# Démarche Pédagogique & Références — IA Sans Panique

## 1. Principes Directeurs

**IA Sans Panique** s'adresse en priorité à un public adulte non technique (notamment collaborateurs, managers 45-70 ans, fonctions support) qui ressentent souvent une appréhension face à l'avalanche de jargon IA (LLM, RAG, agents, embeddings, paramètres).

Les 4 piliers pédagogiques :
1. **L'analogie concrète avant la théorie** : Une règle n'est pas expliquée par des if/then mathématiques mais par une recette de cuisine ; l'overfitting par un étudiant qui bachote les annales sans comprendre la formule ; le RAG par un collègue cultivé qui ouvre le bon classeur interne.
2. **La manipulation interactive immédiate** : Aucune notion n'est présentée passivement. L'utilisateur trie lui-même les messages, déplace le curseur d'overfitting, choisit le mot le plus probable, confronte les documents d'entreprise.
3. **Le feedback bienveillant et explicatif** : L'erreur n'est pas sanctionnée, elle est explicitée. L'interface décortique le *pourquoi*.
4. **La posture de discernement professionnel** : "La fluidité n'est pas une preuve". Former à un usage critique et éclairé.

---

## 2. Déclinaison par Module

### Module 1 — Règle ou Machine qui apprend ?
- **Analogie** : Recette de cuisine vs Apprentissage par dégustation.
- **Manipulation** : Tri de 6 courriers d'entraînement pour faire émerger la frontière de décision, puis confrontation aux 6 courriers de test.
- **Message clé** : L'IA n'apprend pas la vérité absolue, elle détecte des corrélations statistiques dans les exemples fournis.

### Module 2 — Apprendre... sans apprendre par cœur
- **Analogie** : L'étudiant qui mémorise par cœur le corrigé d'un examen passé.
- **Manipulation** : Curseur de complexité SVG montrant en temps réel l'écart entre score d'entraînement (qui grimpe à 100%) et score de généralisation (qui chute).
- **Message clé** : Un modèle trop complexe perd sa capacité à s'adapter aux données nouvelles du monde réel.

### Module 3 — Comment un LLM écrit-il ?
- **Analogie** : Le jeu du cadavre exquis probabiliste.
- **Manipulation** : Jeu du prochain token sur la phrase "Pour faire du café, je verse de l'eau dans...", avec affichage des distributions de probabilités.
- **Visualisation mentale** : Survol d'attention sur les pronoms dans une phrase française ("Marie a posé le dossier sur la table parce qu'elle voulait le relire").
- **Message clé** : Le LLM est un moteur de prédiction statistique de fragments de texte (tokens), pas un cerveau conscient.

### Module 4 — Pourquoi une IA peut répondre faux avec assurance
- **Concept** : Hallucination et décorrélation entre certitude stylistique et véracité factuelle.
- **Manipulation** : Matrice de risque sur 5 cas réels d'entreprise (droit, RH, médical, résumé).
- **Message clé** : La fluidité n'est pas une preuve.

### Module 5 — RAG : donnez un classeur à votre IA
- **Analogie** : Le collègue de bureau et son classeur de procédures ouvert.
- **Manipulation** : Recherche dans 3 documents internes d'entreprise, extraction de passages sourcés et test du garde-fou d'abstention ("Je ne sais pas").
- **Message clé** : Le RAG contraint l'IA à appuyer chaque affirmation sur des documents vérifiables.

### Module 6 — Un agent, c'est une IA qui peut agir
- **Analogie** : L'assistant personnel qui prépare un dossier complet mais attend la signature.
- **Manipulation** : Mission déplacement Lyon avec graphe d'états LangGraph et point d'arrêt obligatoire (Human-in-the-loop).
- **Message clé** : Un agent est autonome dans l'exploration, mais les actions à impact doivent impérativement être validées par un humain.

### Module 7 — Bien utiliser l'IA au travail
- **Outil pratique** : Méthode C.O.N.T.E.X.T.E. (Cadre, Objectif, Niveau, Tâche, Éléments, X-exclusions, Type de sortie, Évaluation).
- **Sensibilisation** : Confidentialité des données d'entreprise et obligation de littératie IA (Article 4 AI Act).

---

## 3. Sources & Références Scientifiques

- **Yuxi (Hayden) Liu**, *Python Machine Learning By Example*, 4th Edition, Packt, 2024 (Chapitres 1, 10, 13).
- **W3C Web Accessibility Initiative**, *Older Users and Web Accessibility: Meeting the Needs of Ageing Web Users* & *WCAG 2.1 AA Guidelines*.
- **Hickman, Rogers & Fisk**, *Training older adults to use new technology*, Human Factors & Ergonomics.
- **Liu & Li (2026)**, *How Teacher–Learner–AI collaboration empowers AI literacy of older adults*.
- **Commission Européenne**, *Règlement (UE) 2024/1689 (AI Act)*, Article 4 relatif à la littératie IA dans les organisations.
- **Ministère du Travail**, *Référentiel National Qualité (Qualiopi)*, Critères d'évaluation des besoins et de mesure des acquis.
- **CNIL**, *Recommandations relatives à l'utilisation des systèmes d'intelligence artificielle dans un cadre d'entreprise et de formation*.