L'intelligence artificielle et le vivant

Exercices corrigés

1. Qu'est-ce qu'un neurone formel ?

   • A.Un neurone humain cultivé en laboratoire
   • B.Un composant électronique implanté dans le cerveau
   • C.Un modèle mathématique simplifié inspiré du neurone biologiqueBonne réponse
   • D.Un neurone particulièrement gros du cortex cérébral

   Réponse : C — Un modèle mathématique simplifié inspiré du neurone biologique

   Le neurone formel est un objet purement mathématique : il calcule une somme pondérée de ses entrées puis la compare à un seuil. Il s'inspire du neurone biologique (intégration des signaux, réponse tout ou rien), mais il n'a rien de vivant ni de matériel. C'est un modèle, avec toutes les simplifications que cela suppose.

2. Que modifie-t-on dans un réseau de neurones lors de l'apprentissage ?

   • A.Le nombre de couches du réseau
   • B.Les données d'entrée elles-mêmes
   • C.La nature du langage de programmation utilisé
   • D.Les poids associés aux connexionsBonne réponse

   Réponse : D — Les poids associés aux connexions

   Dans le cas standard, l'architecture du réseau (nombre de couches, nombre de neurones) est fixée avant l'entraînement. Ce qui change au cours de l'apprentissage, ce sont les valeurs numériques des poids, ajustées progressivement pour diminuer l'erreur. C'est le pendant artificiel de la plasticité synaptique du cerveau.

3. Quel usage de l'intelligence artificielle dans le domaine du vivant est aujourd'hui bien établi ?

   • A.L'aide au repérage d'anomalies sur des images médicalesBonne réponse
   • B.La création de nouvelles espèces vivantes par calcul
   • C.La transmission directe de pensées entre deux personnes
   • D.La suppression totale du besoin de médecins

   Réponse : A — L'aide au repérage d'anomalies sur des images médicales

   L'analyse d'images médicales (radiographies, images de dépistage, lames d'anatomopathologie) est l'un des usages les plus avancés : le système signale des zones suspectes que le praticien examine ensuite. Il s'agit d'une aide au diagnostic, pas d'un remplacement : le médecin conserve la décision et la responsabilité.

4. Un neurone formel reçoit x1 = 1, x2 = 0 et x3 = 1, avec les poids w1 = 0,5, w2 = −0,3 et w3 = 0,8. Que vaut la somme pondérée S ?

   • A.1,6
   • B.1,3Bonne réponse
   • C.1,0
   • D.0,3

   Réponse : B — 1,3

   S = 0,5 × 1 + (−0,3) × 0 + 0,8 × 1 = 0,5 + 0 + 0,8 = 1,3. Comme x2 vaut 0, son poids négatif ne joue aucun rôle ici : 0 multiplié par n'importe quoi vaut 0. Répondre 1,0 revient à avoir soustrait 0,3 alors que l'entrée correspondante est nulle.

5. Pourquoi sépare-t-on les données en une base d'apprentissage et une base de test ?

   • A.Pour diviser par deux le temps de calcul nécessaire
   • B.Pour vérifier que le réseau généralise à des données qu'il n'a jamais vuesBonne réponse
   • C.Parce qu'un ordinateur ne peut pas traiter toutes les données en même temps
   • D.Pour permettre à deux équipes de travailler en parallèle

   Réponse : B — Pour vérifier que le réseau généralise à des données qu'il n'a jamais vues

   Évaluer un réseau sur ses propres données d'entraînement n'apprend rien : il pourrait les avoir simplement mémorisées. La base de test, tenue à l'écart pendant l'entraînement, mesure la vraie compétence recherchée — la capacité à répondre correctement sur des cas nouveaux.

6. Un système de reconnaissance faciale entraîné presque uniquement sur des visages d'un même groupe de population fonctionne mal sur les autres. Comment nomme-t-on ce problème ?

   • A.Une panne matérielle du processeur
   • B.Un surapprentissage lié au nombre de couches
   • C.Un biais des données d'apprentissageBonne réponse
   • D.Une erreur de calcul de la somme pondérée

   Réponse : C — Un biais des données d'apprentissage

   Le réseau ne peut apprendre que ce que ses données contiennent. Si celles-ci sous-représentent une partie de la population, les performances y seront médiocres, sans qu'aucune erreur technique n'ait été commise. C'est un biais des données, et il se corrige en amont, par la constitution d'un jeu d'apprentissage représentatif — pas en ajoutant des couches.

