lundi 11 décembre 2023

PROMPT CHALLENGE

 PROMPT CHALLENGE

Dans un monde où l’intelligence artificielle générative joue un rôle de plus en plus important, des questions se posent sur la qualité du contenu produit et sur la manière dont ces systèmes peuvent renforcer ou menacer l’expertise humaine. Pour explorer ces questions et identifier les meilleures pratiques, Management & Datascience organise une compétition de prompt engineering. Venez nous rejoindre et démontrer votre savoir-faire en intelligence artificielle générative !


Présentation

A l’aube d’une nouvelle ère technologique, où l’intelligence artificielle générative façonne nos interactions quotidiennes. Nous sommes à un carrefour où l’expertise humaine rencontre la puissance algorithmique, et nous vous invitons à explorer cet espace avec nous.


L’intelligence artificielle renforce-t-elle les capacités des experts en leur fournissant des outils sans précédent pour élargir et affiner leurs compétences ? Ou ces systèmes menacent-ils de rendre obsolète la notion même d’expertise, en rendant accessible à tous un savoir autrefois réservé à une élite ?


Avec l’usage croissant des intelligences artificielles génératives en entreprise, de nombreuses questions se posent sur la qualité du contenu produit. Comment pouvons-nous garantir la fiabilité des informations extraites ? Comment détecter un contenu généré par les machines ? Et peut-on vraiment exploiter les IA génératives pour exécuter des tâches compliquées ?


Une des solutions pour améliorer la qualité des réponses est le prompt engineering. Il permet de formuler des instructions ou des consignes spécifiques pour guider la génération de texte, d’images, ou de tout autre type de contenu à l’aide de l’IA.


C’est dans ce contexte que Management & Datascience organise une compétition de prompt engineering. Cette compétition vise à identifier les meilleures pratiques d’intelligence artificielle générative.


Nous vous invitons à démontrer votre savoir-faire et à nous aider à tirer parti de la puissance de l’Intelligence Artificielle Générative. Relevez nos trois défis et élaborez les meilleurs prompts possibles sur trois thèmes différents :


Thème 1: Produire le résumé précis d’un document

Thème 2 : Générer un graphique à partir d’un texte

Thème 3 : Extraire des informations fiables

Rejoignez-nous dans cette aventure passionnante et aidez-nous à façonner l’avenir de l’intelligence artificielle générative. Nous avons hâte de voir ce que vous pouvez accomplir !


Challenge

1) Produire le résumé précis d’un document

Les modèles génératifs génèrent des textes dont le style et la syntaxe ne ressemblent que partiellement à la façon dont nous nous exprimons réellement.


Votre défi consiste à créer un prompt qui générera un résumé précis de 300 mots en français, lequel débouchera sur des recommandations concrètes.


Pour réaliser le résumé, vous utiliserez le corpus issu de l’article de Shen et al. (2023), intitulé « In chatgpt we trust? measuring and characterizing the reliability of chatgpt » et téléchargeable içi Téléchargement.


Attention, un lecteur humain parcourant le résultat du prompt ne devrait pas être en mesure d’identifier qu’il a été généré par une IA. Aucun détecteur du marché ne devrait pouvoir reconnaître qu’il s’agit d’un texte produit par une machine.


2) Générer un graphique à partir d’un texte

Un dessin vaut mieux qu’un beau discourt.


Votre défi consiste à créer un prompt qui transforme le texte du résumé que vous avez produit en un schéma compréhensible et pertinent.


Pour cela, vous devez utilisez une IA générative de votre choix puis la grammaire graphique de votre choix (Graphviz, Mermaid, PlanUML, le package Diagram de Python …).


Pour initier vos recherches vous pouvez étudier les qualités et les défauts du prompt suivant où l’IA générative transforme un texte en code GraphViz, ce  qui permet de générer un graphique en utilisant un site comme : https://dreampuf.github.io/GraphvizOnline/


Attention, pour ce prompt vous devrez fourni deux résultats : le code généré et le graphique généré !


3) Extraire des informations fiables

Les modèles génératifs publiques sont entraînés sur des données statiques, souvent pas à jour et dont la traçabilité est faible. Par ailleurs, ils sont sujets à ce que l’on nomme des “hallucinations” et nous fournissent alors des réponses dont la logique n’est pas la nôtre et qui contredisent les faits que nous pensons exacts.


Votre défi consiste à concevoir un prompt qui permette d’extraire des informations exacte et fiable.


Vous devez extraire des informations pour répondre aux questions suivantes :


Comment la fiabilité de ChatGPT varie-t-elle selon les domaines ?

Quel est l’impact des rôles du système sur l’exactitude de ChatGPT ?

Par ordre d’importance, quels sont les causes de défaillances des questions sans réponses ?

ChatGPT est-il vulnérable aux attaques adverses ?

