AI Foundations
AI Foundations · Examen blanc 1
Un examen blanc indépendant de 60 items, pondéré par domaine, pour la piste OpenAI Academy AI Foundations, avec explications complètes et indicateur de préparation.
Ceci est un examen blanc indépendant complet, pondéré par domaine, pour la piste AI Foundations. Il est construit à partir des objectifs d’apprentissage OpenAI accessibles au public et n’est pas une évaluation officielle OpenAI — il n’existe pas d’examen public OpenAI dont on pourrait tirer des questions. Utilisez-le comme diagnostic : passez-le en premier pour repérer vos deux domaines les plus faibles avant de vous inscrire à l’évaluation OpenAI Academy et de la passer. Les 60 items sont inédits et ne reprennent ni les questions des pages de domaine ni celles de l’Examen blanc 2.
Consignes
- Durée : 75 minutes, ce qui correspond à la durée de l’expérience du cours Academy AI Foundations. Vous pouvez aussi le passer sans limite de temps la première fois.
- Items : 60, à réponse unique et à réponses multiples. Chaque item indique combien de réponses sélectionner.
- Sélection : les items à réponse unique demandent un seul choix ; les items à réponses multiples indiquent Sélectionnez deux réponses et vous devez en choisir exactement deux — toutes correctes et aucune incorrecte.
- Aucune pénalité pour les mauvaises réponses : répondez à chaque question ; un item sans réponse marque simplement zéro.
- Objectif : visez au moins 80 % brut (≈ 48/60) avant de passer la véritable évaluation Academy, car le seuil du badge Academy est de 80 %.
Répartition par domaine
| # | Domaine | Items ici |
|---|---|---|
| 1 | AI and Generative AI Fundamentals | 8 |
| 2 | How Language Models Behave | 10 |
| 3 | ChatGPT Surfaces and Features | 8 |
| 4 | Prompting and Instructions | 12 |
| 5 | Context, Files and Memory | 7 |
| 6 | Verifying and Evaluating Output | 9 |
| 7 | Responsible and Safe Use | 6 |
Total : 8 + 10 + 8 + 12 + 7 + 9 + 6 = 60 items.
Interprétation de la préparation
Ceci est un indicateur de préparation indépendant, pas un score et pas un seuil de réussite. Situez votre pourcentage brut par rapport à ces paliers.
| Score brut | Palier | Signification |
|---|---|---|
| moins de 70 % | Continuez à apprendre | Revoyez les domaines les plus lourds (Prompting, How Language Models Behave) avant de recommencer. |
| 70–79 % | Confiance en construction | Presque prêt ; ciblez vos un ou deux domaines les plus faibles. |
| 80–89 % | Prêt pour l’évaluation | Au niveau ou au-dessus du seuil du badge Academy ; revoyez tout domaine faible et poursuivez. |
| 90 %+ | Forte préparation | Régulier sur l’ensemble des domaines ; vous êtes bien préparé pour l’évaluation Academy. |
La barre des 80 % est délibérée : elle correspond au seuil du badge OpenAI Academy. Rappelez-vous qu’un badge Academy ou un certificat de parcours n’est pas une certification.
Passer l’examen blanc
Deux façons d’utiliser les questions ci-dessous. Le mode interactif lance une session chronométrée, une question à la fois, et se termine par votre score, une ventilation par domaine et une correction complète. Le mode révision en dessous liste chaque question avec ses options une par ligne et la réponse masquée jusqu’à ce que vous la demandiez.
Mode interactif
Passer l’examen d’entraînement
60 questions · une à la fois · compte à rebours de 75 minutes · résultats avec répartition par domaine et correction complète à la fin. Votre progression est enregistrée dans ce navigateur si vous quittez la page.
Par domaine
| Domaine | Correctes | Score |
|---|
Correction
Toutes les questions (mode révision)
Les options sont présentées une par ligne. La réponse et l’explication restent masquées jusqu’à ce que vous cliquiez sur Afficher la réponse. Utilisez le mode interactif ci-dessus pour une session chronométrée.
Quelle est la relation entre l’intelligence artificielle, le machine learning et l’IA générative ?
Afficher la réponse
Réponse : C.
L’IA est le cadre englobant ; le machine learning est une approche de l’IA ; l’IA générative est une catégorie du machine learning axée sur la production de nouveaux contenus. B inverse l’emboîtement. A nie la hiérarchie bien établie. D confond un domaine large (le ML) avec l’une de ses sous-catégories (l’IA générative).
