IPEN 2021 : 3e Colloque international sur l’innovation pédagogique numérique
2021-06-16. Normes technologiques internationales : potentiels d’Innovation et de créativité pour l’éducation ouverte
2021-06-16. Normes technologiques internationales : potentiels d’Innovation et de créativité pour l’éducation ouverte
2021-06-10. Les fondamentaux de la classe inversée, Webinaire de formation pour des enseignants francophone de la région du Sud-Est asiatique. DRAP, Ho Chi Minh, Vietnam.
par Mokhtar BEN HENDA · Published 17 novembre 2021 · Last modified 19 mars 2022
2021-03-22. الإنسانيات الرقمية من خلال البرمجة البحثية والتعليمية بجامعة بوردو مونتاني الفرنسية. مشاركة في فعاليات الحلقة النقاشية الوطنية للانسانيات الرقمية. جامعة السلطان قابوس.
2021-10-23/25. Open education between the specifications of Creative Commons and Copyright. Contribution to Alexandria University Webinar on Open education.
par Mokhtar BEN HENDA · Published 20 octobre 2021 · Last modified 19 mars 2022
2021-10-21. « Comment doit-faire un enseignant pour assurer la qualité de son enseignement en ligne ? » Série de Webinaires francophones sur l’enseignement à distance pour des enseignants de l’École Normale Supérieure de Luang Prabang, Laos,
par Mokhtar BEN HENDA · Published 28 septembre 2021 · Last modified 19 mars 2022
2021-10-25 مقاربة تحليلية للموارد التعليمية المفتوحة بموجب تراخيص المشاع الإبداعي و علاقتها بالاستثناءات على حقوق التأليف والنشر = OER analytical approach under Creative Commons Licenses and Their Relation to Copyright Exceptions de Mokhtar Ben Henda
2021-07-23. Modeling 30% online & 70% face-to-face learning. Blended learning training Workshops for Univeristy of Economics, Ho Chi Minh City, Vietnam. Second session, 23/07/2021
par Mokhtar BEN HENDA · Published 21 juin 2021 · Last modified 19 mars 2022
2021-06-16. Animation des activités d’une classe virtuelle, Webinaire de formation au compte de la DRAP pour des enseignants de l’Université Ho Chi Minh Ville, Vietnam, 21 juin 2021
par Mokhtar BEN HENDA · Published 22 avril 2021 · Last modified 19 mars 2022
2021-04. L’intégrité académique en relation avec l’offre de formation d’un établissement d’enseignement supérieur et de recherche. Contribution au Webinaire sur « Intégrité académique : état des lieux, valeur et normes », AUF-DREO
par Mokhtar BEN HENDA · Published 22 mars 2021 · Last modified 19 mars 2022
2021-mars/avril Webinaires francophones de l’AUF avec des Ministres et présidents des universités francophones de la région de l’Afrique centrale et Grands lacs de Mokhtar Ben Henda
IEC 1906 Award 2025
| L | M | M | J | V | S | D |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 | 31 | ||
L’intelligence artificielle générative (IAG) est une forme d’IA capable de créer du contenu original, comme du texte, des images, de la musique ou du code. Contrairement à l’IA classique, qui se limite à analyser, classifier ou prédire des données, l’IAG produit quelque chose de nouveau à partir des modèles qu’elle a appris. Elle se distingue aussi de l’IA prédictive, qui anticipe des comportements ou des événements futurs, sans générer de créations inédites. Par exemple, une IA prédictive peut recommander un film, tandis qu’une IAG peut écrire une critique originale ou générer une illustration inspirée de ce film. L’IAG transforme donc la donnée en création, ouvrant de nouvelles perspectives pour l’art, l’écriture et le design. Qu’est-ce que l’IA générative ? L’IA générative est une branche de l’intelligence artificielle qui produit du contenu original. Contrairement aux IA classiques qui se contentent de classer ou d’analyser des données, ces systèmes génèrent quelque chose de nouveau : un texte, une image, une musique ou même un code informatique. Exemple : vous tapez « écris un résumé d’article sur le changement climatique » dans un outil comme ChatGPT, et en quelques secondes, l’IA vous propose un texte cohérent, structuré et lisible. Comment ça fonctionne ? Les coulisses techniques Ces prouesses reposent sur des réseaux de neurones profonds, inspirés du fonctionnement du cerveau humain. L’IA apprend à reconnaître des motifs et des relations complexes dans d’énormes ensembles de données. Parmi les techniques principales : Les transformeurs : ce sont les modèles derrière les générateurs de texte comme ChatGPT ou BERT. Ils prédisent le mot suivant dans une phrase pour produire du texte fluide et contextuel. Les GANs (Generative Adversarial Networks) : deux réseaux s’affrontent, l’un générant des images et l’autre évaluant leur réalisme. Résultat : des images étonnamment réalistes. Les autoencodeurs variationnels (VAE) : capables de créer des variations nouvelles à partir d’exemples existants, utiles pour l’art et le design. Exemple : DALL·E ou MidJourney génèrent des images à partir de simples descriptions textuelles. Les applications qui font rêver L’IA générative touche presque tous les domaines : Texte : articles, résumés, emails, dialogue automatisé. Image et vidéo : création artistique, retouches, deepfakes. Musique et audio : compositions originales, doublages, synthèse vocale. Code informatique : génération automatique de scripts et programmes. Exemple : GitHub Copilot aide les développeurs en proposant des bouts de code à compléter automatiquement, accélérant le travail de plusieurs heures en quelques minutes. Source : https://lafusee.net/ia-generative/ Les limites et enjeux critiques Malgré ses prouesses, l’IA générative n’est pas magique et comporte des risques : Biais et stéréotypes : L’IA apprend à partir de données existantes. Si ces données contiennent des biais (culturels, sociaux, raciaux), les créations de l’IA les reproduiront. Exemple : une IA d’illustration pourrait représenter des professions de manière stéréotypée selon le genre ou l’origine. Fiabilité et véracité : Le contenu généré peut sembler crédible mais contenir des erreurs factuelles. L’IA ne comprend pas le sens des informations, elle suit simplement des patterns. Éthique et droits d’auteur : Qui possède les droits sur une image générée par une IA ? Et que dire de l’utilisation de données protégées pour entraîner ces modèles ? Impact social et économique : L’IA transforme des métiers : certains créatifs peuvent être assistés, d’autres remplacés. Elle change aussi notre rapport à la création et à l’information.