Llama peut-il répondre de manière fiable face à des exemples contradictoires ?

Attention, pour ces prompts vous ne devez pas induire la réponse dans la consigne !


Pour extraire les informations, vous utiliserez le corpus issu de l’article de Shen et al. (2023), intitulé « In chatgpt we trust? measuring and characterizing the reliability of chatgpt » et téléchargeable içi Téléchargement.


Trophée

Les gagnants seront invités à présenter leurs résultats pendant le salon Big Data World Paris le jeudi 16 novembre 2023 à 16h30, lors d’une master class. Des experts scientifiques et professionnelles discuterons les résultats.


Les vainqueurs recevront le trophée du meilleur prompt engineer 2023 ainsi qu’un chèque cadeau. Ils bénéficieront d’une couverture médiatique (presse et réseaux sociaux) ainsi que la publication de leurs résultats au sein de la revue scientifique Management & Data Science.


MODALITÉS

Inscription

La participation au prompt challenge est gratuite ! Chaque candidat doit s’inscrire au préalable sur le site web de Management & Data Science. Toutefois, les participants individuels peuvent choisir de former une équipe de deux (2) membres maximum soumettant un livrable unique en tant que co-auteurs.


Soumission des prompts

La clôture des soumissions est fixée au 14 novembre 2023 à 23h29. La soumission des contributions se fait en ligne à partir de l’onglet « Participer » et doit respecter les consignes ci-dessous.


Vous devrez remplir le formulaire de votre soumission en créant un article qui comprendra :


un titre

un résumé montrant l’intérêt de contribution

le contenu de votre contribution

Pour chaque thème, vous devez fournir :


l’url de l’IA générative utilisée;

le texte  du prompt utilisé;

le meilleur résultat obtenu;

les commentaires de votre contribution avec une description aussi convaincante et claire que possible de la logique de votre prompt, de ses forces, mais aussi de ses faiblesses. A partir d’exemples, vous pouvez également montrer l’évolution de votre prompt et les éléments d’optimisation. Vous pouvez analyser le résultats obtenu en le comparant  avec d’autres outils d’IA et d’autres versions de prompt. L’objectif étant de montrer l’efficacité de votre prompt dans des contextes les plus variés et différents possibles.

A titre d’illustration, un exemple de soumission est accessible dans l’onglet ressource ou sur ce lien.


Évaluation

Pour chacun des thèmes, votre  prompt est évalué sur 10 points :


10 points pour le prompt classé premier;

7 points pour le deuxième;

5 points pour le troisième;

 2 points pour tout prompt «intéressant» ou «original» ou «prometteur»;

1 point de bonus sera donné aux prompts les plus génériques, c’est à dire fonctionnant efficacement sur 3 IA génératives.

Il aura donc quatre classements :


un classement par thème  (basé sur un score de 0 à 11 points au maximum);

un classement général totalisant les points des trois thèmes (basé sur un score de 0 à 33 points au maximum).

Critères d’évaluation

Utilité et pertinence : l’invite doit être conçue de manière à pouvoir proposer des réponses fiables et exactes.

Rigueur et originalité : l’invite doit démontrer une approche unique et créative pour résoudre le problème identifié, mettant en valeur l’innovation du participant et sa capacité à sortir des sentiers battus.

Clarté et adaptabilité : l’invite doit être clairement définie, facile à comprendre et inclure toutes les variables nécessaires pour un large éventail de cas d’utilisation. Il doit inclure des exemples de résultats. Ces exemples permettront de montrer l’efficacité de l’invite et sa capacité à résoudre le problème identifié.

Impact et efficacité  : l’invite doit être conçue de manière à pouvoir proposer une solution pratique qui peut être facilement mise en œuvre.

Jury

Un jury désignera le vainqueur en classant les meilleures propositions. Il est composé des membres suivants :


Henri LAUDE, Chief Data Scientist (Advanced Research Partners)

Olivier MAMAVI, Professeur en Data Management (Paris School of Business) et Directeur des données (Management & Datascience)

Romain ZERBIB, Enseignant-chercheur HDR (ICD Business Scool) et Directeur des données (Management & Datascience)

Outils

Pour tester vos prompts, vous pouvez utiliser le modèle de language que vous souhaitez, notamment :


ChatGPT d’OpenAI

Bard de Google

Claude d’Anthropic

Bing de Microsoft

Llama de Meta

etc…

RÈGLEMENT

La participation au challenge implique pour tout participant l’acceptation entière et sans réserve des règles ci-dessous. Le non-respect dudit règlement entraîne l’annulation immédiate de la participation.


L’inscription au challenge doit se faire de manière individuelle. Afin de participer au challenge le participant doit avoir créé un compte utilisateur sur le site de Management & Data Science, et renseigné de manière loyale et complète les informations requises, telles que le nom, prénom, adresse mail, etc.