Par quel processus sous-jacent un grand modèle de langage produit-il sa réponse ?
Afficher la réponse
Réponse : B.
Un LLM génère du texte en prédisant le token suivant le plus probable compte tenu du contexte, un token à la fois. A décrit un système de recherche par correspondance, pas un modèle génératif. C décrit un logiciel à base de règles, pas un réseau de neurones. D décrit une recherche web, qui ne se produit que lorsqu’un outil de recherche est explicitement activé.
Approximativement combien de tokens occupent 750 mots de prose anglaise typique ?
Afficher la réponse
Réponse : C.
Une règle empirique courante veut qu’un token vaille environ trois quarts d’un mot, donc 1 000 tokens correspondent à peu près à 750 mots. A et B sont bien trop faibles ; D est environ dix fois trop élevé. Connaître ce ratio approximatif aide à estimer la quantité de texte qui tient dans une fenêtre de contexte.
Pourquoi un modèle peut-il donner une réponse fausse avec assurance à propos d’un événement survenu la semaine dernière ?
Afficher la réponse
Réponse : A.
Chaque modèle est entraîné jusqu’à une date de coupure des connaissances ; les événements postérieurs lui sont inconnus sauf si un outil de recherche est activé, et le modèle peut malgré tout répondre avec aisance. B invente une politique de rétention. C est faux ; c’est la récence, non la complexité, qui pose problème. D confond les limites de contexte avec la coupure des connaissances.
Que signifie le fait que les derniers modèles d’OpenAI sont multimodaux ?
Afficher la réponse
Réponse : B.
Multimodal signifie que le modèle gère plus d’une modalité d’entrée, par exemple texte et images (vision), tout en produisant une sortie en texte. A porte sur le déploiement, pas sur la modalité. C décrit un schéma d’orchestration, pas ce qu’est la multimodalité. D restreint la multimodalité au fine-tuning linguistique, ce qui est sans rapport.
Un utilisateur pense que plus son équipe discute avec ChatGPT, plus sa propre copie du modèle devient intelligente au fil du temps. Qu’est-ce qui est exact ?
Afficher la réponse
Réponse : B.
Les poids du modèle sont fixés lors de l’entraînement et ne changent pas pendant que vous discutez ; les données professionnelles d’entreprise ne sont pas utilisées pour entraîner les modèles par défaut. A confond l’usage avec l’entraînement. C lie l’intelligence à la facturation plutôt qu’à la capacité du modèle. D confond l’apprentissage du modèle avec la taille du contexte, qui dépend du forfait et non du volume d’usage.
Quelle tâche convient le mieux à un générateur de texte fondé sur les probabilités, sans outil supplémentaire ?
Afficher la réponse
Réponse : B.
La reformulation de ton est une tâche purement linguistique qui exploite le point fort du modèle. A et D exigent des données en temps réel que le modèle ne peut pas connaître sans outil de recherche. C exige une arithmétique exacte, mieux réalisée par un outil de calcul que par la prédiction du token suivant.
Quelles DEUX affirmations distinguent correctement l’entraînement de l’inférence ?
Afficher la réponse
Réponse : A et B.
L’entraînement produit les paramètres figés en amont ; l’inférence est la génération d’une réponse à l’exécution. C est faux car l’inférence ne modifie pas les poids. D est faux car l’entraînement n’a pas lieu en direct. E invente une étape de retéléchargement qui n’existe pas.
Un utilisateur exécute deux fois le même prompt dans deux nouvelles conversations et obtient des réponses formulées différemment. Qu’est-ce que cela indique ?
Afficher la réponse
Réponse : B.
La génération est probabiliste, donc le même prompt peut produire des réponses formulées différemment mais souvent équivalentes. A interprète à tort un comportement normal comme une panne. C est infondé. D est impossible ; la coupure est une propriété figée du modèle, pas quelque chose qui change entre deux requêtes.
Pourquoi une réponse rapide, fluide et assurée n’est-elle pas la preuve qu’elle est exacte ?
Afficher la réponse
Réponse : A.
Le modèle optimise un texte probable et bien formé ; cela ne dit rien de la véracité factuelle, donc un texte fluide peut être faux. B est trop absolu ; la vitesse ne détermine pas l’exactitude. C est faux, il n’existe aucun signal de vérité intégré dans une formulation assurée. D est faux ; tout modèle peut produire un texte fluide.
