Base de connaissances
Tutoriels par OS, outils open source et ressources pour le numérique responsable.
Ressources, enjeux et usages responsables de l’IA
Ressources, enjeux et usages responsables de l’IA, du machine learning à la sobriété numérique.
- 1. Concepts → LLM → Agents (logique)
- 2. Apprentissage technique → ML / AI Engineering
- 3. Débats & société → articles critiques
- 4. Gouvernance → AI Act
- 5. Économie / cloud → coûts, souveraineté
- 6. Impact environnemental → datacenters, Green IT
- 7. Pédagogie → Bac, Eduscol
- 8. Sobriété & choix éclairés → IA locale, RGPD, autonomie
Bases & concepts fondamentaux de l’IA
LLM - Comprendre les grands modèles de langage
Introduction pédagogique aux LLM (Large Language Models) :ce que c’est, comment ça fonctionne, ce qu’ils peuvent faire, et leurs limites (hallucinations, dépendance aux données, etc.).
Cette note sert de socle de compréhension avant d’aborder les enjeux, outils et usages responsables de l’IA.
Type : Ressource pédagogique
Domaine : Intelligence artificielle · IA générative
Niveau : Débutant
Description :
Les LLMs (Large Language Models) sont des modèles d’intelligence artificielle spécialisés dans le langage. Entraînés sur d’énormes volumes de texte, ils sont capables de comprendre et générer du texte de manière cohérente.
Ce que couvre cette note :
- Définition des LLMs
- Principe de fonctionnement (Transformers, prédiction du mot suivant)
- Capacités principales
- Limites (hallucinations, compréhension, données d’entraînement)
- Exemples de modèles existants (GPT, Claude, LLaMA, Mistral)
Comprendre les bases des LLMs avant d’aborder les outils, agents IA ou enjeux de gouvernance.
Agents IA - Définition et premiers impacts
Type : Ressource pédagogique
Domaine : Intelligence artificielle · Agents IA · Automatisation
Niveau : Débutant → Intermédiaire
Qu’est-ce qu’un agent IA ?
Un agent IA est un système qui s’appuie sur un LLM et qui peut :
- utiliser des outils (API, scripts, services),
- prendre des décisions simples,
- enchaîner des actions pour atteindre un objectif.
un agent IA est conçu pour agir dans un environnement.
LLM vs Agent IA
| LLM | Agent IA |
|---|---|
| Génère du texte | Oriente des actions |
| Réagit à une requête | Suit un objectif |
| Usage ponctuel | Processus continu |
| Pas d’autonomie | Autonomie limitée et encadrée |
Pourquoi c’est important à comprendre
Les agents IA marquent un changement d’usage :
- on passe de l’assistance à la délégation,
- d’un outil réactif à un système semi-autonome.
Un agent IA n’est pas « plus intelligent » qu’un LLM.
Il est plus autonome, donc plus engageant en termes de choix et de responsabilité.
Lien avec l’IA locale
Les agents IA peuvent être déployés localement, sans dépendre d’un service cloud, en s’appuyant sur des LLM exécutés sur la machine de l’utilisateur.
Voir plus bas : LLMs-local
(plateformes et outils pour exécuter des LLM en local)
Intelligence artificielle : comprendre, questionner et choisir
Ressources, enjeux et usages responsables de l’IA, du machine learning à la sobriété numérique.
Apprendre le ML / AI Engineering (open-source)
MLE-Flashcards
Cartes de révision pour Machine Learning Engineering (concepts, métriques, infra, MLOps).
MLSysBook (CS249R - Harvard)
Manuel open-source porté par Harvard University sur l’AI Engineering :machine learning + systèmes + contraintes du monde réel (scalabilité, coût, fiabilité).
À retenir
- Pont entre théorie ML et réalité industrielle
- Très utile pour comprendre pourquoi l’IA ne se limite pas aux modèles
Se former via YouTube (veille & pédagogie)
180+ chaînes YouTube - Data / AI / ML / CS
Liste très complète de chaînes YouTube couvrant :data science, data engineering, ML, deep learning, informatique, programmation.
Usage idéal
- Veille continue
- Auto-formation gratuite
- Sélection de contenus selon le niveau
Débats, critiques & société numérique
Qualité de l’info & IA générative
Linus vs la “bouillie IA”
Critique du bruit généré par les LLMs et de la dégradation de la documentation technique.https://www.theregister.com/2026/01/08/linus_versus_llms_ai_slop_docs/
Plus de contenu ≠ meilleure connaissance
Les IA ne remplacent pas les juniors
Le CEO d’AWS affirme que l’IA ne remplace pas les développeurs débutants.https://www.finalroundai.com/blog/aws-ceo-ai-cannot-replace-junior-developers
“La mort d’Internet”
Alexis Ohanian (cofondateur de Reddit) évoque un web majoritairement peuplé de bots.
besoin de communautés de confiance à l’ère de l’IA
Régulation & gouvernance de l’IA (Europe)
AI Act - Whistleblower Tool
Annonce officielle (Commission européenne)
https://digital-strategy.ec.europa.eu/en/policies/ai-act-whistleblower-tool
Plateforme de signalement
Outil sécurisé pour signaler anonymement des violations potentielles de l’AI Act.
