Si vous cherchez des idées de projets d'IA pour lycéens, vous avez besoin de bien plus qu'une simple suggestion ChatGPT. Cette année, vous pouvez créer de véritables projets d'apprentissage automatique fonctionnels grâce à des outils gratuits. Ce guide présente 15 projets répartis sur trois niveaux de compétence et les plateformes gratuites à utiliser. Il explique également comment chaque projet peut enrichir un portfolio ICS4U (Informatique de Terminale) ou une candidature universitaire.
Réponse rapide: En 2026, les meilleurs projets d'IA pour lycéens vont des classificateurs d'images sans code aux véritables applications d'apprentissage automatique. Les débutants peuvent entraîner un classificateur d'images ou de sons fonctionnel en moins de 15 minutes avec Google Teachable Machine, sans écrire une seule ligne de code. Les élèves de niveau intermédiaire peuvent créer un analyseur de sentiments ou un filtre anti-spam en Python avec scikit-learn et les jeux de données gratuits de Kaggle. Les élèves avancés peuvent optimiser un modèle Hugging Face sur Google Colab et rédiger un rapport éthique sur les biais cognitifs ou la protection des données.
Points clés des idées de projets d'IA pour les élèves du secondaire
- Google Teachable Machine entraîne un classificateur d'images, de sons ou de poses directement dans votre navigateur. Aucun compte ni code n'est requis, et le modèle est exporté vers TensorFlow Lite (désormais appelé LiteRT) pour une utilisation dans une application réelle.
- Kaggle La plateforme Kaggle propose plus de 250 000 jeux de données publics gratuits, d'après sa documentation. Ses notebooks incluent 30 heures de calcul GPU et 20 heures de calcul TPU gratuites par semaine.
- Centre de Hugging Face D'après la présentation de la plateforme Hugging Face pour 2026, elle recense plus de 2 millions de modèles et plus de 500 000 jeux de données. L'ensemble est accessible gratuitement via un abonnement Community, sans carte bancaire.
- L'offre gratuite de Google Colab donne accès à un GPU NVIDIA T4 avec environ 15 à 30 heures de calcul par semaine. Cela suffit pour la plupart des projets de formation réalisés par des étudiants.
- Le Conseil scolaire du district de Toronto a commencé à intégrer des outils d'IA comme NotebookLM et Gemini dans les salles de classe. Il élabore également des lignes directrices officielles sur leur utilisation, comme l'a rapporté TorontoToday.ca en 2026.
- Le curriculum de l'Ontario a intégré des exigences obligatoires en matière de littératie numérique, de pensée critique et d'utilisation responsable de l'IA dans plusieurs matières. Cette mise à jour provient du document de consultation de 2026 de la Fédération des enseignantes et des enseignants de l'Ontario.
- Un projet d'IA robuste associe une conception technique à une dimension éthique. Chaque modèle entraîné soulève des questions concrètes concernant les biais, le consentement et l'utilisation des données.
Pourquoi les projets d'IA devraient figurer sur votre liste de cours de 11e ou 12e année
L'IA n'est pas une compétence d'avenir dont vous aurez besoin un jour. Elle fait déjà partie intégrante du fonctionnement des écoles en Ontario. Selon un article de TorontoToday.ca paru en 2026, le Conseil scolaire du district de Toronto intègre activement des outils comme NotebookLM et Gemini dans son enseignement quotidien. Le Conseil finalise également des directives officielles sur l'IA à destination des élèves et des enseignants.
Dans le même temps, le Document de travail 2026 de la Fédération des enseignantes et des enseignants de l'Ontario L'intégration de l'IA générative dans l'enseignement primaire et secondaire témoigne d'une évolution en cours. Les mises à jour des programmes scolaires exigent désormais que les élèves développent leurs compétences numériques et leur esprit critique en matière d'IA dans plusieurs disciplines. La province a également publié son propre Cadre de référence pour une intelligence artificielle fiable, qui encadre l'utilisation responsable de l'IA. Un projet d'IA concret est bien plus efficace pour développer la culture numérique que la simple lecture d'ouvrages sur le sujet.
