I.A. De quoi parle-t-on ?

Safer

L'I.A., Comment ça marche?

Internet

Days

L'I.A. et nous : quel programme ?

L'I.A., Qu'est-ce que c'est ? Comment est-ce que je me la représente ?

1,2,3, promptez !

L'I.A. est-elle dangereuse ? A-t-on raison de s'en méfier ?

Qu'est-ce que je peux faire avec une I.A. conversationnelle ?

Qui a inventé l'I.A. ? Quand l'a-t-on inventée ?

Un atelier de SNT en lien avec

L'I.A. : Qu'est-ce que c'est au juste ? Comment est-ce que je me la représente ?

Comment puis-je définir l'I.A. ?

L'I.A. pour moi, c'est ...

L'image qui représente le mieux une I.A. pour moi

Machine learning qui imite le cerveau, apprend à reconnaître des motifs et faire des prédictions

1ère simulation d'échanges entre un robot psychothérapeute et ses utilisateurs

1er critère évaluant l'intelligence d'une machine

Conférence fondatrice de l'intelligence artificielle

Le super ordinateur d'IBM bat le champion du mon d'échecs

Type de machine learning permettant l'essor de la reconnaissance faciale, vocale, de la vision par ordinateur

Les GAFAs lancent leurs assistants vocaux utilisant l'IA

1er modèle d'OpenAI capable de générer du texte à partir de données internet

Les Réseaux Antagonistes Génératifs produisent des contenus originaux à partir de données existantes

Le programme de DeepMind (Google) bat le champion du monde de jeu de Go

1ère intelligence artificielle générative accessible au grand public

Comment aborder une I.A. conversationnelle ?

Choisir une I.A. avec discernement pour mes activités scolaires:

1,2,3, promptez !

... et je n'en abuse pas car une I.A. est terriblement énergivore :

ChatGPT consommerait l'équivalent de 493 000 kilowattheures par jour. Hors entrainement…

Quelques règles d'Or :

1,2,3, promptez !

Requête sans instruction

= 1 Mot clé

Testons une recherche sur Germaine Tillion

Modèle de Prompt ou

Prompt long : instructions détaillées en plusieurs requêtes

invite "type"

Rétroactions : Questionner pour affiner les réponses

• On va accompagner l'I.A. dans la construction de sa réponse en lui indiquant étape par étape ce qu'on attend d'elle.

• On peut affiner le contenu en proposant des directives supplémentaires : ajuster la forme, le niveau de complexité de la réponse, créer des variations, demander des explications ...

• A la fin d'un échange long, on demande à l'I.A. un résumé.

• Si une réponse n'est pas satisfaisante, je peux affiner mon prompt et reposer mon prompt.

• Si mes contraintes, mes données d'entrée ou mes indicateurs sont longs, je dois rappeler la tâche assignée à la fin de mon script.

• Je demande toujours les sources utilisées par le logiciel ou ses références, le nom des auteurs des concepts clés.

• Si je travaille sur un sujet d'actualité, je fixe une borne temporelle avec une date précise ou une période.

Des exemples de méthodes de prompts pour s'inspirer

Suprême pense-bête pour prompter

Agis en tant que

Avec comme contexte...

Tu dois faire...

Avec comme format...

Et quelles contraintes ?

Un journaliste

Un entretien/ discours

10 questions minimum

Format d'interview journalistique

Une interview

Un lycéen

Une fiche de révision/de lecture

Utilise un ton formel et détaillé

Un exposé

Carte mentale

Un professeur

Soit pédagogue et créatif

Une leçon

Tableau

Une affiche

Un chercheur

Un protocole d'expérience

5 objectifs min, soit professionnel et direct

Une synthèse

Liste

Utiliser des formulations simples pour être précis et gagner en efficacité : on évite les négations et les phrases longues.

P.S : Une conversation peut comporter plusieurs questions/réponses

Prompter une invite en 4 étapes

Instructions

Donnée d'entrée

"Tu es ... / "Agis en tant que ..." "Ecris comme si tu étais..."