À retenir
- Encadrement juridique concret de l’IA
- Responsabilisation des acteurs
Cloud, souveraineté & économie
Hausse des prix du cloud
Alerte d’Octave Klaba (OVHcloud)
Hausse attendue de 5 à 10 % liée à la demande IA.https://www.theregister.com/2025/11/24/ovh_cloud_price_rise_prediction/
Souveraineté numérique
Étude Gartner
61 % des DSI européens vont renforcer leur dépendance aux clouds européens.D’ici 2030, 75 % des entreprises hors US viseront une stratégie de souveraineté numérique.
géopolitique + dépendance technologique
Impact environnemental de l’IA
Étude Green IT
L’impact CO₂ peut varier jusqu’à ×60 selon le type d’IA utilisé.Les architectures agentic sont beaucoup plus coûteuses énergétiquement.
Datacenters : espace ou océan ?
Réflexion critique sur des solutions “extrêmes” pour l’hébergement IA.
Méga-datacenter à Montereau
EDF & OpCore : 4 milliards €, mise en service prévue en 2027.Un des plus grands projets européens.
Éducation & usages pédagogiques
IA & Bac 2026
Eduscol - Académie de Strasbourg
Scénario pédagogique :« Dessiner avec ou contre l’IA ? »
Analyse critique de storyboards générés par IA autour du Menteur de Pierre Corneille.
https://eduscol.éducation.fr/692/les-travaux-academiques-mutualises-traam#zoom
- Esprit critique
- Usage raisonné de l’IA
- Littérature & numérique
IA locale & sobriété numérique
IA locale : de quoi parle-t-on ?
Une IA locale est une IA qui :
- fonctionne sur la machine de l’utilisateur
- sans envoyer les données dans le cloud
- avec un périmètre fonctionnel limité et clair
- pas d’infrastructure distante massive
- pas de collecte centralisée
- pas de dépendance permanente à un fournisseur
C’est une IA ciblée, pas une IA généraliste surdimensionnée.
IA Cloud vs IA Locale
Même promesse, impacts très différents
IA Cloud (centralisée)
[ Utilisateur ]
|
| données (texte, images, voix)
↓
[ Internet ]
↓
[ Data Centers ]
(serveurs, GPU, stockage)
↓
[ Modèle IA ]
↓
[ Réponse ]
Caractéristiques
- Traitement à distance
- Données envoyées et centralisées
- Dépendance à un fournisseur
- Infrastructure lourde (GPU, refroidissement)
- Coûts énergétiques élevés
Enjeux
- Vie privée
- Surveillance potentielle
- Empreinte carbone
- Verrouillage technologique
IA Locale (décentralisée)
[ Utilisateur ]
↓
[ Ordinateur personnel ]
(IA locale, données locales)
↓
[ Résultat ]
Caractéristiques
- Traitement sur la machine
- Données qui ne sortent pas
- Contrôle utilisateur élevé
- Infrastructure légère
- Impact énergétique réduit
Avantages
- Respect de la vie privée
- Autonomie
- Sobriété numérique
- Compréhension des usages
Sobriété numérique appliquée à l’IA
La sobriété numérique appliquée à l’IA consiste à se poser 3 questions simples :
Souvent, une IA locale bien conçue suffit largement.
Sobriété = aussi protection des libertés
Sobriété numérique, ce n’est pas que l’écologie :
- moins de données collectées
- moins de surveillance implicite
- plus de consentement
- plus de compréhension des outils
- RGPD
- éducation critique
- autonomie numérique
Intérêt pédagogique fort
Cette approche permet de montrer que :
- l’IA n’est pas magique
- l’IA n’est pas forcément cloud
- l’IA peut être choisie, limitée, comprise
- ateliers grand public
- scolaires
- collectivités
- sensibilisation à l’empreinte numérique
L’enjeu n’est pas d’utiliser plus d’IA,mais d’utiliser des IA utiles, proportionnées et choisies.
Outils utiles:
awesome-generative-ai-guide
https://github.com/aishwaryanr/awesome-generative-ai-guide
Description courte Guide complet de ressources sur la recherche et l’apprentissage de l’IA générative.
LLMs-local
https://github.com/0xSojalSec/LLMs-local
Description courte Liste de plateformes et outils pour exécuter des LLM en local.