Décoder l'IA #2 : utiliser l'IA avec discernement publié le 10/11/2025  - mis à jour le 07/01/2026

Contexte et objectif de la séance

Cette séance est conçue pour des élèves de 3ème, en collaboration avec le professeur d’Histoire-Géographie en lien avec la citoyenneté numérique. Elle s’inscrit dans une progression sur l’intelligence artificielle, et peut faire suite à une séance introductive sur la formulation de consignes efficaces :
Décoder l’IA : usages, limites et responsabilités

L’objectif principal est d’explorer des outils de vulgarisation de l’IA pour sensibiliser les élèves aux enjeux éthiques et aux limites techniques. Une attention particulière est portée à l’utilisation d’outils respectueux du RGPD conforme au cadre d’usage de l’IA en éducation.

Plus-value du numérique dans cette séance

=> Le numérique apporte ici une double plus-value :

1. Des outils qui rendent visible l’invisible

Certains outils numériques utilisés dans la séquence permettent de donner à voir ce qui ne se voit pas d’habitude :

• Les biais de l’intelligence artificielle, le site interactif de Biljana Petreska (2022), (enseignante / chercheuse à la Haute École Pédagogique de Lausanne) rend visibles les mécanismes cognitifs (biais de données, sociétal, algorithmique, bulles de filtre ...) qui influencent nos jugements et ceux des systèmes automatisés. Il permet de comprendre que l’algorithme n’imite pas l’intelligence, il applique des règles statistiques sur des données imparfaites. Les réponses générées dépendent de ses réglages (algorithmes) et de ses sources (données, corpus ou data set).
• Le site Compar:IA, outil du ministère de la Culture, permet de comparer les réponses données par différents modèles d’IA à une même question. Cette confrontation est précieuse pour déconstruire la vision monolithique et l’effet "magique" souvent associés à l’intelligence artificielle, en montrant aux élèves que :
  • toutes les IA ne se valent pas.
  • leur consommation énergétique est très variable.

En rendant visible la diversité des réponses et des coûts, la lecture comparative engage les élèves à lire, évaluer et nuancer. C’est par cette analyse concrète que se construit leur posture critique.

2. Des outils imparfaits… mais formateurs

• Avec Compar:IA qui présente des "matchs" de modèles de langage parmi les plus frugaux ou encore le "David contre Goliath", l’erreur de la machine n’est pas grave, elle devient un point d’appui pour comprendre, pour entretenir une vigilance mesurée. C’est un gain de lucidité inévitable et salutaire.

Modalités de mise en œuvre

• Niveau éducatif : 3ème ou seconde (SNT)
• Durée : 1 séance de 55 minutes
• Applications numériques utilisées :
  • Site suisse sur les biais de l’IA : module interactif de démonstration sans collecte de données
  • ComparIA : outil d’aide à la comparaison de modèle de langage
• Pré-requis :
  • Avoir déjà abordé les notions d’algorithme et de Big Data
• Pré-requis enseignant :
  • Être à l’aise avec l’algorithmique, la donnée, l’IA au quotidien
  • Connaître les enjeux écologiques liés à l’IA, notion de sobriété numérique

Déroulement de la séance

Introduction – Découverte du site "Les BIAIS de l’intelligence artificielle" – Travail sur la notion de biais

Phase 1 (binômes sur tablette ou PC, 20 min)

Annonce de l’objectif  : Comment une machine peut-elle se tromper alors qu’elle obéit exactement aux règles qu’on lui a données ?

• Les élèves expérimentent le site "Les BIAIS de l’IA" individuellement ou par binôme.
• Ils cliquent, observent, et essaient de comprendre comment le programme fonctionne.
• Une fois la manipulation terminée, distribution de la fiche-quiz "Les biais de l’intelligence artificielle"
   Voir exercice et correction, PDF et format modifiable

Transition vers l’activité suivante :
Lors de la séance précédente, nous avons vu que la qualité d’une requête influence directement la qualité de la réponse.
Aujourd’hui, nous avons découvert que cette qualité dépend aussi des données utilisées, des règles de calcul (l’algorithme) et de la présence éventuelle de stéréotypes que l’IA peut reproduire.
Voyons à présent que tous les modèles de langage ne se valent pas (pas la même efficacité, la même sobriété).

Phase 2 (binômes, 25 min)

Découverte de l’outil compar : IA

Chaque binôme doit interroger l’IA pour obtenir des informations sur le lancement de la dernière fusée SpaceX, selon la modalité suivante.
Exercice pertinent et percutant, inspiré d’une formation du CLEMI national (octobre 2025).¹

Tous les binômes utilisent l’outil compar:IA en mode aléatoire, qui présente deux réponses côte à côte générées par deux intelligences artificielles différentes (par exemple ChatGPT et Mistral, ou Gemini et Claude), sans indiquer quelle IA a produit quelle réponse.

