Progression annuelle — SNT⚓︎
Les modules⚓︎
Six blocs, dans un ordre où chacun arme le suivant.
| # | Module | Ce qu'il installe |
|---|---|---|
| 0 | Programmer : de la donnée à l'algorithme | La boîte à outils de toute l'année |
| 1 | Les données | Structurer, traiter, protéger |
| 2 | Images numériques | La donnée devient visuelle |
| 3 | Réseaux sociaux | Graphes, recommandation, enjeux démocratiques |
| 4 | Internet et le Web | L'infrastructure matérielle |
| 5 | Intelligence artificielle | Les fondements, en héritant de tout le reste |
0 — Programmer : de la donnée à l'algorithme⚓︎
Objectifs
Représenter une information · écrire un algorithme · traiter un jeu de données · porter un regard critique sur du code produit par une IA
| Séances | Bloc | Contenu |
|---|---|---|
| 1 | A — Représenter une donnée | Variables, types, calculs, saisie et conversions, chaînes |
| 2 | B — Écrire un algorithme | Conditions, boucle for, boucle while |
| 3 | C — Traiter un jeu de données | Listes, fonctions, projet |
| 4 | D — Programmer avec une IA | Vérifier un code généré, biais, coût d'une requête, CRCN |
Point IA : le bloc D en entier. On reçoit trois codes « produits par une IA », tous faux, aucun ne plantant. Il faut déboguer avec ce qu'on vientd'apprendre.
Entrée citoyenne : anonymisation d'un prénom et ses limites (pseudonymisation ≠ anonymisation) · comprendre, tester et déclarer ce qu'on fait générer.
Sortie attendue : les fonctions moyenne(), maximum() et nb_admis(), réutilisées dès M1.
1 — Les données⚓︎
Objectifs
Comprendre le rôle central des données : les structurer, les traiter, en mesurer la qualité, les protéger
| # | Séance | Contenu |
|---|---|---|
| 1 | Qu'est-ce qu'une donnée | Types, tables, formats CSV et JSON. Modéliser : que représente une colonne ? |
| 2 | Traiter un fichier réel | Lire un CSV en Python. Réinvestissement direct de moyenne() et maximum() |
| 3 | Interroger | Filtrer, trier, compter. Notion d'API |
| 4 | Visualiser | Construire un graphique, et surtout le lire de façon critique |
| 5 | Qualité et biais | Données manquantes, non représentatives. Point IA fort |
| 6 | Protéger | Données personnelles, RGPD, souveraineté |
Point IA (séance 5) : une IA apprend à partir de données. Si le jeu d'entraînement est déséquilibré, le modèle l'est aussi. On le montre en comptant, pas en l'affirmant — l'activité du bloc D de M0 se prolonge ici sur un vrai jeu de données.
Entrée citoyenne : où sont hébergées mes données, qui peut les lire, que dit le RGPD. Reprise de la pseudonymisation vue en M0, cette fois avec l'appui juridique.
Question suspendue posée ici : une donnée peut-elle être neutre ?
2 — Images numériques⚓︎
Objectifs
Comprendre ce qu'est une image pour une machine, et comment elle peut être fabriquée
| # | Séance | Contenu |
|---|---|---|
| 1 | L'image est une donnée | Pixels, codage RGB, résolution. Manipulation pixel par pixel — réinvestit les boucles |
| 2 | De la prise de vue au fichier | Capteur, compression, métadonnées EXIF |
| 3 | Transformer une image | Filtres simples en Python : niveaux de gris, seuillage, négatif |
| 4 | Images et IA générative | Comment une image est générée ; détecter le synthétique. Point IA fort |
Point IA (séances 3 et 4) : le passage du filtre programmé — où l'on sait exactement ce qui se passe — à l'image générée, où on ne le sait plus. Ce contraste est l'entrée la plus concrète vers la notion de modèle génératif.
Entrée citoyenne : droit à l'image, deepfakes, droits d'auteur sur les images générées · ce que révèlent les métadonnées d'une photo publiée (séance 2 : une géolocalisation dans un fichier EXIF).
3 — Réseaux sociaux⚓︎
Objectifs
Comprendre la mécanique des plateformes et les enjeux démocratiques et informationnels qu'elle soulève
| # | Séance | Contenu |
|---|---|---|
| 1 | Modéliser un réseau | Graphes : sommets, arêtes, degré. Le graphe d'amitiés de la classe |
| 2 | Parcourir un graphe | Chemins, distance, effet petit monde |
| 3 | La recommandation | Comment un fil est ordonné, ce qui est optimisé. Point IA fort |
| 4 | Le modèle économique | Économie de l'attention, publicité ciblée, valeur des données |
| 5 | Désinformation | Viralité, bulles de filtre, contenus générés. Point IA |
| 6 | Droit et responsabilité | Cyberharcèlement, modération, responsabilité des plateformes |
Point IA (séances 3 et 5) : les systèmes de recommandation, et la circulation de contenus synthétiques — qui relie directement aux deepfakes vus en M2.
