Enseignement scientifique · Terminale (tronc commun) · DS n°9 · Réf. ES-CH09-DS9-E2

Exercice 2 — L'IA au service du vivant : performance, limites & éthique

L'IA en médecine, génomique, écologie · évaluer une IA (taux de réussite, faux négatifs) · biais, « boîte noire » · l'IA, un outil au service de l'humain.
10 points · 6 questions · Exercice 2 / 2

🎨 Code couleur — 📄 « Sujet complet » = l'énoncé du DS (documents + questions) · 🎬 « Mode automatique » lit tout et descend seul

terme / grandeur clé valeur opérateur / lien = → On en déduit que : connecteur résultat énoncé clé termesurvole → définition ⬇️⬆️ segment · ⬅️➡️ exo
📄 DS n°9 — Enseignement scientifique · Terminale · Thème « L'intelligence artificielle et le vivant » · Exercice 2 (10 pts) · durée conseillée 30 min · calculatrice autorisée. Sujet d'entraînement au format contrôle continu — dernier exercice du programme.

EXERCICE 2 — L'IA au service du vivant : performance, limites & éthique (10 points)

L'IA transforme la biologie et la médecine. Mais elle n'est ni magique, ni infaillible : il faut savoir mesurer ses performances et questionner ses limites.

📑 Document 4 — L'IA au service du vivant

DomaineExemple d'usage
Médecineaide au diagnostic (repérer une tumeur sur une image)
Génomiqueanalyser des génomes, prédire la structure de protéines
Écologiereconnaître des espèces (chants d'oiseaux, photos), suivre la biodiversité
Agriculturedétecter des maladies des cultures, optimiser l'irrigation

📑 Document 5 — Évaluer une IA de dépistage

Une IA de dépistage analyse 500 images médicales. Elle classe correctement 460 d'entre elles. Parmi les 40 erreurs, on compte 30 faux négatifs (des malades déclarés « sains ») et 10 faux positifs (des sains déclarés « malades »).

📑 Document 6 — Les limites & l'éthique

• Biais des données : une IA entraînée sur des données non représentatives reproduit (voire amplifie) leurs déséquilibres (ex. peu de cas d'un certain type → mauvaises prédictions pour eux).
• « Boîte noire » : pour les IA complexes (réseaux de neurones), on obtient un résultat mais on ne sait pas toujours expliquer pourquoi → difficile à contrôler.
• Autres enjeux : données personnelles, responsabilité en cas d'erreur, coût énergétique.

🗺️ Les 6 questions — clique 💡 (aide détaillée + diapo du cours) ou ✍️ (réponse type)

Q1Citer deux domaines du vivant où l'IA est utile, avec un exemple (Doc 4). (1,5 pt)
Q2Calculer le taux de réussite de l'IA de dépistage (Doc 5). (1,5 pt)
Q3Pourquoi un « faux négatif » est-il plus grave qu'un « faux positif » en dépistage ? (2 pts)
Q4Qu'est-ce qu'un « biais » des données (Doc 6) ? Donner un exemple. (1,5 pt)
Q5Que signifie l'expression « boîte noire » ? Quel problème pose-t-elle ? (1,5 pt)
Q6L'IA remplace-t-elle le médecin ou le scientifique ? Conclure. (2 pts)

ℹ️ Sujet d'entraînement (aucune épreuve de Bac officielle en ES). Chaque question renvoie à sa réponse type et aux bonnes diapos du cours interactif ES Chap 9. 🎉 Dernier exercice du programme !

📖Présentation de l'exercice & méthode
🎯 CE QUE TU DOIS MONTRER
L'Exercice 2 (10 points) — le dernier du programme d'ES — porte sur les usages et les limites de l'IA. Tu vas citer des applications au vivant, évaluer une IA (taux de réussite, faux négatifs), comprendre les notions de biais et de « boîte noire », et conclure sur la place de l'humain.
✅ On attend un calcul justifié (taux de réussite), un raisonnement sur les types d'erreurs et un regard critique & éthique. 6 questions ; 🎬 le mode automatique lit, laisse 5 s, puis donne la réponse type.
⏳ À toi de chercher… (le corrigé se révèle dans 5 s — appuie sur ⬇️ pour passer tout de suite)
DS interactif · 6 questions · 🎬 automatique = lecture Nicolas + karaoké + défilement · ⬇️⬆️ questions · ⬅️➡️ exercices.