Glossaire

AILit Framework

Certains textes de cette page ne sont pas disponibles en français et sont affichés en English.

41 sur 41

Agent d’IA: Systèmes d’IA avancés conçus pour raisonner, planifier et exécuter de manière autonome des tâches complexes sur la base d’objectifs de haut niveau.; Source: Generative AI Outlook Report (Abendroth-Dias et al., 2025); Types of AI Agents (Stryker, 2025)
Algorithme: Formule ou ensemble de règles (ou procédure, processus ou instructions) permettant de résoudre un problème ou d’accomplir une tâche. Parmi les exemples courants, on peut citer les arbres de décision, ainsi que les algorithmes de partitionnement, de classification ou d’estimation.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Anthropomorphisme: Interprétation de ce qui n’est pas humain ou personnel en termes de caractéristiques humaines ou personnelles.; Source: Merriam-Webster Dictionary (Merriam-Webster, n.d.)
Apprentissage automatique: Étude des algorithmes et des modèles que les machines utilisent pour effectuer une tâche sans instructions explicites. Les algorithmes d’apprentissage automatique s’améliorent avec l’accumulation de données. Les algorithmes d’apprentissage automatique avancés utilisent des réseaux de neurones pour construire un modèle statistique basé sur des schémas observés dans des échantillons de données « d’entraînement ». Les algorithmes d’apprentissage automatique sont particulièrement utiles pour des tâches qui ne peuvent pas être réalisées en suivant des étapes distinctes, telles que le traitement du langage naturel ou la reconnaissance faciale.; Source: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
Apprentissage par renforcement: Un type de processus d’apprentissage automatique dans lequel des agents autonomes apprennent à prendre des décisions en interagissant avec leur environnement.; Source: What is Reinforcement Learning? (Murel & Kavlakoglu, n.d.)
Augmentation: Utilisation d’une machine pour une tâche donnée afin d’accroître la productivité dans d’autres tâches; Source: The EPOCH of AI: Human-Machine Complementarities at Work (Loaiza & Rigobon, 2024)
Automatisation: Processus consistant à relier des systèmes et des logiciels hétérogènes afin qu’ils deviennent autonomes ou autorégulés.; Source: K-12 Standards (Computer Science Teachers Association, 2017)
Bot/Chatbot: Programme informatique conçu pour simuler une conversation avec un humain, généralement sur Internet, notamment un programme utilisé pour fournir des informations ou une assistance à l’utilisateur dans le cadre d’un service automatisé.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Bulle de filtres: Un espace médiatique en ligne délimité et fermé qui, potentiellement, amplifie à la fois les messages diffusés en son sein, les mettant à l’abri de toute contestation, et isole d’autres points de vue. C’est principalement créé par des algorithmes de classement sur des plateformes numériques, tels que les moteurs de recherche et les réseaux sociaux, qui personnalisent l’information sans que l’individu n’ait véritablement le choix.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025); Adapted from Echo chambers, Filter Bubbles and Polarisation: a Literature Review (Arguedas et al., 2022)
Citoyenneté numérique: La capacité à participer activement, de manière continue et responsable, à des environnements numériques (locaux, nationaux, mondiaux, en ligne ou pas) à tous les niveaux (politique, économique, social, culturel et interculturel).; Source: DigComp 3.0 (Cosgrove & Cachia, 2025)
Codage: Action d’écrire des programmes informatiques dans un langage de programmation.; Source: K-12 Standards (Computer Science Teachers Association, 2017)
Compagnon IA: Mécanismes IA sophistiqués conçus pour soutenir et améliorer les expériences humaines dans les activités quotidiennes, telles que l’apprentissage, le travail et d’autres. Ils couvrent les aspects émotionnels, sociaux et pratiques de la vie quotidienne, tout en favorisant les interactions et les relations avec les humains.; Source: Defining AI Companions: A Research Agenda—from Artificial Companions for Learning to General Artificial Companions (Chou et al., 2025)
Compétence numérique: Une utilisation et une approche des technologies numériques qui se caractérisent par la confiance, l’esprit critique et le sens des responsabilités, que ce soit dans le cadre de l’apprentissage, au travail ou pour participer à la vie en société. Elle comprend la maîtrise de l’information et des données, la communication et la collaboration, la maîtrise des médias, la création de contenus numériques (y compris la programmation), la sécurité (y compris le bien-être numérique et les compétences liées à la cybersécurité), les questions relatives à la propriété intellectuelle, la résolution de problèmes et la pensée critique.; Source: Council Recommendation on Key Competences for Lifelong Learning 2018 (European Commission, 2018)