Rôle

Cadre ton sujet de recherche pour éviter le "bruit"

"dont le sujet est ..."

(ou Roleplay, RP)

"Je suis..."

Nourris ton I.A. mais pas avec tes infos persos !

La tâche = objectif

"Je veux que tu ....", Fais..."

Contexte

Indicateur de sortie

Guidage de fin : - Récompense ton I.A. - Demande-lui un résumé de l'échange -"Pose-moi des questions pour améliorer ta réponse."

Nombre de caractères ou de mots

Contrainte(s)

"Dans le cadre d'un travail d'école ..."

Mots clés à intégrer ...

Nourris l'I.A. pour orienter ses critères de sélection

"Pour un exposé en cours de ..."

- Paragraphes - Liste à puces - tableau...

Recours à la syntaxe (Markdown) pour borner les """titres""", """exemples""" ...

" En France ..."

"En 2024 ..."

... et ferme tes discussions avant de poser une nouvelle requête

Format de présentation

"Utilise un ton sérieux pour ..."

https://www.sitew.com/intelligence-artificielle/mieux-utiliser-IA-prompter-optima

Par défaut, un bot conversationnel comme ChatGPT répond en texte brut. Cependant, l'outil d'IA gère la mise en forme avec le balisage Markdown, en indiquant les titres, le texte en gras ou en italique, les listes ordonnées (numérotées) ou non ordonnées, et même les tableaux.

On peut aussi utiliser des délimiteurs pour structurer les données et la présentation : on indique la mise en forme de l'invite par : ###Instruction### », suivi de « ###Exemple### » ou « ###Question###, etc.

Comment l'I.A. apprend-elle ?

I.A. : Intelligence artificielle

Systèmes d'imitation de la pensée et des actions humaines

Pourquoi parle-t-on d' "apprentissage" pour une I.A. ?

Une belle Histoire en diaporama :

Machine Learning

Systèmes qui apprennent sur la base de grands ensembles de données structurées

Deep Learning

Data

Systèmes autonomes d'apprentissages approfondis par réseaux de neurones

Algorithme

LLM

L'I.A. et ses domaines d'apprentissage

I.A. Faible ou forte ?

L'I.A. et " l'Internet des Objets/ Internet of Things (IOT)"

I.A. Etroite ou Générale ?

L'I.A. et ses domaines d'apprentissage

Le fonctionnement par "tâches de catégorisation" de l'I.A. :

= Résoudre les problèmes comme un pigeon

La particularité de l'I.A. générative :

par "force brute"

Le Machine Learning

Le Machine Learning correspond à des méthodes d’apprentissage statistiques. Les algorithmes programmés vont apprendre à l’aide de données soumises en entrées (input) qui seront analysées pour appuyer une réponse de sortie (output) :

Les algorithmes créés pour le Machine Learning vont permettre d'établir des probabilités de validation pour menant :

• soit de faire des prédictions

• soit d’être assez intelligents pour prendre des décisions par eux-mêmes.

Le Machine Learning suit trois méthodes d’apprentissages :

• l’apprentissage supervisé,
• l’apprentissage non supervisé,
• l’apprentissage par renforcement.

les réseaux de neurones sont une famille d’algorithmes appartenant au Machine Learning.

Un réseau de neurones est un modèle de Machine Learning composé d’un ensemble d’éléments simples qui, combinés, produisent un raisonnement complexe :

Un réseau de neurones artificiels s’inspire du fonctionnement du cerveau humain : dans celui-ci, l’information se déplace sous forme de courant électrique à travers les neurones. Chacun étant connecté à d’autres neurones et capable de recevoir plusieurs signaux électriques de certains de ses « voisins » et d’envoyer un signal « interprété » à d’autres.