Le fait, pour un participant ou une équipe, de ne pas déposer avant la date limite le livrable sur le site du challenge sera considéré comme un abandon de sa/leur part au challenge. Le participant ou l’équipe ne pourra en aucun cas réintégrer le challenge.

Les contributions sont publiées sous une licence Creative Commons Attribution/Pas de modification.

Chaque soumission sera notée et classée selon les critères d’évaluation indiqués sur le site Web du concours.

Le(s) gagnant(s) potentiel(s) seront avisés par courriel.

Les données personnelles du participant font l’objet d’un traitement au sens de la réglementation sur la protection des données personnelles (RGPD).

Management & Data Science ne saurait être tenue responsable de toutes perturbations, à la fois sur le réseau internet ou des difficultés d’accès liées à un grand nombre de connectés ou de participants.

Prompt Challenge - Management & Data Science (management-datascience.org)

https://management-datascience.org/projects/25411/


Les Projets sont des appels à la Communauté. Ils présentent une question et des modalités pour participer à sa résolution. Ils peuvent être des Appels à contribution, ou des Data Challenges (compétions ouvertes proposées par des organisations).

Vous êtes chercheur, étudiant, datascientist ? Participez à un Projet pour vous confronter à une problématique de terrain ou créez un Projet pour lancer une idée, proposer une piste de réflexion, résoudre un problème.

Vous êtes une entreprise, une administration, une institution ? Découvrez comment organiser un Data Challenge.


FAITES DE VOS DATAS UN LEVIER DE DÉCISION ET D’ACTION !

Vous avez une problématique marketing et des données sous-exploitées ?

Management et Data Science, vous organise une compétition d’experts data qui vont analyser vos données pour répondre à votre problématique de départ et vous soumettre des pistes d’action innovantes.

Comment ça marche :

  • Vous (entreprise) soumettez une problématique (un brief) accompagnée d’un jeu de données.
  • Management & Data Science mobilise ensuite une communauté d’experts (chercheurs, étudiants, datascientists, startupers, etc.) , qui va travailler à résoudre la problématique dans le cadre d’une compétition centrée sur la data.
  • Les propositions / résultats sont présentées devant un jury (dont vous faites partie) qui élit les 3 meilleures équipes.

Les bénéfices côté entreprise :

  • Mobiliser une communauté d’experts autour de VOTRE problématique,
  • Trouver la meilleure solution à votre problème,
  • Identifier les talents,
  • Réduire les coûts de R&D,
  • Identifier des pistes d’innovation,
  • Engendrer de la création de valeur.

COMMENT PROPROSER UN DATA CHALLENGE ?

Déroulement d’un challenge

  1. lancement du challenge
  2. inscription des candidats
  3. accès aux données
  4. analyse des données
  5. soumission des propositions
  6. évaluation des résultats
  7. classement des propositions
  8. soutenance des finalistes
  9. remise des prix
  10. publication et promotion des résultats

Démarche pour la formalisation d’un challenge

  • Cadrage : identification des objectifs, définition des besoins, formulation d’une problématique, collecte des données, description des données, préparation des données, stockage des données, exploration des données, conception des modalités d’évaluation, définition des incitations, et annonce du challenge.
  • Lancement : mobilisation de la communauté, inscription des équipes, traitement des données, soumission des propositions, évaluation des résultats, sélection des meilleures propositions.
  • Finale : présentation des meilleures propositions devant un jury, remise des prix, et publication au sein de Management & Data Science.
  • Bilan : analyse des retombées, évaluation des impacts et pistes de valorisation des résultats du data challenges.

 

Contactez-nous pour organiser un challenge

Les champs marqués d’un * sont obligatoires

QUELLES INNOVATIONS PÉDAGOGIQUES À L’ÈRE DE L’IA ?

QUELLES INNOVATIONS PÉDAGOGIQUES À L’ÈRE DE L’IA ?

Depuis quelques mois déjà, l’IA générative, à l’instar des applications telles que ChatGPT, Google Bard, ou plus récemment, Gemini, fait régulièrement la une des médias. Elle alimente les débats, suscite des réactions, et soulève des questionnements. L’IA générative bouleverse nos sociétés et les secteurs économiques. Même le monde de l’enseignement supérieur et de la recherche n’y échappe pas. Aussi, bien que les arguments militants en faveur de l’IA  sont légion (mais aussi ceux prétextant ses risques), rares sont les développements mettant en perspective les éléments d’application de cette technologie dans la pédagogie. Quelles sont les potentialités de l’IA dans l’innovation pédagogique, et comment les enseignants pourraient les explorer ? L’article tente d’apporter quelques orientations en réponse à un tel questionnement. Les potentialités de l’IA dans l’innovation pédagogique sont nombreuses, que ce soit pour le tutorat personnalisé ou pour l’apprentissage. Certes, il existe encore des risques qu’il convient d’intégrer en amont d’une appropriation. Néanmoins, à mesure que la compréhension des avantages et des limites de l’IA augmentera, davantage d'initiatives à l'échelle des établissements d’enseignement émergeront certainement.

