Cet article, comme la ressource étudiée, sera amené à évoluer au cours des mois et années suivantes…

I. Définition

Une Intelligence Artificielle peut être vue comme une machine qui simule certains aspects de l’intelligence humaine, mais sans conscience, intentions ni compréhension propre.
Elle ne « comprend » pas comme un humain ; elle détecte, prolonge et combine des patterns (motifs) trouvés dans d’immenses ensembles de données.

Subjectivement, on pourrait dire que l’IA est intelligente dans la mesure où elle est capable de :

• reconnaître des structures dans le langage,
• anticiper ce qui est probable, pertinent ou cohérent,
• résoudre des problèmes en transformant ces patterns.

Mais cette « intelligence » est émergente, statistique et non intentionnelle.

Une IA, surtout une IA de langage ( conversationnelle), est un programme qui essaie de prédire quels mots doivent venir ensuite dans une phrase. Elle ne comprend pas vraiment : elle calcule.

---

Ce qui nous amène à faire une distinction entre une IA générative et une IA conversationnelle.

L’IA générative est un type d’intelligence artificielle capable de créer du contenu nouveau.
Elle peut produire : du texte (articles, histoires, résumés…), des images, du son ou de la musique, du code, des vidéos, etc. Son objectif est de générer quelque chose (texte, image, tableau, …) à partir d’un ensemble de données (qui peuvent lui donner un « style » à copier) à partir d’une consigne précise que l’on appelle « prompt »

Exemples : GPT, DALL·E, Stable Diffusion, Midjourney.

L’IA conversationnelle est une IA conçue spécialement pour dialoguer avec des humains.
Son objectif est de comprendre des questions, y répondre, mener un échange naturel, s’adapter au contexte d’une conversation, fournir une aide (support client, assistants virtuels, chatbots). Elle peut être basée sur un modèle génératif, mais sa fonction principale est la conversation, pas la création libre.

Exemples : ChatGPT (en mode chat), Siri, Alexa, Google Assistant, les chatbots de support client.

 En résumé 

Une IA conversationnelle peut être générative, mais toutes les IA génératives ne sont pas conversationnelles.

II. Comment fonctionne réellement une IA ?  (Mathématiques, statistiques, probabilités) 

Les modèles de langage modernes (GPT, LLaMA, etc.) sont des systèmes probabilistes entraînés à anticiper, à partir d’un contexte donné, quel élément linguistique devrait apparaître ensuite.

1. Elle découpe le texte en “morceaux”

Les IA ne manipulent ou ne lisent ni les phrases, ni les mots entiers.
Elles les coupent en petits morceaux appelés tokens  et  manipulent ensuite ces unités élémentaires de texte.

• “ordinateur” → “ordi” + “nateur”
• “manger” → “man” + “ger”
• “!” → c’est un token aussi

Exemples :

2. Le cœur du système : un modèle de probabilité

Les IA  calculent des probabilités. À chaque étape, elles se demandent : Quel morceau de mot a le plus de chance d’arriver maintenant ?. C’est toujours une question de probabilité, comme au jeu où on essaie de deviner la prochaine carte à venir. Un modèle de langage calcule :

P_{token précédent}(token suivant ) ou P(token suivant | tokens précédents)
(la probabilité du prochain token compte tenu de tout ce qui a été écrit avant)

L’IA ne choisit pas la réponse la plus « vraie », mais la plus probable parmi toutes les réponses possibles.

3. Entraînement statistique

Une IA  utilise d’énormes calculs, elle effectue des millions (ou milliards) de petits calculs qui ressemblent à des opérations mathématiques : additions, multiplications, des comparaisons. L’ensemble de ces calculs forme un réseau de neurones, un peu inspiré du cerveau… mais très simplifié. Pendant l’entraînement, le modèle :

1. voit des milliards de séquences de tokens ;
2. prédit le token suivant ;
3. compare à la réponse correcte ;

Remarque : l’IA nécessite des calculs massifs qui consomment beaucoup d’énergie et augmentent l’empreinte carbone.  La fabrication et le refroidissement des centres de données sollicitent fortement les ressources naturelles. Sans optimisation, la croissance rapide de l’IA risque d’accélérer la pression environnementale mondiale.

4. Elle apprend en se trompant

Pendant son entraînement, l’IA :

• devine un mot,
• prend en compte la validation ou l’invalidation de ses réponses
• corrige un peu ses calculs pour faire mieux la fois suivante.

Elle répète cela des milliards de fois.