Sur un forfait ChatGPT Business, quelle est la fenêtre de contexte totale pour un modèle GPT Instant (rapide) par rapport à un modèle GPT Reasoning ?
Afficher la réponse
Réponse : A.
Sur Business, la fenêtre totale de GPT Instant est de 54K et le total de GPT Reasoning est de 256K. B correspond à Enterprise Instant, pas à Business. C applique à tort le chiffre de Reasoning aux deux. D est une fenêtre à l’échelle de l’API, pas un chiffre de forfait ChatGPT.
Une simple tâche de reformulation est exécutée au niveau de reasoning effort le plus élevé et se révèle lente et coûteuse. Quel est le meilleur ajustement ?
Afficher la réponse
Réponse : B.
La recommandation est d’utiliser le reasoning effort le plus bas qui produit le résultat nécessaire ; une tâche de reformulation n’exige pas de raisonnement approfondi. A gaspille du temps et de l’argent. C recourt à un modèle spécialisé inapproprié. D ajoute coût et encombrement sans aider une simple tâche linguistique.
Un problème de logique en plusieurs étapes reçoit une réponse rapide et assurée qui saute des étapes et se révèle fausse. Quelle est la correction la plus appropriée ?
Afficher la réponse
Réponse : B.
La logique en plusieurs étapes bénéficie d’un modèle de raisonnement ou d’un déroulé explicite étape par étape. A répète la même faiblesse. C supprime des détails nécessaires. D ajouterait de l’aléatoire, non de la rigueur, et n’est pas exposé pour un usage en chat de la manière suggérée.
Un utilisateur demande au modèle d’expliquer pourquoi son nouveau slogan est manifestement le meilleur et reçoit un accord élogieux. De quel comportement s’agit-il et quelle est la meilleure parade ?
Afficher la réponse
Réponse : B.
Le modèle tend à approuver le cadrage qu’on lui donne ; demander des faiblesses et des contre-arguments contre cette flagornerie. A traite les faits fabriqués, pas la complaisance. C traite la variation de formulation. D traite la dérive des longues conversations, aucun de ces points n’étant le problème ici.
Dans une très longue conversation, le modèle semble oublier des détails énoncés au début. Quelle est la cause la plus probable ?
Afficher la réponse
Réponse : A.
À mesure qu’une conversation grossit, les tours plus anciens peuvent sortir du contexte de travail, de sorte que le modèle ne les voit plus. B invente un comportement de suppression. C confond la coupure d’entraînement avec le contexte en cours de conversation. D est une limite de facturation, sans rapport avec l’oubli en pleine conversation.
ChatGPT additionne un tableau de dépenses de 25 lignes et renvoie un total. Quelle est la façon la plus fiable de faire confiance au chiffre ?
Afficher la réponse
Réponse : B.
L’arithmétique exacte doit être calculée avec un outil ou vérifiée en externe, non confiée à la prédiction du token suivant. A fait trop confiance au modèle. C s’appuie sur une confiance auto-déclarée, qui n’est pas un signal d’exactitude. D change le ton, pas la justesse.
Un utilisateur colle huit longs documents dans une seule conversation et la qualité baisse même si le total est sous la limite de la fenêtre. Quelle est l’explication la plus probable ?
Afficher la réponse
Réponse : B.
Même sous la limite, de grandes quantités de contexte peu pertinent peuvent diluer l’attention du modèle sur ce qui compte. A contredit la prémisse selon laquelle le total était sous la limite. C et D inventent des règles strictes qui n’existent pas ; le problème est la pertinence et le volume, non un plafond par document.
Quels DEUX comportements découlent directement du fait que le modèle prédit un texte probable plutôt que de chercher des faits ?
Afficher la réponse
Réponse : A et B.
Parce qu’il génère un texte probable, il peut inventer des citations plausibles et énoncer des chiffres faux avec assurance. C est faux ; les modèles répondent souvent au lieu de refuser en cas d’incertitude. D est faux ; la génération est non déterministe. E est faux ; la navigation exige un outil de recherche explicite.
Une équipe souhaite résumer des chiffres agrégés anonymisés plutôt que des enregistrements bruts contenant des identifiants clients. Pourquoi est-ce le choix le plus responsable ?
Afficher la réponse
Réponse : A.
