Les rencontres africaines de l’UNESCO pour les ressources éducatives
Contribution aux rencontres africaines organisées par l’Unesco à Dakar du 14 au 16 juin 2022 pour promouvoir l’édition du livre scolaire dans les pays africain francophones.
Contribution aux rencontres africaines organisées par l’Unesco à Dakar du 14 au 16 juin 2022 pour promouvoir l’édition du livre scolaire dans les pays africain francophones.
OAI-PMH est à la base de plusieurs solutions open source qui offrent un ensemble de services permettant de gérer et de diffuser des ressources électroniques distribuées. ORI-OAI est l’une de ces solutions. II a pour objectif de créer un système ouvert capable de gérer les différents types de ressources numériques produites par les établissements d’enseignement supérieur. Sa valeur ajoutée réside dans sa capacité à partager des ressources entre les établissements utilisant différentes normes d’interopérabilité comme le LOM, LOMFR.
Les métadonnées élargissent considérablement le potentiel des systèmes d’information numériques sous l’impulsion d’efforts constants de la recherche-action. La nature des schémas et profils d’application des métadonnées ne cesse de s’améliorer pour répondre aux besoins de plus en plus complexes de la recherche. En éducation, les métadonnées acquièrent une valeur pédagogique particulière notamment dans la construction de systèmes éducatifs intégrés et interopérables et la définition d’offres de formation compétitives et de qualité.
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 | |
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.