La création de votre propre classificateur ou modèle vous apporte également un avantage qu'une conversation ChatGPT ne peut offrir : un artefact fonctionnel que vous avez conçu, débogué et que vous pouvez expliquer. Cette distinction est importante pour les applications universitaires et pour comprendre ce qu'est réellement l'IA. Pour un aperçu plus large de la manière dont les établissements scolaires utilisent l'IA comme outil pédagogique, consultez le site de l'USCA Academy. Guide de l'IA dans l'éducationIl aborde plus en détail cet aspect pédagogique.
Comment choisir le projet adapté à votre niveau de compétence
Choisissez un projet en fonction de vos connaissances actuelles, et non d'un projet qui paraît impressionnant sur le papier. Un projet avancé réalisé à la hâte, avec une maquette défectueuse, vous apprendra moins qu'un projet débutant abouti que vous maîtrisez parfaitement.
Sans code (niveau 9-10 ou débutant en IA) : Utilisez Google Teachable Machine. Entraînez vos modèles en téléchargeant des exemples et en cliquant sur un bouton. Python n'est pas requis.
Notions de base de Python (niveau 10e-11e année, notions de programmation) : Utilisez scikit-learn avec un jeu de données gratuit de Kaggle. Vous écrirez entre 30 et 100 lignes de code Python, en suivant pour la plupart un modèle.
Jeux de données réels et déploiement (niveau 11e-12e année, ICS3U ou ICS4U) : Utilisez le hub de modèles de Hugging Face dans Google Colab. Vous pourrez y affiner ou appliquer un modèle pré-entraîné et éventuellement le déployer comme démo publique.
Si vous n'avez pas encore écrit de code Python, commencez par le récapitulatif de l'USCA Academy. Cours d'IA gratuits en ligne pour les élèvesElle répertorie des points de départ qui se marient bien avec les projets pour débutants ci-dessous.
Projets pour débutants : IA sans code à créer en un après-midi
Ces cinq projets utilisent Google Teachable Machine, un outil gratuit pour navigateur proposé par Google Creative Lab. Il entraîne les modèles localement dans votre navigateur grâce à l'apprentissage par transfert sur MobileNet, et aucune donnée n'est téléchargée sur un serveur sauf si vous choisissez de l'enregistrer.
1. Classificateur d'images pour trieuse de recyclage. Entraînez un classificateur à distinguer les déchets recyclables, les déchets compostables et les déchets destinés à la décharge à l'aide de l'appareil photo de votre téléphone. Testez-le sur 15 à 20 photos de chaque catégorie prises dans votre cuisine ou à la cantine de votre école.
2. Reconnaissance des lettres du langage des signes. Concevez un classificateur de poses ou d'images capable de reconnaître quelques lettres de la langue des signes américaine. Ce projet s'inscrit naturellement dans une perspective d'accessibilité pour un exposé scientifique.
3. Classificateur de salle de classe basé sur le son. Entraînez un classificateur sonore à distinguer les périodes d'étude calme, les discussions de groupe et les bruits perturbateurs à l'aide de courts extraits audio. Abordez les problèmes de confidentialité liés à l'utilisation permanente de classificateurs audio dans votre rapport.
4. Vérificateur de forme sportive. Utilisez le modèle de posture pour comparer une posture correcte au lancer franc ou au swing de golf à une posture incorrecte. Expliquez dans votre rapport comment les entraîneurs pourraient utiliser (et mal utiliser) un outil de ce type.
5. Identifiant de l'espèce végétale ou de la feuille. Entraînez un classificateur d'images sur 5 à 8 espèces végétales communes de votre quartier. Accompagnez-le d'une brève réflexion sur la manière dont des applications comme celle-ci soutiennent la science participative.
Chacun de ces projets peut être réalisé en un seul après-midi. Chacun produit également un fichier modèle exportable que vous pouvez présenter lors d'un entretien ou dans votre portfolio.
Projets intermédiaires : Python, scikit-learn et jeux de données Kaggle
Une fois que vous maîtrisez les bases de Python (boucles, fonctions, listes), ces six projets utilisent scikit-learn, une bibliothèque Python libre et gratuite basée sur NumPy et SciPy. Récupérez vos données sur Kaggle, qui propose des jeux de données et des notebooks Jupyter gratuits avec accès GPU intégré.