Quelles innovations pédagogiques à l'ère de l'IA ? - Management & Data Science (management-datascience.org)

https://management-datascience.org/articles/26522/

Depuis quelques mois déjà, l’IA générative, à l’instar des applications telles que ChatGPT, Google Bard, ou plus récemment, Gemini, fait régulièrement la une des médias. Elle alimente les débats, suscite des réactions – parfois passionnées – et soulève des questionnements.

L’IA générative bouleverse nos sociétés et les secteurs économiques. Même le monde de l’enseignement supérieur et de la recherche n’y échappe pas. Dans cet univers particulier, la tentation est forte de considérer que seuls les spécialistes des sciences de l’éducation ou des systèmes d’information sont légitimes pour aider à l’intelligibilité des problématiques liées à l’IA. Cependant, l’IA concerne de nombreux acteurs de l’enseignement supérieur et de la recherche, pour peu que l’on s’intéresse à l’exploration des potentialités de cette technologie. D’ailleurs en 2023, l’UNESCO (2023) a publié un rapport intitulé  « Orientations pour l’IA générative dans l’éducation et la recherche » (Guidance for generative AI in education and research). L’une des principales recommandations dans ce rapport est de renforcer les capacités des enseignants et des chercheurs à utiliser correctement l’IA générative pour la pensée critique et la créativité dans l’éducation et la recherche, tout en atténuant les risques. Mais déjà en 2019, dans ses objectifs pour la réalisation de l’agenda « Education 2030 », l’UNESCO (2019) entrevoyait très tôt les bénéfices potentiels de l’IA. Dans son rapport intitulé « Consensus de Beijing sur l’IA en éducation » (Beijing Consensus on Artificial Intelligence and Education), l’UNESCO recommandait notamment d’intégrer systématiquement l’IA dans l’éducation afin de « permettre de relever certains des plus grands défis actuels de l’éducation, d’innover en matière de pratiques d’enseignement et d’apprentissage, et finalement, d’accélérer les progrès dans la réalisation de l’ODD 4 ». Aussi, bien que les arguments militants en faveur de l’IA (mais aussi ceux mettant en évidence ses risques) sont légion, rares sont les développements mettant en perspective les éléments d’application de cette technologie dans l’enseignement supérieur et la recherche. Or comme nous le rapportions déjà dans une précédente réflexion (Cf. Moussavou, 2023), l’IA a des implications pour la recherche scientifique. Qu’en est-il alors des implications pour l’enseignement ? Quelles sont les potentialités de l’IA dans l’innovation pédagogique et comment les enseignants pourraient les explorer ?


L’IA appliquée à la pédagogie, de quoi parle-t-on ?

L’IA peut d’abord être comprise comme un ensemble de techniques aux contours plus ou moins définis. Selon Rai et al. (2019), l’IA fait référence à un éventail de techniques offrant aux machines la capacité « d’exécuter des fonctions cognitives que nous associons à l’esprit humain, telles que percevoir, raisonner, apprendre, […] et même faire preuve de créativité » (p. iii). En sciences de l’éducation, Humble et Mozelius (2019) définissent l’IA en soulignant le caractère multidisciplinaire qui dépasse les seules sciences de l’informatique : « l’IA en éducation est un domaine interdisciplinaire intégrant la psychologie, la linguistique, les neurosciences, la pédagogie, l’anthropologie et la sociologie dans le but de créer des outils puissants pour l’éducation et de mieux comprendre le phénomène d’apprentissage » (p. 1). Pour leur part, Popenici et Kerr (2017)  définissent l’IA en éducation comme des « systèmes informatiques capables de s’engager dans des processus humains comme l’apprentissage, la synthèse, l’autocorrection et l’utilisation de données pour des tâches complexes » (p. 4). Cette dernière définition de l’IA dans l’éducation nous semble particulièrement intéressante car permettant d’envisager des interactions complexes entre l’intelligence humaine de l’enseignant et l’IA.


Quelles potentialités de l’IA pour la pédagogie ?