 5. Quelle différence entre moteur de recherche et IA ?

Les moteurs de recherche fournissent des liens vers des sources, tandis que certaines IA vont plus loin en synthétisant directement les informations.
Selon le modèle, l’IA peut afficher clairement ses sources… ou au contraire donner une réponse sans aucune référence vérifiable.
Cette différence change la manière d’évaluer la fiabilité des réponses et l’effort nécessaire pour les vérifier.

Les IA peuvent produire des erreurs ou des hallucinations, malgré les anciennes réponses erronées comme évoqué au point 4, car elles génèrent des réponses probables plutôt que garanties vraies.

Ces problèmes proviennent le plus souvent de données imparfaites, de représentations déséquilibrées et d’algorithmes mal réglés. Ils peuvent également être amplifiés par les interactions humaines, qu’elles soient intentionnelles ou non.

L’enjeu est de construire des IA justes, transparentes et contrôlées, en diversifiant les données et en testant les modèles sur des cas variés.

Ces limites rendent leur fiabilité partielle : on peut leur faire confiance pour certaines tâches, mais toujours avec vérification humaine.
Au final, la confiance envers une IA dépend du contexte, de la transparence du système et de la capacité de l’utilisateur à contrôler et critiquer ses réponses.

En résumé 

L’IA donne l’impression d’écrire intelligemment…
… mais en réalité, elle choisit juste le morceau de texte le plus probable à chaque instant.

Une IA n’est pas vraiment intelligente : elle est très efficacement programmée pour prédire des mots.
Un humain est intelligent parce qu’il comprend, ressent, apprend et réfléchit.

III. Pour aller plus loin… IA et  Éducation

1- L’arrivée de l’IA en éducation est encadrée par le document officiel : “L’IA en éducation : cadre d’usage” : https://www.education.gouv.fr/media/227697/download. Si elle suscite  des inquiétudes légitimes, elle offre aussi des opportunités : former les élèves à cette technologie, alléger certaines tâches des enseignants, tout en garantissant un usage responsable. Le rôle des enseignants est central : non seulement comme utilisateurs, mais comme guides critiques.

Ce document définit ce qu’est un « prompt » (requête en langage naturel adressée à l’IA).   Pour les enseignants, bien formuler des prompts est une compétence clé : cela permet d’obtenir des réponses utiles, de guidage pédagogique, de génération de supports ou d’exercices. Le ministère prévoit des ressources : via Éduscol, des parcours de formation, des webinaires, des groupes de travail… Dès janvier 2026 la plateforme Pix par exemple,  proposera des parcours IA obligatoires pour les élèves de 4ème et de 2nde. Ces parcours évalueront les connaissances et les compétences en IA de l’élève, puis lui proposeront un programme personnalisé de formation avec des modules sur des thématiques précises.

2- A noter l’existence d’un guide pratique sur l’intelligence artificielle pour les enseignants (https://nuage06.apps.education.fr/index.php/s/WTMcEbQWeDMmWSf )

Ce guide vise à rendre l’IA plus accessible tout en offrant des clés pratiques pour intégrer ces outils de manière réfléchie et éthique dans la salle de classe. Il explore :

• Les bases de l’IA, en expliquant ses concepts fondamentaux et son évolution historique.
• Les apports concrets pour l’éducation, comme la personnalisation des apprentissages, l’automatisation des tâches répétitives et le soutien à l’inclusion.
• Des conseils pratiques, notamment pour utiliser l’IA comme assistant pédagogique, créer des plans de cours, ou personnaliser l’enseignement.

Beaucoup de professeurs hésitent à utiliser l’intelligence artificielle. Ce guide leur donne des astuces et des exemples pour l’utiliser facilement et efficacement dans leurs cours.

3- Enfin, il est à noter l’existence d’un outil compar:IA  Édité par le Service du numérique du Ministère de la Culture, le comparateur est une plateforme de comparaison des modèles conversationnels adressée au grand public. Le site propose à l’utilisateur de poser une question, puis d’afficher deux réponses générées par différents modèles d’IA, avant de lui demander de choisir celle qu’il préfère. Cette comparaison anonyme vise à mieux comprendre les forces, les limites et les biais des modèles, tout en sensibilisant aux enjeux liés à l’IA, notamment leur impact environnemental. Les interactions sont collectées de manière anonyme et publiées en open data afin de contribuer à l’amélioration des systèmes d’IA, en particulier pour les usages francophones.  https://comparia.beta.gouv.fr/