Qu'appelle-t-on intelligence artificielle ? Quelles sont ses principales caractéristiques ?

Il existe plusieurs définitions qui se rejoignent sur l’essentiel : la simulation de certaines des capacités d’intelligence des êtres vivants. L’expression « intelligence artificielle », créée dans les années 1950, désigne le domaine de recherche qui étudie les mécanismes de l’intelligence en les modélisant avec des algorithmes et en les expérimentant avec des machines. Ces mécanismes incluent par exemple la faculté de trouver automatiquement des solutions à des problèmes, mettant en œuvre des capacités de planification, de prédiction, de contrôle, de mémorisation ou d’apprentissage.

Qu'appelle-t-on « l’apprentissage machine », le « machine learning » ?

C’est une partie importante de l’intelligence artificielle. Le « machine learning », ou « apprentissage machine », ou encore « apprentissage automatique », est un processus par lequel un algorithme évalue et améliore ses performances sans l’intervention d’un programmeur, en répétant son exécution sur des données jusqu’à obtenir, de manière régulière, des résultats pertinents. Les algorithmes de « machine learning » acquièrent des connaissances ou des savoir-faire automatiquement à partir de données.

L’apprentissage automatique est fréquemment utilisé pour le traitement du langage naturel et de la vision par ordinateur, ou pour effectuer des diagnostics et des prévisions.

Quelle est son apport en général ? Que permettra-t-elle de faire en classe en particulier ?

Les principaux apports de l‘intelligence artificielle, plus particulièrement de l’apprentissage machine, sont l’aide à la décision ainsi que l’optimisation et la personnalisation de dispositifs. Par exemple, face une situation très compliquée, avec beaucoup de données et de nombreux paramètres rendant son analyse trop complexe pour un être humain, un algorithme d’apprentissage machine va pouvoir analyser les nombreuses données de la situation, trouver des similitudes, tester des solutions pour en estimer les conséquences potentielles.

Dans le cas de la classe, ce sont les capacités de personnalisation de parcours d’apprentissage dans des activités numériques qu’offrent les algorithmes d’apprentissage machine qui sont les plus remarquables. Par exemple, en nourrissant des algorithmes de ce type avec les données de résultats d’élèves, de leur comportement (temps de réponse…), des paramètres des activités disponibles dans le parcours, ces algorithmes vont pouvoir proposer à chaque élève au bon moment les activités les plus efficaces pour le faire progresser. Il y a plusieurs approches possibles pour effectuer cette personnalisation, notamment en identifiant...