Digital skills Chap4

chapter 4

Intelligence artificielle / IA

Processus d'imitation de l'intelligence humaine par des algorithmes exécutés dans un environnement informatique dynamique.

But de l'IA

Permettre à des ordinateurs de penser et d'agir comme des êtres humains, de manière simulée.

Trois composants nécessaires à l'IA

Systèmes informatiques, données avec gestion, algorithmes d'IA avancés.

Capacité IA: percevoir

Reconnaître des visages, objets ou éléments dans l'environnement.

Capacité IA: comprendre

Analyser une langue, un texte ou une information.

Capacité IA: apprendre

S'améliorer avec l'expérience et les données.

Capacité IA: décider

Choisir une action, par exemple le meilleur itinéraire GPS.

Programme classique

Suit des règles fixes du type Si A alors B.

IA vs programme classique

Un programme classique suit des règles rigides; une IA apprend à partir d'exemples et de données.

Pourquoi l'IA: automatiser

Faire des tâches trop longues ou difficiles pour l'humain, comme analyser énormément de données.

Pourquoi l'IA: prédire

Anticiper des événements comme météo, pannes ou tendances.

Pourquoi l'IA: aider

Assister l'humain pour traduire, conduire, organiser ou apprendre.

Pourquoi l'IA: personnaliser

Adapter le contenu à chaque individu comme recommandations musicales ou éducatives.

IA dans smartphone

FaceID, mode portrait, amélioration automatique des photos, correction automatique.

IA sur réseaux sociaux

Publicité ciblée et modération automatique des contenus inappropriés.

IA dans divertissement

PNJ de jeux vidéo, recommandations Netflix ou Spotify.

Alan Turing 1950

Mathématicien qui imagine que les machines pourraient imiter l'intelligence humaine.

Test de Turing

Une machine réussit si un humain dialogue avec elle sans reconnaître qu'elle est une machine.

Dartmouth 1956

Conférence où John McCarthy utilise officiellement le terme Intelligence Artificielle.

Hivers de l'IA 1970

1990

Leçon des hivers de l'IA

Pour créer une IA efficace, il faut de bons algorithmes et une grande puissance matérielle.

Deep Blue 1997

Supercalculateur d'IBM qui bat Garry Kasparov aux échecs.

Impact de Deep Blue

Le public comprend que l'IA peut être un outil de calcul très puissant.

Deep Learning depuis 2012

Explosion de l'IA grâce aux réseaux de neurones, aux données massives et à la puissance de calcul.

AlexNet 2012

Réseau de neurones qui améliore fortement la reconnaissance d'images.

IA multimodale

IA qui comprend et crée texte, son, image et vidéo en même temps.

IA agent

IA qui ne répond pas seulement mais agit: réserver, organiser, coder, exécuter des tâches.

IA physique

IA intégrée dans robots, usines autonomes, objets connectés ou lunettes de réalité augmentée.

IA générative

Type d'IA capable de créer du contenu original: texte, images, audio, code ou vidéo à partir d'un prompt.

Prompt

Instruction donnée à l'IA pour obtenir un résultat précis.

IA classique / discriminative

IA qui analyse et classe, par exemple reconnaître un chat ou détecter un spam.

IA générative vs IA classique

L'IA classique classe; l'IA générative produit du nouveau contenu.

Patterns / motifs

Structures apprises dans des milliards de données pour générer un contenu ressemblant aux originaux.

Étapes de l'IA générative

Apprendre à partir des données, générer du contenu, affiner le contenu.

Machine Learning Model

Modèle qui apprend à partir des données pour reconnaître des régularités.

Réseaux neuronaux

Modèles inspirés du cerveau qui apprennent des relations complexes dans les données.

Deep Learning

Apprentissage profond utilisant des réseaux neuronaux avec plusieurs couches.

NLP / Traitement du langage naturel

Technologies permettant à l'IA de comprendre et générer le langage humain.

LLM / Large Language Model

Grand modèle de langage entraîné à traiter et générer du langage humain de façon fluide.

Principe du LLM

Il prédit statistiquement le mot suivant le plus probable selon le contexte.

Un LLM ne pense pas

Il calcule des probabilités très sophistiquées qui imitent la pensée humaine.

Entraînement d'un LLM

Lecture massive de livres, articles, code et forums pour apprendre la structure du langage.

Transformers

Technologie clé utilisée par de nombreux LLM pour gérer le contexte et les relations entre mots.

Modèles de diffusion

Technologie souvent utilisée pour générer des images ou vidéos à partir d'une description.

GAN

Réseaux antagonistes génératifs: deux réseaux s'opposent pour améliorer la génération de contenu.

Réglage fin / Fine tuning

Adaptation d'un modèle à une tâche ou un domaine spécifique.

RAG

Génération augmentée par récupération: l'IA va chercher des documents pour améliorer la réponse.

RLHF

Apprentissage par renforcement à partir du feedback humain pour rendre les réponses plus utiles et sûres.

Création texte

ChatGPT peut rédiger, traduire, résumer, expliquer et écrire des histoires.

Création code

Copilot ou ChatGPT peuvent générer du HTML/CSS, fonctions, déboguer et expliquer du code.

Création image

DALL

Création audio

Suno ou Udio peuvent composer chansons, voix, bruitages ou voix off.

Création vidéo

Sora ou Runway peuvent générer des clips vidéo à partir d'une description textuelle.

Impact productivité

L'IA accélère brouillons, résumés et recherche d'idées.

Démocratisation de la création

Des personnes sans maîtrise technique peuvent créer images, musique ou contenus.

Risques IA générative

Automatisation de métiers, plagiat, droits d'auteur, erreurs et contenus trompeurs.

ChatGPT

LLM connu, fort en logique, code, créativité et apprentissage interactif.

Gemini

LLM de Google, puissant avec l'écosystème Google comme Docs, Maps ou YouTube.

Claude

LLM connu pour écriture naturelle et prudence éthique.

Mistral AI

LLM français réputé rapide, efficace et attentif à la confidentialité.

Question simple

Demande vague qui produit souvent une réponse générique.

Prompt efficace

Instruction de travail qui précise rôle, contexte, tâche et format attendu.

Méthode RCT

Rôle, Contexte et Cible, Tâche et Format: structure d'un bon prompt.

Rôle dans un prompt

Dire à l'IA qui elle doit être, par exemple tuteur spécialisé en mathématiques.

Contexte et cible

Dire son niveau et ce qu'on ne comprend pas.

Tâche et format

Dire exactement ce que l'IA doit produire et sous quelle forme.

Tuteur socratique

Utiliser l'IA pour poser des exercices, corriger les erreurs et augmenter la difficulté.

Traducteur de complexité

Demander à l'IA de simplifier un texte difficile avec des analogies simples.

Entraîneur de langues

Utiliser l'IA pour jeux de rôle et correction discrète des fautes.

Compagnon de rédaction

Utiliser l'IA pour donner des idées sans rédiger à votre place.

Créateur de quiz flash

Demander à l'IA de générer des questions de révision rapides pour s'auto

Limite: hallucination

L'IA peut produire une réponse fausse mais convaincante.

Limite: biais

L'IA peut reproduire des biais présents dans ses données d'entraînement.

Éthique de l'IA

Utiliser l'IA de façon responsable: vérifier, citer, ne pas tricher, protéger les données personnelles.

Bon usage pour apprendre

Utiliser l'IA comme tuteur et partenaire d'entraînement, pas comme machine à copier.