ES TERMINALE | COURS 1 | PC

J'écoute

Du neurone au LLM

Comprendre d'où viennent les outils d'IA… pour les utiliser comme des scientifiques lucides.

FIL CONDUCTEUR

Esprit critique → histoire du machine learning → LLM → frugalité → parallèle neurone / perceptron → projet.

COURS 1 | POURQUOI

J'écoute

Pourquoi ce cours ?

  • Vous utiliserez des LLM toute l'année.
  • Le programme demande de comprendre l'IA (thème 3.5) et les outils numériques.
  • Sans histoire ni limites, on confond facilement outil, preuve et magie.

OBJECTIF DU JOUR

Savoir d'où vient un LLM, ce qu'il coûte, et ce qu'il n'est pas (un cerveau humain).

COURS 1 | MODE D'EMPLOI

À noter

Comment suivre sans se perdre

À noter = dans le cahier

J'écoute = comprendre

À faire = activité

À vivre = projet

RÈGLE SIMPLE

Sur les slides À noter : recopiez le cadre coloré (définition / idée-clé). Le reste sert à comprendre, pas à tout écrire.

COURS 1 | PLAN

J'écoute

Plan de la séance

  1. Boussole scientifique (fait / opinion / modèle)
  2. De l'apprentissage machine aux LLM
  3. Frugalité de l'IA
  4. Neurone biologique ↔ perceptron
  5. Charte d'usage de l'IA

I | BOUSSOLE

À noter

1Avant l'IA : une boussole scientifique

Objectif général du programme : distinguer savoir scientifique, opinion et croyance.

POURQUOI ICI ?

Un LLM parle avec assurance. Sans boussole, on prend une phrase fluide pour une preuve.

I | BOUSSOLE

À noter

Quatre natures d'affirmations

FAIT SCIENTIFIQUE

Observation / mesure reproductible, ancrée dans des données.

MODÈLE

Représentation simplifiée pour expliquer ou projeter (sous hypothèses).

OPINION

Jugement de valeur (« il faut… », « c'est bien / mal »).

CROYANCE

Affirmation sans mécanisme matériel validé par la méthode scientifique.

I | ACTIVITÉ

À faire

Classer ces 4 affirmations

Binômes, 2 min : fait / modèle / opinion / croyance ?

  1. « La température moyenne mondiale a augmenté d'environ 1 °C depuis 1850. »
  2. « Il faut interdire les voitures dès demain. »
  3. « Les modèles climatiques projettent une hausse selon des scénarios d'émissions. »
  4. « Les astres influencent votre personnalité. »

I | CORRECTION

À noter

Correction des 4 affirmations

  1. « +1 °C depuis 1850 » → fait scientifique
  2. « Il faut interdire… » → opinion
  3. « Les modèles projettent… » → modèle
  4. « Les astres influencent… » → croyance

II | HISTOIRE

J'écoute

2D'où viennent les LLM ?

On remonte le fil : pas pour tout retenir par cœur, mais pour comprendre ce qui a changé.

IDÉE DIRECTRICE

Les LLM d'aujourd'hui sont l'aboutissement (provisoire) d'une longue histoire d'apprentissage à partir de données.

II | HISTOIRE

À noter

Programmer ≠ apprendre

PROGRAMME CLASSIQUE

L'humain écrit des règles. La machine exécute.

MACHINE LEARNING

L'algorithme ajuste des paramètres grâce à des données d'entraînement.

II | HISTOIRE

À noter

Frise : vers les LLM… et après ?

1950-60 Naissance IA Perceptron neurone artificiel 1980-90 Multicouches Rétroprop. apprentissage 2010s Deep learning Data + GPU vision, parole 2017+ Transformer Attention nouvelle archi Aujourd'hui LLM Dialogueurs grands modèles Demain ? World models Yann LeCun AMI Labs

Selon Yann LeCun, l'avenir irait vers des world models (modèles du monde) : comprendre et anticiper le réel, pas seulement prédire du texte. C'est ce qu'il développe avec sa startup AMI Labs.

II | HISTOIRE

J'écoute

Pourquoi le deep learning a « explosé »

DONNÉES

Textes, images, sons en masse (web, capteurs).

CALCUL

GPU / centres de données : entraîner de très grands modèles.

ARCHIS

Couches profondes, puis Transformers.

Conséquence : la performance monte… et le coût énergétique aussi.

II | HISTOIRE

À noter

Qu'est-ce qu'un LLM ?

DÉFINITION

Un Large Language Model est un modèle de langage entraîné sur d'énormes corpus de textes pour prédire la suite la plus probable (token après token).

  • Il imite des patterns linguistiques.
  • Il n'a ni intention, ni compréhension humaine du monde.
  • Il peut halluciner : inventer avec assurance.

II | HISTOIRE

J'écoute

Ce que le programme appelle « IA » aujourd'hui

APPRENTISSAGE AUTOMATIQUE

L'algorithme améliore ses performances en répétant son exécution sur des jeux de données (pas en recevant toutes les règles d'un humain).

Qualité des données → qualité des résultats. Biais des données → biais amplifiés.

III | FRUGALITÉ

J'écoute

3Frugalité de l'IA

Lien programme : science, sociétés, environnement… et bientôt climat / énergies avec moi.

QUESTION CITOYENNE

Parce qu'on peut utiliser un LLM géant, faut-il toujours le faire ?

