INTELLIGENCE ARTIFICIELLE
NIVEAU 3 — 10 ANS

📋 Plan du cours — Niveau 3

Chapitre 21 — Python : le langage préféré de l'IA 🐍

Tu sais ce qu'est l'IA. Maintenant, apprends à lui parler ! Les ingénieurs utilisent un langage appelé Python pour créer des IA. C'est le langage le plus populaire au monde pour l'IA.

💻 Tes premiers codes Python

Voici quelques exemples de code Python réels. Lis-les attentivement — même si tu ne comprends pas tout, tu verras que c'est presque du français !

Afficher un message — « Bonjour » en Python :

# Ceci est un commentaire (Python l'ignore)
# Le symbole # commence un commentaire

print("Bonjour, je suis une IA béninoise !")
# Résultat : Bonjour, je suis une IA béninoise !

Les variables — stocker une information :

# Une variable, c'est une boîte qui garde une valeur

prenom = "Kofi"
age = 10
ville = "Cotonou"

print("Je m'appelle", prenom, "j'ai", age, "ans")
# Résultat : Je m'appelle Kofi j'ai 10 ans

Une condition SI / SINON — prendre une décision :

temperature = 35   # en degrés Celsius

if temperature > 30:
    print("Il fait très chaud à Cotonou !")
else:
    print("La température est agréable.")

# Résultat : Il fait très chaud à Cotonou !

Une boucle — répéter une action :

cultures = ["maïs", "manioc", "ananas", "coton"]

for culture in cultures:
    print("Culture du Bénin :", culture)

# Résultat :
# Culture du Bénin : maïs
# Culture du Bénin : manioc
# Culture du Bénin : ananas
# Culture du Bénin : coton

note = 15

if note >= 10:
    print("Félicitations, tu as réussi !")
else:
    print("Continue tes efforts.")

villes = ["Cotonou", "________", "________"]

for ville in villes:
    print("Ville du Bénin :", ville)

Chapitre 22 — Les réseaux de neurones artificiels 🧠

Tu te souviens que l'IA apprend comme ton cerveau ? Eh bien, les scientifiques ont créé un système informatique qui imite vraiment le cerveau humain. C'est le réseau de neurones artificiel !

🧠 Ton vrai cerveau : comment ça marche ?

Ton cerveau contient environ 86 milliards de neurones. Chaque neurone est une cellule qui envoie des signaux électriques aux autres. Quand tu apprends quelque chose, des connexions se créent entre les neurones.

🤖 Le réseau de neurones ARTIFICIEL

Un réseau de neurones artificiel (RNA) copie cette idée. Il est composé de couches de « neurones numériques » connectés entre eux.

📊 Les poids : comment le réseau apprend

Chaque connexion entre neurones a un « poids » — un nombre qui dit à quel point cette connexion est importante. Pendant l'entraînement, ces poids sont ajustés automatiquement pour minimiser les erreurs. C'est comme régler le son de ta radio jusqu'à trouver la bonne fréquence !

Chapitre 23 — Le Deep Learning : l'IA en profondeur 🌊

Tu connais les réseaux de neurones. Le Deep Learning (apprentissage profond), c'est quand on utilise des réseaux avec BEAUCOUP de couches cachées — parfois des centaines ! C'est ce qui rend les IA modernes si puissantes.

🏋️ Comment le Deep Learning s'entraîne : la rétropropagation

Quand le réseau fait une erreur, il « remonte » pour corriger tous les poids des couches cachées. C'est comme corriger une chaîne d'erreurs. En répétant cela des millions de fois, le réseau devient très précis.

# Exemple SIMPLIFIÉ en Python
# (Ce que font les bibliothèques IA comme TensorFlow ou PyTorch)

prediction = reseau.predire(image_mais)
# prediction = 0.3 (il pense que c'est du maïs à 30%)

erreur = calculer_erreur(prediction, vraie_reponse)
# erreur = grande (la vraie réponse était 1.0 = oui c'est du maïs)

reseau.corriger_poids(erreur)
# Tous les poids sont ajustés pour réduire l'erreur
# On répète ce processus 1 000 000 de fois !

