SÉQUENCE 4 : INTELLIGENCE ARTIFICIELLE

QU'EST-CE QUE L'IA?

  • 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.
  • Exemples d’IA générative :   - ChatGPT (texte), DALL·E (images), MusicLM (musique).

APPLICATIONS ET EXEMPLES D’IA GÉNÉRATIVE

  • Génération de texte : ChatGPT, Bard.
  • Génération d’images : DALL·E, MidJourney.
  • Génération de musique : MusicLM, Jukebox.
  • Génération de vidéos : RunwayML.

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.

LES STADES D’ÉVOLUTION DE GPT

  • GPT-1 (2018) : 117 millions de paramètres.
  • GPT-2 (2019) : Génère des textes plus cohérents.
  • GPT-3 (2020) : 175 milliards de paramètres.
  • GPT-4 (2023) : 1.76 trillion de paramètres + capacité multimodale (texte + image).

COMMENT FONCTIONNE CHATGPT ?

  • 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."

BONNES PRATIQUES ET PIÈGES À ÉVITER

Bonnes pratiques

  • Soyez précis et structuré dans vos questions.
  • Demandez un format de réponse clair.
  • Vérifiez toujours les informations obtenues.

Erreurs à éviter

  • Ne pas donner assez de contexte.
  • Poser une question trop vague.
  • Tout croire sans vérifier.

MERCI DE VOTRE ATTENTION