Tout d’abord, si la plupart des discussions sont focalisées aujourd’hui sur l’IA, les technologies éducatives ont développé toute une série d’outils dans le temps, au fur et à mesure des avancées technologiques. Dans son ouvrage intitulé « Teaching in a Digital Age », Bates (2019) tente de décrire les débats sur le rôle de la technologie dans l’enseignement, qui remonteraient selon lui à au moins 2 500 ans. L’ouvrage examine également les principes d’un enseignement efficace à l’ère des technologies numériques et propose un récit historique relativement complet des évolutions de la technologie dans l’apprentissage [voir également l’article de Open College (2015). Parmi les outils technologiques énumérés, citons par exemples les systèmes de gestion de l’apprentissage (Learning Management Systems – LMS), permettant de fournir un environnement d’enseignement en ligne dans lequel les contenus pédagogiques peuvent être téléchargés, tout en offrant des « espaces » dédiés à l’apprentissage et aux activités des apprenant ; les cours ouverts massifs en ligne (Massive Open Online Courses-MOOC) quant à eux, offrent aux apprenants une « expérience d’apprentissage de base sur un sujet donné, généralement constituée de vidéos et de quizz » ; pour leur part, les robots éducatifs permettent « d’interagir avec les apprenants pour les accompagner dans leur processus d’apprentissage » ; enfin, les systèmes de réalité virtuelle offrent la possibilité aux apprenants d’immerger dans des représentations en 3D des activités du monde réel, permettant en cela de « réaliser ou simuler des activités qui seraient coûteuses, dangereuses ou tout simplement impossibles à réaliser autrement ».


Avec l’émergence de l’IA générative, les technologies éducatives semblent prendre un nouvel élan grâce au développement continu d’algorithmes, et surtout une augmentation exponentielle de la puissance de calcul des ordinateurs. Une autre évolution majeure concerne la masse d’informations mise à la disposition des enseignants et des apprenants. Sur ce dernier aspect, la conception d’un cours nécessite le plus souvent de recueillir de nombreuses données afin d’alimenter ses propres ressources ou capacités. Ces données, souvent dispersées dans différentes sources, et parfois peu disponibles à l’échelle de l’enseignant, sont tout simplement les connaissances ou les faits qui sont regroupés par l’enseignant à l’échelle d’un cours. Or ces données sont souvent collectées à une période donnée de la conception dudit cours, ou alors à l’occasion de l’actualisation du cours à un instant t. Avec l’IA, et au-delà de certains risques développés plus bas (voir également Moussavou, 2023), l’accumulation de grandes quantités de données et leur possible actualisation permanente changent la donne.


Comme rapporté par Extance (2023), des expériences visant à exploiter l’utilisation de l’IA générative dans la pédagogie sont en cours dans de nombreuses écoles et universités. L’IA peut aider les enseignants et les apprenants à augmenter les capacités de récupération de données en grande quantité et en temp réel pour alimenter les expériences pédagogiques. Ou encore, l’IA peut offrir une expérience de tutorat personnalisée, disponible à tout moment, et accessible à davantage d’apprenants que ne pourrait l’être un seul enseignant.


Sur l’augmentation des capacités de récupération de données/connaissances, une approche pour créer une possibilité d’apprentissage avec l’IA est de relier l’outil à des corpus de connaissances externes ou ciblés – comme un manuel ou un ensemble d’articles scientifiques – rigoureusement vérifiés en amont. L’objectif d’une telle approche, qualifiée par certains auteurs de génération augmentée par récupération (retrieval-augmented generation – RAG) (Lewis et al., 2020), est d’éviter l’impossibilité de vérifier les milliards de sources de texte qui confèrent à l’IA son pouvoir conversationnel. Ainsi, l’Arizona State University (ASU), l’une des universités les plus progressistes en matière d’adoption des technologies éducatives, a déployé une plateforme permettant aux membres du corps professoral d’utiliser des modèles d’IA génératifs, notamment GPT-4 et Bard de Google. La plateforme utilise une technique appelée génération augmentée par récupération dans les cours ASU (retrieval-augmented generation in ASU courses). ChatGPT ou Bard sont ainsi chargés de rechercher des réponses aux questions des apprenants dans des ensembles de données spécifiques, tels que des articles scientifiques ou des notes de cours. Après une première version limitée à des fins de test, l’ASU a lancé en octobre 2023 une interface Web permettant à ses enseignants d’ expérimenter l’outil. Ce dernier permettra progressivement aux enseignants de créer des chatbots avec lesquels les apprenants pourront interagir. D’autres institutions ont également adopté l’IA générative, notamment l’Université Vanderbilt à Nashville, Tennessee (USA), qui propose aux apprenants certains cours via l’accès à une version payante de ChatGPT, y compris l’accès à des outils de plug-in spécialisés. Des chercheurs de l’Université normale de Chine orientale à Shanghai ont également créé un outil pédagogique dédié appelé EduChat, qui combine l’évaluation des dissertations, le tutorat conversationnel et le soutien aux apprenants dans un seul chatbot (Dan et al., 2023). Bien que EduChat en soit encore à ses débuts, il se distingue par le fait qu’il s’agit d’un outil éducatif dédié plutôt que d’une adaptation d’un modèle existant à usage général, tel que ChatGPT ou Bard.