Chapitre 24 — Comment Claude pense vraiment 💭

Tu as appris au Niveau 2 que Claude utilise le Traitement du Langage Naturel (NLP). Maintenant allons plus loin : comment est-ce que moi, Claude, je comprends vraiment le sens des mots ?

🔢 Les mots deviennent des nombres

Un ordinateur ne comprend que les nombres (0 et 1). Alors, comment traite-t-il des mots ? On transforme chaque mot en un vecteur — une liste de nombres — qui représente son sens.

🎯 Le mécanisme d'attention : ce sur quoi je me concentre

Quand tu lis « Le pêcheur de Ouidah a réparé son filet », ton cerveau sait que « son » renvoie au pêcheur, pas à Ouidah. Les IA modernes font pareil grâce au mécanisme d'attention.

L'attention permet à l'IA de savoir quel mot dans la phrase est le plus important pour comprendre chaque autre mot.

🔄 Les Transformers : l'architecture de Claude

Claude est basé sur une architecture appelée Transformer — inventée par Google en 2017. C'est une révolution ! Les Transformers lisent toute la phrase d'un coup (pas mot par mot) et comprennent les relations entre tous les mots simultanément.

Chapitre 25 — L'IA et les données du Bénin 📊

Pour créer une IA utile au Bénin, il faut des données béninoises. C'est un défi important : beaucoup d'IA sont entraînées avec des données occidentales et ne comprennent pas bien notre contexte.

🐍 Analyser des données avec Python

En Python, il existe des bibliothèques qui aident à analyser des données. La plus connue s'appelle Pandas. Voici un exemple simple :

import pandas as pd   # Importer la bibliothèque Pandas

# Créer un tableau de données sur des cultures au Bénin
donnees = {
    "culture": ["maïs", "manioc", "ananas", "coton"],
    "production_kg": [1200, 850, 2000, 500],
    "region": ["Borgou", "Atlantique", "Mono", "Alibori"]
}

tableau = pd.DataFrame(donnees)
print(tableau)

# Trouver la culture la plus productive
meilleure = tableau.loc[tableau["production_kg"].idxmax()]
print("Meilleure culture :", meilleure["culture"])
# Résultat : Meilleure culture : ananas

📊 Visualiser des données avec Python

Pour mieux comprendre les données, on les dessine sous forme de graphiques. La bibliothèque Matplotlib permet de faire ça facilement :

import matplotlib.pyplot as plt

cultures = ["maïs", "manioc", "ananas", "coton"]
productions = [1200, 850, 2000, 500]

plt.bar(cultures, productions, color=["green","orange","yellow","blue"])
plt.title("Productions agricoles au Bénin (kg)")
plt.xlabel("Type de culture")
plt.ylabel("Production en kg")
plt.show()   # Affiche un graphique en barres !

notes = [14, 18, 9, 16, 12]
moyenne = sum(notes) / len(notes)
print("Moyenne de la classe :", moyenne)

Chapitre 26 — Créer un modèle : classer les cultures 🌱

Appliquons tout ce qu'on sait ! Voici comment créer, étape par étape, un modèle IA pour classer les cultures béninoises selon leur qualité.

📦 Étape 1 — Préparer les données

import pandas as pd
from sklearn.model_selection import train_test_split

# Données d'entraînement (simplifiées)
# [temperature, pluie_mm, type_sol]  → qualite (1=bonne, 0=mauvaise)
X = [[28, 120, 1], [35, 40, 2], [26, 150, 1],
     [38, 20, 2],  [27, 130, 1], [36, 30, 2]]
y = [1, 0, 1, 0, 1, 0]   # Les vraies réponses

# Diviser : 70% pour entraîner, 30% pour tester
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
print("Données prêtes !")

🏋️ Étape 2 — Entraîner le modèle

from sklearn.tree import DecisionTreeClassifier

# Créer le modèle (arbre de décision)
modele = DecisionTreeClassifier()

# Entraîner avec les données
modele.fit(X_train, y_train)

print("Modèle entraîné avec succès !")

