QCM : Intelligence artificielle et enjeux numériques (11 questions)

Questions et réponses du QCM

1. Un outil d’IA est conçu pour traduire des textes, tandis qu’une IA générale consciente reste hypothétique. Comment distinguer ces deux formes d’IA ?

Les deux relèvent de l’IA faible, car elles exécutent des tâches
L’outil relève de l’IA faible; l’IA générale consciente relève de l’IA forte
L’outil relève de l’IA forte; l’IA générale consciente relève de l’IA faible
Les deux relèvent de l’IA forte, car elles traitent de l’information

L’outil relève de l’IA faible; l’IA générale consciente relève de l’IA forte

Explication

L’IA faible est spécialisée dans une tâche précise, tandis que l’IA forte désigne une IA générale hypothétique dotée d’une conscience. Assimiler l’outil spécialisé à l’IA forte inverse la distinction; réduire l’IA forte à une tâche ou à des règles fixes confond généralité et spécialisation.

2. Un système d’IA classe des milliers de photographies à l’aide de calculs statistiques. Quelle description rend le mieux compte de son fonctionnement, sans lui prêter une pensée humaine ?

Il réfléchit comme une personne en s’appuyant sur une expérience consciente
Il choisit des réponses en fonction de ses intentions et de ses émotions
Il traite de grandes quantités de données au moyen d’algorithmes statistiques
Il comprend les images grâce à des règles fixes écrites pour chaque photographie

Il traite de grandes quantités de données au moyen d’algorithmes statistiques

Explication

L’IA traite de grands volumes de données au moyen d’algorithmes statistiques; ce fonctionnement ne signifie pas qu’elle pense comme un humain. La conscience et les intentions humaines lui sont attribuées à tort, tandis que les règles fixes renvoient à un autre mode de programmation.

3. Une analyste prépare une consigne pour une tâche complexe avec plusieurs assistants d’IA. Quelle séquence suit la méthode de prompt engineering présentée ?

Fournir un contexte multi-agent, vérifier les résultats, puis décomposer la tâche
Décomposer la tâche, fournir un contexte multi-agent, puis vérifier les résultats
Décomposer la tâche, fournir un contexte multi-agent, puis accepter les résultats sans contrôle
Vérifier les résultats, décomposer la tâche, puis fournir un contexte multi-agent

Décomposer la tâche, fournir un contexte multi-agent, puis vérifier les résultats

Explication

La méthode consiste à décomposer les tâches, à fournir un contexte multi-agent, puis à vérifier systématiquement les résultats générés. Vérifier avant d’avoir obtenu les résultats inverse l’ordre, tandis qu’omettre la décomposition ou le contrôle retire une étape essentielle.

4. Une équipe utilise un système pour traduire automatiquement des messages et générer des réponses en langage naturel. Quel domaine de l’IA regroupe ces usages ?

La vision par ordinateur
L’apprentissage automatique
La conduite autonome
Le traitement du langage naturel

Le traitement du langage naturel

Explication

Le traitement du langage naturel couvre notamment les traducteurs automatiques et les grands modèles de langage. La vision par ordinateur concerne les images, l’apprentissage automatique désigne une approche d’apprentissage, et la conduite autonome est un usage de la vision par ordinateur.

5. Une entreprise entraîne un outil de sélection à partir d’anciens dossiers qui reflètent des préjugés envers certains candidats. Quel risque faut-il anticiper pour les décisions de l’outil ?

Il peut corriger ces préjugés en privilégiant les dossiers récents
Il peut reproduire ces préjugés, voire les amplifier
Il peut remplacer ces préjugés par des erreurs aléatoires sans les renforcer
Il peut ralentir le traitement sans influencer les choix de candidats

Il peut reproduire ces préjugés, voire les amplifier

Explication

Un modèle entraîné sur des données préjugées peut reprendre les biais qu’elles contiennent et même les amplifier. La correction spontanée confond apprentissage et neutralisation des biais, tandis que le ralentissement ou le seul hasard ne décrivent pas le risque signalé.

6. Une équipe prévoit d’entraîner un grand modèle de langage et évalue les ressources nécessaires à cette étape. Quel impact environnemental doit-elle prendre en compte ?