Computer Science: See Informatics
Cyberharcèlement: Pratique agressive et intentionnelle, commise par un groupe ou un individu, au moyen de contacts numériques, de manière répétée sur la durée, à l’encontre d’une victime qui peut difficilement se défendre.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025)
Décomposition: Décomposition d’un problème ou d’un système en plusieurs éléments.; Source: K-12 Standards (Computer Science Teachers Association, 2017)
Deepfake: Contenu visuel, audio ou vidéo généré ou manipulé qui met en scène des personnes, des objets, des lieux, ou des événements existants et qui peut, à tort, sembler authentique ou véridique.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Désinformation: Informations manifestement fausses ou trompeuses qui sont créées, présentées et diffusées dans un but lucratif ou pour tromper intentionnellement le public. Elles peuvent causer un préjudice.; Source: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Données: Toute représentation numérique d’actes, de faits ou d’informations et toute compilation de tels actes, faits ou informations, y compris sous la forme d’un enregistrement sonore, visuel ou audiovisuel.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025)
Droit d’auteur: Un type de propriété intellectuelle qui protège les œuvres originales d’une autrice ou d’un auteur dès qu’elles sont fixées de manière tangible; Source: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Grand modèle de langage (LLM): Un réseau de neurones artificiels entraîné sur des quantités massives de texte, qui peut être utilisé pour diverses tâches linguistiques telles que la complétion de phrases, la réponse à des questions, la traduction automatique et les fonctions de chatbot. Les grands modèles de langage (LLM) font partie des technologies qui composent l’IA générative.; Source: AI Learning Priorities for All K-12 Students (CSTA & AI4K12, 2025)
Habileté numérique: La capacité à accéder à l’information, à la gérer, à la comprendre, à l’intégrer, à la communiquer, à l’évaluer, à la créer et à la diffuser de manière sûre et appropriée au moyen des technologies numériques. Elle comprend des compétences qui sont désignées sous différents termes : maîtrise de l’information et maîtrise des médias, maîtrise de l’informatique et des TIC.; Source: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Hallucination: Phénomènes dans lesquels les algorithmes d’IA inventent des informations qui semblent plausibles mais qui ne sont pas factuelles.; Source: Generative AI Outlook Report (Abendroth-Dias et al., 2025)
IA générative: Systèmes d’IA capables de générer du contenu à partir d’instructions générales (par exemple, texte, images, audio, vidéo, code), de traiter du contenu existant (par exemple, traduire, corriger) ou d’analyser des données (par exemple, trier, résumer) sur la base de modèles appris à partir de données existantes. Ces systèmes génèrent des résultats en réponse aux instructions de l’utilisateur, appelées « prompts », et s’appuient sur des modèles entraînés à prédire et à produire des informations pertinentes.; Source: Guidelines on the Use of AI and Data in Teaching and Learning for Educators (European Commission, 2026b)
IA prédictive: IA entraînée à détecter des schémas dans des données existantes et à prévoir ce qui est susceptible de survenir ensuite. Elle est présente dans des outils tels que les moteurs de recommandation, les filtres anti‑spam et les applications d’apprentissage personnalisé.; Source: Generative AI vs. Other AI Types (Microsoft, n.d.)
Informatique: Une discipline scientifique bien identifiée, également connue dans de nombreux pays sous le nom de science informatique ou d’informatique fondamentale, en français. Elle se caractérise par ses propres concepts, méthodes, corpus de connaissances et questions ouvertes. L’informatique couvre la représentation de l’information, l’étude des algorithmes, des objets numériques et des systèmes d’information, y compris la conception de leurs logiciels, de leurs applications et de leur impact sur la société.; Source: Informatics Education at School in Europe (European Commission, 2022)
Intelligence artificielle générale (IAG): Systèmes d’IA capables d’égaler ou de dépasser les performances cognitives polyvalentes et les compétences d’un adulte bien formé. Aucun système de ce type n’existe actuellement.; Source: Adapted from What is Artificial General Intelligence (AGI)? (Bergmann & Stryker, n.d.)