Le tout premier système machine d'apprentissage par neurone : Le perceptron

L'apprentissage par couches de neurones artificiels :

Les réseaux peuvent fonctionner selon différents modèles :

Ex: Les fonctionnements en réseaux convolutifs avec des applications dans la reconnaissance faciale et classification d’images

+ ici

La gestion des Datas qui "nourrissent" l'I.A.

L'exploitation des données brutes est assurée par le Featuring engeneering ou ingéniérie des fonctionnalités:

Où vont nos données collectées en ligne pour être exploitées par les modèles d'apprentissages ?

Le Feature Engineering consiste à utiliser les connaissances d’un domaine pour extraire des fonctionnalités à partir de données brutes via des techniques d’exploration de données. Ces fonctionnalités peuvent être utilisées pour améliorer les performances des algorithmes d’apprentissage automatique.

Le Big Data désigne des données si volumineuses qu’un simple logiciel de traitement de données ne peut les gérer seul et nécessite donc des traitements parallélisés sur plusieurs machines.

Les données sont à la base du développement des I.A. L'apprentissage se fait par le biais de jeux ou simulations :

Un Data Lake est une base de données qui permet de stocker de larges volumes de données structurées et non-structurées. C’est un immense contenant prêt à accueillir de gros volumes de données « en vrac ».

Un Data Warehouse désigne un dispositif technologique destiné à stocker et gérer des données à des fins d’analyse exploratoire. Les données stockées dans un DataWarehouse sont pré-traitées en vue de leur utilisation future.

I.A. Faible ou forte ?

Une I.A. forte, aux capacités multiples, percevrait les émotions et aurait une intelligence semblable à celle des humains.

Une IA faible, spécifique, est conçue pour réaliser 1 seule tâche.

L'I.A. est-elle dangereuse ? Faut-il s'en méfier ?

Les limites éthiques :

La réponse européenne : l'IA Act

Les appels à la régulation :

Les limites éthiques de l'I.A.

Risque écologique

dérégulation économique

Non respect du Droit d'auteur

Dangers sociétaux

Consommation et Ressources

"Biais"

"Hallucinations"

La surenchère énergétique

"Boîte noire"

I.A. générative ... de " fausses vérités" ?

Transformation du travail

Trolls et failles de la rétroaction ( Deep learning)

Création de fake news

L'I.A. ment !

ou dissémination de bots trolls

L'utilisateur DOIT VERIFIER toutes les informations générées par I.A. : -il doit faire preuve d'esprit critique et de méthode - il est responsable de ses usages numériques

Les bases de données sont sollicitées par les algorithmes. Ces algorithmes effectuent des "tris" pour émettre une sélection mais d'après quels critères ? Le fonctionnement d'exploitation de la base de données dépend donc :

• du contenu de la base qui ne doit pas être discriminante ou partiale, ni représentative d'une orientation pré-définie.
• du programme des algorithmes qui ne doivent pas favoriser de "biais" qui altèreraient la réponse de l'I.A.

L'Europe a voté un I.A. Act pour encadrer les recours aux I.A. et imposer une transparence de fonctionnement :

Un"biais" algorithmique peut être partial, non neutre, voire préjudiciable fu fait de données tronquées ou de l'influence idéologiques de ses concepteurs.

Comment agit-on sur un algorithme ? Par le Deep learning. Leçon en 9 mn31 :

5 mn20

Les actions que peuvent accomplir des machines dotées d'IA :

ASI = superintelligence artificielle

Vise une intelligence supérieure à celle de l'humain

Raisonnement

Reconnaissance vocale

Mythe de la Singularité

ICM

, Interface cerveau-machine

Perception

interaction cognitive

I.A. Générale

Résolution de problèmes

créativité

Planification

AGI = Artificial General Intelligence

Possibilité de manipuler et de déplacer des objets

Apprentissage

Vise les capacités cognitives globales d'un humain

IA Forte

IA forte

interaction

générative

prédictive

I.A. étroite

Classe chaque I.O.T.

=Internet of Things (objet connecté)

ANI, Artificial Narrow Intelligence

Résout une tâche spécifique automatiquement

mémoire limitée

IA Faible

reconnaissance

réactive

Comment choisir une I.A ?

