Temps estimé
1h

Principe général de l'activité

Cette activité vise à comparer des IA conversationnelles selon différents critères (performance, biais, impacts, infrastructures, accès, entraînement… ), à partir d’une requête donnée. 

Source : Compar:IA / https://comparia.beta.gouv.fr

Objectifs d’apprentissage

  •  Comparer les réponses apportées par différentes IA à une même question posée et en apprécier la pertinence
  • Converser avec deux IA et étudier leurs biais
  • Découvrir l’impact environnemental associé à ces conversations (consommation d’énergie, empreinte carbone, etc.)
  • Identifier les jeux de données associés à ces IA conversationnelles
  • Définir les contours d’une éthique de l’IA
  • Réfléchir à la valeur ajoutée de l’intelligence humaine par rapport à l’IA

Compétences visées

  •  S’ouvrir à la complexité dans la durabilité
    • Pensée critique

Formation et matériel requis

Besoin, pour l’enseignant

  • d’un entraînement préalable (suggestion : l’outil Compar :IA apporte de premiers éléments pour comparer des IA sur la base de différents critères).
  • d’une identification des IA conversationnelles les plus adaptées à cette activité

Matériel 

  • Un ordinateur
  • Un accès aux IA conversationnelles pré-identifiées

Étudiants concernés 

  • Adapté à tout public étudiant de premier cycle

  • Adapté à tous les profils disciplinaires (pas de prérequis).

Modalité envisagée, nombre de participants et animation

  • Présentiel
  • Travail en petits groupes (2-3 personnes)
  • Un enseignant doit accompagner ce travail.

Étapes de l'activité

  1. Présentation des objectifs, des attendus, des outils
  2. Choix, par chaque groupe, d’une requête dans un domaine lié à la formation suivie (si possible, en lien avec les enjeux TEDS ou de sobriété numérique). Validation des choix par l’enseignant.
  3. Sollicitation des IA (Compar :IA peut être utilisé)
  4. Relance et test des IA dans le cadre d'une conversation
  5. Réalisation d’un tableau comparatif, sur la base de plusieurs critères (pertinence, biais, impact carbone, données, entraînement, etc.)
Modifié le: mardi 10 mars 2026, 11:20