🧪 Étape 3 — Tester et utiliser le modèle

# Tester la précision du modèle
precision = modele.score(X_test, y_test)
print("Précision :", precision * 100, "%")

# Utiliser le modèle pour une nouvelle récolte
nouvelle_recolte = [[29, 110, 1]]  # temp=29°C, pluie=110mm, sol argileux
prediction = modele.predict(nouvelle_recolte)

if prediction[0] == 1:
    print("Bonne nouvelle : récolte de qualité !")
else:
    print("Attention : risque de mauvaise récolte.")

# Résultat probable : Bonne nouvelle : récolte de qualité !

Chapitre 27 — L'IA et la créativité : écrire, dessiner, composer 🎨

On a vu les IA qui analysent et classent. Maintenant, parlons des IA qui CRÉENT. C'est l'une des révolutions les plus impressionnantes de ces dernières années !

✍️ L'IA qui écrit — Les LLM

Les grands modèles de langage (LLM = Large Language Models) comme moi, Claude, peuvent écrire des textes de toutes sortes. Mais attention : je ne « pense » pas vraiment. Je prédis le prochain mot le plus probable selon ce que j'ai appris.

🎨 L'IA qui dessine — Les modèles de diffusion

Des IA comme DALL-E ou Midjourney créent des images à partir d'une description textuelle. Comment ? Elles apprennent à « débrouiller » des images floues pour recréer des images nettes correspondant à la description.

📝 Tu écris : « Un enfant béninois qui programme sur un ordinateur au bord de la mer »
🎨 L'IA génère une image correspondant exactement à cette description.
🌍 Ces IA peuvent créer des images de scènes africaines si on le leur demande !

🎵 L'IA qui compose — Musique générative

Des IA peuvent composer de la musique : Afrobeat, Highlife, musique traditionnelle béninoise... En analysant des millions de morceaux, elles apprennent les rythmes, harmonies et structures musicales.

Chapitre 28 — Les biais de l'IA : quand les robots font des erreurs injustes ⚖️

On croit souvent que les robots sont toujours objectifs et justes. Mais ce n'est pas vrai ! Les IA peuvent avoir des BIAIS — des erreurs systématiques qui favorisent certains groupes et en défavorisent d'autres.

🤔 C'est quoi un biais ?

Un biais, c'est une erreur de jugement qui n'est pas aléatoire — elle va toujours dans le même sens. Si une IA est biaisée contre les noms africains, elle sera injuste avec TOUS les Africains, tout le temps.

🛠️ Comment corriger les biais ?

• 📊 Diversifier les données : inclure des données africaines, des langues locales, des visages divers.
• 👥 Diversifier les équipes : avoir des ingénieurs de tous les pays, genres et cultures.
• 🧪 Tester avec des groupes divers avant de lancer une IA.
• 🔍 Auditer régulièrement les IA pour détecter les biais qui apparaissent.

🌍 Le rôle des Béninois

Les ingénieurs béninois, les chercheurs, les enseignants peuvent tous contribuer à corriger les biais en créant des données locales, en testant les IA dans notre contexte, et en signalant les erreurs aux entreprises qui créent ces IA.

Chapitre 29 — L'IA et le futur du Bénin — Vision 2050 🌅

Tu as 10 ans. En 2050, tu auras 36 ans — dans la force de l'âge ! Voici comment l'IA pourrait transformer le Bénin d'ici là, et quel rôle tu pourrais y jouer.

Chapitre 30 — Projet final : présente ton IA béninoise 🏆

C'est l'heure du grand projet ! Au Niveau 2, tu avais imaginé une IA. Maintenant, tu vas aller plus loin : présenter ton projet comme un vrai ingénieur, avec les détails techniques que tu as appris dans ce cours.

📚 Révisions générales — Niveau 3

Voici les exercices de révision. Teste tes connaissances avant de regarder les corrigés !

fruits = ["mangue", "ananas", "papaye"]

for fruit in fruits:
    if fruit == "ananas":
        print("Délicieux !", fruit)

✅ Corrigés — Niveau 3