# Quiz — Session 5 🟢
# « L'IA qui voit, entend et crée »

**Programme :** Applied AI — Niveau Débutant · Instructeur : Yann Isola
**10 questions · Une seule bonne réponse par question · Corrigé commenté à la fin**

---

### Question 1
Qu'est-ce qu'une IA **multimodale** ?

- A) Une IA qui fonctionne sur plusieurs téléphones à la fois
- B) Une IA capable de traiter plusieurs types de contenus : texte, images, son, vidéo
- C) Une IA qui parle plusieurs langues
- D) Une IA composée de plusieurs robots

### Question 2
Pour un ordinateur, une image numérique est avant tout…

- A) Un dessin qu'il regarde comme nous
- B) Un fichier magique impossible à analyser
- C) Une grille de pixels, c'est-à-dire un grand tableau de nombres
- D) Une suite de mots décrivant la scène

### Question 3
Que signifient les trois nombres du code **RVB** d'un pixel ?

- A) La quantité de rouge, de vert et de bleu du pixel
- B) La largeur, la hauteur et la profondeur de l'image
- C) La vitesse, le volume et la brillance
- D) Les coordonnées GPS de la photo

### Question 4
Dans quel ordre l'IA « voit »-elle une image ?

- A) Reconnaissance → pixels → indices visuels
- B) Pixels → indices visuels (contours, formes) → reconnaissance de l'objet
- C) Elle devine directement sans analyser
- D) Indices visuels → sons → texte

### Question 5
Lequel de ces outils sert à **générer des images** à partir d'une description texte ? ⚠

- A) Shazam
- B) Un GPS
- C) DALL-E, Midjourney ou Stable Diffusion
- D) Un correcteur d'orthographe

### Question 6
La **reconnaissance vocale**, c'est la transformation…

- A) D'un texte en parole
- B) D'un son (la voix) en texte
- C) D'une image en musique
- D) D'une langue en une autre langue

### Question 7
Quelle application de la reconnaissance vocale a beaucoup aidé les personnes sourdes ou malentendantes ?

- A) Les filtres photo
- B) Les sous-titres automatiques en temps réel
- C) Le déverrouillage facial
- D) Les jeux vidéo

### Question 8
Qu'est-ce qu'un **deepfake** ?

- A) Un virus informatique qui vole des mots de passe
- B) Une photo simplement floue ou mal cadrée
- C) Un contenu (image, voix, vidéo) créé ou modifié par IA pour faire croire à quelque chose de faux
- D) Un réseau social pour les IA

### Question 9
Face à une vidéo choquante d'une célébrité reçue sur ton téléphone, quel est le **meilleur réflexe** ?

- A) La partager vite pour prévenir tout le monde
- B) Vérifier la source et regarder si des médias fiables en parlent avant d'y croire ou de la partager
- C) Croire la vidéo si l'image est de bonne qualité
- D) Supprimer son compte immédiatement

### Question 10
Laquelle de ces utilisations de l'IA multimodale est un exemple d'**application positive** pour l'accessibilité ?

- A) Cloner la voix d'un inconnu pour faire une blague
- B) Créer une fausse vidéo d'un homme politique
- C) Décrire à voix haute ce que « voit » la caméra du téléphone pour une personne aveugle
- D) Générer des devoirs à la place des élèves

---
---

## ✅ Corrigé commenté

**1 — B.** « Multi » = plusieurs, « modale » = types de contenus (modes). Une IA multimodale voit, écoute, lit et peut créer des images, du son ou de la vidéo — pas seulement du texte.

**2 — C.** Une image numérique est une grille de **pixels**, et chaque pixel est décrit par des nombres. L'IA ne « regarde » pas : elle calcule sur ce tableau de nombres.

**3 — A.** RVB = Rouge, Vert, Bleu (en anglais RGB). Chaque valeur va de 0 à 255. En mélangeant ces trois couleurs, on obtient toutes les autres.

**4 — B.** L'IA part des pixels, détecte d'abord des indices simples (contours, taches de couleur), les combine en formes (œil, oreille…), puis reconnaît l'objet entier avec un score de confiance. Comme apprendre à lire : lettres → syllabes → mots.

**5 — C.** DALL-E, Midjourney et Stable Diffusion transforment une description écrite (un *prompt*) en image. ⚠ Les noms et capacités de ces outils évoluent vite — le principe, lui, reste le même.

**6 — B.** Reconnaissance vocale = son → texte (la machine écoute). L'inverse, texte → son, s'appelle la **synthèse vocale** (la machine parle) — c'était la réponse A.

**7 — B.** Les sous-titres automatiques (YouTube, visioconférences, TV) rendent les contenus accessibles aux personnes sourdes ou malentendantes. Une vraie révolution rendue possible par la reconnaissance vocale.

**8 — C.** Deepfake = *deep learning* (« apprentissage profond ») + *fake* (« faux »). Le danger : désinformation, arnaques par voix clonée, harcèlement — et l'érosion de la confiance en général.

**9 — B.** Le réflexe du détective : vérifier la **source**, recouper avec des médias fiables, et se méfier des contenus qui provoquent une émotion forte. On ne partage jamais sous le coup de l'émotion. La qualité de l'image (réponse C) ne prouve rien : les deepfakes sont justement de plus en plus parfaits. ⚠

**10 — C.** L'audiodescription par IA aide les personnes aveugles ou malvoyantes à lire un menu, reconnaître un objet, comprendre une scène. Les réponses A et B sont des usages nuisibles ; la D est un mauvais usage scolaire (et l'IA doit aider à apprendre, pas apprendre à ta place !).

---

**Score :**
- 9-10 ✅ : Détective multimodal certifié !
- 7-8 👍 : Très solide — relis juste le corrigé des questions ratées.
- 5-6 📖 : Les bases sont là, revois « comment l'IA voit » et les deepfakes.
- < 5 🔄 : Refais un tour de la page web interactive de la session, puis retente le quiz.