Chères étudiantes, chers étudiants,
J’aimerais partager avec vous un petit exemple qui illustre pourquoi il est important de garder un esprit critique face aux réponses générées par les outils d’intelligence artificielle, en particulier lorsqu’on est encore en train d’apprendre un domaine.
Encore hier, en analysant un code erroné écrit par un étudiant, j’ai demandé par curiosité à un assistant IA si l’expression suivante permettait de tester si un entier n est pair : n // 2 == int(n / 2)
L’IA m’a répondu que oui et a même fourni des explications pour justifier sa réponse. Pourtant, un simple test montre immédiatement que 5 // 2 == int(5 / 2) évalue à
True, alors que 5 est impair. En réalité, pour les nombres entiers, cette expression est toujours vraie et ne permet donc pas de déterminer si un nombre est pair.Après que je lui ai signalé ce contre-exemple, l’IA a reconnu son erreur. Mais ce n’est pas elle qui a trouvé la correction : c’est moi qui ai dû proposer l’expression suivante, qui fonctionne effectivement : n // 2 == n / 2
Cette égalité est vraie si et seulement si
n est pair. Bien entendu, la manière la plus simple, la plus lisible et la plus « pythonesque » d’effectuer ce test reste : n % 2 == 0Cet échange illustre plusieurs limites bien connues des grands modèles de langage. Ils peuvent produire des explications très plausibles, parfois erronées, tout en donnant une impression de grande confiance. Ils ont également tendance à confirmer les intuitions de leurs interlocuteurs plutôt qu’à les remettre en question. Plus préoccupant encore pour un débutant : une réponse incorrecte peut paraître parfaitement convaincante si l’on ne prend pas le temps de la vérifier.