Édubase – Images et IAG en SNT : bases de données et reconnaissance d’images (Académie de Lille, 2de)

Résumé de l’article

Qui : Académie de Lille (Documentation, SNT/NSI, Éducation aux Médias et à l’Information).
Quoi : Une séance qui intègre l’intelligence artificielle générative : les élèves alimentent des bases de données, testent la reconnaissance d’images avec Vittascience et réfléchissent à la génération d’images pour développer leur esprit critique.
Où : Dans le cadre pédagogique de l’Académie de Lille (France).
Quand : Mise à jour le 24 octobre 2025.
Pourquoi : Pour faire un usage responsable et critique des technologies numériques, autour du thème “photographie numérique”, en mobilisant des compétences CRCN (gérer/traiter des données, développer des documents multimédia, évoluer dans un environnement numérique).

Niveau et public cible

2de générale et technologique – Adaptable Collège (cycle 4) et Citoyens débutants EMI

Objectifs pédagogiques

• Comprendre : comment une IAG apprend à partir d’images fournies par les élèves, comment fonctionne un outil de reconnaissance d’images (Vittascience) et pourquoi il faut questionner les images générées.
• Identifier : des indices de manipulation ou de génération d’images (artefacts, objets impossibles, incohérences d’éclairage/cadres, métadonnées manquantes).
• Vérifier : confronter une image à plusieurs sources/indices (recherche inversée, contexte de prise de vue, traces de montage) et expliquer la méthode.

Contenu du cours

« Les élèves explorent le fonctionnement des IA en alimentant des bases de données et en testant la reconnaissance d’images. »

[Cours pédagogique] À partir de la séance décrite (Académie de Lille) : les élèves constituent un petit jeu de données d’images sur un thème simple (objets du quotidien), testent un module de reconnaissance d’images avec Vittascience, puis comparent photos réelles et images générées pour repérer atouts et limites de l’IAG. On élargit ensuite aux bonnes pratiques EMI : vérifier les sources, repérer les biais des données et argumenter un jugement critique sur l’image.

• Étape 1 : Collecter 10–20 images d’un même objet/catégorie (angles variés, bonne lumière), nommer/annoter clairement les fichiers et documenter l’origine (date, lieu, auteur).
• Étape 2 : Tester la reconnaissance d’images sur Vittascience : importer quelques images, observer réussites/erreurs et discuter des causes (jeu de données trop petit, angles rares, arrière-plans confus).
• Étape 3 : Comparer avec des images générées par IAG : lister des indices de génération, discuter des usages responsables (illustration, créativité) et des risques (désinformation, biais), puis formaliser une grille simple de vérification.

Mots-clés simplifiés

• Intelligence artificielle générative (IAG) : un programme qui crée du contenu (images, textes) à partir d’exemples.
• Reconnaissance d’images : un système qui tente d’identifier ce qu’il voit sur une photo.
• Base de données d’images : un dossier d’images bien rangées et décrites, utilisé pour entraîner ou tester une IA.

Exemples concrets reliés à l’article

• Exemple 1 : Constituer un mini-dataset de “stylos” (couleurs/angles différents), puis tester si l’outil reconnaît correctement “stylo” vs “marqueur”.
• Exemple 2 : Charger deux photos du même objet avec arrière-plans différents et analyser pourquoi l’IA se trompe quand le décor brouille l’objet.
• Exemple 3 : Mettre côte à côte une photo et une image générée d’un “appareil photo ancien” et relever 3 indices de génération (détails impossibles, reflets incohérents, texte déformé).

Quiz interactif EMI

Réponds puis clique pour vérifier :

Fiche synthétique

• Point clé 1 : Une séance d’EMI/SNT qui fait manipuler des jeux de données d’images, tester la reconnaissance (Vittascience) et réfléchir aux images générées pour développer l’esprit critique.
• Point clé 2 : Activité concrète : créer un petit dataset d’images, observer les erreurs de l’IA et relier ces erreurs à la qualité/variété des données.
• Point clé 3 : Méthode EMI de vérification : comparer sources, effectuer une recherche inversée, contrôler les métadonnées et relever les incohérences visuelles avant de partager.

Catégorie du site recommandée

Mon cours du jour