6. Classificateur de courriels indésirables. Entraînez un modèle Naive Bayes sur un jeu de données d'emails indésirables/non indésirables étiquetés provenant de Kaggle. Il s'agit du premier projet d'apprentissage automatique « réel » classique, qui ne nécessite qu'une quarantaine de lignes de Python.
7. Analyseur de sentiments des critiques de films. Utilisez un jeu de données de critiques de films Kaggle pour classer les critiques comme positives ou négatives à l'aide de la régression logistique de scikit-learn. Testez votre modèle sur vos propres critiques afin d'identifier ses limites.
8. Reconnaissance de chiffres manuscrits. Utilisez le jeu de données MNIST classique, disponible directement via Kaggle ou les chargeurs intégrés de scikit-learn, pour créer un classificateur de chiffres. Ce projet vous présente le traitement des images de chèques par les banques.
9. Système simple de recommandation de films. Utilisez le jeu de données MovieLens sur Kaggle pour créer un système de recommandation par filtrage collaboratif basique avec pandas et scikit-learn. Expliquez la différence entre ce système et celui utilisé par Netflix à grande échelle.
10. Prédiction des tendances météorologiques ou climatiques. Utilisez les données météorologiques historiques d'Environnement Canada ou de Kaggle pour créer un modèle de régression prédisant la température du lendemain. Reliez vos résultats à une ville réelle de l'Ontario pour leur donner une pertinence locale.
11. Audit des biais d'un ensemble de données publiques. Au lieu d'entraîner un nouveau modèle, analysez un jeu de données Kaggle existant (par exemple, un jeu de données sur les embauches ou les approbations de prêts) afin d'y déceler les déséquilibres démographiques à l'aide de pandas. Ce projet permet de développer de solides compétences en statistiques et une réflexion éthique approfondie.
Si vous souhaitez un plan d'étude structuré avant de vous attaquer à ces constructions, consultez celui de l'USCA Academy. Outils d'étude en IA pour les élèves du secondaire de l'Ontario Cet article aborde un point de vue différent : utiliser l’IA pour étudier, et non pour construire.
Projets avancés : Modèles de visages enlacés et Google Colab
Ces quatre projets supposent que vous maîtrisez Python et que vous souhaitez travailler avec des modèles pré-entraînés plutôt que de tout entraîner à partir de zéro. Le Hub de Hugging Face offre un accès gratuit à plus de 2 millions de modèles et plus de 500 000 jeux de données grâce à son abonnement Community, sans carte bancaire requise. Exécutez votre code sur Google Colab, qui fournit gratuitement un GPU NVIDIA T4 avec environ 15 à 30 heures d'accès par semaine.
12. Classificateur de catégories d'actualités finement paramétré. Utilisez un petit modèle de classification de texte pré-entraîné de Hugging Face et affinez-le sur un jeu de données de titres d'actualités étiquetés provenant de Kaggle, dans un notebook Colab. Documentez votre temps d'entraînement et l'utilisation de votre GPU dans votre rapport.
13. Déploiement d'un chatbot avec Gradio. Utilisez un modèle conversationnel pré-entraîné de Hugging Face associé à Gradio pour créer une interface de chatbot simple. Publiez-la ensuite gratuitement sur Hugging Face Space. Vous obtiendrez ainsi un lien public et partageable pour votre portfolio.
14. Détection d'objets à des fins d'accessibilité ou de sécurité. Utilisez un modèle de vision par ordinateur pré-entraîné de Hugging Face pour détecter les obstacles, la signalisation ou les dangers sur les photos que vous prenez autour de votre école ou de votre quartier. Décrivez ensuite un problème d'accessibilité réel que vous avez constaté.
15. Projet de fin d'études : L'IA au service du bien commun. Combinez un jeu de données réel, comme des données sur l'insécurité alimentaire, l'accès aux services de santé mentale ou les transports en commun locaux (provenant de Kaggle ou de Statistique Canada), avec un modèle Hugging Face. Utilisez ce modèle pour créer un petit outil qui s'attaque à ce problème, puis rédigez une section éthique abordant le consentement éclairé, les biais potentiels et les bénéficiaires. Ce projet se prête bien à une participation à l'Expo-sciences pancanadienne ou à une étude indépendante dans le cadre du programme ICS4U.
