IA et enseignement supérieur,
enjeux et limites

Résumé

La mise à disposition de ChatGPT a remis en perspective l’utilisation de l’IA dans de nombreuses applications. Dans cette présentation, nous allons nous plonger dans les rouages de l’IA générative basée sur les (grands) modèles de langage. Nous explorerons l’architecture de base des modèles actuels, appelée Transformer, ses propriétés, et les nouveaux paradigmes d’apprentissages. Nous conclurons notre présentation avec une discussion sur les limites des grands modèles de langage.

Laure Soulier

Maître de conférences à Sorbonne Université au sein de l’équipe “Machine Learning and Information Access” de l’Institut des Systèmes Intelligents et de Robotique. Laure Soulier s’intéresse aux techniques d’apprentissage profond pour des tâches de traitement automatique du langage et de recherche d’information. Sa recherche s’articule autour de trois thématiques : la génération de résumés textuels à partir de données structurées (“data-to-text”), les moteurs de recherche conversationnels, et récemment l’exploitation des gros modèles de langue pour la robotique.

>>> Télécharger la présentation de Laure Soulier

Animée par Mohamed Chetouani

Résumé

La pédagogie inclusive vise à engager tous les étudiantes et étudiants, y compris ceux en situation de handicap et/ou en difficultés d’apprentissage. Elle s’est avérée particulièrement efficace pour les aider à apprendre, même si des défis subsistent dans sa mise en œuvre. Dans ce contexte, l’intelligence artificielle offre de nouvelles opportunités aux apprenantes et apprenants ainsi qu’aux équipes pédagogiques en permettant de mieux prendre en compte les besoins d’apprentissage individuels. À travers plusieurs exemples concrets, nous discuterons de ces opportunités ainsi que des limites et des enjeux associés.

Mohamed Chetouani

Directeur-adjoint  de l’Institut des Systèmes Intelligents et de Robotique (CNRS UMR 7222) et Chargé de Mission Handicap Etudiant de la Faculté des Sciences & Ingénierie. Mohamed Chetouani mène des activités de recherche en traitement du signal et apprentissage machine pour les interactions humains-machines avec des applications en santé mentale, sciences de l’éducation et sciences cognitives.

>>> Télécharger la présentation de Mohamed Chetouani

Résumé

L’IA générative est le dernier jalon en date de la révolution numérique. Son développement depuis à peine deux années a été extrêmement rapide et d’une ampleur sans précédents. La présentation comportera deux volets. Tout d’abord, l’analyse du coût environnemental complet (effets directs des usages et matériels et effets d’ordres supérieurs) des grands modèles d’IA générative tant sur la partie de l’entrainement que celle de l’inférence, puis une discussion sur l’utilisation des IA comme solutions à la crise.

Denis Trystram

Professeur en Informatique à Grenoble INP – UGA, membre du Laboratoire d’Informatique de Grenoble (LIG), équipe projet Inria DataMove, Denis Trystram est membre honoraire de l’Institut Universitaire de France. Il a effectué l’essentiel de ses recherches sur la conception et l’analyse d’algorithmes efficaces pour optimiser tous les aspects de l’utilisation des ressources parallèles et distribuées (multi-cœurs à grande échelle, accélérateurs GPU, clouds, objets intelligents, IoT). Au fur et à mesure de sa carrière, il a pris conscience de la gravité de l’urgence climatique. Depuis 2018, il a réorienté ses recherches pour prendre en compte cette dimension : pour illustration, lire l’article dont il est co-auteur avec Thierry Ménissier : “L’IA peut-elle vraiment être frugale ?”.

>>> Télécharger la présentation de Denis Trystram

Résumé

Les systèmes d’IA générative ont trouvé une application immédiate dans la formation et la recherche.  Leur capacité de produire des textes en langue naturelle, syntaxiquement corrects et souvent sémantiquement plausibles, en fait un outil singulier. Ils peuvent être utilisés par des apprenants pour rédiger des textes à leur place, pour répondre aux questions d’un projet, ou par des enseignants, enseignantes, chercheurs et chercheuses pour produire des résumés, des descriptions de leurs cours et projets, voire des QCM. Ils peuvent être utilisés pour extraire des régularités dans des données expérimentales, mais pourront-ils remplacer des théories causales ?  Quelles conséquences pour la créativité humaine ?

Raja Chatila

Professeur émérite à Sorbonne Université. Il a dirigé l’Institut des Systèmes Intelligents et de Robotique (ISIR, 2014-2019) et le laboratoire d’excellence SMART sur les interactions humain-machine (2012-2020). Auteur de plus de 180 publications, ses activités de recherche portent actuellement sur l’apprentissage automatique, l’interaction humain-machine et l’éthique. Il est président de l’Initiative mondiale IEEE sur l’éthique des systèmes autonomes et intelligents depuis 2016, membre du Comité national pilote d’éthique du numérique en France depuis 2019. Il était membre du groupe d’experts de haut niveau sur l’IA (HLEG AI) auprès de la commission Européenne (2018-2020) et co-président du groupe “IA responsable” du Partenariat Mondial sur l’IA (2020-2023).

>>> Télécharger la présentation de Raja Chatila

Résumé

L’IA pour l’éducation est un domaine de recherche. Après une courte introduction de ce domaine, je présenterai des exemples d’autres approches d’IA appliquées à l’enseignement supérieur.

Vanda Luengo

Professeure d’informatique à Sorbonne Université, directrice adjointe du LIP6 et membre de l’équipe de recherche MOCAH du LIP6.

Les recherches de Vanda Luengo portent sur la conception de logiciels dédiés à l’apprentissage humain. Elle s’intéresse plus précisément aux méthodes, modèles et algorithmes d’intelligence artificielle qui permettent une adaptation dynamique selon le modèle de l’apprenant ou de l’apprenante.
Elle est également responsable du parcours EdTech du Master 2 “Management de l’innovation” de la faculté des Sciences et Ingénierie de Sorbonne Université.

>>> Télécharger la présentation de Vanda Luengo