Observation des divergences
Rapidement, les élèves constatent que :

• les dates diffèrent d’un modèle à l’autre,
• les lieux de lancement varient (Space Center, Boca Chica, Cap Canaveral, voire Vandenberg),
• parfois même, les chiffres ou les résultats du vol sont contradictoires.

Mise en commun collective
Le constat est sans appel : peu importe les modèles mis en concurrence, des différences apparaissent systématiquement. Ce manque d’unanimité est la première étape pour déconstruire la toute puissance de l’IA.
L’ambiance devient compétitive : chacun veut "deviner" quel modèle a raison.

Mettre l’accent sur la méthode et l’autorité de la source
"Que fait-on dans ces cas là ?"
Une recherche s’impose. Retour à Qwant.
=> On vérifie sur un site de référence. A savoir ici.
Ce site, appartenant à l’entreprise elle-même, est une source primaire. Il est par définition le plus proche des faits. Nous y trouvons les informations (dates, résultats, vidéos) directement publiées par l’émetteur, ce qui confère à cette source une fiabilité et une autorité non pas indiscutables, mais élevées, dès lors qu’elles sont croisées avec d’autres sources.

Relance de l’enseignant : "Comment est-ce possible ? "

Réponse pour les élèves :
Les modèles ne s’appuient pas sur les mêmes corpus de données, n’appliquent pas la même recette (algorithme).

• Son fonctionnement est probabiliste : une IA ne "sait" pas vraiment : elle prédit la suite de mots la plus probable. Par exemple, elle peut écrire qu’une fusée SpaceX a décollé "le 28 octobre 2023" simplement parce que cette date apparaît souvent près du mot "lancement" dans ses données.
• Son algorithme (recette) lui est propre : même avec les mêmes données, deux IA peuvent donner deux dates différentes, car elles ne calculent pas toujours la même "réponse la plus probable".
• Chaque modèle d’IA apprend à partir de jeux de données différents : l’un peut s’arrêter en 2023, un autre en 2024, ce qui explique leurs réponses contradictoires.
• L’IA ne distingue pas la fiabilité des sources : un forum amateur et un communiqué officiel de SpaceX ont la même valeur pour elle.

Ce constat montre que vérifier les faits reste une tâche humaine indispensable, notamment lorsqu’on cherche une information précise comme la date d’un lancement.

Phase 3 : Et l’écologie dans tout ça ? ( 10 min)

Phase de questionnement collectif (3-4 min)
Affichage de la capture d’écran issue de Compar:IA.

Questions à faire émerger à l’oral :

• Pourquoi l’un consomme-t-il plus que l’autre ?
• Que représentent les chiffres ? (paramètres, jetons, Wh, CO₂…)
• Quel est le lien entre taille du modèle et consommation énergétique ?
• Est-ce qu’une IA plus puissante est forcément plus intéressante pour un travail scolaire ?

Conclusion de la séance : 1 min
Dans cette seconde séance, on a vu que les IA :

• ne pensent pas, elles calculent des instructions ;
• peuvent reproduire des idées fausses voire les accentuer, par exemple dire que "pompier est un métier de garçon" si elles ont cela souvent dans leurs données. Ce sont des biais ;
• ne se valent pas, les modèles sont plus ou moins performants et polluants.
• consomment toutes de l’énergie, donc il faut les utiliser avec réflexion.

Utiliser une IA, c’est utiliser un outil : il faut savoir s’en servir, connaître ses limites et ne pas l’utiliser pour tout et n’importe quoi.

Compétences travaillées

• Compétences disciplinaires :
  • Esprit critique et questionnement éthique
  • S’informer dans le monde du numérique, analyser des documents et des sources, exercer un esprit critique face à l’information

• Compétences du CRCN mises en œuvre par les élèves :
   CRCN : consulter le tableau avec une entrée par compétence
  • Information et données
    • Mener une recherche et une veille d’information
    • Traiter des données
  • Protection et sécurité
    • Protéger les données personnelles et la vie privée
  • Environnement numérique
    • Évoluer dans un environnement numérique

• Compétences du CRCN-Edu mises en œuvre par l’enseignant :
   CRCN-Edu : Domaines et compétences
  • Environnement professionnel
    • Adopter une posture ouverte, critique et réflexive
  • Enseignement - Apprentissage
    • Concevoir
    • Mettre en œuvre

Bilan critique de la séance

C’est une séance tonique et engageante, qui fonctionne très bien en classe grâce à des outils bien conçus, clairs et manipulables sans compte. Ils permettent aux élèves de découvrir que l’IA n’est ni magique, ni neutre, ni toute-puissante, mais programmée, influencée, perfectible.
Le temps est trop court pour la comparaison énergétique : certains binômes ont besoin d’aide pour faire le lien entre les chiffres et l’usage réel. L’étape écologique mériterait une séance à part entière.

🪶 Cet article a été réalisé avec l’appui d’une intelligence artificielle générative (IAG), utilisée pour des tâches de correction, de reformulation, de clarification des contenus et de génération de bases d’exercices. L’autrice a veillé à la validation et à la conformité pédagogique de l’ensemble des éléments produits.