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
Normes et standards, deux concepts utilisés en alternance dans des acceptions floues y compris par des intellectuels et des spécialistes. Pourtant, d’un point de vue étymologique, sémantique et pratique, normes et standards, et leurs formes dérivées, présentent des nuances parfois profondes et décisives sur les plans politique, juridique et industriel.
La normalisation est un type d’organisation spécifique très utile notamment pour l’activité industrielle en vue de répondre aux risques du marché et surtout pour tenter de fédérer des acteurs à un stade pré-concurrentiel. La normalisation est d’abord un espace où se déroule un débat national et/ou international régulé par des votes. Contrairement aux standards de fait régis par la loi du marché, la normalisation vise des consensus concertés entre États via des organismes spécialisé (ISO, CEI, IUT).
La normalisation est très souvent entendue de façon dépréciative comme un projet d’uniformisation totalitaire et autoritaire. Or, il devient rapidement évident qu’elle est tout le contraire. La norme est au coeur de notre quotidien tant par les comportements et les pratiques relationnelles que par les usages et la manipulation des objets techniques.
Normes et technologies sont deux créneaux porteurs de valeurs stratégiques pour l’innovation et le développement économique et social. Les normes promeuvent l’innovation qui se décline entre autres en technologies nouvelles et sophistiquées. L’innovation transforme la façon de faire du business et stimule ainsi la croissance d’une entreprise qui fonctionne dans le plein respect des normes et des standards internationaux pour des raisons de qualité et de compétitivité.
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.