L'IA générative en éducation

Les différentes IA : utiliser le bon vocabulaire

Il n’y a rien de pire que de parler d’un sujet dont on est plus ou moins à l’aise et finalement se tromper dans le vocabulaire utilisé.

En tant que professionnels en éducation, vous consulterez différentes sources afin de valider votre compréhension. Puisque le sujet de l’intelligence artificielle évolue rapidement, on souhaite avec cette autoformation vous rassembler les bonnes informations à un seul endroit.

Vous remarquerez peut-être de légères différences entre les acronymes utilisés (IA, IAg et IAG, par exemple) dans le rapport de l’Université de Sherbrooke et dans les documents du ministère de l’Éducation. Cette section vise à clarifier ces termes pour vous outiller et bien comprendre le vocabulaire qui peut porter à confusion.  

Un point de vigilance : Générative vs Générale

Pourquoi voit-on des acronymes différents ?

La confusion vient souvent d'une traduction. En anglais, les termes sont Generative AI et General AI. Les deux se traduisent en français par des mots commençant par « G ».

• IAg pour générative : Fait référence aux technologies actuelles capables de créer du contenu (texte, images, etc.). C'est celle que nous utilisons avec des outils comme ChatGPT ou Copilot
• IAG pour générale : Désigne un concept futuriste d'une IA qui aurait une intelligence et une capacité d'adaptation similaires ou supérieures à celles de l'être humain. Elle n'existe pas encore.

Certains documents, dont le guide IA du ministère de l'Éducation destiné aux enseignants, utilisent l'acronyme IAG pour désigner l'IA générative, tel que défini ici :

« Intelligence artificielle générative (IAG) : Système informatique qui utilise des modèles d’intelligence artificielle probabilistes pour générer automatiquement des contenus variés (texte, image, voix, musique, vidéo, présentation, etc.) en réponse à une requête faite par une personne utilisatrice. »

Les différentes définitions qui suivent sont tirées du rapport produit par un comité d’experts en IA de l’Université Sherbrooke en janvier 2025. Si vous le souhaitez, consultez le rapport complet dans la section Pour aller plus loin au bas de cette page.

L’intelligence artificielle (IA) est un terme générique désignant un domaine scientifique et technologique visant à comprendre l’intelligence et à concevoir des modèles computationnels ou algorithmes capables de simuler et de s’améliorer dans des capacités humaines générales, tels que l’apprentissage, le raisonnement, la compréhension du langage, la résolution de problèmes et la prise de décision, ainsi que dans des capacités spécifiques, comme le filtrage des courriels indésirables, les recommandations de produits, la conduite autonome ou encore le diagnostic médical (McCarthy et al., 2006; Manning, 2020 ; Prince, 2023; ).

L’intelligence artificielle générative (IAg) désigne des modèles computationnels spécifiques capables de créer de nouveaux contenus. Ces modèles sont généralement développés à partir de vastes ensembles de données (contenus), qu’ils analysent pour identifier et modéliser les structures et les motifs sous-jacents. Ils exploitent ensuite cette modélisation pour produire de nouveaux contenus. Cela comprend la génération du texte, des images, des vidéos, du code informatique ou des sons (Banh et Strobel, 2023; Prince, 2023).

L’intelligence artificielle générale (IAG) fait référence à des systèmes ou modèles d’intelligence artificielle qui n’existent pas encore à ce jour. Ces systèmes seraient caractérisés par leur capacité à apprendre de manière continue, à s’adapter et à améliorer leurs compétences de façon autonome afin d’accomplir des objectifs complexes dans des environnements variés et imprévisibles. Ils pourraient atteindre des niveaux d’intelligence similaires, voire généralement supérieurs, à ceux des êtres humains (IBM, s.d.; McLean et al., 2023; OpenAI, 2023).