Comparaison des outils gratuits selon le niveau de compétence
| Outil | Niveau de compétence : | Codage requis | Prix | Idéal pour |
| Machine d'apprentissage Google | Débutant | Aucun | Gratuit, aucun compte requis | Classificateurs d'images, de sons et de poses |
| Kaggle | Intermédiaire à avancé | Python | Gratuit, comprend 30 heures de calcul GPU par semaine | Ensembles de données et carnets de notes réels |
| scikit-apprendre | Intermédiaire | Python | Gratuit, open source | Modèles ML classiques (classification, régression) |
| Google Colab | Intermédiaire à avancé | Python | Niveau gratuit avec accès GPU T4 | Exécution de notebooks sans configuration locale |
| Visage câlin | Avancé | Python (léger) | Plan communautaire gratuit | Modèles pré-entraînés, chatbots, déploiement |
Éléments à prendre en compte avant de commencer
Les outils gratuits sont certes gratuits, mais ils ont leurs limites. En étant honnête à ce sujet dès le départ, vous éviterez bien des tracas en plein projet.
Le temps est le coût le plus important. Un projet Teachable Machine sans code se réalise en un après-midi. Un projet de mise au point de Hugging Face peut prendre plusieurs week-ends, débogage et rédaction compris. Planifiez à rebours à partir de votre échéance.
Le GPU gratuit de Colab n'est pas illimité. Les sessions peuvent se déconnecter après environ 12 heures, et l'accès au GPU n'est pas garanti en période de forte demande. Sauvegardez régulièrement votre travail et évitez de lancer un entraînement long la veille de son échéance.
La qualité des données importe plus que le choix du modèle. Un petit jeu de données propre, contenant 100 exemples bien étiquetés, sera généralement plus performant qu'un jeu de données désordonné de 1 000 exemples. Consultez la documentation de votre jeu de données Kaggle avant de l'utiliser.
Les règles d'intégrité académique restent en vigueur. L'utilisation d'un modèle pré-entraîné est une pratique courante en apprentissage automatique. Vous devez néanmoins documenter les éléments utilisés, citer la source et expliquer ce que vous avez construit vous-même.
Si vous n'êtes pas sûr de l'emplacement de cette limite, consultez l'article de l'USCA Academy sur que Les élèves des écoles de l'Ontario peuvent utiliser ChatGPT pour leurs devoirs.Il aborde la question de l'intégrité académique dans l'utilisation des outils d'IA.
Tous les projets n'ont pas besoin d'une application. Un notebook Jupyter bien documenté, avec des explications claires, constitue un projet complet et évaluable. Il n'est pas nécessaire d'avoir une interface utilisateur soignée pour démontrer une réelle compréhension.
Comment ces projets sont liés à ICS4U et à votre OSSD
Le cours ICS4U (Informatique de 12e année) est celui où la plupart des élèves de l'Ontario découvrent pour la première fois un cadre formel et évalué pour un projet de ce type. L'unité « Projet d'étude indépendant » de ce cours est conçue précisément pour ce genre de développement libre. Un projet d'IA fonctionnel offre un résultat final plus abouti qu'une application ou un jeu classique.
À l'Académie USCA, le cours ICS4U est l'un des cours de base de 12e année menant au diplôme d'études secondaires de l'Ontario (DESO). Il est offert aux côtés des cours MHF4U (Fonctions avancées) et MCV4U (Calcul différentiel et vectoriel) pour les élèves se destinant à des programmes en informatique ou en génie. Vous pouvez consulter le cours en entier sur le site Web de l'Académie USCA. ICS4U Informatique 12e annéeVoyez comment cela s'intègre dans un ensemble complet Niveau 12 charge de cours Catalogue des cours de l'Académie USCA.
Si vous devez jongler entre un examen final, une échéance pour votre FAI et un projet de ce type, l'USCA Guide de L'IA pour la préparation aux examens peut être utile. Ce document explique comment utiliser les outils d'IA de manière responsable sans tomber dans la malhonnêteté académique.
