L’intelligence artificielle

L'intelligence artificielle (IA) est une technologie qui permet à des logiciels, des applications ou des machines d'effectuer des tâches complexes en imitant certaines capacités humaines, comme apprendre, raisonner ou prendre des décisions.

Que peut faire une IA  ?

Les IA sont utilisées dans de nombreux domaines  :

• reconnaissance d'images (reconnaître un visage, un objet)  ;
• traduction automatique  ;
• géolocalisation et calcul d'itinéraires  ;
• recherche et synthèse d'informations  ;
• création de contenus (texte, image, son)  ;
• recommandation de contenus (réseaux sociaux, streaming)  ;
• pilotage de systèmes autonomes (robots, drones, voitures).

Exemples d'IA

Voici quelques exemples d'IA, avec leurs usages  :

• ChatGPT, Gemini, Le Chat de Mistral AI  : génération de texte  ;
• Midjourney, DALL-E  : création d'images  ;
• Siri, Google Assistant, Alexa  : assistants vocaux.

Comment fonctionne une IA  ?

Une IA ne « réfléchit » pas comme un humain. À la place, une IA apprend à partir de données, en utilisant des algorithmes et en suivant un processus d'apprentissage.

Les grandes stratégies d'apprentissage

Il existe plusieurs façons pour une IA d'apprendre  :

• apprentissage supervisé  ;
• apprentissage non supervisé  ;
• apprentissage par renforcement  ;
• apprentissage auto-supervisé.

Ces méthodes seront détaillées dans les mini-cours suivants.

 

EN RÉSUMÉ

Apprentissage supervisé

Pour une IA, l'apprentissage supervisé consiste à apprendre à partir d'exemples déjà étiquetés par des humains. L'IA reçoit des données avec la bonne réponse.

Par exemple, on montre à l'IA des milliers de photos de chiens et de chats, avec une étiquette « chien » ou « chat » pour chaque photo. Après l'entraînement, l'IA peut reconnaître seule un chien ou un chat sur une nouvelle image.

L'apprentissage supervisé est très utilisé pour  :

• la reconnaissance d'images  ;
• la détection de spam  ;
• l'aide au diagnostic médical.

Apprentissage par renforcement

Avec l'apprentissage par renforcement, l'IA s'améliore progressivement en testant des actions et en recevant  :

• une récompense si l'action est bonne  ;
• une pénalité si elle est mauvaise.

Par exemple, une IA qui joue aux échecs pourra tester des coups, recevoir une récompense si elle gagne ou recevoir une pénalité si elle perd. Elle apprendra ainsi à mieux jouer avec le temps en essayant d'obtenir un maximum de récompenses.

L'apprentissage par renforcement est très utilisé  :

• dans les jeux vidéo  ;
• pour entraîner les robots  ;
• pour entraîner les voitures autonomes.

EN RÉSUMÉ

Apprentissage non supervisé

L'apprentissage non supervisé consiste à faire analyser des données sans étiquettes à l'IA, et lui faire chercher des relations ou des moyens de regrouper ces données elle-même  : l'IA découvre des structures toute seule.

Par exemple, une IA peut analyser les vidéos regardés par les utilisateurs d'une plateforme de streaming. L'IA va observer les films regardés, regrouper les utilisateurs ayant les mêmes goûts. Finalement l'IA sera en mesure de recommander des contenus adaptés aux utilisateurs.

Ce type d'entraînement est très intéressant pour  :

• les algorithmes de recommandations (streaming, réseaux sociaux, etc.)  ;
• analyser des grosses quantités de données (météo, épidémie, etc.)  ;
• détection de comportements inhabituels.

Apprentissage auto-supervisé

L'apprentissage auto-supervisé permet à une IA d'apprendre à partir de données sans intervention humaine directe, en créant elle-même des « pseudo-étiquettes ». Pour cela, l'IA utilise une partie des données pour prédire l'autre.

Par exemple, dans un texte, on peut masquer un mot. L'IA doit alors essayer de deviner ce mot, en se basant sur le début du texte. C'est comme cela que fonctionnent certaines IA de langage, comme ChatGPT par exemple.

L'apprentissage auto-supervisé est très utilisé dans  :

• le traitement du langage  ;
• la compréhension de texte.

EN RÉSUMÉ

L'IA est aujourd'hui présente dans de nombreux domaines  :

• santé (aide au diagnostic)  ;
• transports pour faciliter l'inclusion (voitures autonomes)  ;
• éducation (outils d'apprentissage)  ;
• divertissement (recommandations, création de contenu)  ;
• sécurité (reconnaissance faciale).

L'IA permet de gagner du temps, d'automatiser des tâches répétitives, d'analyser de grandes quantités de données et d'améliorer certains services.

Les risques et limites

Les biais

Une IA peut être biaisée lorsque les données utilisées pour l'entraîner ne représentent pas correctement la diversité du monde réel. Comme elle apprend à partir de ces données, elle risque de reproduire leurs défauts ou leurs déséquilibres.

Par exemple, si une IA est entraînée avec des données contenant peu de diversité, par exemple majoritairement des hommes, elle peut produire des résultats injustes ou discriminatoires envers les femmes.

L'effet de dépendance

L'usage excessif de l'IA peut avoir des effets très négatifs, à court terme comme sur le long terme, en rendant ses utilisateurs dépendants à cause  :

• d'une réduction de l'esprit critique  ;
• d'une diminution de l'autonomie  ;
• d'un encouragement au copier-coller sans compréhension.

Les enjeux sociétaux

Emploi

Certaines tâches peuvent être automatisées, ce qui risque de produire une transformation importante des métiers  :

• certains métiers vont pouvoir être automatisés par l'IA et devraient disparaître  ;
• certains métiers vont être fortement transformés  ;
• de nouveaux métiers vont apparaître.

Vie privée

Les IA utilisent souvent des données personnelles pour apprendre ou fonctionner, ce qui est un risque pour la confidentialité.

Fiabilité de l'information

Les IA peuvent produire  :

• des erreurs  ;
• de fausses informations, qu'on appelle des hallucinations.

D'où l'importance de toujours vérifier les informations qu'elles produisent, ou d'avoir déjà un certain niveau de connaissance dans les domaines sur lesquels on interroge une IA.

Bonnes pratiques

Pour utiliser l'IA de manière responsable, pensez à  :

• vérifier les informations  ;
• ne pas partager de données sensibles  ;
• garder un esprit critique  ;
• utiliser l'IA comme un outil d'aide, pas comme une réponse automatique.

EN RÉSUMÉ