Compar:IA pour former à l’utilisation des systèmes d’IA générative

/ Actualités, Compétences numériques des élèves, Eduquer à l'IA, Intelligence artificielle

Compar:IA pour former à l’utilisation des systèmes d’IA générative

Qu’est-ce que Compar:IA

Compar:IA est un outil en ligne, développé par la DINUM et le ministère de la culture, qui permet de comparer les réponses de plusieurs modèles d’IA conversationnelle. Il a pour objectif principal de réduire les biais culturels et linguistiques présents dans ces modèles, en particulier ceux liés à la diversité des cultures francophones.
Compar:IA aide à améliorer la pertinence des réponses en français en recueillant les préférences des utilisateurs sur les réponses générées par différents modèles. Ces préférences sont ensuite utilisées pour ajuster et aligner les modèles d’IA, les rendant ainsi plus représentatifs des réalités linguistiques et culturelles francophones.

Comment utiliser Compar:IA

L’utilisation comporte trois étapes.

1. Discussion avec deux IA : L’utilisateur se connecte à la plateforme Compar:IA et soumet une question ou un sujet à plusieurs modèles d’IA générative. Par exemple, il peut poser des questions sur des sujets variés comme la culture francophone, l’actualité ou des sujets techniques.

2. Comparaison des réponses : Après avoir soumis la question, l’utilisateur reçoit des réponses provenant de plusieurs IA anonymes. Il peut comparer ces réponses selon différents critères :

- Pertinence des informations,
- Clarté et style,
- Absence de biais culturels ou linguistiques.

L’utilisateur choisit donc la réponse qu’il préfère selon ces critères et indique pourquoi. Ce retour est utilisé pour améliorer les modèles en alignant leurs futures réponses sur les préférences humaines exprimées.

Bilan

A la dernière étape, les deux IA avec lesquelles l’utilisateur a conversé sont révélés, ainsi que les coût énergétique de la conversation.

L’utilisation d’IA générative, comme celles comparées dans Compar:IA, implique une consommation énergétique importante. Les modèles d’IA conversationnelle reposent sur des réseaux de serveurs (data centers) pour traiter les données et fournir des réponses en temps réel. En particulier, l’entraînement de ces modèles nécessite une grande quantité de calculs, ce qui consomme beaucoup d’électricité.

Un exemple de scénario pédagogique :

A titre d’exemple, nous vous proposons le scénario pédagogique suivant.

Objectif

Comprendre les IA génératives : Introduction au concept d’IA conversationnelle et des grands modèles de langage.
Analyser et comparer des réponses d’IA : Utilisation de Compar:IA pour évaluer la pertinence et les biais des réponses générées.
Prendre conscience de l’impact énergétique des IA : Discuter des coûts énergétiques liés à l’entraînement des IA et leur impact environnemental.
Développer un esprit critique : Sensibilisation aux biais culturels, linguistiques et idéologiques des IA génératives.

Déroulé de la séance :

1. Introduction : IA générative et impacts énergétiques (10 minutes)

But : Familiariser les élèves avec le fonctionnement des IA génératives et introduire le concept de consommation énergétique.
- Contenu :
  - Les IA génératives : Brève explication du fonctionnement des grands modèles de langage (LLM) comme ceux utilisés par Compar:IA.
  - Entraînement et ressources : Insister sur le fait que ces modèles sont entraînés sur d’énormes quantités de données, ce qui nécessite des centres de données qui consomment beaucoup d’énergie.
  - Impact environnemental : Introduction à l’idée que l’entraînement et le fonctionnement des IA ont une empreinte carbone non négligeable, contribuant à l’utilisation de ressources énergétiques mondiales. Illustrer cela avec des exemples :
    - Par exemple, entraîner un seul grand modèle de langage peut consommer autant d’électricité qu’une petite ville pendant une journée entière.
    - L’usage massif d’IA par les utilisateurs multiplie ces impacts énergétiques.

2. Activité pratique avec Compar:IA (20-25 minutes)

But : Tester et analyser Compar:IA en soumettant des questions aux modèles d’IA et discuter des impacts énergétiques de l’utilisation de ces technologies.
Étape 1 : Choix de la thématique (5 minutes)
- Proposer des thématiques (ex. : Changement climatique, droits de l’homme, technologies, etc.) ou laisser les élèves formuler leurs propres questions.
- Exemples de questions possibles :
  - « Le changement climatique : urgence ou exagération ? »
  - « Quelle est la contribution de l’IA au changement climatique ? »
  - …
Étape 2 : Analyse des réponses des IA (15-20 minutes)
- Comparaison des réponses : Lecture et analyse les réponses de deux IA génératives différentes (via Compar:IA). Ils doivent évaluer la pertinence, la qualité des informations et les biais éventuels.
- Critères d’analyse :
  - Pertinence des réponses.
  - Implication des IA dans les problématiques environnementales (les réponses prennent-elles en compte les impacts énergétiques ?).
  - Réflexion sur les biais potentiels (culturels, idéologiques, scientifiques).

3. Discussion finale et conclusion (10-15 minutes)

But : Amener à réfléchir aux aspects environnementaux des IA et développer leur esprit critique vis-à-vis des outils technologiques.
Discussion ouverte :
- En quoi est-il important d’analyser à la fois le contenu des réponses générées par les IA et leur impact sur la planète ?
- Les IA génératives sont-elles compatibles avec un avenir durable ? Quelles solutions pour minimiser leur impact (ex. : IA plus efficientes, énergie renouvelable) ?
Synthèse : L’enseignant(e) peut conclure en rappelant l’importance de rester critique face à la fois aux informations fournies par les IA et à leur coût environnemental. Les élèves sont invités à réfléchir aux compromis entre l’utilisation des technologies de pointe et la nécessité de réduire notre consommation énergétique mondiale.