Un projet d'IA enrichit également un dossier de candidature plus large dans les domaines des sciences, de la technologie, de l'ingénierie et des mathématiques (STEM). (Académie USCA) Guide de constitution d'un portfolio STEM pour l'université Cet article explique comment un projet s'intègre dans un dossier de candidature complet. Il se concentre sur les idées de projets d'IA elles-mêmes, et non sur la constitution d'un portfolio complet.
Pour une liste plus complète d'idées de projets dans d'autres matières, consultez le site général de l'USCA. idées de projets pour les étudiants Pour les projets de programmation non liés à l'IA en particulier, consultez l'article associé sur idées de projets de programmation pour les élèves du secondaire.
Les étudiants qui travaillent sur le Programme de préparation universitaire À l'Académie USCA, on utilise souvent un projet comme celui-ci comme point de départ dans les dissertations de candidature. Cela démontre une initiative allant au-delà des cours obligatoires. Les exigences du diplôme d'études secondaires de l'Ontario (DESO) sont décrites sur le site web de l'Académie. Diplôme d'études secondaires de l'OntarioLes étudiants qui souhaitent un soutien supplémentaire pour structurer le calendrier d'un projet peuvent également accéder au programme de tutorat de l'USCA.
Prêt à transformer l'un de ces projets en un véritable projet ?
Choisissez dans cette liste un projet adapté à votre niveau actuel, et non celui qui vous semble le plus impressionnant. Un projet de débutant terminé vaut toujours mieux qu'un projet avancé inachevé.
Si vous souhaitez de l'aide pour transformer un projet en une réussite solide ICS4U Pour un projet d'études indépendant ou un élément de votre dossier de candidature universitaire, n'hésitez pas à nous contacter. L'équipe de conseillers pédagogiques de l'Académie USCA peut vous aider à planifier votre calendrier. Contactez l'Académie USCA au 001-905-232-0411 ou info@uscaacademy.com pour discuter de votre plan de cours pour l'année scolaire 2026-27.
Questions fréquemment posées
1.Ai-je besoin de savoir programmer pour démarrer un projet d'IA ?
Non. Google Teachable Machine ne nécessite aucune programmation et peut générer un classificateur d'images, de sons ou de poses fonctionnel en moins de 15 minutes. Python devient utile lorsque vous passez aux projets scikit-learn ou Hugging Face.
2.Quel outil gratuit est le plus adapté pour un premier projet d'IA ?
Google Teachable Machine est le point de départ le plus simple, car il fonctionne entièrement dans votre navigateur, sans compte ni installation. Passez ensuite à Kaggle et à scikit-learn une fois que vous maîtrisez les bases de Python.
3.Puis-je utiliser ces projets pour mon projet d'étude indépendante ICS4U ?
Oui. La plupart des projets de niveau intermédiaire et avancé de cette liste s'intègrent parfaitement dans le cadre d'un projet d'étude indépendant ICS4U. Ils exigent de véritables compétences en résolution de problèmes, en traitement de données et en documentation, ce qui correspond aux attentes du programme.
4.Est-il acceptable d'utiliser un modèle Hugging Face pré-entraîné au lieu d'en construire un à partir de zéro ?
Oui, c'est une pratique courante en apprentissage automatique. Indiquez le modèle utilisé, citez Hugging Face comme source et expliquez clairement ce que vous avez construit ou modifié par rapport au modèle pré-entraîné.
5.Combien coûte Google Colab pour un projet étudiant ?
L'offre gratuite de Colab est entièrement gratuite. Elle inclut l'accès à un GPU NVIDIA T4 avec environ 15 à 30 heures d'utilisation hebdomadaire, ce qui est suffisant pour la plupart des projets de formation réalisés par des étudiants.
6.Quelle est la différence entre ce message et le message de l'USCA sur les idées de projets généraux ?
Cet article se concentre spécifiquement sur les projets d'IA et d'apprentissage automatique, avec des outils gratuits spécifiques et des conseils adaptés au niveau de compétence requis. USCA idées de projets généraux couvre un éventail de sujets plus large que l'IA. idées de projets de programmation couvre les développements de programmation non liés à l'IA, tels que les applications web et les jeux.
