Définition de l'IA :
- IA = Simulation de l’intelligence humaine par des machines.
- Définitions variées :
- Larousse : Ensemble de techniques permettant de simuler l’intelligence humaine.
- Britannica : Capacité d’un ordinateur ou robot à exécuter des tâches intelligentes.
- John Nilsson (Stanford) : Activité visant à rendre les machines intelligentes.
- Max Tegmark (MIT) : Intelligence non biologique.
TYPES D’INTERACTIONS EN IA
Interaction avec une base de données :
- Exemples : reconnaissance d’images.
Interaction avec un environnement :
- Exemples : jeu vidéo, machine de production.
CAS D'UTILISATION DE L'IA
Prédiction
L’IA peut apprendre à prédire en analysant des millions de données.
Exemples :
- Prédire le prix d’une maison.
- Prédire le score d’un match.
- Reconnaissance d’images (exemple : reconnaître une pomme).
Classification
L’IA classe les données en catégories.
Exemples :
- Trier des emails (Spam / Non-Spam).
- Classer des fruits en fonction de leur forme et couleur.
Contrôle d’un environnement
L’IA peut prendre des décisions en temps réel.
Exemples :
- Jouer aux échecs et anticiper les coups.
- Gérer les déplacements d’un robot dans une usine.
AVANTAGES ET LIMITES DE L’IA
Avantages
Automatisation des tâches.
Amélioration de la précision des prédictions.
Optimisation des processus industriels.
Limites
Manque de compréhension réelle : imite sans comprendre.
Dépendance aux données : mauvaises données peuvent mener à de mauvaises décisions.
Questions éthiques : biais, vie privée, impact sur l'emploi.
HISTOIRE DE L'ÉVOLUTION DE L'IA
L’IA n’est pas récente ; elle existe depuis près d’un siècle.
Développement lié aux progrès informatiques et besoins militaires.
Son évolution se divise en trois grandes phases :
1. Les prémices (1940-1970)
2. La seconde vague (1980-2010)
3. L’ère moderne (2020 - aujourd’hui).
LES PRÉMICES DE L’IA (1940-1970)
Seconde Guerre mondiale :
- Les Allemands utilisent Enigma pour coder leurs messages.
- Alan Turing développe une machine pour décrypter Enigma → victoire → (publication : 1936).
1950 : Test de Turing → Peut-on imiter une conversation humaine ?
1960 : Arthur Samuel crée un programme de jeu de dames en auto-apprentissage.
1970 : L’hiver de l’IA → baisse des financements suite à un optimisme excessif.
LA SECONDE VAGUE D’ÉVOLUTION (1980-2020)
1980 : Apparition du Machine Learning → L’ordinateur apprend par statistiques et probabilités.
1997 : Deep Blue (IBM) bat Kasparov aux échecs → victoire de l’IA sur un humain.
2000-2010 : Naissance du Deep Learning et des réseaux de neurones.
2014 : DeepMind (Google) développe AlphaGo, qui bat le champion du monde de Go.
L’ÈRE MODERNE DE L’IA (2020 - AUJOURD’HUI)
Explosion des technologies Big Data, Cloud et GPU.
- Big Data : collecte massive de données.
- Cloud Computing : mutualisation des ressources.
- GPU (Graphics Processing Unit) : amélioration des capacités de calcul.
Avènement de l’IA générative (exemples : ChatGPT, DALL-E, etc.).
LES GRANDES RÉVOLUTIONS DE L’IA
1940-1950 : Alan Turing & Enigma.
1980 : Machine Learning.
1997 : Victoire de Deep Blue.
2014 : AlphaGo bat les humains au Go.
2020 : IA générative et Big Data.
Avantages de l’IA
Automatisation des tâches répétitives.
Amélioration de la précision des prédictions.
Accélération des découvertes scientifiques.
Défis et risques de l’IA
Manque d’éthique et biais des algorithmes.
Impact sur l’emploi.
Dépendance aux données.
L'IA GÉNÉRATIVE
Bill Gates (2023) : "L’IA générative marque la troisième révolution informatique après Internet et le mobile."
Évolution de l’IA :
- IA classique (1950) → basée sur des règles.
- Machine Learning (1980) → apprentissage statistique.
- Deep Learning (2000) → réseaux neuronaux.
- IA Générative (2020) → création de contenu.
