indices qui trahissent)
- Images : Doigts fusionnés/en trop, arrière-plans incohérents, texte illisible sur les panneaux, asymétries (boucles d'oreilles).
- Textes : Dates vagues, style trop lisse/équilibré, affirmations péremptoires mais non sourcées, citations inventées.
- Voix (Audio cloné) : Rythme trop parfait, manque de respiration, prononciation hachée sur des consonnes spécifiques.
- Vidéos (Deepfakes) : Clignement des yeux absent, halo autour du visage, lèvres désynchronisées du son.
Activité : "Vrai ou IA ?"
Analyse collective en direct de 8 cas pratiques, via sondage, avec débrief technique sur "pourquoi l'IA rate cela". Découverte des limites techniques actuelles de l'IA.
Séquence 2 : Anatomie des Biais Algorithmiques
Les 4 origines des biais :
| Type de Biais | Explication |
|---|---|
| Biais des données | L'IA reflète les déséquilibres du monde réel (ex: textes majoritairement anglophones sur le web). |
| Biais de représentation | Stéréotypes reproduits par sous-représentation (ex: IA générant toujours des médecins "hommes blancs"). |
| Biais d'objectif | L'IA optimise une métrique mal choisie (ex: tri de CV Amazon discriminant les femmes car optimisé sur un historique masculin). |
| Biais d'usage | Outil utilisé dans un mauvais contexte (ex: reconnaissance faciale moins performante sur peaux sombres). |
💡 Peut-on éliminer les biais ?
Non, car toute donnée est une sélection humaine avec des angles morts. Mais on peut les réduire, les identifier (audits), diversifier les équipes de conception et garantir la transparence.
Séquence 3 : Concevoir une activité EMI-IA
L'Éducation aux Médias et à l'Information (EMI) doit intégrer l'IA pour apprendre aux jeunes à confronter les sources, croiser l'info et ralentir la diffusion de fake news.
Atelier : Conception en Breakouts
Objectif : Produire en sous-groupes une trame d'activité de 60 min (canevas fourni) sur des thèmes comme "Vrai ou Faux", "Mon IA, mes données", ou "À qui parle-t-on?".
Résultat : Mutualisation des trames pour que chaque structure reparte avec une banque d'activités prêtes à l'emploi.
📚 Bibliographie et Ressources
- Buolamwini, J. & Gebru, T. (2018). Gender Shades. (Étude fondatrice sur les biais de reconnaissance faciale).
- O'Neil, C. (2016). Weapons of Math Destruction.
- CLEMI (2024). Kit pédagogique IA et information.
- Hive Moderation (2024). Outils de détection IA.
📂 Ressources de la session
Cliquez sur un document pour l'ouvrir dans une nouvelle fenêtre.