Introduction aux capacités et limitations de l'IA

Ce que vous apprendrez

Durée estimée : 15 minutes

À la fin de cette leçon, vous serez capable de :

• Comprendre ce que ce cours couvre et comment il est structuré
• Expliquer pourquoi ce matériel reste pertinent même si les modèles et les produits évoluent constamment
• Voir comment le cadre Capabilities & Limitations et le 4D Framework fonctionnent ensemble

Bienvenue au cours sur les capacités et limitations de l'IA

(4 minutes)

Le 4D Framework vous enseigne comment collaborer avec l'IA. Ce cours vous enseigne comment l'IA est capable de travailler avec vous. Ensemble, ils forment un système : les compétences humaines d'un côté et les propriétés des machines de l'autre.

Un modèle mental de la machine

Feuille de route du cours

Ce que nous entendons par IA

Qu'est-ce que l'IA générative et en quoi diffère-t-elle des autres types d'IA ?

Comment l'IA est entraînée

Comment le préentraînement et l'ajustement fin donnent-ils à l'IA son caractère ?

Propriétés de l'IA

Qu'est-ce que Next Token Prediction, Knowledge, Working Memory et Steerability ?

Tout mettre ensemble

Que se passe-t-il quand les propriétés entrent en collision dans des situations réelles ?

Prochaines étapes

Comment utilisez-vous ces connaissances pour utiliser l'IA de manière sûre, efficace et éthique ?

Points clés à retenir

• Le cadre AI Fluency (4Ds) décrit les compétences humaines. Ce cours décrit les propriétés des machines auxquelles ces compétences répondent.
• L'IA générative a quatre propriétés fondamentales : Next Token Prediction, Knowledge, Working Memory et Steerability.
• Ce matériel est durable car les propriétés restent stables même si les modèles s'améliorent. Les limites se déplacent mais les propriétés restent les mêmes.

Exercices

Exercice : Cartographier votre utilisation actuelle de l'IA

Pourquoi ? C'est la base de chaque exercice qui suit dans ce cours.

• **Listez 4–6 tâches pour lesquelles vous avez réellement utilisé l'IA au cours des deux dernières semaines. ** Si vous n'avez pas beaucoup utilisé l'IA jusqu'à présent, listez les tâches pour lesquelles vous aimeriez l'utiliser. Soyez précis : « j'ai rédigé un email client expliquant un retard de projet » vous dit quelque chose. « Écrire » ne dit rien.
• Pour chaque tâche, notez une ligne : le résultat a-t-il fonctionné du premier coup, ou avez-vous dû le retravailler avant qu'il soit utilisable ? Ne vous posez pas trop de questions. Un rapide jugement instinctif suffit.
• Maintenant partagez votre liste avec Claude (ou tout autre assistant IA) et demandez : « Pour chacune de ces tâches, quel est un moyen par lequel cela pourrait mal tourner si je ne fais pas attention ? » Voyez si les modes de défaillance qu'il nomme vous semblent familiers. S'ils ne le sont pas, contestez : « Cela ne correspond pas à mon expérience. Voici ce qui s'est réellement passé... »

Conservez cette liste. Vous y reviendrez à chaque leçon, et elle aura un aspect différent à chaque fois.

Réflexion sur la leçon

• Laquelle de vos tâches listées vous a semblé « sûre » à confier à l'IA, et laquelle vous a semblé risquée ? Pouvez-vous expliquer pourquoi maintenant ?
• Quel est un comportement de l'IA que vous avez remarqué (bon ou mauvais) que vous ne pouviez pas expliquer à l'époque ?

Prochaines étapes

Avant les quatre propriétés, nous devons délimiter ce que « l'IA » signifie dans ce cours. Nous parlons spécifiquement de l'IA générative et de sa différence avec les autres formes d'IA.

Retours d'expérience

Au fur et à mesure que vous progressez dans le cours, nous aimerions entendre parler de la façon dont vous utilisez les concepts du cours dans votre travail, ainsi que tout retour d'expérience que vous pourriez avoir. Partagez vos retours ici.

Remerciements et licence

Copyright 2026 Anthropic. Travail original basé sur le cadre AI Fluency Framework développé par le Prof. Rick Dakan (Ringling College of Art and Design) et le Prof. Joseph Feller (University College Cork). Publié sous la licence CC BY-NC-SA 4. 0.