Descriptif

Introduire les élèves à des concepts fondamentaux de l’intelligence artificielle, en adoptant une
perspective historique : des premiers travaux sur la résolution de problèmes par l’IA, les algorithmes
de jeux jusqu’à l’apprentissage par renforcement qui occupe une place essentielle dans les modèles
de fondation ou grands modèles de langues tels que chatGPT.
Les élèves apprendront comment formaliser un problème général de recherche de solutions
impliquant une séquence d’opérations ou lorsqu’un autre agent modifie le monde. En suivant le fil
historique des découvertes, les algorithmes A*, MinMax, Alpha-Beta, Monte Carlo Tree Search (MCTS)
et d’apprentissage par renforcement seront successivement présentés et testés par les élèves. Ces
algorithmes sont au cœur d’une très grande partie des réalisations en IA incluant les plus récentes.
Il apparaîtra ainsi qu’un problème essentiel est celui d’optimiser une solution face à l’incertain,
problème fondamental en particulier dans les sciences du vivant, et que la notion de « bandit » a
permis de formaliser ce problème et d’en découvrir des solutions.
Il sera souligné que les méthodes présentées sont particulièrement pertinentes pour les sciences de la
vie, de l’environnement, de l’agronomie et de l’alimentation.