Avant de commencer
Étape A — Observe les données
Voici les données expérimentales recueillies lors d'une expérience en laboratoire. Elles représentent l'accélération d'un objet en fonction du temps.
| Temps (s) | Accélération (m/s²) |
|---|---|
| 2,55 | 9,42 |
| 2,58 | 9,37 |
| 2,60 | 9,34 |
| 2,63 | 8,99 |
| 2,67 | 8,47 |
| 2,70 | 9,25 |
| 2,72 | 8,39 |
| 2,74 | 7,56 |
| 2,77 | 5,42 |
| 2,79 | 5,42 |
| 2,82 | 2,51 |
| 2,84 | 0,35 |
Avant de consulter l'IA : que remarques-tu dans ces données ?
Selon toi, à quel moment l'accélération deviendra-t-elle nulle ? Justifie.
Étape B — Graphique initial
Voici le nuage de points obtenu à partir de tes données. Compare-le avec ce que tu as observé à l'étape A.
Défier l'IA
Étape A — Soumettre les données à l'IA
Ouvre l'outil d'IA de ton choix et construis une requête pour lui soumettre tes données. Une bonne requête doit préciser :
- le contexte (ce que représentent les données) ;
- la tâche que l'IA doit accomplir (type de régression, calculs à faire) ;
- le format de la réponse attendue (équation, tableau, étapes de calcul).
Copie ici la requête que tu as formulée à l'IA.
Quelle équation de régression l'IA a-t-elle proposée ?
Étape B — Vérifier la courbe de régression
L'IA a fourni une équation. Maintenant, vérifie si elle est correcte en utilisant l'un des outils suivants. Tu dois reproduire le graphique avec la courbe de régression et comparer.
Desmos — Calculatrice graphique en ligne
Saisis les données en créant une table de valeurs, puis utilise la régression polynomiale pour obtenir l'équation. Compare le résultat avec celui de l'IA.
Marche à suivre : dans Desmos, clique sur le « + » et choisis « Table ». Entre tes valeurs. Crée ensuite une deuxième ligne avec y₁ ~ a₃x₁³ + a₂x₁² + a₁x₁ + a₀ pour obtenir la régression cubique.
GeoGebra — Suite mathématique
Dans GeoGebra Classique, utilise la commande AjusterPolyn ou l'outil de régression pour obtenir l'équation de la courbe. Compare avec l'IA.
Tableur (Excel ou Google Sheets)
Entre les données, trace un graphique en nuage de points, puis ajoute une courbe de tendance polynomiale (degré 3). Affiche l'équation sur le graphique et compare avec celle de l'IA.
Ouvrir Google SheetsQuel outil as-tu utilisé ? L'équation obtenue correspond-elle à celle de l'IA ? Explique les différences, s'il y en a.
L'équation de régression polynomiale de degré 3 obtenue par Copilot est :
Voici le graphique avec la courbe de régression :
Étape C — Vérifier le calcul du zéro
Maintenant, demande à l'IA de calculer le moment où l'accélération devient nulle, c'est-à-dire la valeur de t telle que a(t) = 0. Exige qu'elle montre chaque étape de résolution.
Quelle valeur de t l'IA a-t-elle trouvée ? Quelle méthode a-t-elle utilisée ?
Pour vérifier ce résultat, substitue la valeur trouvée dans l'équation et vérifie que le résultat est bien proche de zéro. Tu peux aussi utiliser Desmos ou GeoGebra pour trouver le zéro graphiquement.
Montre ta vérification (substitution ou capture de l'outil graphique).
L'accélération devient nulle à :
Pour vérifier : a(2,843) = −753,42411 × (2,843)3 + 5912,21491 × (2,843)2 − 15465,97575 × (2,843) + 13496,3514 ≈ 0
Voici le graphique final avec le point où l'accélération s'annule :
Étape D — Vérifier le calcul de la vitesse
Demande à l'IA de calculer la vitesse approximative à l'instant t ≈ 2,843 s, en intégrant l'équation d'accélération. Exige le détail de l'intégration.
Quelle vitesse l'IA a-t-elle calculée ? Quelle méthode d'intégration a-t-elle utilisée ?
Pour vérifier, tu peux utiliser un tableur pour calculer numériquement l'intégrale (méthode des trapèzes) et comparer le résultat.
Montre ta vérification du calcul de vitesse.
La vitesse approximative à t ≈ 2,843 s, calculée par intégration de l'équation de régression depuis t = 2,55 s, est :
Ce résultat a été obtenu en intégrant analytiquement le polynôme de degré 3 entre t₀ = 2,55 s et t₁ = 2,843 s, en supposant une vitesse initiale nulle.
Valide comme un expert
Étape A — Bilan de vérification
Maintenant que tu as vérifié chaque étape, fais le point. Coche les éléments vérifiés et note tes conclusions.
Liste de vérification
Étape B — Chasse aux hallucinations
Les hallucinations, ce sont des informations incorrectes que l'IA présente avec assurance. Dans un contexte de calcul mathématique, elles peuvent prendre plusieurs formes :
- Des coefficients légèrement erronés dans l'équation de régression.
- Une mauvaise méthode de résolution pour trouver le zéro.
- Une intégration faite sur le mauvais intervalle ou avec de mauvaises conditions initiales.
- Un résultat présenté avec une précision excessive (fausse exactitude).
L'IA a-t-elle commis des erreurs ou imprécisions dans ses calculs ? Lesquelles ? Comment l'as-tu découvert ?
Étape C — Sobriété numérique
Chaque requête envoyée à une IA consomme de l'énergie. Réfléchis à l'usage que tu en as fait.
- Aurais-tu pu obtenir l'équation de régression aussi facilement avec un tableur ou GeoGebra, sans utiliser l'IA ? Justifie.
- Dans quel cas l'IA apporte-t-elle une valeur ajoutée réelle pour ce type de tâche ?
- Si tu devais recommencer cette activité, utiliserais-tu l'IA différemment ? Comment ?
Tes réflexions sur la sobriété numérique
Retiens ceci
- L'IA peut faire des calculs rapidement, mais elle peut aussi se tromper — même sur des opérations mathématiques précises.
- Si tes données sont plus complexes (tableur avec plusieurs colonnes), décrire le plus en détails les données à l'IAG afin qu'elle puisse donner de meilleurs résultats.
- Vérifier les calculs d'une IA n'est pas optionnel : c'est une compétence scientifique essentielle.
- Exiger les détails étape par étape est la meilleure façon de repérer une erreur.
- Des outils comme Desmos, GeoGebra ou un tableur permettent de valider les résultats de manière indépendante.
- La valeur de l'IA est dans l'accélération de l'exploration — pas dans la suppression de ta pensée critique.