Maîtrise des données: Capacités à interagir avec des données (p. ex. collecter, analyser, visualiser, interpréter) en faisant preuve d’esprit critique, en tenant compte de l’incertitude et en faisant preuve de curiosité. Elle comprend la prise en compte du contexte, l’agrégation de données, l’étude de la variabilité, la visualisation et l’utilisation de mécanismes d’inférence.; Source: AI Literacy: A Framework to Use, Understand and Evaluate Emerging Technology (Mills et al., 2024); Learning to Reason with Data (Rubin, 2020)
Maîtrise des médias: La capacité à accéder aux médias, à les comprendre, à les analyser et à en créer, tout en réfléchissant à leur impact sur les individus, les institutions et la société.; Source: Navigating an Evolving World: First Draft of the Media and Artificial Intelligence Literacy (MAIL) Assessment Framework (OECD, 2026b)
Mésinformation: Informations erronées, diffusées sans intention de tromper, souvent partagées parce que l’utilisateur les croit vraies.; Source: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Métacognition: Comprend à la fois la capacité à avoir conscience de ses propres processus cognitifs (connaissances métacognitives) et la capacité à les réguler (contrôle métacognitif). Les connaissances métacognitives englobent la connaissance de soi en tant qu’apprenant (par exemple, les points forts, les points faibles, le moment de la journée préféré pour étudier, le lieu d’étude préféré) et la manière dont le cerveau humain stocke, organise et récupère les informations, ainsi que les stratégies efficaces pour accomplir la tâche.; Source: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Pensée computationnelle: Les processus de réflexion nécessaires pour formuler un problème et exprimer sa ou ses solutions de manière à ce qu’un être humain ou une machine, puisse les mettre en œuvre efficacement.; Source: Computational Thinking’s Influence on Research and Education for All (Wing, 2017)
Personnalisation: Services numériques adaptés aux intérêts et aux préférences de chaque utilisateur, notamment grâce à l’application d’algorithmes d’analyse du comportement en ligne des utilisateurs.; Source: Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Préjugés: Un écart systématique par rapport à un état réel. Il existe différentes formes de biais, telles que la subjectivité, le biais des données et des algorithmes, le biais des développeurs et les biais institutionnels qui sont ancrés dans le contexte sociétal sous-jacent.; Source: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Programmation: L’art d’analyser des problèmes et de concevoir, écrire, tester et maintenir des programmes pour résoudre ces problèmes.; Source: K-12 Standards (Computer Science Teachers Association, 2017)
Programme informatique: Séquence ou ensemble d’instructions dans un langage de programmation, destinées à être exécutées par un ordinateur.; Source: Adapted from Cambridge English Dictionary (Cambridge University Press, n.d.)
Propriété intellectuelle (PI): L’idée, l’invention, la création et autres d’une personne, qui peut être protégée par la loi contre toute copie par autrui.; Source: Cambridge Dictionary (Cambridge University Press, n.d.)
Réflexion conceptuelle: Une approche de la résolution de problèmes et de l’innovation axée sur la conception centrée sur l’humain, comprenant quatre phases (clarifier, imaginer, développer et mettre en œuvre).; Source: What is Design Thinking & Why is it Important? (Han, 2022)
Réseau de neurones: Les réseaux de neurones artificiels s’inspirent de modèles actuels du cerveau humain. Alors qu’un cerveau utilise des neurones et des synapses pour traiter des données, les réseaux de neurones artificiels utilisent des couches de petits calculs distribués avec des connexions dirigées. Certaines de ces connexions sont plus importantes que d’autres ; elles ont donc davantage de poids dans la détermination du résultat. Tout comme les humains, les machines dotées de réseaux de neurones artificiels apprennent par l’expérience, c’est-à-dire à partir de données. Lorsqu’une machine traite un ensemble de données, elle reconnaît des motifs, accorde plus de poids aux informations les plus importantes, apprend à traiter les entrées afin de produire les résultats les plus précis et crée un modèle à partir duquel elle pourra effectuer des prédictions ou prendre des décisions à l’avenir. Il existe de nombreux types de réseaux de neurones, chacun présentant une conception, des atouts et une finalité différents.; Source: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
Source: Le point de départ ou l’origine d’une information.; Source: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Traitement du langage naturel (TLN): Technologie d’IA utilisée pour comprendre le langage naturel des humains et interagir avec lui. Le traitement du langage naturel permet de développer des technologies telles que les expériences et les assistants vocaux, les prédicteurs de texte, les correcteurs grammaticaux, les analyseurs de texte (comme les filtres anti-spam) et les traducteurs linguistiques.; Source: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)