Travailler à partir d’agrégats anonymisés minimise l’exposition des données personnelles tout en répondant au besoin, ce qui relève d’une bonne hygiène des données. B confond la confidentialité avec la vitesse. C invente un rejet automatique qui n’existe pas. D confond la confidentialité avec l’exactitude, qui sont sans rapport.
Une tâche à fort volume classe des milliers de courts tickets de support dans des catégories fixes. Quel modèle est le MOST cost-effective ?
Afficher la réponse
Réponse : B.
Luna est conçu pour un travail clair, répétable et à fort volume comme la classification, ce qui en fait le choix économique. A dépense trop pour une tâche simple. C et D sont spécialisés pour des domaines et des modalités sans rapport avec la classification de texte.
Un utilisateur a besoin d’une note de synthèse de cinq pages, bien sourcée, qui synthétise de nombreux articles sur un sujet réglementaire. Quelle fonctionnalité convient le mieux ?
Afficher la réponse
Réponse : B.
Deep research est conçu pour rassembler et synthétiser de nombreuses sources en une note plus longue et sourcée. A ne peut ni naviguer ni synthétiser à cette profondeur. C et D concernent les images et la parole, non la recherche multi-sources.
Une équipe réutilise chaque semaine les mêmes lignes directrices de marque et instructions de ton de voix sur des dizaines de conversations. Où cela devrait-il résider ?
Afficher la réponse
Réponse : B.
Un Project contient des custom instructions et des fichiers qui persistent sur toutes ses conversations, idéal pour un contexte de marque réutilisé. A est source d’erreurs et de gaspillage. C est impossible ; on ne peut pas ajouter aux données d’entraînement. D planifie des exécutions récurrentes, non un contexte permanent.
Un utilisateur doit totaliser et représenter graphiquement un tableur de 400 lignes et a besoin que les chiffres soient exactement corrects. Quelle fonctionnalité devrait-il utiliser ?
Afficher la réponse
Réponse : B.
Data analysis exécute du vrai code pour calculer totaux et graphiques, donnant des chiffres fiables. A s’appuie sur l’estimation du token suivant, peu fiable pour l’arithmétique. C stocke des préférences. D est une fonctionnalité de tutorat, ni l’une ni l’autre ne calcule des totaux de tableur.
Un employé a besoin d’une réponse qui n’existe que dans le magasin de documents internes connecté de l’entreprise. Quelle fonctionnalité convient ?
Afficher la réponse
Réponse : B.
Company knowledge se connecte à des sources internes pour que les réponses puissent s’y appuyer. A cherche sur le web public, non dans les documents internes. C produit des images. D ne peut pas contenir de documents privés de l’entreprise ajoutés après l’entraînement.
Un utilisateur révise à répétition un unique document de proposition et souhaite l’éditer en ligne plutôt que de copier-coller entre la conversation et un document. Quelle surface est la meilleure ?
Afficher la réponse
Réponse : A.
Canvas fournit une surface de document éditable côte à côte pour la rédaction itérative. B est orienté parole. C automatise des exécutions récurrentes. D rassemble des sources ; aucune ne prend en charge l’édition en ligne d’un document comme le fait canvas.
Un utilisateur souhaite un assistant réutilisable et partageable préconfiguré pour une tâche d’équipe répétée. Quelle surface convient ?
Afficher la réponse
Réponse : B.
Un custom GPT empaquette des instructions et un comportement dans un assistant réutilisable et partageable. A ne persiste ni ne se partage. C stocke de petites préférences, pas un assistant configuré. D récupère des résultats web et n’est pas un assistant réutilisable.
Quelles DEUX tâches sont correctement associées à une surface ou fonctionnalité de ChatGPT ?
Afficher la réponse
Réponse : A et B.
Search gère les faits web récents et canvas prend en charge l’édition de documents en ligne. C est faux ; les totaux exacts nécessitent data analysis, non memory. D est faux ; la génération d’images crée des visuels, non des actualités. E est faux ; une scheduled task automatise des exécutions, elle ne conserve pas un document à résumer.
Un prompt indique « écris quelque chose sur notre nouvelle tarification » et la sortie est générique. Quels composants du prompt manquent le plus probablement ?
Afficher la réponse
Réponse : B.
Le prompt manque d’audience, de contexte et de contraintes, de sorte que le modèle n’a rien pour rendre la sortie spécifique. A ignore les lacunes évidentes. C et D concernent le calcul et la capacité, non les instructions manquantes qui rendent la sortie générique.
