QCM : IA générative en BTS SIO (11 questions)

Questions et réponses du QCM

1. Quel mécanisme décrit le mieux le fonctionnement d’un grand modèle de langage lorsqu’il produit un texte ?

Il prédit mot après mot la suite la plus probable à partir de son entraînement sur de grandes quantités de texte.
Il associe chaque mot à une définition afin de reconstruire le sens humain de la phrase.
Il applique une grammaire écrite par des humains pour choisir chaque mot selon des règles fixes.
Il recherche dans une base de données un texte complet correspondant exactement à la demande.

Il prédit mot après mot la suite la plus probable à partir de son entraînement sur de grandes quantités de texte.

Explication

Un grand modèle de langage est entraîné sur d’immenses quantités de texte pour prédire la suite la plus probable, mot après mot. La recherche d’un texte complet dans une base de données peut être utilisée par d’autres systèmes, mais ce n’est pas le mécanisme décrit ici.

2. Une question porte sur un événement survenu après la date d’entraînement d’un modèle, et aucune information récente ne lui est fournie. Quelle limite faut-il prendre en compte ?

Le modèle connaît l’événement dès lors qu’il peut en déduire les conséquences probables.
Le modèle peut retrouver l’événement en se fondant sur sa capacité à produire un texte cohérent.
Les connaissances intégrées au modèle s’arrêtent à sa date d’entraînement, appelée date de coupure.
Le modèle actualise ses connaissances à chaque nouvelle conversation, même sans données récentes.

Les connaissances intégrées au modèle s’arrêtent à sa date d’entraînement, appelée date de coupure.

Explication

Les connaissances intégrées au modèle sont figées à la date de son entraînement, appelée date de coupure. Produire une réponse cohérente ne lui apporte pas, à lui seul, des informations factuelles postérieures à cette date.

3. Quelle différence distingue l’IA symbolique du machine learning ?

L’IA symbolique applique des règles logiques écrites par des humains, tandis que le machine learning apprend statistiquement à partir de données.
L’IA symbolique s’appuie sur des récompenses après chaque action, tandis que le machine learning regroupe les données sans étiquettes.
L’IA symbolique crée du contenu inédit, tandis que le machine learning attribue un score aux données existantes.
L’IA symbolique apprend des régularités dans des données, tandis que le machine learning applique des règles logiques écrites par des humains.

L’IA symbolique applique des règles logiques écrites par des humains, tandis que le machine learning apprend statistiquement à partir de données.

Explication

L’IA symbolique repose sur des règles logiques formulées par des humains et permet une décision explicable, alors que le machine learning apprend statistiquement à partir de données. L’apprentissage de régularités dans les données caractérise le machine learning, et non l’IA symbolique.

4. Un outil attribue une catégorie à des messages existants, tandis qu’un autre rédige un message inédit. Comment les classer ?

Les deux sont génératifs, car ils fournissent une sortie en réponse à une entrée.
Le premier est génératif et le second est discriminatif.
Le premier est discriminatif et le second est génératif.
Les deux sont discriminatifs, car ils produisent des résultats à partir de données.

Le premier est discriminatif et le second est génératif.

Explication

Un système discriminatif classe ou attribue un score à des données existantes, tandis qu’un système génératif crée du contenu inédit, comme un texte. Le fait qu’un outil produise une sortie ne suffit donc pas à le qualifier de génératif.

5. Que désigne la fenêtre de contexte d’un modèle d’IA générative ?

Le degré d’aléatoire appliqué par le modèle lors de la génération de chaque réponse.
Le nombre de documents externes que le modèle peut consulter avant de produire une réponse.
L’unité de texte, comme un mot ou un fragment de mot, manipulée par le modèle.
La quantité de texte que le modèle peut prendre en compte à la fois, y compris le prompt, l’historique et sa réponse.

La quantité de texte que le modèle peut prendre en compte à la fois, y compris le prompt, l’historique et sa réponse.

Explication

La fenêtre de contexte correspond au texte que le modèle peut voir en même temps, comprenant le prompt, l’historique et la réponse. Les documents externes relèvent plutôt d’une technique comme le RAG, et non de la définition de cette fenêtre.

6. Lorsqu’un développeur utilise une IA générative pour accélérer une tâche informatique, laquelle de ces actions fait partie des usages pertinents mentionnés ?

Obtenir un premier jet de script à adapter
Garantir la sécurité d’une application
Remplacer la validation technique du code
Déployer automatiquement un logiciel en production

Obtenir un premier jet de script à adapter

Explication

L’IA générative peut produire un premier jet de script, que le développeur peut ensuite examiner et adapter. La validation technique reste à la charge de l’utilisateur et n’est pas remplacée par la génération.

7. Quel est l’objectif de la démarche proposée pour évaluer une réponse générée par une IA ?

Comparer la réponse à plusieurs générations et retenir celle qui paraît la plus cohérente
Vérifier que la réponse utilise un vocabulaire technique adapté au sujet traité
Reformuler la question jusqu’à obtenir une réponse plus détaillée et mieux structurée
Repérer les éléments corrects, déceler les erreurs ou les risques et expliquer comment les détecter sans l’IA

Repérer les éléments corrects, déceler les erreurs ou les risques et expliquer comment les détecter sans l’IA

Explication

Cette démarche sert à examiner la justesse et les risques d’une réponse, puis à réfléchir aux moyens de repérer ses erreurs sans assistance. Comparer plusieurs générations peut sembler utile, mais ne remplace pas cette vérification critique.

