Un cours sur l’intelligence artificielle en Sciences de la nature

Dans le cadre de la refonte du programme de Sciences de la nature, au cégep de La Pocatière, nous enseignons ensemble (Jean, un enseignant de mathématiques, et Pascal, un enseignant de physique) depuis l’hiver 2025 un cours original sur l’intelligence artificielle (IA). Dans ce récit, nous tenterons de démontrer que l’IA peut plutôt aisément être enseignée vers la fin du cheminement des élèves en Sciences de la nature. Un cours sur l’IA, concomitant à l’épreuve synthèse de programme, peut en quelque sorte être le point d’exclamation final des élèves qui se dirigent vers des études en sciences et génie à l’université.

Contexte et genèse du cours

C’est dans les 1^ers mois de l’implantation du nouveau programme de Sciences de la nature en 2022 que nous avons échangé sur la possibilité d’offrir un cours d’IA aux étudiantes et étudiants de Sciences de la nature. La prémisse de notre réflexion était de briser l’enseignement en silo qui caractérise trop souvent les cours de ce programme et d’offrir aux élèves un cours combinant les mathématiques et la physique appliquée.

Les discussions ont été brèves (et amusantes!). Nous avons conclu qu’il était tout à fait possible et pertinent d’intégrer les mathématiques et la physique dans un même cours sur l’IA. Les échanges subséquents ont rapidement abouti à 2 principes directeurs pour l’organisation du cours:

1. s’adresser aux élèves qui veulent poursuivre des études universitaires en sciences naturelles et en génie, et qui seront d’éventuels utilisateurs et utilisatrices de l’IA
2. étudier soigneusement les fondements des réseaux de neurones (partie mathématique) avant d’aborder leurs applications dans des situations réelles (partie physique)

Malgré leur apparente complexité, les bases de l’IA peuvent être enseignées assez facilement au niveau collégial à des étudiants et étudiantes de Sciences de la nature qui ont complété avec succès les cours suivants:

• Algèbre linéaire et géométrie vectorielle
• Calcul différentiel
• Probabilités et statistiques
• Programmation en Python

Nous avons convenu que le contenu du cours devait être sélectionné afin de récupérer un maximum de notions vues par les élèves lors de leur parcours. D’une certaine manière, cela ferait du cours un cours intégrateur.

Le projet d’enseigner l’IA en Sciences de la nature a chaudement été accueilli par les membres du comité programme, tout comme par la Direction des études. Dans la foulée, nous avons mis en place le cours plutôt rapidement et sans grande difficulté.

Objectif et structure du cours

Le cours compte 60 heures, divisées en 2 heures de théorie et 2 heures de laboratoire chaque semaine. Lors des 5 premières semaines, Jean a utilisé toutes les heures en classe pour introduire les notions de mathématiques essentielles. Pour les 5 semaines suivantes, le temps était partagé à parts égales entre les 2 disciplines. Finalement, les 4 heures de cours des 5 dernières semaines ont été mises à profit par Pascal pour étudier des exemples concrets.

Nous avons privilégié l’enseignement direct tout au long de la session. Les présentations offertes aux élèves reconstruisaient, étape par étape, les tâches que les élèves auraient à accomplir. De nombreux carnets Colab ont été utilisés. Au fur et à mesure que les élèves progressaient dans leur apprentissage, des tâches de plus en plus complexes leur étaient demandées par l’entremise d’exercices guidés, puis autonomes.

L’objectif fondamental du cours est d’étudier la structure et le fonctionnement des réseaux de neurones, puis de les mettre en application dans une situation concrète et réelle.

La mise en place d’un réseau et son entraînement sont tout d’abord réalisés en utilisant essentiellement les fonctions du module NumPy [en anglais], sans recourir à un autre module dédié à l’IA. Autrement dit, c’est en construisant l’ensemble de la structure à partir de la base que l’élève acquiert une compréhension fine et complète de tous les concepts. À ce stade, les images traitées sont celles du légendaire jeu de données MNIST.

Ensuite, les élèves apprennent à utiliser les modules Keras [en anglais] et PyTorch [en anglais] et travaillent à un projet de vision numérique avec une caméra d’OpenMV [en anglais] et EdgeImpulse [en anglais]. Nous étudions le fonctionnement de Keras en détail. Nous étudions également les réseaux convolués, de même que les subtilités de leur l’entraînement. À la fin, un autoencodeur simple est présenté. Cela donne la chance aux étudiants et aux étudiantes d’aborder l’IA générative et nous permet d’ouvrir le cours sur des perspectives plus larges.

Tout au long du cours, nous faisons des liens entre nos parties respectives. Par exemple, dans la portion mathématique, lorsqu’un réseau est construit à partir de la base, Jean explique que cette façon de faire, quoique pertinente pour la compréhension des concepts, est peu efficace pour traiter de gros volumes de données. Toutefois, il explique aux élèves que, lors de la 2^e partie de la session, ils et elles découvriront avec Pascal l’efficacité de Keras dans la modélisation de gros jeux de données. Ces va-et-vient entre les 2 parties du cours sont essentiels à la cohérence du cours et permettent de mettre en place un enseignement interdisciplinaire authentique.

Bilan

À l’hiver 2025, le cours s’est très bien déroulé. Pendant toute la session, les élèves ont manifesté un bel enthousiasme et ont affirmé avoir grandement apprécié l’expérience.

Grâce à mes enseignants motivés, M. Jean Poulin et M. Pascal Larouche, j’ai exploré les bases de l’intelligence artificielle, des fondements mathématiques à la création de mon propre réseau de neurones avec Python et Keras, une expérience que j’ai grandement appréciée.

Ce cours m’a permis de comprendre en profondeur une technologie omniprésente et d’acquérir des connaissances utiles tant sur le plan personnel que pour mes études en génie logiciel, ainsi que pour tout domaine lié au génie, à l’informatique ou aux mathématiques.

Savoir concevoir une IA, ça fait bonne impression sur un CV 😉

–Un étudiant ayant suivi le cours de Pascal et de Jean

Ajouts possibles

Comme le cours se donnait en même temps que l’épreuve synthèse du programme (ÉSP), les étudiants et étudiantes pouvaient choisir un sujet d’ÉSP mettant à profit les connaissances qu’ils et elles développaient parallèlement dans le cours. Dans les prochaines années, des projets d’ÉSP impliquant l’IA seront proposés aux élèves pour créer et entretenir la synergie entre les 2 cours.

Un ajout intéressant serait d’aborder l’éthique et l’impact de l’IA sur la société. Ce problème est particulièrement criant et constitue un sujet à part entière dans la communauté de recherche. Aborder ce thème permettrait de faire le pont entre les cours de sciences et les cours de la formation générale, notamment les cours de philosophie. Inviter un enseignant ou une enseignante de philosophie pour au moins une séance serait une façon simple d’accentuer encore plus le caractère interdisciplinaire et intégrateur du cours.

Mot de la fin

Pour nous, enseigner l’IA et les réseaux de neurones en Sciences de la nature a été une réussite complète. Le sujet a enthousiasmé les élèves et ils et elles se sont réellement engagés dans leur apprentissage.

(Soulignons, pour terminer, que l’IA générative, aussi efficace et pertinente soit-elle, n’a pas été employée pour rédiger cet article!)