# Guide du professeur — Session 6 🟢
# « L'IA et l'éthique »

**Programme :** Applied AI — Niveau Débutant (dès 12 ans, grand public)
**Instructeur :** Yann Isola
**Durée conseillée :** 2 h (adaptable 1 h 30 – 2 h 30)
**Prérequis :** Sessions 1 à 5 (notions : IA, apprentissage automatique, données, IA générative, deepfakes)

---

## 1. Objectifs pédagogiques

À la fin de la session, chaque participant doit être capable de :

1. **Expliquer** avec ses propres mots pourquoi une IA peut être biaisée (« l'IA apprend des données ; si les données sont biaisées, l'IA sera biaisée »).
2. **Citer** au moins 3 exemples concrets de biais dans l'IA (reconnaissance faciale, recrutement, publicité ciblée).
3. **Décrire** d'où viennent les données qui entraînent les IA — souvent de nous ! — et nommer 4 types de données personnelles collectées.
4. **Expliquer** ce qu'est le consentement et ce que le **RGPD** (Règlement Général sur la Protection des Données) garantit en Europe.
5. **Définir** le problème de la « boîte noire » et expliquer pourquoi la transparence est cruciale (santé, justice, banque).
6. **Débattre** de la question de la responsabilité (ex. : voiture autonome) en distinguant les différents acteurs possibles.
7. **Situer** l'impact environnemental de l'IA (énergie, eau, CO2) avec des ordres de grandeur. ⚠
8. **Nuancer** le rapport IA/travail : métiers transformés, métiers menacés, métiers créés — l'IA comme outil, pas comme remplaçant.
9. **Citer** l'**AI Act** européen ⚠ et ses 4 niveaux de risque (inacceptable, haut, limité, minimal).
10. **Participer** à un débat structuré (« tribunal de l'IA ») en argumentant une position, même si ce n'est pas la sienne.

> ⚠ **Contenu volatile** : les chiffres de consommation énergétique, l'état d'application de l'AI Act, et les exemples d'actualité évoluent. Vérifiez avant chaque session (15 min de veille). Les sections marquées ⚠ sont à re-vérifier en priorité.

---

## 2. Vue d'ensemble et fil rouge

**Fil rouge de la session :** *« L'IA n'est ni gentille ni méchante : c'est un miroir. Elle reflète nos données, nos choix… et nos défauts. Aujourd'hui, on apprend à regarder dans ce miroir avec un œil critique. »*

C'est LA session citoyenne du programme. Pas de technique nouvelle : on mobilise tout ce qui a été vu (données, apprentissage, génération) pour poser la question **« est-ce bien ? est-ce juste ? qui décide ? »**. Le moment fort est le **Tribunal de l'IA** : un débat théâtralisé où les participants plaident pour ou contre un usage de l'IA.

**Posture du prof — règle d'or :** sur les dilemmes éthiques, **vous n'imposez jamais LA bonne réponse**. Vous animez, vous relancez, vous exigez des arguments. Beaucoup de questions de cette session n'ont pas de réponse unique — et c'est exactement ce qu'il faut que les participants ressentent.

### Déroulé minuté (base 2 h)

| Temps | Séquence | Format |
|---|---|---|
| 0:00 – 0:10 | Accroche : « L'IA peut-elle être injuste ? » | Discussion |
| 0:10 – 0:30 | Les biais : d'où viennent-ils ? Exemples réels | Exposé + **simulateur de biais** (page web) |
| 0:30 – 0:45 | Vie privée & consentement : nos données, le RGPD | Exposé + **vérificateur de vie privée** (page web) |
| 0:45 – 0:55 | La boîte noire : transparence et confiance | Exposé + discussion |
| 0:55 – 1:05 | **Pause** | — |
| 1:05 – 1:15 | Responsabilité : le cas de la voiture autonome | Mini-débat éclair |
| 1:15 – 1:25 | Environnement + travail : les deux impacts | Exposé ⚠ |
| 1:25 – 1:35 | Les lois : RGPD + AI Act, les 4 niveaux de risque ⚠ | Exposé |
| 1:35 – 1:55 | **Activité : le Tribunal de l'IA** (exercice 3) | Débat structuré + **cartes dilemmes** (page web) |
| 1:55 – 2:00 | Synthèse + quiz (ou quiz à la maison) | Quiz |

---

## 3. Contenu détaillé, séquence par séquence

### 3.1 Accroche (10 min) — « L'IA peut-elle être injuste ? »

Lancez avec une histoire vraie, racontée simplement :

> *« Une grande entreprise a construit une IA pour trier les CV et trouver les meilleurs candidats. Après quelques mois, on a découvert un problème : l'IA écartait presque systématiquement les CV de femmes. Personne ne lui avait dit de faire ça. Alors… d'où venait le problème ? »*

Laissez chercher. Réponses attendues (à faire émerger) :
- « Elle a appris sur d'anciens CV » ✅ — c'est exactement ça
- « Quelqu'un l'a programmée méchamment » ❌ — non, personne n'a codé « rejette les femmes »
- « Elle est bête » — partiellement : elle ne *comprend* pas, elle imite

**Révélez la clé de la session :** l'entreprise avait recruté surtout des hommes pendant 10 ans. L'IA, entraînée sur ces données historiques, en a déduit que « bon candidat = profil masculin ». Elle a même appris à pénaliser des mots comme « équipe féminine de… ».

> 💡 **Phrase à retenir de la session :** « Une IA n'est jamais plus juste que les données qui l'ont nourrie. »

**Piège pédagogique à éviter :** ne pas transformer la session en « l'IA c'est le mal ». Le message est : *l'IA est un outil puissant ; comme tout outil puissant, il faut des règles, de la vigilance et des citoyens qui comprennent.*

---

### 3.2 Les biais dans l'IA (20 min)

#### Le mécanisme (à expliquer avec l'analogie du cuisinier)

> *« Imaginez un apprenti cuisinier qui apprend uniquement en regardant un seul chef. Si ce chef sale trop ses plats, l'apprenti salera trop aussi — sans jamais se demander si c'est bon. L'IA, c'est cet apprenti : elle reproduit ce qu'on lui montre, y compris les défauts. »*

Chaîne logique à écrire au tableau :

**Monde imparfait → données imparfaites → IA qui apprend ces imperfections → décisions imparfaites… à grande échelle et très vite.**

Le point crucial : le biais n'est pas une « panne ». L'IA fonctionne *parfaitement* — elle reproduit fidèlement ce qu'elle a vu. C'est ça qui est piégeux.

#### Trois exemples réels à raconter

1. **Reconnaissance faciale** : des études (notamment celle de la chercheuse Joy Buolamwini au MIT) ont montré que certains systèmes de reconnaissance faciale se trompaient beaucoup plus souvent sur les visages de femmes à peau foncée que sur les visages d'hommes à peau claire — parfois moins de 1 % d'erreur pour les uns, plus de 30 % pour les autres. Pourquoi ? Les photos d'entraînement contenaient surtout des visages d'hommes clairs de peau. Conséquences réelles : des personnes innocentes ont été arrêtées à cause d'une mauvaise identification.

2. **Recrutement** : l'exemple de l'accroche (le trieur de CV qui défavorisait les femmes). L'entreprise a fini par abandonner l'outil.

3. **Publicité ciblée** : des études ont montré que des annonces pour des emplois bien payés (dirigeants, ingénieurs) étaient montrées plus souvent aux hommes qu'aux femmes ; ou que des publicités pour des crédits coûteux ciblaient davantage certains quartiers. L'algorithme reproduit et **amplifie** des stéréotypes existants.

#### Démo : le simulateur de biais (page web, onglet 1)

Ouvrez `webpage/index.html`, onglet **« Simulateur de biais »**. Les participants entraînent une mini-IA de tri de candidatures en choisissant les données d'entraînement (équilibrées ou déséquilibrées) et observent en direct comment les prédictions deviennent injustes.

**Script d'animation :**
1. Premier passage : données équilibrées → l'IA sélectionne selon les compétences. Tout va bien.
2. Deuxième passage : données déséquilibrées (historique 90 % étoiles) → l'IA se met à favoriser les étoiles même moins compétentes.
3. Question au groupe : *« L'IA a-t-elle changé ? Non. Qu'est-ce qui a changé ? Les données. »*

**Questions de relance :**
- « Qui choisit les données d'entraînement ? » (des humains — donc des choix humains)
- « Comment corriger ? » (données plus diverses, tests réguliers, équipes variées, audits)

#### Nuance importante à donner

Les biais peuvent être **corrigés** — pas parfaitement, mais beaucoup : diversifier les données, tester l'IA sur tous les groupes, avoir des équipes de conception diverses, faire auditer les systèmes. C'est un métier qui se développe (voir séquence travail).

---

### 3.3 Vie privée et consentement (15 min)

#### D'où viennent les données ? Souvent… de nous !

Question au groupe : *« Selon vous, avec quoi a-t-on entraîné les IA qui reconnaissent des visages, écrivent des textes, recommandent des vidéos ? »*

Faites la liste ensemble :
- 📸 **Nos photos** publiées sur les réseaux sociaux
- ✍️ **Nos textes** : posts, commentaires, avis, blogs
- 🔍 **Nos recherches** sur internet
- 👆 **Nos clics et notre temps de visionnage** (ce qu'on regarde, combien de temps, ce qu'on ignore)
- 📍 **Notre position** (GPS du téléphone)
- 🎤 Parfois **notre voix** (assistants vocaux)

> 💡 Formule choc : *« Si c'est gratuit, c'est souvent que vos données sont le paiement. »* (À nuancer : ce n'est pas toujours vrai, mais c'est un bon réflexe de questionnement.)

#### Le consentement

Question clé : **« Vous a-t-on demandé la permission ? »**

- En théorie oui : les fameuses « conditions générales d'utilisation » qu'on accepte… sans les lire. Fait amusant : les lire entièrement pour tous nos services prendrait des **semaines** par an.
- En pratique : le consentement est souvent flou, caché, ou « tout ou rien » (accepte ou n'utilise pas le service).

#### Le RGPD — notre bouclier européen

**RGPD = Règlement Général sur la Protection des Données** (en vigueur en Europe depuis 2018). À présenter comme une liste de **droits concrets** :

| Droit | En clair |
|---|---|
| Droit d'accès | « Montrez-moi les données que vous avez sur moi » |
| Droit de rectification | « Corrigez ce qui est faux » |
| Droit à l'effacement | « Supprimez mes données » (le « droit à l'oubli ») |
| Consentement explicite | On doit me demander clairement, pas me piéger |
| Consentement des mineurs | Avant 15 ans (en France), accord des parents nécessaire pour beaucoup de services |

Les entreprises qui ne respectent pas le RGPD risquent des amendes énormes (jusqu'à 4 % de leur chiffre d'affaires mondial). En France, le gendarme des données s'appelle la **CNIL** (Commission Nationale de l'Informatique et des Libertés).

#### Démo : le vérificateur de vie privée (page web, onglet 2)

Ouvrez l'onglet **« Vérificateur de vie privée »**. Chaque participant coche ce qui correspond à son propre téléphone (applis installées, autorisations accordées). La page calcule un « profil d'exposition » et donne des conseils concrets. **Pas de culpabilisation** : l'objectif est la prise de conscience, pas la peur. C'est aussi la base de l'exercice 2 (audit à la maison).

---

### 3.4 La transparence : le problème de la « boîte noire » (10 min)

#### L'image à utiliser

> *« Imaginez un distributeur automatique bizarre : vous insérez votre dossier, une lumière clignote, et il sort un papier "REFUSÉ". Vous demandez pourquoi. La machine ne répond pas. Personne — même pas ses fabricants — ne peut expliquer précisément pourquoi. C'est ça, une boîte noire. »*

Pourquoi c'est le cas techniquement (version simple) : les grosses IA modernes font leurs calculs à travers des millions (ou milliards) de « réglages internes » ajustés automatiquement pendant l'apprentissage. Aucun humain n'a écrit de règle du type « si X alors refuse ». Le résultat marche souvent très bien… mais l'explication précise de *chaque* décision est très difficile à donner.

#### Pourquoi c'est grave dans certains domaines

Posez la question : *« Dans quels cas est-ce qu'on a VRAIMENT besoin de savoir pourquoi ? »*

- 🏥 **Santé** : « L'IA dit que vous n'avez pas besoin de ce traitement. » Pourquoi ? Un médecin doit pouvoir vérifier.
- ⚖️ **Justice** : dans certains pays, des IA aident à évaluer le « risque de récidive ». Décider de la liberté de quelqu'un sans explication ? Inacceptable.
- 🏦 **Banque** : « Crédit refusé. » Sans raison, impossible de contester ou de corriger sa situation.

**Le principe qui en découle** (et qu'on retrouve dans les lois) : plus une décision a d'impact sur une vie humaine, plus on doit exiger d'explication et de contrôle humain. On appelle « IA explicable » le domaine de recherche qui essaie d'ouvrir la boîte noire.

---

### 3.5 La responsabilité : qui est coupable ? (10 min)

#### Le mini-débat éclair de la voiture autonome

Scénario à présenter : *« Une voiture autonome, en mode conduite automatique, ne détecte pas un piéton et cause un accident. Qui est responsable ? »*

Faites voter à main levée entre :
1. 🧑 **Le "conducteur"** (il était au volant, devait-il surveiller ?)
2. 🏭 **Le constructeur** (c'est son logiciel qui a échoué)
3. 💻 **Les développeurs** de l'IA (ils ont écrit le code)
4. 🤖 **L'IA elle-même** (piège : une IA n'est pas une personne juridique — elle ne peut être ni jugée ni punie)
5. 🏛️ **L'État** (il a autorisé ces voitures sur la route)

Points à faire émerger :
- **L'IA ne peut pas être responsable** : pas de conscience, pas de patrimoine, pas de personnalité juridique. La responsabilité est toujours *humaine ou d'entreprise*.
- La réponse dépend du **niveau d'autonomie** promis : si le constructeur dit « gardez les mains sur le volant », le conducteur garde une part de responsabilité ; s'il vend une autonomie totale, la responsabilité glisse vers lui.
- C'est un chantier juridique **en cours** dans le monde entier ⚠ — les lois s'écrivent en ce moment même. Vos participants voteront un jour sur ces sujets !

> 💡 Parallèle simple : si un chien mord quelqu'un, on ne juge pas le chien — on se tourne vers le maître. Pour l'IA : on se tourne vers ceux qui la conçoivent, la vendent et l'utilisent.

---

### 3.6 L'impact environnemental (5–7 min) ⚠

Chiffres d'ordre de grandeur (à vérifier avant la session, ils évoluent vite ⚠) :

- **Entraîner** un très grand modèle d'IA peut consommer autant d'électricité que **des centaines de foyers pendant un an**, avec des émissions de CO2 comparables à **plusieurs vols transatlantiques** (certaines estimations parlent de dizaines à centaines de tonnes de CO2 pour un seul entraînement). ⚠
- **Utiliser** l'IA compte aussi : une requête à un gros modèle génératif consomme sensiblement plus d'énergie qu'une recherche web classique. Multiplié par des milliards de requêtes par jour… ⚠
- **L'eau** : les centres de données doivent être refroidis, souvent avec de l'eau. ⚠

À nuancer (toujours les deux faces) :
- Les acteurs travaillent sur des modèles plus **sobres** et des centres de données alimentés en énergies renouvelables. ⚠
- L'IA peut aussi **aider** l'environnement : optimiser les réseaux électriques, prévoir la météo, surveiller la déforestation, améliorer l'agriculture.

**Question de discussion :** « Est-ce que ça vaut le coup d'utiliser une grosse IA pour générer un mème rigolo ? Et pour aider à découvrir un médicament ? Où met-on le curseur ? » (Pas de bonne réponse — c'est un arbitrage.)

---

### 3.7 Le travail et l'automatisation (5–7 min)

Structure en trois colonnes au tableau :

| 🔄 Métiers transformés | ⚠️ Tâches menacées | ✨ Métiers qui apparaissent |
|---|---|---|
| Médecin (aidé au diagnostic) | Saisie de données répétitive | Spécialiste des instructions à l'IA (« prompt ») ⚠ |
| Graphiste (outils génératifs) | Traduction basique | Auditeur d'algorithmes / testeur de biais |
| Prof (supports personnalisés) | Tri de documents standard | Délégué à la protection des données (métier créé par le RGPD !) |
| Développeur (assistants de code) | Réponses clients très simples | Éthicien de l'IA |

Messages clés :
1. L'histoire se répète : l'ordinateur a fait disparaître des métiers (dactylo) et en a créé bien plus (tout le numérique). L'IA suivra probablement un chemin comparable — mais **plus vite**, ce qui rend la formation continue cruciale.
2. La bonne formule : *« L'IA ne va probablement pas prendre votre métier. Mais quelqu'un qui sait utiliser l'IA pourrait le transformer. »* D'où l'intérêt… de ce cours 😉.
3. **L'IA comme outil, pas comme remplaçant** : dans la plupart des métiers, l'IA enlève les tâches répétitives et laisse à l'humain le jugement, la relation, la créativité, la responsabilité.