8. Quelle différence distingue un usage responsable de l’IA pour apprendre d’un usage qui risque de nuire à l’employabilité ?

Les deux usages nuisent à l’employabilité, mais celui qui aide à comprendre protège davantage les connaissances.
L’utiliser pour mieux comprendre favorise l’apprentissage, tandis que s’en servir pour éviter d’apprendre peut nuire à l’employabilité.
Les deux usages soutiennent l’apprentissage, mais seul celui qui accélère le travail peut nuire à l’employabilité.
L’utiliser pour éviter d’apprendre favorise l’autonomie, tandis que s’en servir pour comprendre réduit l’employabilité.

L’utiliser pour mieux comprendre favorise l’apprentissage, tandis que s’en servir pour éviter d’apprendre peut nuire à l’employabilité.

Explication

Se servir de l’IA pour comprendre plus vite est considéré comme un usage sain, tandis que l’employer pour contourner l’apprentissage constitue un piège pour l’employabilité. Le distracteur qui inverse les effets attribue à l’évitement de l’apprentissage un bénéfice que le cours ne lui reconnaît pas.

9. Pourquoi le coût d’une API d’IA peut-il devenir imprévisible si aucun plafond n’est fixé ?

Parce qu’il inclut automatiquement l’achat de matériel GPU pour chaque utilisateur.
Parce qu’il varie selon le volume de texte échangé et la charge des serveurs.
Parce qu’il est déterminé par la quantité d’eau consommée dans les centres de données.
Parce qu’il dépend principalement du nombre d’employés formés à son utilisation.

Parce qu’il varie selon le volume de texte échangé et la charge des serveurs.

Explication

La facturation de l’API suit l’usage réel, notamment le volume de tokens échangés et la charge serveur, qui peuvent varier. Le coût des GPU concerne plutôt une entreprise qui héberge une IA en interne.

10. Une équipe veut limiter les risques lorsqu’elle utilise un service d’IA externe avec des données sensibles. Quelle mesure peut-elle mettre en place ?

Choisir une offre entreprise avec garanties contractuelles et localisation des données, désactiver l’entraînement lorsque l’option existe, et envisager l’auto-hébergement pour les données les plus sensibles
Transmettre les données pendant les heures creuses afin qu’elles ne séjournent pas sur les serveurs du fournisseur
Utiliser des outils non validés par l’entreprise, à condition de ne pas conserver les réponses générées
Conserver l’offre grand public et transmettre les données sensibles après avoir supprimé les noms des employés

Choisir une offre entreprise avec garanties contractuelles et localisation des données, désactiver l’entraînement lorsque l’option existe, et envisager l’auto-hébergement pour les données les plus sensibles

Explication

Les mesures de maîtrise des risques combinent des garanties contractuelles et une localisation des données, la désactivation de leur utilisation pour l’entraînement lorsqu’elle est proposée, et l’auto-hébergement pour les cas les plus sensibles. Supprimer des noms ne règle pas à lui seul les risques liés au transit, au stockage ou aux conditions d’utilisation des données externes.

11. Quelles caractéristiques décrivent les connaissances et la mémoire d’un modèle de langage ?

Ses connaissances se mettent à jour à partir des échanges en cours et il oublie les messages précédents de la conversation.
Ses connaissances se mettent à jour après chaque réponse et il conserve automatiquement l’historique de toutes les conversations.
Ses connaissances sont figées à la date de coupure et il mémorise les échanges précédents lorsqu’ils portent sur le même sujet.
Ses connaissances sont figées à la date de coupure et il ne conserve pas de mémoire entre conversations, sauf si elle lui est fournie explicitement.

Ses connaissances sont figées à la date de coupure et il ne conserve pas de mémoire entre conversations, sauf si elle lui est fournie explicitement.

Explication

Les connaissances du modèle correspondent à ce qu’il a appris avant sa date de coupure, et une mémoire entre conversations doit lui être fournie explicitement. La conservation automatique de toutes les conversations confond cette mémoire éventuelle avec un historique permanent.

Révisez avec les flashcards

Mémorisez les réponses avec 10 flashcards sur IA générative en BTS SIO.

Comment un LLM produit-il la suite d’un texte ?

Il prédit, mot après mot, la suite la plus probable.

Comment un modèle de langage traite-t-il le texte sans le comprendre humainement ?

Il calcule des probabilités statistiques.

Comment l’IA symbolique prend-elle une décision ?

Elle applique des règles logiques écrites par des humains, ce qui rend sa décision explicable.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur IA générative en BTS SIO.

Voir la fiche →

Cours similaires

Arbres binaires et parcours

Algorithme

Programmation

Réseaux Informatiques

Communication web et systèmes d’information

Internet et protocoles réseau

Introduction aux TIM et démarches numériques

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM