Objectifs du chapitre
Ce chapitre explore les fondements de l’informatique et de l’intelligence artificielle. Vous comprendrez comment fonctionne une machine de Turing, ce qu’est un algorithme, comment les systèmes d’apprentissage automatique « apprennent » à partir de données, et comment le raisonnement bayésien permet de mettre à jour des croyances. Vous réfléchirez aussi aux enjeux éthiques et sociaux liés à l’IA.
Plan du chapitre
Topic 1 — Algorithmes et machines
Leçon 1 : La machine de Turing, notion d’algorithme, programme et ordinateur — des fondements théoriques aux réalisations concrètes.
Topic 2 — Intelligence artificielle et raisonnement
Leçon 2 : Intelligence artificielle et apprentissage automatique — réseaux de neurones, apprentissage supervisé, traitement du langage naturel.
Leçon 3 : Inférence bayésienne, biais algorithmiques et enjeux éthiques de l’IA.
Notions clés
Machine de Turing, algorithme, langage de programmation, réseau de neurones artificiels, apprentissage supervisé/non supervisé, données d’entraînement, surapprentissage, inférence bayésienne, probabilité conditionnelle, théorème de Bayes, biais algorithmique, éthique de l’IA.
Le saviez-vous ?
Alan Turing (1912-1954), mathématicien britannique, a non seulement posé les bases théoriques de l’informatique moderne avec sa machine abstraite, mais a aussi décrypté Enigma pendant la Seconde Guerre mondiale — contribuant à raccourcir le conflit. Il proposa le « test de Turing » en 1950 pour évaluer l’intelligence d’une machine : une machine est « intelligente » si un humain ne peut la distinguer d’un autre humain dans une conversation textuelle.