Quel est le meilleur énoncé d’un critère de réussite pour un résumé exécutif ?
Afficher la réponse
Réponse : B.
Un bon critère de réussite est précis et vérifiable : longueur, contenu requis et style. A, C et D sont vagues et non vérifiables, de sorte que le modèle ne peut pas les satisfaire de façon fiable ni savoir quand c’est fait.
Une première sortie est proche mais trop formelle. Quelle est l’étape suivante disciplinée ?
Afficher la réponse
Réponse : B.
L’itération disciplinée effectue un seul changement ciblé plutôt que de jeter un quasi-succès. A gaspille les progrès. C répète le même résultat. D change d’outil alors que seul un petit ajustement de ton est nécessaire.
Une tâche exige d’étudier un marché, de choisir une stratégie et de rédiger à la fois un plan de présentation et un communiqué de presse. Quelle est la meilleure approche de prompting ?
Afficher la réponse
Réponse : B.
Un travail en plusieurs phases se décompose au mieux en étapes vérifiables afin de détecter les erreurs tôt. A surcharge un seul prompt et rend la revue difficile. C supprime une étape nécessaire. D change l’aléatoire, non la structure.
Un utilisateur souhaite des résumés dans un style cohérent à deux puces sur de nombreux documents. Quelle est la façon la plus fiable de l’obtenir ?
Afficher la réponse
Réponse : B.
Préciser le format et donner un exemple rend la forme de la sortie fiable et reproductible. A laisse au hasard. C ajoute des mots sans structure. D ajoute du calcul sans définir le format.
Un utilisateur ne cesse de dire ce qu’il ne veut pas et la sortie manque encore la cible. Quelle est la meilleure correction ?
Afficher la réponse
Réponse : B.
Des instructions positives et concrètes orientent bien mieux qu’une liste d’interdictions. A empile des négations sans indiquer la cible au modèle. C change la mise en forme, non le fond. D est sans rapport avec la qualité du prompt.
Quelle demande de forme de sortie est la plus appropriée lorsque le résultat sera importé dans un autre système ?
Afficher la réponse
Réponse : B.
Les systèmes en aval ont besoin d’une structure prévisible, donc un tableau défini ou du JSON avec des champs nommés est le meilleur choix. A est difficile à analyser de façon fiable. C et D sont des formats inadaptés à un import automatisé.
Un collègue pense qu’un prompt plus long est automatiquement un meilleur prompt. Quelle est la correction la plus exacte ?
Afficher la réponse
Réponse : B.
Ce qui aide, c’est un contexte pertinent et clair ; le remplissage peut diluer le focus et réduire la qualité. A est faux. C invente un plafond arbitraire. D lie à tort le principe à une seule catégorie de modèles.
Un prompt enfouit sa contrainte la plus importante dans la dernière phrase et le modèle l’ignore. Quelle est la meilleure correction ?
Afficher la réponse
Réponse : B.
Placer et étiqueter de manière visible la contrainte clé augmente la probabilité qu’elle soit respectée. A abandonne l’exigence. C l’enfouit davantage parmi d’autres instructions. D réduit le calcul, ce qui ne règle pas le placement.
Après trois renvois identiques d’un prompt vague, un utilisateur conclut que le modèle ne peut pas faire la tâche. Quel est le diagnostic exact ?
Afficher la réponse
Réponse : B.
Répéter un prompt vague ne peut pas corriger le flou ; ajouter des précisions le peut généralement. A blâme prématurément la capacité. C et D inventent des limites que le scénario n’étaye pas ; la cause racine est la qualité du prompt.
Un prompt marketing produit un texte pertinent mais plat. L’ajout de quel composant unique relèverait le plus probablement le ton pour correspondre à la marque ?
Afficher la réponse
Réponse : A.
Le ton est piloté par une instruction de voix explicite et un exemple, ce qui traite directement un texte plat. B, C et D ajoutent de la capacité, du calcul ou du matériel, mais aucun ne précise le ton dont la marque a besoin.
Quel composant de prompt indique au modèle la forme de la sortie, comme un tableau avec des colonnes nommées ?
Afficher la réponse
Réponse : B.
La spécification de format définit la forme de la sortie, comme un tableau avec des colonnes nommées. Le rôle fixe un persona, l’audience définit à qui elle s’adresse, et le critère de réussite définit quand c’est terminé ; aucun d’eux ne définit la forme.
