Découvrir les algorithmes bio-inspirés
| Projet | Durée | Difficulté | Âge |
|---|---|---|---|
| Youth AI Lab | 2 à 3 heures | Intermédiaire | 12-18 ans |
Matériel
- Grille 6×6 (version au sol avec du ruban adhésif)
- Fiches de mémorisation (1 par participant·e)
- Récompenses pour le renforcement (bonbons, jetons, pompons)
- Robots Cubetto, Sphero Indi et robots à base de micro:bit, cartes de missions et ordinateurs
Thèmes d'exploration
- Apprentissage par renforcement : comment l'IA apprend par essais et erreurs
- Apprentissage bio-inspiré : comment les machines imitent les organismes vivants
- Modèles mentaux : comment les humains et les machines construisent des représentations internes
Déroulé de l'exploration
Cette activité montre comment les humains et les machines apprennent par essais et erreurs. En jouant le rôle d'un algorithme d'apprentissage, les participant·es découvrent l'apprentissage par renforcement : une récompense en cas de succès, une pénalité en cas d'échec.
Activité 1 : Incarner le robot (apprentissage par renforcement, débranché)
Les participant·es explorent une grille 6×6 pour trouver un objectif caché. Ils ne savent pas où se trouvent les obstacles ni où se situe l'objectif. En se déplaçant d'une case à la fois, le groupe décide collectivement de chaque mouvement. Après chaque mouvement, l'animateur·rice répond uniquement :
- JUSTE (récompense : +1 jeton)
- FAUX (pénalité : perdre tous les jetons, recommencer depuis le début)
Chaque participant·e remplit sa propre fiche de mémorisation pour enregistrer ses découvertes. Après plusieurs tentatives, ils trouvent le chemin et conservent leur fiche pour la suite.
Activité 2 : Parler aux robots (bases de programmation)
À travers des missions progressives, les participant·es découvrent comment programmer des robots. Chaque robot a sa propre logique :
- Cubetto utilise des blocs physiques en bois
- Sphero Indi lit des tuiles colorées au sol
- Robots micro:bit utilisent la programmation par blocs sur écran
Les missions vont du simple (avancer) au complexe (séquences, virages).

Activité 3 : Transférer les connaissances (programmer le chemin)
En utilisant uniquement leur fiche de mémorisation de l'Activité 1 et les connaissances acquises dans l'Activité 2, les participant·es doivent programmer leur robot pour suivre le chemin qu'ils ont découvert. Ils ne peuvent pas regarder la grille avant de programmer.
Cela révèle la qualité de leur modèle mental : des notes claires rendent la programmation facile, des notes confuses causent des difficultés. Le robot doit parcourir tout le chemin seul.
Productions attendues
À la fin de cette activité, les participant·es ont vécu l'apprentissage par renforcement de l'intérieur : en tant qu'agent apprenant, puis en tant que programmeur. Ils ont créé leur propre modèle mental et découvert que la même logique peut être exprimée par la programmation.
Pour conclure, leur faire observer comment l'IA fait le même travail en utilisant : https://steamcity.github.io/BioLearningGame/ pour comparer son chemin d'apprentissage avec les stratégies biologiques.
L'accroche et le côté ludique
Les participant·es incarnent physiquement l'algorithme : ils sont le robot qui explore un territoire inconnu. Les jetons tiennent le groupe en haleine, puisque chaque bon pas en rapporte un et que la moindre erreur les fait tous perdre. Programmer de vrais robots qui bougent rend concrètes les notions abstraites : le robot parcourt le chemin noté sur la fiche de mémorisation.
Indicateurs de réussite
- Les participant·es peuvent expliquer l'apprentissage par renforcement avec leurs propres mots.
- Ils comprennent les bases d'un modèle.
- Ils programment différents robots en utilisant uniquement ce qu'ils ont appris pour découvrir de manière autonome un environnement donné.
Annexes
Annexe 1 : Exemple de fiche de mémorisation
Grille vierge 6×6 avec une case START, permettant aux participant·es de noter leurs découvertes (obstacles, chemin correct) au fur et à mesure de l'exploration.
Annexe 2 : Exemples de grilles de jeu
Trois thèmes de grilles sont proposés avec des images dans les cases obstacles/objectifs :
- Thème Espace : fusée, astéroïdes, planètes, satellite, comète
- Thème Ville durable : maison, trottinette électrique, pommier, fontaine, école, bus, usine de recyclage
- Thème Santé : virus, émotions, bactéries, sommeil, hôpital, données de santé

Cette fiche fait partie du projet Youth AI Lab, financé par le programme Erasmus+. Contenu sous licence CC BY-SA 4.0.