Sur les tutorats personnalisés, notons tout d’abord que l’utilisation du tutorat personnalisé via la technologie n’est pas nouvelle en soi. Trumbore (2023) rapporte que déjà en 1972, un système d’apprentissage personnalisé appelé PLATO (Programmed Logic for Automated Teaching Operations), faisait ses débuts. Il s’agit du premier système d’apprentissage personnalisé disponible à un grand public. Créé par Don Bitzer, professeur à l’Université de l’Illinois (USA), PLATO a permis aux apprenants d’être connectés simultanément à un ordinateur central et de suivre différents cours en ligne tout en recevant des commentaires sur les travaux demandés. PLATO aurait ainsi permis aux apprenant d’atteindre le même niveau de réussite que les cours en personne en moins de temps. C’est en 2007 que les premiers chatbots d’IA ont permis de proposer un tutorat aux apprenants. Les recherches montrent que ces chatbots offraient des résultats d’apprentissage similaires à ceux des tuteurs humains (Trumbore, 2023). Cependant, l’utilisation de cette technologie pour fournir un tutorat était principalement expérimentale. Aujourd’hui, les IA génératives ont des capacités plus avancées permettant des conversations plus complexes et pouvant fournir un tutorat individualisé plus efficace. Selon Extance (2023), certains enseignants considèrent les IA générative comme des « partenaires de réflexion » potentiels qui pourraient coûter moins cher qu’un tuteur humain et, contrairement aux humains, qui sont toujours disponibles. Un exemple est celui du tuteur  et assistant pédagogique Khanmigo, l’un des premiers tuteur automatisé sous ChatGPT. L’outil est le résultat d’un partenariat entre OpenAI et la Khan Lab School, une école privée basée à la Silicon Valley en Californie (USA). A l’aide de GPT-4, Khanmigo propose aux étudiants des conseils pendant qu’ils réalisent un exercice, permettant en cela aux enseignants et aux apprenants de gagner du temps et de se focaliser davantage sur la discussion et l’apprentissage pendant les séances en présentiel. Un autre exemple est celui de TAL Education Group, une société chinoise de tutorat basée à Pékin, qui a créé un outil appelé MathGPT. Selon Extance (2023), MathGPT est plus précis que GPT-4 pour répondre à des questions spécifiques aux mathématiques. MathGPT, à l’instar de Khanmingo, vise également à aider les apprenants en leur expliquant comment résoudre des problèmes.

Les risques/points de vigilance

Malgré leurs potentiels, les risques ou les points de vigilance de l’IA sont multiples, et il faut les connaître pour les prévenir en amont d’une appropriation de cette technologie. Les chercheurs et les concepteurs des outils d’IA reconnaissent eux-mêmes divers inconvénients tels que la propension de l’IA à générer des réponses incorrectes ou absurdes, des biais dans les données de génération de textes, ou encore la production de contenus non sécurisés (OpenAI., 2023; Quinio et Bidan, 2023; Stokel-Walker et Van Noorden, 2023). Si aucune précaution n’est prise, utiliser l’IA à des fins d’innovation pédagogiques, sans tenir compte de ce type d’inconvénients, serait contre-productif. De tels inconvénients rendraient alors l’IA, au mieux inutile, et, au pire, nuisible à la capacité d’apprentissage des apprenants. Certaines institutions d’enseignement supérieur, telle que l’ASU tentent de réduire les faiblesses de l’IA, cherchant même à les transformer en points forts, par exemple, en les utilisant pour améliorer les capacités de pensée critique des apprenants (Nature, 2023). Concrètement, dans le même ordre d’idées, citons l’exemple de Raphaël Suire (2023), Professeur de Management de l’innovation chez IAE-Nantes-Université (France), qui, pour évaluer le cours d’économie numérique de ses apprenants, déclare : « Je leur ai demandé de rédiger une analyse stratégique à la maison avec ChatGPT. J’évalue la pertinence du co-raisonnement mais également le chemin parcouru avec ChatGPT. Il leur faut expliciter où et pourquoi. De mon côté, ma base de connaissance s’enrichit pour mieux situer et typologiser les contextes d’usage et d’appropriation ». De ce type expérience, une préconisation serait d’entraîner les apprenants à valider ou à encadrer une réponse formulée par l’IA, ce qui nécessiterait pour l’apprenant de remonter à la source des données pour en vérifier la validité et la fiabilité, tout en ayant le choix de se soumettre ou non aux résultats qui émergent de la conversation avec l’IA, après réflexion.