Quels DEUX signaux dans une sortie d’IA devraient éveiller la suspicion et déclencher une vérification avant d’agir ?
Afficher la réponse
Réponse : A et B.
Des chiffres précis sans source et des ruptures de cohérence interne sont de véritables signaux d’alerte. C n’est pas un signe d’alerte, la fluidité étant attendue et sans lien avec l’exactitude. D est un bon signe, non un motif d’inquiétude. E, la vitesse, ne dit rien de la justesse.
Quelles DEUX situations appellent le plus clairement à garder un humain responsable plutôt que de laisser le modèle décider ?
Afficher la réponse
Réponse : A et B.
Les décisions de licenciement et les dépôts réglementaires publics sont lourds de conséquences et exigent une responsabilité humaine. C, D et E sont des tâches linguistiques à faibles enjeux, facilement réversibles, qui ne nécessitent pas de point de décision, ce qui en fait les choix les plus faibles.
Une équipe colle les mêmes lignes directrices de voix de marque dans chaque nouvelle conversation. Où cela devrait-il résider à la place ?
Afficher la réponse
Réponse : A.
Les custom instructions d’un Project persistent sur toutes les conversations du Project, supprimant le collage répétitif. B se dégrade à mesure que la conversation grossit. C est impossible pour les utilisateurs. D maintient le statu quo inefficace.
Quel élément est le meilleur candidat pour memory ?
Afficher la réponse
Réponse : B.
Memory convient aux petites préférences stables et récurrentes. A est une instruction à usage unique qui relève du prompt. C relève d’un import de fichier. D est une donnée sensible qui ne devrait pas être stockée dans memory.
Un utilisateur a besoin que le modèle résume un rapport spécifique de 20 pages. Où le rapport devrait-il aller ?
Afficher la réponse
Réponse : B.
Un document spécifique à résumer relève d’un import de fichier que le modèle peut lire. A stocke de petits faits, pas des documents. C sert à un comportement permanent. D automatise le calendrier, non l’ingestion de documents.
Pourquoi le fait de joindre de nombreux fichiers peu pertinents peut-il dégrader les réponses même en dessous de la limite de contexte ?
Afficher la réponse
Réponse : B.
Un matériel peu pertinent dilue le focus, donc la pertinence compte même sous la limite. A est faux ; les fichiers sont utilisés. C invente une règle d’un seul fichier. D affirme un effet secondaire sans rapport qui ne se produit pas.
Un utilisateur gère trois clients dans une seule longue conversation et le modèle confond leurs préférences. Quelle est la meilleure correction structurelle ?
Afficher la réponse
Réponse : B.
Séparer les clients dans des Projects ou conversations distincts empêche la contamination croisée du contexte. A laisse en place le contexte mélangé. C aggrave le mélange dans memory. D ajoute du calcul sans corriger le chevauchement structurel.
Une instruction ponctuelle ne s’applique qu’au seul e-mail que vous écrivez maintenant. Quelles DEUX affirmations sur l’endroit où elle doit résider sont correctes ?
Afficher la réponse
Réponse : A et B.
Une instruction à usage unique va dans le prompt immédiat et doit être tenue hors de memory. C ferait persister à tort un cas ponctuel sur toutes les conversations. D automatise des exécutions récurrentes, ce qui ne s’applique pas. E sert aux sources de référence internes partagées, non à une instruction ponctuelle d’e-mail.
Quelles DEUX pratiques relèvent d’une bonne hygiène de contexte ?
Afficher la réponse
Réponse : A et B.
Des conversations neuves par sujet et le fait de ne joindre que les fichiers pertinents gardent le contexte propre. C encombre la fenêtre. D stocke des données sensibles de façon inappropriée. E est inefficace alors que les Projects ou memory peuvent contenir le contexte permanent.
ChatGPT renvoie cinq statistiques de marché précises et sans source pour un segment de niche que vous allez citer en externe. Quelle est la meilleure étape suivante ?
Afficher la réponse
Réponse : B.
Des statistiques précises et sans source destinées à un usage externe doivent être vérifiées par rapport à des sources primaires. A risque de publier des fabrications. C s’appuie sur une confiance auto-déclarée. D masque le problème sans confirmer la véracité.
Quel contrôle est gratuit et devrait généralement venir en premier sur une sortie sur laquelle vous allez agir ?
Afficher la réponse
Réponse : B.
