Sciences numériques et technologie · Seconde
Apprentissage automatique : fiche de révision de 2de SNT
Publié le 9 novembre 2026 · Mis à jour le 9 novembre 2026 · Signaler une erreur
L'essentiel
- L'apprentissage automatique (machine learning) est une branche de l'IA : le programme se construit à partir de données au lieu de suivre uniquement des règles écrites à la main.1
- Les données sont le carburant : elles doivent être bien étiquetées, sinon le modèle apprend de travers.1
- L'apprentissage par renforcement traite un problème comme une prise de décision ; le pendule inversé en est un exemple classique.2
- Des données déséquilibrées produisent des biais algorithmiques qui peuvent entretenir des stéréotypes et des discriminations.1
- L'IA a des conséquences sociales, économiques, cognitives et civiques : on apprend à s'en servir de façon raisonnée.3
Ce qu'est l'apprentissage automatique
Pour bien saisir l'idée, compare deux façons de reconnaître un déchet à trier. Dans la première, un programmeur écrit toutes les règles (« si c'est transparent et cassant, alors verre… »). Dans la seconde, on montre beaucoup d'images de déchets avec leur bonne catégorie, et le programme finit par repérer seul ce qui les distingue. La seconde démarche est celle de l'apprentissage automatique. Le tri sélectif des déchets sert d'ailleurs de situation de départ dans des ressources pédagogiques consacrées à ce sujet.1
Les données et les grandes façons d'apprendre
Le jeu de données est la matière première du modèle. Les ressources de l'Éducation nationale insistent sur des données bien étiquetées : chaque exemple porte la bonne réponse attendue, par exemple la catégorie d'un déchet.1 Une étiquette erronée apprend une erreur au modèle.
Biais, enjeux et usage raisonné
Questions flash
4 questions · correction immédiate · ton score reste sur ton appareil.
-
Le modèle s'ajuste à partir d'exemples. La deuxième proposition décrit la programmation classique par règles, c'est-à-dire l'inverse. Les deux autres n'ont aucun rapport avec la notion.1
-
Les étiquettes jouent le rôle de réponses attendues ; une étiquette fausse enseigne une erreur. La taille des fichiers n'est pas le sujet.1
-
C'est vrai : le pendule inversé illustre un apprentissage par renforcement, où le problème est traité comme une prise de décision.2
-
Un jeu de données déséquilibré se retrouve dans les résultats du modèle, d'où les stéréotypes et discriminations. Croire à la neutralité d'une machine est justement l'erreur à éviter.1
Les questions qu'on se pose
Quelle différence entre intelligence artificielle et apprentissage automatique ?
L'intelligence artificielle est le domaine général. L'apprentissage automatique en est une branche où le modèle apprend à partir de données.1 Tout apprentissage automatique relève de l'IA, mais l'inverse n'est pas toujours vrai.
Pourquoi parle-t-on de biais si c'est une machine ?
Parce que le modèle reprend ce que contiennent ses données. Si elles sont déséquilibrées ou chargées de stéréotypes, ses résultats peuvent les perpétuer.1 La responsabilité revient aux humains qui choisissent les données et utilisent l'outil.
Sources
- Les enjeux éthiques de l'intelligence artificielle, Éduscol. Consulté le 9 novembre 2026.
- Cahier ÉduNum SNT-NSI : Séminaire IAN informatique (avril 2026), Éduscol. Consulté le 9 novembre 2026.
- Révision du programme de Sciences numériques et technologie (SNT) de seconde, Ministère de l'Éducation nationale. Consulté le 9 novembre 2026.
Les numéros dans le texte renvoient à ces sources. Une source qui ne dit pas ce qu'on lui fait dire ? Signale-le.