III | FRUGALITÉ

À noter

Définition : IA frugale

À COPIER

Approche qui vise à réduire les besoins en énergie, en calcul et en données, tout en gardant un service utile. Avant d'optimiser : on se demande si l'IA est nécessaire.

III | FRUGALITÉ

À noter

Trois leviers concrets

BESOIN

Une recherche ciblée / un calcul simple suffit-il ?

MODÈLE

Modèle plus petit, déjà entraîné, spécialisé…

USAGE

Moins de requêtes inutiles, prompts clairs, réutiliser.

III | FRUGALITÉ

À faire

Mini-débat (3 min)

SITUATION

Pour vérifier une date historique dans un travail, vaut-il mieux un LLM géant… ou une source encyclopédique / un manuel ?

Critère : fiabilité + coût (temps, énergie, risque d'erreur).

IV | NEUROSCIENCES

J'écoute

4Parallèle : cerveau et machine

Inspiration historique des réseaux de neurones… mais analogie limitée.

BUT DE CETTE PARTIE

Comprendre le perceptron en le comparant à un neurone biologique, pour démystifier le « cerveau de l'IA ».

IV | NEURONE

À noter

Le neurone biologique

Dendrites entrées (signaux) Corps cellulaire intégration Axone propagation Synapses vers d'autres neurones

Idée-clé : entrées → intégration → seuil → sortie (ou silence).

IV | PERCEPTRON

À noter

Le perceptron (schéma)

x₁x₂x₃ w₁w₂w₃ Σ + b f( ) y entrées somme pondérée activation sortie

À noter : \( y = f\!\left(\sum_i w_i x_i + b\right) \)

IV | COMPARAISON

À noter

Même idée, deux mondes

NEURONE BIO signaux électrochimiques synapses plastiques énergie métabolique PERCEPTRON x₁ x₂ x₃ Σ f y poids wᵢ appris électricité / GPU modèle mathématique

IV | LIMITES

À noter

Ce que l'analogie ne dit pas

  • Un LLM n'a pas de conscience, d'émotions, ni d'« envie » de dire vrai.
  • Le cerveau n'est pas « juste un gros Transformer ».
  • Le perceptron est une inspiration, pas une copie fidèle du vivant.

À RETENIR

Dire « le cerveau de l'IA » est une métaphore, pas une preuve scientifique.

IV | PONT

J'écoute

Du perceptron au LLM (en une phrase)

CHAÎNE

Perceptron → couches de neurones artificiels → réseaux profonds → Transformers → LLM.

On approfondira algorithmes et éthique plus tard dans l'année (3.5). Aujourd'hui : la carte mentale.

V | USAGE

À noter

5Charte IA de la classe

  1. Outil, pas auteur : vous restez responsables.
  2. Vérifier : faits, chiffres, sources primaires.
  3. Déclarer : dire quand / comment l'IA a aidé.
  4. Frugalité : ne pas lancer un LLM « pour le plaisir ».
  5. Traces : garder prompts utiles + erreurs corrigées.

COURS 1 | BILAN

À noter

Ce que vous devez avoir dans le cahier

  1. 4 natures : fait / modèle / opinion / croyance
  2. ML ≠ programme classique ; frise jusqu'aux LLM
  3. Définition LLM + hallucination
  4. IA frugale : besoin / modèle / usage
  5. Neurone ↔ perceptron + limite de l'analogie
  6. Charte IA

COURS 1 | SUITE

J'écoute

Prochaine séance

THÈME 1 | CLIMAT (PC)

Atmosphère, eau, ozone… Diaporama : cours 2.

Séance précédente : cadre de l'année.

Cours gratuit | Enseignement scientifique terminale | Lucas Tachen Migheli

Comment démarrer l'enseignement scientifique terminale avec l'IA ?

Thème Ouverture | Publié le | Mis à jour le

Ce cours gratuit d'enseignement scientifique de terminale introduit l'intelligence artificielle avant d'aborder le climat et les énergies. Les élèves découvrent l'esprit critique face aux outils numériques, un fil historique du machine learning jusqu'aux grands modèles de langage (LLM), la notion de frugalité énergétique de l'IA, et une comparaison claire entre neurone biologique et perceptron. Une charte d'usage pose le cadre pour le reste de l'année.

Aligné sur les besoins de la classe et de la maison, le diaporama est scrollable sur téléphone, avec police dys et mode clair ou sombre. Il prépare aussi le premier livrable et les bons réflexes pour utiliser l'IA sans remplacer la compréhension. Ressource conçue par Lucas Tachen Migheli (e-prof), licence CC BY-NC-SA 4.0.

Retour au parcours d'enseignement scientifique terminale, séance précédente : parcours ES terminale, suite : cours 2 (atmosphère, eau, ozone), ou .

Questions fréquentes sur Du neurone au LLM

Pourquoi parler d'IA dès le début de l'année d'ES terminale ?

Parce que les élèves utilisent déjà des outils d'IA : poser un cadre critique et éthique évite les usages passifs et prépare les thèmes scientifiques de l'année.

Qu'est-ce qu'un LLM en termes simples ?

Un grand modèle de langage prédit la suite d'un texte à partir d'énormes corpus. Il peut aider à reformuler ou explorer une idée, mais il peut aussi inventer des faits.

Ce cours remplace-t-il le programme officiel ?

Non. C'est une ouverture méthodologique ; les thèmes 1 à 3 du Bulletin officiel restent le cœur du parcours.