Une lecture rapide de plausibilité et de cohérence ne coûte rien et détecte d’abord de nombreuses erreurs. A et C sont des étapes plus lourdes et coûteuses, pour plus tard. D ajoute un autre modèle faillible plutôt qu’un contrôle ancré dans des faits.
Une citation présente un titre plausible, des auteurs qui semblent réels et un vrai nom de revue. Comment la valider ?
Afficher la réponse
Réponse : B.
Seule la découverte de la source réelle confirme qu’une citation est authentique et étaye l’affirmation. A fait confiance à une fabrication d’apparence plausible. C interroge la même source faillible. D vérifie le style, non l’existence ou le contenu.
Deux collègues vérifient un chiffre à fort enjeu en interrogeant deux outils d’IA différents ; les deux concordent, donc ils l’acceptent. Quel est le défaut ?
Afficher la réponse
Réponse : B.
Deux modèles peuvent se tromper de la même manière avec assurance ; la concordance entre générateurs n’est pas une vérification par rapport à une source. A est faux. C ajoute simplement des générateurs faillibles. D réduit encore l’indépendance.
Quelle sortie exige le plus clairement un point de revue humaine obligatoire avant d’agir ?
Afficher la réponse
Réponse : B.
Un avis juridique publié et destiné aux clients est à fort enjeu et irréversible, il nécessite donc une revue humaine. A, C et D sont à faibles enjeux et facilement corrigibles, ils ne requièrent donc pas de point de contrôle formel.
Un résumé de recherche liste huit citations ; l’analyste en ouvre deux et l’une d’elles n’existe pas. Que devrait-il faire ?
Afficher la réponse
Réponse : B.
Une citation fabriquée dans l’échantillon signifie que l’ensemble est peu fiable et que chacune doit être vérifiée. A suppose que le reste est correct. C conserve des sources non vérifiées. D interroge la source qui a produit la fabrication.
Quels DEUX contrôles ne nécessitent aucune source externe pour être effectués ?
Afficher la réponse
Réponse : A et B.
Les contrôles de cohérence interne et de pertinence n’utilisent que la sortie elle-même. C, D et E exigent chacun une source externe faisant autorité pour aboutir, ce ne sont donc pas des contrôles internes.
Un mémo strictement interne contient un chiffre de chiffre d’affaires qui pilotera le plan d’embauche de l’an prochain, et un collègue dit de sauter le contrôle parce que c’est interne. Quelle est la meilleure réponse ?
Afficher la réponse
Réponse : B.
Un chiffre qui pilote des embauches est à fort enjeu, qu’il soit interne ou non, il doit donc être vérifié. A et C lient à tort le contrôle à l’audience plutôt qu’aux conséquences. D s’appuie sur la même source faillible.
Un employé souhaite résumer un tableur contenant des noms et des e-mails de clients. Quelle est l’approche la plus responsable ?
Afficher la réponse
Réponse : B.
Les données personnelles doivent être traitées dans un outil approuvé, conformément à la politique, avec minimisation lorsque c’est possible. A ignore la politique et le risque. C ne répond pas à la question de l’usage de l’IA. D expose publiquement des données personnelles.
Un responsable du recrutement veut que ChatGPT décide qui rejeter dans un vivier de candidats. Quelle est la posture correcte ?
Afficher la réponse
Réponse : B.
Les décisions lourdes de conséquences concernant des personnes exigent une responsabilité humaine et des contrôles de biais ; l’IA peut aider mais non décider. A, C et D délèguent une décision à fort enjeu et sujette aux biais à un système faillible sans supervision.
Quelle catégorie de données ne devrait généralement pas être collée dans ChatGPT sauf autorisation explicite ?
Afficher la réponse
Réponse : B.
Les données personnelles confidentielles ou réglementées nécessitent un outil et un traitement explicitement approuvés. A, C et D sont déjà publiques ou non sensibles, elles présentent donc peu de risque d’exposition.
Quelles DEUX pratiques protègent les données sensibles lors de l’utilisation de ChatGPT ?
Afficher la réponse
Réponse : A et B.
Utiliser un espace de travail approuvé et minimiser les identifiants réduisent tous deux l’exposition. C fait persister des données sensibles là où elles ne devraient pas résider. D les expose publiquement. E laisse l’urgence l’emporter sur la politique, ce qui est exactement le mauvais arbitrage.
Dernière mise à jour le 18 sept. 2026