L’autre risque, plutôt d’ordre sociétal, qui émerge souvent lorsqu’il est abordé la question du développement de l’IA générative, est l’affaiblissement potentiel des capacités cognitives humaines. Si nous nous contentons d’utiliser les algorithmes d’IA sans chercher à comprendre leurs grands principes de fonctionnement et leurs implications sur notre vie, nous risquons de réduire, voire de perdre notre intelligence individuelle et collective : nous nous en remettrons aux mécanismes de l’IA en réfléchissant moins par nous-mêmes, et en développant moins l’esprit critique (Roux et al., 2020). L’IA soulève ainsi des inquiétudes quant à l’idée que les apprenants pourront simplement demander à l’outil de faire les devoirs à leur place, ou du moins, qu’ils pourraient devenir dépendants des chatbots pour obtenir des réponses rapides, sans en comprendre la raison. Néanmoins, l’histoire a montré à maintes reprises que la pédagogie peut toujours s’adapter aux nouvelles technologies. Dans les années 1970, l’essor des calculatrices portables a inquiété les professeurs de mathématiques pour l’avenir de leur discipline (Rudnick et Krulik, 1976), mais on peut dire sans se tromper que les mathématiques ont survécu. Tout comme Wikipédia et Google n’ont pas sonné le glas des enseignants, l’IA ne le fera non plus. Les nouvelles technologies conduisent simplement à des façons nouvelles et innovantes d’organiser le travail (Perez, 2009). Et il en sera certainement de même avec l’IA générative. Les enseignants doivent faire preuve d’audace pour ne pas rater l’opportunité d’innover dans leurs pratiques – et être vigilants pour garantir que l’IA est mobilisée de manière à rendre un enseignement augmenté, éthique et responsable.


Conclusion

La technologie de l’IA, notamment celle générative, représente un nouveau phénomène pour la pédagogie, et il n’existe encore aujourd’hui que peu de connaissances visant à définir les cadres d’utilisation associés (Romero et Heiser, 2023). Dans cet article, nous avons essayé d’apporter quelques orientations en réponse à une telle problématique. Les potentialités de l’IA dans l’innovation pédagogique sont nombreuses, que ce soit pour le tutorat personnalisé ou pour l’apprentissage. Certes, il existe encore des risques qu’il convient d’intégrer en amont d’une appropriation. Néanmoins, à mesure que la compréhension des avantages et des limites de l’IA augmente, davantage d’initiatives à l’échelle des établissements d’enseignement émergeront certainement. Si des inquiétudes ont surgis après le lancement très médiatisé de l’emblématique ChatGPT il y’a quelques temps déjà, la résistance innée de l’esprit humain à tout changement est un phénomène bien décrit et peut être compréhensible du point de vue de la psychologie évolutionniste et sociale (Tobore, 2019). Notre conviction est que la combinaison Homme-IA peut réellement transformer la pédagogie, en tendant vers l’innovation, tout en plaçant l’enseignant au cœur du système.


BIBLIOGRAPHIE

Bates, T. (2019). Teaching in a Digital Age. 2nd Edition. Tony Bates Associates Ltd. https://pressbooks.bccampus.ca/teachinginadigitalagev2/

Dan, Y., Zhikai L. et al. (2023).  EduChat: A Large-Scale Language Model-based Chatbot System for Intelligent Education. https://arxiv.org/abs/2308.02773.

Extense, A., (2023). ChatGPT has entered the classroom: how LLMs could transform education. Nature, 623, 474-477....

--- 

Erol GIRAUDY 

https://about.me/giraudyerol

POC-PAI: Organiser un congrès sur l'intelligence artificielle (IA) (uga-ia.blogspot.com)

https://uga-ia.blogspot.com/2023/12/organiser-un-congres-sur-lintelligence.html?zx=a9a9ea7fde691dfc

Recherche simple "Giraudy Erol" : liste de notices | BnF Catalogue général

https://catalogue.bnf.fr/rechercher.do?motRecherche=Giraudy+Erol&critereRecherche=0&depart=0

YouTube

https://www.youtube.com/@EROLGIRAUDY

https://www.linkedin.com/in/erolgiraudy2018/?originalSubdomain=ad

IA générative : où en sont les entreprises européennes ?

 

IA générative : où en sont les entreprises européennes ?

Malgré des investissements qui vont doubler en 2024, les problèmes d’éthique et de réglementation ralentissent l’adoption de l’IA générative en Europe…


La nouvelle étude de l’Infosys Knowledge Institute (IKI), l’institut de recherche d’Infosys, révèle que l’Europe double ses investissements dans l’IA générative (GenAI), bien qu’elle se montre plus prudente que l’Amérique du Nord.

L’étude révèle que les entreprises européennes augmenteront leurs investissements dans la GenAI de 115 % au cours de l’année prochaine, pour atteindre 2,8 milliards de dollars.



IA générative : l’Europe prend du retard…

Le rythme des investissements est plus lent en Europe qu’en Amérique du Nord, où les dépenses devraient atteindre près de 6 milliards de dollars.

Cette prudence s’explique en grande partie par les préoccupations liées à l’éthique et aux préjugés suscitées par un marché européen plus réglementé.

