14 novembre 20250 Views 5 min read

Travailler avec une IA de création mélodique fondée sur des chaînes de Markov dans Scratch (Académie de Nantes, 13 novembre 2025)

Résumé de l’article

Qui : Académie de Nantes (éducation musicale).
Quoi : Un projet pédagogique où une intelligence artificielle analyse des mélodies existantes pour générer de nouveaux airs, réalisée avec Scratch et basée sur le principe des chaînes de Markov, avec une variante « déconnectée » pour découvrir l’algorithme sans écran.
Où : France, Académie de Nantes (ressource pédagogique).
Quand : Ressource mise à jour le 13 novembre 2025.
Pourquoi : Pour permettre aux élèves de collège et de lycée GT d’explorer la création musicale assistée par IA, de comprendre un principe algorithmique simple (Markov) et de développer des compétences de conception et de production d’objets culturels.

Niveau et public cible

CM2 (cycle 3) – Collégiens (cycle 4) – Lycéens GT – Citoyens débutants en EMI

Objectifs pédagogiques

Comprendre : Comment une IA peut « composer » en analysant des mélodies existantes et en utilisant des chaînes de Markov dans Scratch, y compris une approche déconnectée pour visualiser les étapes de l’algorithme.
Identifier : Les indices de « surpromesse » (ex. dire que l’IA “invente seule” sans données), l’anthropomorphisme (attribuer une intention artistique à la machine), et les limites d’originalité quand on réutilise des modèles issus d’œuvres existantes.
Vérifier : Contraster une production « IA » avec ses sources d’apprentissage (mélodies d’entrée), expliciter le rôle du paramétrage dans Scratch (probabilités de transition) et documenter les choix pour la traçabilité.

Contenu du cours

« Exemples d’utilisation d’un système d’intelligence artificielle analysant des mélodies existantes pour inventer de nouveaux airs. Fonctionnant sur Scratch et utilisable par les élèves, le projet repose sur le principe mathématique des chaînes de Markov. Son usage peut aussi être expérimenté de façon déconnectée pour en découvrir les principes algorithmiques. »

[Cours pédagogique : partir de l’exemple concret de l’Académie de Nantes (IA musicale sur Scratch reposant sur des chaînes de Markov, ressource mise à jour le 13 novembre 2025), puis élargir aux bonnes pratiques EMI. On montre que l’IA ne « crée » pas à partir de rien : elle réutilise des statistiques de transitions entre notes observées dans des mélodies d’entrée. En classe, on combine une activité déconnectée (cartes ou dés pour simuler les transitions) et une activité Scratch (programmation des probabilités). On questionne ensuite l’originalité, la citation des sources, et la responsabilité éditoriale lors de la diffusion des productions.]

Étape 1 : Activité déconnectée. Choisir 2–3 mélodies d’exemple. Construire un tableau de transitions (quelle note a le plus de chances de suivre telle note). Simuler à voix haute avec des cartes/dés pour générer une nouvelle suite de notes.
Étape 2 : Passer sur Scratch. Encoder l’état courant (note), la table des probabilités (chaîne de Markov) et une boucle qui choisit la prochaine note selon ces probabilités. Écouter et ajuster les paramètres.
Étape 3 : EMI et éthique. Discuter de l’expression « l’IA compose ». Exiger la mention des sources (mélodies d’apprentissage), expliquer les limites d’originalité/statistiques, et décider d’une licence de diffusion adaptée.

Mots-clés simplifiés

Chaîne de Markov : Méthode qui choisit la prochaine note en fonction de la note actuelle et de probabilités apprises.
Scratch : Logiciel de programmation par blocs, pratique pour créer des projets interactifs en classe.
IA (intelligence artificielle) : Ensemble de techniques qui font réaliser à une machine des tâches « intelligentes », ici générer des mélodies à partir d’exemples.

Exemples concrets reliés à l’article

Exemple 1 : En binômes, les élèves relèvent les transitions de « Frère Jacques » et « Ode à la joie », puis génèrent une nouvelle mélodie « hybride » avec des cartes-probabilités.
Exemple 2 : Sur Scratch, un sprite « compositeur » choisit la prochaine note via une liste de probabilités. Les élèves comparent le résultat en modifiant une seule probabilité clé.
Exemple 3 : Débat EMI: « Dire que l’IA a composé cette musique est-il exact ? » Les élèves justifient avec la notion de modèles appris et la date de mise à jour de la ressource (13/11/2025) pour contextualiser.

Quiz interactif EMI

Réponds puis clique pour vérifier :

Fiche synthétique

Point clé 1 : L’IA génère des mélodies à partir d’exemples en modélisant les transitions entre notes (chaînes de Markov) et peut être mise en œuvre par les élèves dans Scratch.
Point clé 2 : Une approche « déconnectée » (cartes/dés) aide à comprendre concrètement l’algorithme avant la programmation.
Point clé 3 : En EMI, toujours documenter les sources d’apprentissage, éviter l’anthropomorphisme (« l’IA compose seule ») et expliciter les limites d’originalité.