---

### 3.8 Les règles et les lois : l'AI Act (10 min) ⚠

L'Europe a adopté en **2024** ⚠ la première grande loi au monde spécifiquement sur l'IA : l'**AI Act** (« loi sur l'IA »). Son application se déploie progressivement sur plusieurs années ⚠. Idée géniale à retenir : classer les usages de l'IA par **niveau de risque** — comme une pyramide.

#### La pyramide des risques (à dessiner au tableau)

| Niveau | Exemples | Règle |
|---|---|---|
| 🔴 **Inacceptable** | Notation sociale généralisée des citoyens, manipulation des personnes vulnérables, certaines surveillances biométriques de masse | **INTERDIT** |
| 🟠 **Haut risque** | IA pour le recrutement, le crédit bancaire, la justice, les examens, les dispositifs médicaux | **Autorisé sous conditions strictes** : tests, transparence, contrôle humain, documentation |
| 🟡 **Risque limité** | Chatbots, images générées, deepfakes | **Obligation de transparence** : dire clairement que c'est une IA / un contenu généré |
| 🟢 **Risque minimal** | Filtre anti-spam, IA de jeu vidéo, recommandations basiques | **Libre** (bonnes pratiques encouragées) |

Astuce mémoire : **plus l'IA touche à la vie des gens (liberté, argent, santé, éducation), plus elle monte dans la pyramide.**

Faites deviner : donnez des exemples et demandez au groupe de les classer. (« Une IA qui note vos copies au bac ? » → haut risque. « Une IA qui vous propose une playlist ? » → minimal. « Un gouvernement qui donne des points de bon citoyen ? » → inacceptable.)

Rappel du duo réglementaire européen : **RGPD** = protège les *données* ; **AI Act** = encadre les *usages de l'IA*. Ils se complètent.

---

### 3.9 Activité phare : le Tribunal de l'IA (20 min)

**Objectif :** vivre un vrai débat éthique structuré, argumenter une position imposée (pas forcément la sienne — c'est le meilleur exercice d'esprit critique qui existe).

**Le cas à juger (recommandé) :** *« Le collège Jules-Verne veut utiliser une IA pour noter les copies et prédire les résultats des élèves. Faut-il l'autoriser ? »*

(Cas alternatifs dans l'onglet **« Dilemmes »** de la page web : caméras à reconnaissance faciale au collège, IA médicale sans médecin, chatbot ami virtuel…)

#### Organisation (structure de tribunal)

1. **Répartir les rôles** (2 min) :
   - ⚖️ Un·e ou trois **juges** (dont le prof si groupe jeune)
   - 🟢 Équipe **défense** (pour l'IA de notation) : 3–5 personnes
   - 🔴 Équipe **accusation** (contre) : 3–5 personnes
   - 👥 Le reste : **jury** (vote à la fin)
2. **Préparation** (5 min) : chaque équipe prépare 3 arguments. Distribuer les fiches d'aide (exercice 3).
3. **Plaidoiries** (2 min par équipe, chronométrées) : défense, puis accusation.
4. **Droit de réponse** (1 min chacune).
5. **Questions du jury** (3 min).
6. **Vote du jury** + **verdict motivé** des juges (3 min). Utilisez l'onglet « Dilemmes » de la page web pour faire voter et afficher les résultats.
7. **Débrief** (3 min) — le plus important : *« Qu'est-ce qui était difficile ? Avez-vous changé d'avis ? Que faudrait-il comme garanties pour que ce soit acceptable ? »*

#### Arguments que les équipes peuvent trouver (pour vous aider à relancer)

**Défense (pour)** : notation plus rapide, mêmes critères pour tous (pas de prof fatigué ou de tête du client), détection précoce des élèves en difficulté, profs libérés pour accompagner.

**Accusation (contre)** : biais possibles (l'IA apprend d'anciennes notes… déjà biaisées ?), boîte noire (comment contester sa note ?), données sensibles d'enfants (RGPD !), prédiction = étiquette qui enferme (« l'IA a dit que tu échoueras »), l'AI Act classe l'éducation en **haut risque**.

