Références scientifiques

OCDE (2024).Explanatory memorandum on the updated OECD definition of an AI system

Distingue des systèmes qui prédisent, recommandent, décident ou génèrent du contenu, avec des méthodes d’apprentissage, symboliques ou hybrides.

NIST (2024).Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile

L’IA générative produit notamment du texte, des images, du son ou de la vidéo. Ce profil décrit ses risques, dont les réponses fausses et les biais.

Vaswani, A. et al. (2017).Attention Is All You Need

Architecture Transformer, utilisée par de nombreux LLM actuels.

Brown, T. et al. (2020).Language Models are Few-Shot Learners

Utiliser les exemples du contexte peut changer les réponses sans modifier les paramètres du modèle.

Hugging Face (documentation en ligne).Generation strategies

Distingue le choix du token maximal et le tirage probabiliste. Le réglage de température concerne le décodage.

Carlini, N. et al. (2021).Extracting Training Data from Large Language Models

Montre que certains textes d’entraînement peuvent être mémorisés et restitués. Un LLM n’est ni une simple base de copies ni exempt de mémorisation.

Ho, J., Jain, A. & Abbeel, P. (2020).Denoising Diffusion Probabilistic Models

Exemple de modèle génératif pour les images. Toute IA générative n’est pas un modèle de langage.

Mitchell, M. & Krakauer, D. C. (2023).The debate over understanding in AI’s large language models

Expose le débat sur le sens du mot « comprendre ». Ni la compréhension humaine ni son absence totale ne sont établies par la seule fluidité du texte.

NIST (2022).Towards a Standard for Identifying and Managing Bias in Artificial Intelligence

Les biais ne viennent pas uniquement des données : les choix de conception, d’évaluation et d’usage comptent aussi.

Bolukbasi, T. et al. (2016).Man is to Computer Programmer as Woman is to Homemaker? Debiasing Word Embeddings

Étude de stéréotypes dans des représentations de mots. Elle ne mesure pas à elle seule le comportement des assistants actuels.

Lewis, P. et al. (2020).Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

Associe recherche de documents et génération. Amélioration observée sur les tâches étudiées ; aucune garantie générale de vérité.

Delamotte, É., Liquète, V. & Frau-Meigs, D. (2014).La translittératie, à la convergence des cultures de l’information : supports, contextes et modalités

Spirale, 53, p. 145–156. Repères pour relier les cultures de l’information ; ce texte ne décrit pas les LLM actuels.

Frau-Meigs, D. et al. (2025).Référentiel de compétences EMI en algo-IA-littératie (AlgoWatch.eu)

Référentiel de compétences, glossaire bilingue, quiz, jeux et affiches pour l'éducation à l'IA.

AlgoWatch.eu (2025).Kit pédagogique AlgoWatch — Éducation aux médias et à l'information à l'ère de l'IA

Kit pédagogique complet pour l'éducation à l'IA destiné aux 13-17 ans.

CSEN — GT8 « Développer l'esprit critique » (2025).Référentiel et grilles pour l'évaluation en classe des compétences de l'esprit critique

5 compétences du processus évaluatif : qualité des preuves, fiabilité des sources, qualité des arguments, plausibilité de l'information, fiabilité du jugement (métacognition). Grilles à 3 niveaux (novice, intermédiaire, avancé).

CLEMI (2024).L'intelligence artificielle générative : quelle révolution et quels enjeux pour les médias ?

Ressource pédagogique du CLEMI sur les enjeux de l'IA générative pour les médias et l'information.

Paquelin, D. (2025).IA générative et pratique professionnelle en EAD : orthèse ou prothèse ?

Communication sur la distinction entre IA comme aide (orthèse) et comme remplacement (prothèse) dans les pratiques d'enseignement à distance.

Paquelin, D. (2025).De la délégation à l'amplification : quand l'IA générative reconfigure nos façons d'apprendre

Réflexion sur la transformation des pratiques d'apprentissage par l'IA générative.

Ministère de l'Éducation nationale (2025).Cadre d'usage de l'intelligence artificielle en éducation

Cadre de référence ministériel pour l'usage de l'IA dans le système éducatif français.

Éduscol — MEN (2024).Les intelligences artificielles et leurs usages en éducation

Portail de ressources dédié aux usages pédagogiques de l'IA.

Bell, T., Witten, I.H. & Fellows, M. (2015).CS Unplugged — Computer Science without a computer

Collection internationale d'activités débranchées pour enseigner l'informatique sans ordinateur.

Vittascience (2025).Plateforme pédagogique — Module intelligence artificielle et modèles de langage

Plateforme éducative soutenue par le MEN, permettant d'interagir avec des modèles de langage en classe.

Mistral AI (2025).Our contribution to a global environmental standard for AI

Cas publié : une réponse de 400 tokens de Le Chat, 1,14 g CO₂e et 45 mL d’eau, hors terminaux des utilisateurs. Le module extrapole ce cas : il ne mesure pas Albert ni tous les modèles.

Carbone 4 (2025).Generative AI: environmental assessment with Mistral AI

Présentation de l’analyse de cycle de vie réalisée avec Mistral AI.

Luccioni, S., Jernite, Y. & Strubell, E. (2024).Power Hungry Processing: Watts Driving the Cost of AI Deployment?

Mesures sur les modèles et tâches étudiés. Elles ne donnent pas un rapport universel entre texte, image et vidéo.

Compar:IA — beta.gouv.fr (2025).Outil de comparaison à l'aveugle de modèles d'IA conversationnelle

Outil institutionnel permettant de comparer les réponses de plusieurs IA en parallèle.

CLEMI (2025).Dossiers pédagogiques de la Semaine de la presse et des médias

Dossiers centrés sur l'IA, avec fiches pédagogiques et entrées programme.

Lumni / Médiatropismes (2025).Médiatropismes — Série sur les médias, l'information et le numérique

Série de vidéos courtes utilisables en classe pour aborder les enjeux des médias, de l'information et du numérique (biais, données, stéréotypes).