DÉFINITION DE L’IA GÉNÉRATIVE
L’IA Générative produit du contenu inédit à partir de grandes quantités de données.
Utilise des réseaux neuronaux pour analyser et reproduire des schémas.
Capacité de création : texte, images, vidéos, sons, etc.
DIFFÉRENCE ENTRE IA GÉNÉRATIVE ET RECHERCHE GOOGLE
Moteur de recherche : Donne une liste de résultats existants.
IA Générative : Fournit une réponse unique, en s’adaptant à la question.
Mode conversationnel : Interaction avec l’utilisateur.
FONCTIONNEMENT DES MODÈLES DE LANGAGE ET D’IMAGES
Modèles de Langage
Modèles (ex. : GPT, Bard) : Prédiction du texte suivant.
Modèles d’Images
Modèles (ex. : DALL·E, MidJourney) : Génération d’images à partir de descriptions textuelles.
ÉVOLUTION DE L’IA GÉNÉRATIVE
Programmation traditionnelle → Règles fixes.
Machine Learning → Apprentissage statistique.
Réseaux neuronaux → Prédiction automatique.
IA Générative → Création de contenu.
CHAT-GPT
Qu'est-ce que GPT?
GPT (Generative Pre-trained Transformer) :
- Modèle de langage avancé (LLM = Large Language Model).
- Traite et génère du texte.
- Utilise l’écriture prédictive.
Qu'est-ce que ChatGPT?
Version interactive de GPT :
- Conçu pour tenir une conversation fluide et naturelle.
- Capable de répondre, expliquer, traduire et coder.
Processus de fonctionnement :
- L’utilisateur entre une question (prompt).
- GPT prédit le mot suivant en s’appuyant sur ses données d’apprentissage.
- Le processus continue jusqu’à obtenir une réponse complète.
Apprentissage supervisé et par renforcement : ChatGPT est amélioré par ces techniques.
APPRENTISSAGE À PARTIR D’INTERNET
Utilisation de la technologie "Transformers" (Google, 2017).
Capture les relations entre les mots à partir d’articles, livres, réseaux sociaux.
SUPERVISION HUMAINE
Des annotateurs humains fournissent des exemples de questions-réponses.
Technique RLHF (Reinforcement Learning from Human Feedback).
SUPERVISION PAR UNE IA DE RÉCOMPENSE
Une IA évalue et classe automatiquement les réponses de GPT.
APPRENDRE AVEC CHATGPT
POURQUOI BIEN FORMULER SES PROMPTS?
ChatGPT génère ses réponses en analysant le contexte et les probabilités.
Une question vague = une réponse vague.
Un prompt bien structuré permet de cibler la réponse et de gagner du temps.
ÊTRE CLAIR ET PRÉCIS
Exemple :
- Mauvais prompt → "Explique-moi les moteurs de recherche."
- Bon prompt → "Comment les moteurs de recherche collectent-ils des données sur le web ?"
DÉFINIR LE FORMAT DE SORTIE
Demander un format précis : résumé, liste, tableau, paragraphes, etc.
Exemple :
- "Résume l’article Wikipédia sur Al-Khwarizmi en 100 mots, en deux paragraphes, et ajoute un tableau de ses ouvrages."
DONNER UN CONTEXTE CLAIR
Ajouter des informations spécifiques pour obtenir une réponse adaptée.
Exemple :
- "Je suis étudiant en économie et je veux postuler à un master en marketing digital. Peux-tu m’aider à rédiger ma lettre de motivation ?"
PRÉCISER L’AUDIENCE CIBLÉE
Adapter le niveau de langage en fonction du destinataire.
Exemple :
- "Je suis débutant en programmation. Explique-moi comment écrire une fonction récursive en Python de manière simple."
DEMANDER À CHATGPT D’ADOPTER UN RÔLE
Simuler des situations pour un apprentissage interactif.
Exemple :
- "Agis comme un responsable RH dans une école et fais-moi passer un entretien d’embauche."
DIVISER LES DEMANDES COMPLEXES EN SOUS-TÂCHES
Ne pas poser une seule grosse question, mais découper la demande.
Exemple :
- "Propose-moi un plan détaillé pour un support de formation en développement web."
- "Développe le premier module du plan."
- "Ajoute des exercices et évaluations pour chaque module."