Une consommation massive d’énergie et d’eau
Une consommation massive de métaux et de terres agricoles
Une consommation massive d’espace et de matières plastiques
Une consommation massive de papier et de carburant

Une consommation massive d’énergie et d’eau

Explication

L’entraînement des grands modèles est associé à une consommation massive d’énergie et d’eau. L’usage quotidien, les déchets électroniques ou les matériaux cités par les distracteurs ne correspondent pas aux ressources mises en avant pour cet entraînement.

7. Une spécialiste du recrutement veut se démarquer en 2026 en utilisant l’IA pour analyser des candidatures. Quelle démarche correspond le mieux à l’approche mise en avant pour rester concurrentielle ?

Choisir le modèle le plus récent sans adapter la consigne
Déléguer l’analyse au modèle sans mobiliser son expertise
Créer des prompts complexes fondés sur son expertise du recrutement
Utiliser des requêtes brèves indépendantes du poste visé

Créer des prompts complexes fondés sur son expertise du recrutement

Explication

L’approche proposée lie la création de prompts complexes à une expertise métier réelle. Une requête générale, l’absence de contexte ou le choix du modèle seul ne remplace pas cette expertise.

8. Pour trier des courriels, un développeur écrit une série de règles précises; un autre système ajuste son classement à partir d’exemples de courriels. Quelle distinction décrit ces méthodes ?

Les deux suivent des règles écrites par l’humain, mais avec des paramètres différents
Les deux apprennent à partir de données, mais avec des volumes différents
Le premier suit des règles écrites par l’humain; le second apprend à partir de données
Le premier apprend à partir de données; le second suit des règles écrites par l’humain

Le premier suit des règles écrites par l’humain; le second apprend à partir de données

Explication

Un programme classique applique des règles strictes écrites par l’humain, tandis que l’apprentissage automatique apprend à partir de données. Intervertir ces méthodes inverse la distinction; les paramètres ou le volume de données ne changent pas ce principe.

9. Une équipe veut créer un système qui repère des formes récurrentes dans des images médicales. Quel modèle correspond à cette description ?

Un algorithme statistique dépourvu de structure de réseau
Un programme à règles fixes rédigées pour chaque image
Un réseau de neurones inspiré du cerveau humain
Un système de traitement du langage conçu pour des textes

Un réseau de neurones inspiré du cerveau humain

Explication

Un réseau de neurones est un modèle inspiré du cerveau humain qui peut servir à reconnaître des motifs ou des images. Des règles manuelles ne décrivent pas ce modèle; le traitement du langage vise les textes, et l’apprentissage profond est une notion liée mais distincte.

10. Une développeuse colle du code interne dans un assistant d’IA pour obtenir une suggestion de correction. Quel risque de confidentialité doit-elle considérer ?

Le code fourni peut être transformé en données anonymes sans autre risque
Le code fourni peut être automatiquement supprimé après la réponse
Le code fourni peut être conservé sous la propriété de son auteure
Le code fourni peut devenir la propriété du fournisseur

Le code fourni peut devenir la propriété du fournisseur

Explication

Le partage de code avec un outil d’IA peut entraîner une fuite de secrets, car le code fourni peut devenir la propriété du fournisseur. La suppression automatique, l’anonymisation garantie et le maintien assuré de la propriété ne reflètent pas cet avertissement.

11. Une voiture autonome analyse des images pour repérer les piétons, les panneaux et les autres véhicules. Quelle capacité d’IA est mobilisée pour identifier ces éléments ?

La génération de langage
La traduction automatique
La vision par ordinateur
Le traitement du langage naturel

La vision par ordinateur

Explication

La vision par ordinateur permet à un algorithme d’identifier des objets ou des visages et peut servir à la conduite autonome. La traduction automatique et la génération de langage relèvent du traitement du langage naturel.

Révisez avec les flashcards

Mémorisez les réponses avec 24 flashcards sur Intelligence artificielle et enjeux numériques.

Quelle tâche caractérise l’IA faible ?

Une tâche précise.

Qu’est-ce qui caractérise l’IA forte ?

Une IA générale hypothétique dotée d’une conscience.

Comment l’IA traite-t-elle de grands volumes de données ?

Au moyen d’algorithmes statistiques.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Intelligence artificielle et enjeux numériques.

Voir la fiche →

Cours similaires

Crée tes propres QCM

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

Générateur de QCM