Toutefois, les entreprises européennes restent optimistes quant à l’impact de l’IA générative sur leurs activités et sont beaucoup plus confiantes dans leur capacité à former et à recruter des talents, ainsi qu’à gérer et à maitriser les systèmes d’IA générative.


La France et l’Allemagne en tête des dépenses et de l’adoption de la GenAI 

La France et l’Allemagne devraient doubler leurs dépenses en GenAI, pour atteindre près de 730 millions de dollars en France et près de 610 millions de dollars en Allemagne, au cours des 12 prochains mois.

Dans ces deux pays, environ 50 % des entreprises ont déployé la GenAI et certaines en ont déjà tiré bénéfice, contre environ 40 % au Royaume-Uni, au Benelux et dans les pays nordiques.

Le Royaume-Uni devrait dépasser le Benelux et occuper la troisième place au cours des 12 prochains mois, en faisant plus que doubler ses dépenses pour atteindre près de 510 millions de dollars.

Les entreprises des pays nordiques devraient augmenter plus de 2,5 fois leurs dépenses au cours des 12 prochains mois pour atteindre plus de 470 millions de dollars.

Peu de retour sur investissement pour l’instant

Les entreprises européennes déploient la GenAI, mais peu d’entre elles ont créé de la valeur commerciale.

Malgré des niveaux élevés d’expérimentation et de mise en œuvre de la GenAI, seulement 6 % des entreprises européennes génèrent une valeur commerciale avec leurs cas d’utilisation de la GenAI.

La France, l’Allemagne et le Royaume-Uni sont en tête de la région, avec environ 10 % des entreprises qui déclarent que leurs projets GenAI ont généré de la valeur.


IA : Des question d’éthique plus présentes en Europe

Les entreprises européennes se concentrent davantage sur l’éthique et les préjugés et sont plus confiantes dans la gestion et le contrôle de la GenAI que les entreprises nord-américaines.        

Les entreprises européennes ont identifié l’éthique et les préjugés comme le deuxième plus grand défi, après la confidentialité des données et la sécurité.

Les entreprises nord-américaines sont moins préoccupées par l’éthique et les préjugés, qui constituent pour elles le quatrième défi le plus important, derrière des questions de confidentialité des données, de données inutilisables et le manque de compétences.

Les entreprises européennes ont également plus de conseils d’administration impliqués dans les politiques de GenAI, ce qui reflète leurs préoccupations en matière de réglementation.

En Europe, les conseils d’administration définissent les réglementations et les politiques dans plus de 30 % des entreprises et sont les principaux commanditaires dans près de 20 % des cas.

Plus de 70% des répondants européens ont confiance dans les capacités de gestion de l’IA générative.


« L’IA générative est à l’origine d’une transformation impressionnante dans tous les secteurs et les investissements se font à un rythme fulgurant.

Dans le contexte d’un paysage réglementaire en constante évolution, les organisations doivent intégrer des techniques d’IA responsables pour non seulement améliorer la qualité et la gestion des données, mais aussi gérer efficacement les risques liés à l’éthique et aux préjugés.

Nos recherches ont montré que pour que les entreprises européennes tirent une valeur commerciale, elles doivent développer et faire évoluer un modèle opérationnel axé sur l’IA qui donne la priorité à la transformation de l’entreprise et au développement des compétences, et qui leur permet de maximiser le potentiel humain. » 

commente Balakrishna D. R. (Bali), Executive Vice President, Global Head of AI and Industry Verticals, Infosys








Méthodologie 

Infosys a utilisé un format anonyme pour mener une enquête en ligne auprès de plus de 1 000 cadres d’entreprises de différents secteurs en Belgique, au Danemark, en Finlande, en France, en Allemagne, en Islande, au Luxembourg, aux Pays-Bas, en Norvège, en Suède et au Royaume-Uni. Pour obtenir des informations qualitatives supplémentaires, les chercheurs ont interrogé des experts en la matière et des chefs d’entreprise.

--- 

Erol GIRAUDY 

https://about.me/giraudyerol

POC-PAI: Organiser un congrès sur l'intelligence artificielle (IA) (uga-ia.blogspot.com)

https://uga-ia.blogspot.com/2023/12/organiser-un-congres-sur-lintelligence.html?zx=a9a9ea7fde691dfc

Recherche simple "Giraudy Erol" : liste de notices | BnF Catalogue général

https://catalogue.bnf.fr/rechercher.do?motRecherche=Giraudy+Erol&critereRecherche=0&depart=0

YouTube

https://www.youtube.com/@EROLGIRAUDY

https://www.linkedin.com/in/erolgiraudy2018/?originalSubdomain=ad



Généalogie et serveurs MCP - IA

  Généalogie et histoire familiale serveurs MCP — GEDCOM, Gramps, FamilySearch, WikiTree, et plus encore. Par Grove, un agent IA de ChatFore...