Entrée citoyenne : c'est le module le plus dense en EMI et EMC — vérifier une information, recouper les sources, connaître le droit applicable.
Question suspendue à poser ici, sans y répondre
Où sont stockées tes publications, et qui décide de l'ordre de ton fil ?
M4 répondra pour la première moitié, M5 pour la seconde.
4 — Internet et le Web⚓︎
Objectifs
Appréhender la réalité matérielle et les infrastructures du numérique
| # | Séance | Contenu |
|---|---|---|
| 1 | Comment circule l'information | Client-serveur, adresses IP, paquets, routage |
| 2 | Du Net au Web | URL, HTTP, HTML ; fonctionnement d'une page |
| 3 | La matière du numérique | Câbles sous-marins, centres de données, coût énergétique. Point IA |
| 4 | Dépendances et souveraineté | Qui possède les infrastructures, neutralité du réseau |
Point IA (séance 3) : où « vit » un modèle. On reprend le calcul du coût d'une requête déjà fait dans le bloc D de M0, cette fois avec l'infrastructure sous les yeux.
Entrée citoyenne : la souveraineté numérique, posée ici concrètement (des câbles, des bâtiments, des entreprises) avant d'être reprise en M5 sous son angle politique.
5 — Intelligence artificielle⚓︎
Objectifs
Poser les bases d'une compréhension scientifique et technique de l'IA, sans technicité excessive, et donner les clés d'un usage éclairé
| # | Séance | Contenu |
|---|---|---|
| 1 | Qu'est-ce qu'apprendre ? | Apprendre à partir d'exemples plutôt que suivre des règles écrites. Repères historiques |
| 2 | Classer | Classification à partir d'exemples ; jeu d'entraînement et jeu de test |
| 3 | Atelier classification | Entraîner et tester un classifieur simple sur un jeu de données de classe |
| 4 | Quand les données mentent | Biais du jeu d'entraînement, sur-représentation. Reprise de M1 |
| 5 | Recommander et prédire | Comment un modèle apprend des préférences. Réponse à la question suspendue de M3 |
| 6 | Générer du texte | Prédire le mot suivant ; limites, erreurs factuelles |
| 7 | Générer des images | Reprise de M2 ; détecter le synthétique |
| 8 | Ce que ça coûte, ce que ça change | Environnement, souveraineté, effets sur le travail et la création |
| 9 | Usage éclairé — CRCN | Formuler, vérifier, citer, déclarer. Droits d'auteur. Synthèse et projet |
Le lien avec M0
Le bloc D de M0 avait posé ce qu'une IA ne fait pas : elle ne teste pas, ne vérifie pas, produit du plausible. M5 pose ce qu'elle fait : apprendre à partir de données, classer, recommander, générer.
L'année boucle : les élèves reviennent avec des outils sur une question posée dès les premières séances.
Entrée citoyenne : dimensions éthiques, juridiques et environnementales, en articulation explicite avec l'EMC.
Deux exigences transversales⚓︎
Mixité filles / garçons — un principe de conception, pas un chapitre
La saisine en fait un objectif explicite : susciter chez les filles comme chez les garçons l'intérêt et la confiance nécessaires.
- Figures citées : Ada Lovelace et Grace Hopper (M0 et son bloc IA), et des parcours féminins dans l'ouverture métiers de M5.
- Contextes d'exercices équilibrés : ni finance ni sport en majorité — création, données sociales, environnement.
- Temps dédié : la clôture de M5 comporte une section « Les métiers du numérique sont pour tout le monde », donnant à voir une représentation équilibrée des femmes et des hommes, adressée aux filles comme aux garçons.
- Vigilance en classe : qui tient le clavier en binôme, qui prend la parole en mise en commun.
Actualisabilité
- Le programme fixe des notions, pas des outils. Python, Basthon et les plateformes citées sont des exemples remplaçables d'une année sur l'autre.
- Chaque module peut accueillir une capsule d'actualité — un exemple récent, changé chaque année — sans que la structure bouge.
- Les chiffres (coût énergétique, part des centres de données) sont donnés comme ordres de grandeur à réactualiser.