Sciences de l'ingénieur

Cette leçon aborde l'intelligence artificielle appliquée aux systèmes techniques, thématique intégrée au programme officiel de Terminale en Sciences de l'ingénieur (spécialité SI) du Baccalauréat pour analyser les systèmes intelligents contemporains. Elle pose d'abord la distinction fondamentale entre apprentissage supervisé, qui s'appuie sur des données étiquetées pour apprendre une fonction de prédiction, et apprentissage non supervisé, qui recherche des structures dans des données non étiquetées.

Le fonctionnement des réseaux de neurones est étudié à travers la notion de poids (weight), paramètre numérique qui module l'influence d'une connexion entre deux neurones, et la fonction d'activation ReLU (f(x) = max(0, x)), largement utilisée pour introduire de la non-linéarité dans les réseaux profonds. Le cycle de vie d'un projet d'IA est détaillé : collecte et préparation des données, entraînement du modèle, puis évaluation et validation des performances — en opposition avec la programmation manuelle explicite de chaque décision.

La leçon met en lumière des applications concrètes de l'IA dans les systèmes techniques : la maintenance prédictive, qui analyse les données de capteurs pour anticiper les pannes et réduire les arrêts de production non planifiés ; la reconnaissance d'images pour le tri automatique ; l'optimisation de trajectoire d'un bras robotisé ; et la détection d'anomalies par analyse vibratoire. Le rôle des capteurs comme fournisseurs de données brutes pour l'entraînement et l'inférence est souligné, tout comme la notion d'inférence elle-même — la phase où un modèle déjà entraîné traite de nouvelles données pour produire une prédiction.

Un point important porte sur les limites et la fiabilité des modèles : le surapprentissage (overfitting), phénomène où un modèle mémorise les données d'entraînement au détriment de sa capacité à généraliser, ainsi que les facteurs qui déterminent la performance d'un modèle (qualité et quantité des données, architecture, hyperparamètres).

Cette leçon permet aux candidats de relier les notions théoriques de l'IA aux systèmes techniques concrets étudiés en SI, une compétence de plus en plus valorisée dans l'épreuve. Le format combine un quiz de 10 questions avec explications détaillées et 12 flashcards de révision sur le vocabulaire essentiel (apprentissage supervisé/non supervisé, surapprentissage, inférence, maintenance prédictive).

Contenu généré à partir d'une consigne de sujet (pas de document source téléversé — grounding faible) : «Épreuve de spécialité Sciences de l'ingénieur (SI) du Baccalauréat, programme officiel de Terminale : intelligence artificielle appliquée aux systèmes techniques (apprentissage automatique, systèmes intelligents).». Le contenu couvre l'apprentissage supervisé/non supervisé, le surapprentissage (overfitting) et la maintenance prédictive.