**Le twist final à révéler au débrief :** ce cas n'est pas de la science-fiction. Des systèmes de notation automatique ont déjà été utilisés — et contestés. Au Royaume-Uni en 2020, un algorithme avait attribué les notes d'examens finaux annulés (Covid) : il avait défavorisé les élèves des lycées défavorisés, provoqué des manifestations (« F*** the algorithm ! ») et fini abandonné. La vraie vie a déjà jugé ce procès.

---

### 3.10 Synthèse et quiz (5 min)

Les 5 idées à faire reformuler par les participants :

1. Une IA n'est jamais plus juste que ses données (**biais**).
2. Nos données valent de l'or ; le **RGPD** nous donne des droits dessus.
3. Plus une décision d'IA impacte une vie, plus on doit exiger **transparence** et contrôle humain.
4. La responsabilité est toujours **humaine** — jamais celle de l'IA.
5. L'**AI Act** classe les IA par niveau de risque : du interdit 🔴 au libre 🟢.

Quiz (10 questions) en classe ou à la maison. Corrigé commenté dans `quiz/quiz.md`.

---

## 4. Matériel et préparation

- [ ] Vidéoprojecteur + `slides/slides.md`
- [ ] Page web `webpage/index.html` testée (fonctionne **hors ligne**, aucun compte requis)
- [ ] Fiches du Tribunal imprimées (exercice 3) ou affichées
- [ ] ⚠ Veille 15 min : état de l'AI Act, chiffres énergie récents, exemple d'actualité frais (il y en a toujours un !)
- [ ] Un exemple d'actualité local/récent pour l'accroche si possible

## 5. Adaptations

- **Public 12–14 ans :** privilégier les exemples école/téléphone/réseaux sociaux ; simplifier l'AI Act à « interdit / très surveillé / doit prévenir / libre » ; Tribunal en version courte (plaidoiries d'1 min).
- **Public adulte :** creuser RGPD (droits concrets, CNIL, comment exercer un droit d'accès), IA au travail (droits des salariés, IA et RH = haut risque), et l'actualité réglementaire ⚠.
- **1 h 30 :** couper le mini-débat voiture autonome (le mentionner en 2 min) et réduire le Tribunal à 15 min.
- **2 h 30 :** faire deux procès (deux cas différents) en inversant les rôles — spectaculaire pour montrer qu'on peut argumenter les deux camps.

## 6. Pièges et questions difficiles

| Question piège | Réponse suggérée |
|---|---|
| « Donc l'IA est raciste/sexiste ? » | L'IA n'a ni opinion ni intention. Elle *reflète* les biais présents dans ses données et chez ses concepteurs. Le mot juste est « biaisée », et ça se mesure et se corrige — c'est notre responsabilité. |
| « À quoi bon le RGPD si les géants font ce qu'ils veulent ? » | Ils ont déjà payé des amendes de plusieurs centaines de millions, voire milliards d'euros ⚠, et modifié leurs pratiques en Europe. Imparfait, mais loin d'être inutile — l'Europe a inspiré des lois similaires ailleurs. |
| « L'IA va prendre tous les jobs, non ? » | Personne ne le sait avec certitude. L'histoire des technologies suggère transformation plutôt que disparition — mais plus rapide cette fois. La meilleure protection : comprendre et savoir utiliser ces outils. |
| « Pourquoi ne pas tout interdire, ce serait plus simple ? » | Interdire tout, c'est aussi renoncer aux bénéfices (santé, accessibilité, science) et laisser d'autres pays décider des règles à notre place. Tout l'enjeu est le tri : c'est la logique de la pyramide de l'AI Act. |
| « Une IA peut-elle aller en prison ? » | Non. Pas de personnalité juridique, pas de conscience, pas de corps. On juge les humains et entreprises derrière elle. |

## 7. Pour aller plus loin (prof)

- Documentaire *Coded Bias* (sur les travaux de Joy Buolamwini) — sous-titres FR disponibles.
- Site de la **CNIL** : ressources pédagogiques gratuites sur les données personnelles, très adaptées aux jeunes.
- Texte de l'AI Act vulgarisé (résumés officiels de la Commission européenne). ⚠
- L'affaire des notes au Royaume-Uni (2020) : chercher « Ofqual algorithm 2020 » — parfait pour préparer le débrief du Tribunal.