Déjouer les biais de l’IA par la pensée critique Mixte : présentiel / à distance

A l'issue de la formation, le stagiaire sera capable de renforcer son esprit critique lors de l'utilisation de l'Intelligence Artificielle (IA)

• Identifier les fondements de l'esprit critique
• Comprendre les biais cognitifs et algorithmiques
• Adopter une posture critique, éthique et stratégique face à l'Intelligence Artificielle Générative (IAG)

Module 1. Introduction : Pourquoi développer l'esprit critique face à l'IA

Objectif spécifique : Comprendre l'importance de la pensée critique dans l'usage professionnel de l'IA.

Contenu :

• Contexte : la place croissante de l'IA dans les décisions professionnelles et personnelles
• Risques liés à la confiance excessive dans les résultats IA (illusion de fiabilité, absence de remise en question)
• Importance de développer une posture active de questionnement
• Différence entre esprit critique et méfiance systématique

Exemple d'atelier : évaluation rapide de plusieurs réponses produites par IA (texte, image, résumé) pour identifier intuitivement leurs limites, erreurs ou incohérences

Module 2. Fondements de l'esprit critique appliqué à l'IA

Objectif spécifique : Connaître les principes et outils permettant de questionner et d'évaluer les informations produites par l'IA.

Contenu :

• Définition et composantes de l'esprit critique : observation, questionnement, validation, décision
• Méthodes pour interroger une information : qui l'a produite ? comment ? dans quel but ?
• Techniques de vérification : recoupement des sources, confrontation à des données fiables, utilisation d'outils de fact-checking
• Limites humaines : surcharge informationnelle, heuristiques mentales

Exemple d'atelier : analyse critique d'un rapport généré par IA – identification des affirmations discutables, des manques d'éléments factuels et propositions de reformulation

Module 3. Comprendre les biais cognitifs

Objectif spécifique : Identifier les biais mentaux qui influencent l'interprétation des résultats IA.

Contenu :

• Définition d'un biais cognitif et mécanismes psychologiques sous-jacents
• Les biais les plus fréquents face à l'IA :
  • Biais de confirmation : tendance à chercher des éléments qui confirment nos idées préconçues
  • Biais de disponibilité : se baser sur les informations les plus faciles à rappeler
  • Biais d'ancrage : influence excessive d'une première information reçue
• Impact des biais cognitifs sur la prise de décision et l'évaluation des résultats IA
• Exemples issus de contextes professionnels : recrutement, gestion de projet, analyse de données

Exemple d'atelier : étude de scénarios concrets où un biais cognitif a conduit à une mauvaise décision, identification du biais et reformulation de l'analyse pour corriger la conclusion

Module 4. Identifier et analyser les biais algorithmiques

Objectif spécifique : Reconnaître les biais présents dans les modèles d'IA et comprendre leur origine.

Contenu :

• Définition du biais algorithmique et distinction avec les biais cognitifs
• Origines possibles :
  • Biais dans les données d'entraînement : données incomplètes ou déséquilibrées
  • Biais liés à l'architecture du modèle : paramètres influençant certains résultats
  • Biais d'utilisation : mauvaise adaptation au contexte métier
• Conséquences concrètes : discriminations involontaires, résultats inexacts, perte de confiance
• Études de cas inspirées de situations réelles :
  • RH : algorithmes de tri de CV défavorisant certains profils
  • Finance : notation de crédit influencée par des données historiques biaisées
  • Santé : diagnostic moins précis pour certaines populations

Exemple d'atelier :

• Présentation rapide d'un exemple concret par le formateur
• Travail en petits groupes :
  1. Identifier le ou les biais présents
  2. Rechercher les causes possibles
  3. Proposer 2 à 3 actions correctives simples (ex. améliorer la représentativité des données, mettre en place une validation humaine, rendre l'algorithme plus transparent)
• Restitution synthétique en plénière

 E-learning « Découverte de l'IA générative » mis à disposition post-formation et consultable pendant 1 mois pour renforcer ou réviser ses connaissances (e-learning de 30 minutes)

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Apports des connaissances communes.
• Mises en situation sur le thème de la formation et des cas concrets.
• Méthodologie d'apprentissage attractive, interactive et participative.
• Equilibre théorie / pratique : 60 % / 40 %.
• Supports de cours fournis au format papier et/ou numérique.
• Ressources documentaires en ligne et références mises à disposition par le formateur.
• Pour les formations en présentiel dans les locaux mis à disposition, les apprenants sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).

En amont de la formation :

• Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
• Auto-positionnement des apprenants afin de mesurer le niveau de départ.

Tout au long de la formation : 

• Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

A la fin de la formation : 

• Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
• Evaluation par le formateur des compétences acquises par les apprenants.
• Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
• Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.

• Admission sans disposition particulière