7. Un réseau de neurones qui reconnaît des chats sur des photos avec 97 % de réussite « sait-il » ce qu'est un chat ?

   • A.Oui, puisqu'il ne se trompe presque jamais
   • B.Oui, car il a construit une définition interne du chat
   • C.Non, il ne fait qu'associer des motifs statistiques à une étiquetteBonne réponse
   • D.Non, car il apprend uniquement des règles écrites par des humains

   Réponse : C — Non, il ne fait qu'associer des motifs statistiques à une étiquette

   Une bonne performance statistique n'est pas une compréhension. Le réseau a ajusté des millions de poids de façon à ce que certaines configurations de pixels produisent la sortie « chat ». Il n'a ni concept, ni intention, ni représentation du monde — ce que révèlent bien ses erreurs, souvent aberrantes pour un humain. Et non, ses règles ne sont pas écrites à la main : c'est précisément ce qui distingue l'apprentissage de la programmation classique.

8. Un neurone formel reçoit deux entrées x1 = 2 et x2 = 3, de poids w1 = 1,5 et w2 = −0,5. Son seuil vaut 2. Que vaut sa sortie ?

   • A.1, car S = 4,5
   • B.0, car S = 1,5Bonne réponse
   • C.1, car S = 1,5
   • D.0, car S = −1,5

   Réponse : B — 0, car S = 1,5

   S = 1,5 × 2 + (−0,5) × 3 = 3 − 1,5 = 1,5. Comme 1,5 est inférieur au seuil de 2, la sortie vaut 0. L'erreur classique consiste à ignorer le signe du second poids et à calculer 3 + 1,5 = 4,5 : un poids négatif est inhibiteur, il retranche sa contribution à la somme. Note aussi que les entrées ne sont pas obligatoirement binaires, contrairement à la sortie.

9. Une IA de tri de candidatures est entraînée sur dix ans d'embauches passées d'une entreprise qui recrutait très majoritairement des hommes. Que peut-on prévoir, et pourquoi ?

   • A.Elle corrigera automatiquement le déséquilibre, car un algorithme est neutre
   • B.Elle reproduira et amplifiera le déséquilibre, car elle apprend à imiter les décisions passéesBonne réponse
   • C.Elle ne pourra pas fonctionner, faute de données suffisantes
   • D.Elle produira des résultats purement aléatoires, sans lien avec l'historique

   Réponse : B — Elle reproduira et amplifiera le déséquilibre, car elle apprend à imiter les décisions passées

   L'apprentissage supervisé consiste à reproduire les étiquettes fournies. Ici, les étiquettes sont les décisions humaines passées : le système apprend donc à imiter ces décisions, biais compris, et peut même les renforcer en s'appuyant sur des indices corrélés au genre (activités, formulations, établissements). Il n'existe aucun mécanisme spontané de correction : une machine n'est pas neutre, elle est fidèle à ses données. Corriger suppose une intervention humaine délibérée sur la constitution du jeu d'apprentissage et sur les critères d'évaluation du système.

10. Que calcule un neurone formel à partir de ses entrées ?

    • A.La somme pondérée des entrées par leurs poidsBonne réponse
    • B.La moyenne arithmétique des entrées
    • C.Le produit de toutes les entrées entre elles
    • D.La plus grande des entrées

    Réponse : A — La somme pondérée des entrées par leurs poids

    Le neurone multiplie chaque entrée xi par son poids wi, puis additionne le tout : S = w1 × x1 + w2 × x2 + … Cette somme pondérée modélise l'intégration des signaux excitateurs et inhibiteurs au niveau du corps cellulaire. Elle est ensuite comparée au seuil pour donner la sortie.

11. Qu'est-ce que l'apprentissage supervisé ?

    • A.Un apprentissage où un enseignant surveille l'ordinateur
    • B.Un apprentissage réalisé sur des données accompagnées de la réponse attendueBonne réponse
    • C.Un apprentissage sans aucune donnée d'entrée
    • D.Un apprentissage où le réseau écrit lui-même son propre programme

    Réponse : B — Un apprentissage réalisé sur des données accompagnées de la réponse attendue

    En apprentissage supervisé, chaque exemple est étiqueté : on donne au réseau l'image ET la bonne réponse. Le réseau compare sa sortie à l'étiquette, mesure son erreur, puis ajuste ses poids pour la réduire. Sans étiquettes, on parlerait d'apprentissage non supervisé, où le système cherche des regroupements sans réponse de référence.

12. Dans l'analogie entre neurone biologique et neurone formel, à quoi correspond le poids d'une connexion ?

    • A.À la longueur de l'axone
    • B.À la vitesse de propagation du message nerveux
    • C.À l'efficacité de la synapseBonne réponse
    • D.À la quantité d'énergie consommée par la cellule

    Réponse : C — À l'efficacité de la synapse

    Le poids traduit l'influence plus ou moins forte d'une entrée sur la sortie, comme une synapse plus ou moins efficace module l'effet d'un signal reçu. Un poids positif correspond à une synapse excitatrice, un poids négatif à une synapse inhibitrice. Et sa modification au cours de l'apprentissage évoque la plasticité synaptique.