Introduction aux Données

Distinction donnée, information et document

Différencier une donnée brute d'une information contextualisée et d'un document conçu pour transmettre un sens durablement.

Classification des données personnelles

Identifier et catégoriser les données à caractère personnel, sensibles et biométriques selon leurs exigences de protection.

Distinction Big Data et Small Data

Caractériser les différences de volume, de structuration et d'usage entre les grandes masses de données non structurées et les petits jeux de données structurés.

Structuration des données

Distinguer un jeu de données structuré d'une base de données relationnelle et expliquer leur rôle respectif dans l'exploitabilité.

Processus de production des données

Expliquer comment une donnée est produite par prélèvement sur le réel via un dispositif technique dans un contexte institutionnel spécifique.

Non-neutralité des données

Analyser la thèse latourienne selon laquelle une donnée est une construction contextuelle reflétant une version 'obtenue' de la réalité plutôt qu'un reflet neutre.

Définition de la datafication

Définir la datafication comme le processus de transformation des éléments du monde réel en données numériques quantifiables et lisibles par machine.

Finalités de l'exploitation des données

Analyser les quatre finalités principales : orientation stratégique, prise de décision, production de valeur économique et production de connaissances scientifiques.

Applications commerciales

Expliquer le fonctionnement des algorithmes de recommandation et des systèmes d'IA générative dans la personnalisation des services et la création de valeur.

Révolution du Big Data

Analyser les caractéristiques de la révolution du Big Data (volume, variété, vitesse) et son impact via l'exemple de Google Flu Trends.

Enjeux éthiques et discours critiques

Identifier les tensions entre discours solutionnistes et vigilance critique, notamment à travers la lettre ouverte 'Pause Giant AI Experiments' de 2023.

Origine et définition de l'algorithme

Définir l'algorithme comme un ensemble de procédés systématiques de traitement et retracer son étymologie (al-Khwarizmi, al-jabr).

Typologie des algorithmes

Classifier les quatre types principaux (tri, appariement, recommandation, chiffrement) en précisant leurs fonctions respectives dans le traitement des données.

Dimensions des algorithmes

Analyser les trois dimensions des algorithmes : technique (méthode systématique), stratégique (choix d'exploitation des données) et politique (impact sur les individus et la société).

Rapport données-algorithmes

Expliquer la relation fondamentale selon laquelle les données constituent la matière première indispensable au fonctionnement et à l'entraînement des algorithmes.

Enjeux de souveraineté et gouvernance

Analyser les enjeux politiques de la maîtrise des algorithmes, incluant les questions de transparence, responsabilité et souveraineté numérique.

Naissance et définition de l'IA

Définir l'intelligence artificielle comme discipline scientifique née en 1956 (conférence de Dartmouth) visant à modéliser l'intelligence via des algorithmes expérimentés sur machines.

Hiérarchie des technologies d'IA

Distinguer les niveaux hiérarchiques emboîtés : intelligence artificielle, apprentissage automatique (Machine Learning), réseaux de neurones et Deep Learning.

Architecture des réseaux de neurones

Décrire la structure en couches (entrée, cachée, sortie) et expliquer le mécanisme de rétro-propagation de l'erreur pour l'ajustement des poids.

Fonctions des systèmes d'IA

Caractériser les systèmes d'IA par leurs objectifs définis par l'humain, leurs fonctions (prévision, recommandation, décision) et leur capacité d'automatisation.

Nature et limites de l'IA

Analyser les distinctions fondamentales entre IA et intelligence humaine (absence de conscience) et la pluralité des formes d'IA existantes dans l'environnement quotidien.