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)
- Récompenses pour le renforcement (bonbons, jetons, pompons)
- Robots Cubetto, Sphero Indi et robots basés sur 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 révèle comment les humains et les machines apprennent par essais et erreurs. En jouant le rôle d'un algorithme d'apprentissage, les participants découvrent l'apprentissage par renforcement — récompenses en cas de succès, pénalités en cas d'échec — un principe universel partagé par l'intelligence biologique et artificielle.
Activité 1 : Incarner le robot (apprentissage par renforcement, débranché)
Les participants 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 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 participants 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).
-a0f0e97ea426a14369c5ba2475f3adde.png)
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 participants 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 compléter le chemin de manière autonome.
Productions attendues
À la fin de cette activité, les participants 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 participants incarnent physiquement l'algorithme — ils SONT le robot explorant un territoire inconnu. Le système de renforcement crée de l'excitation. Programmer de vrais robots qui bougent donne vie aux concepts abstraits.
Indicateurs de réussite
- Les participants 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 participants 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.