L'I.A. est un outil de travail pas mon substitut !

Vérifier les offres de services :

• Quel accès pour quel service ?
• L'entreprise propriétaire respecte-t-elle mes données personnelles (RGPD) ?
• La modération est-elle conforme à mes valeurs (éthique, lutte contre les discriminations...) ?

Des exemples d'I.A. génératives pour mes activités scolaires et pédagogiques

Et en tant qu'enseignant.e que faire avec l'I.A. ?

Une veille d'actualités I.A. :

Trouver une I.A. en fonction de mes besoins et veiller au respecter de mes données !

Et ces I.A., dans quelles catégories les classer ?

Portails d'I.A. : gratuites, freemium, payantes ?

• Avec ou sans inscription ?
• Où vont mes données ?
• que fait-on de mes échanges ?

Logiciels I.A.

+ produit des lignes de codes, + résoud des problèmes de maths

Générateurs d'image

Transcripteur Texte/audio, Texte/vidéo

+ Assistant de recherche = cite ses sources

I.A.

+ I.A. Globale

Robot conversationnel

Service.s

Gratuit, sans inscription

Gratuit, avec inscription

Condition de gratuité:

Gratuit, sans inscription

Freemium

Gratuit, freemium, et avec inscription

Gratuit, sans inscription

Informations accessibles dans les CGU des entreprises de ces I.A.

Open source

CGU non affichées !

RGPD compatible !

Charte éthique : -Transparence de son fonctionnement -modération forte

RGPD : lutte contre les biais discriminant = pas de stockage de mes échanges = pas d'intégration des échanges des utilisateurs dans les données

Accès vers ses 6 premières références

Editeur studio pluriformats de sortie

RGPD non respecté : -utilisation de mes échanges, -modération non transparente

Charte éthique : -Transparence et anonymat garantis -langages mobilisés indiqués

Comment choisir une I.A. ?

Posture et pratiques d'enseignement

Adapter sa pédagogie : quelle place pour l'I.A. ?

Réflexion et littéracie réflexive : quelle stratégie d'enseignement ?

Travailler ses scénarii pédagogiques :

Apprendre à "bien prompter" pour bien accompagner ses élèves

Développer son environnement d'outils I.A :

Comment choisir une I.A ?

L'I.A. est un outil de travail pas mon substitut !

Vérifier les offres de services :

• Quel accès pour quel service ?
• L'entreprise propriétaire respecte-t-elle mes données personnelles (RGPD) ?
• La modération est-elle conforme à mes valeurs (éthique, lutte contre les discriminations...) ?

Des exemples d'I.A. génératives pour mes activités scolaires et pédagogiques

Et en tant qu'enseignant.e que faire avec l'I.A. ?

Une veille d'actualités I.A. :

Développer son environnement d'outils I.A :

Suivre les innovations grâce à une newsletter :

site de veille universitaire pour l'I.A. pédagogique :

S'informer des actualités de l'I.A. et participer aux recherches entre enseignant.e.s :

R.E.L. et la " Forge des communs numériques éducatifs"

Des outils pour créer ses Chatbot (I.A. ou programmes fermés) :

Adapter sa pédagogie : quelle place pour l'I.A. ?

Quelques usages possibles de l'I.A. en éducation : (carte de 2018, mise à jour 2024)

Adapter sa pédagogie et comprendre comment fonctionne l'I.A. :

Source : https://hal.science/hal-03190014/document Un bref parcours sur les ressources, pratiques et acteurs en IA et éducation, 2021

Travailler ses scénarii pédagogiques : expérimenter des outils I.A. génératives et/ou conversationnelles

Travailler en classe avec un robot conversationnel :

Animer sa classe ou développer des compétences chez les apprenants, les propositions de Laetitia Allegrini (DRANE Cote d'Azur) :

Préparer ses cours avec l'I.A.conversationnelle

Réflexion et littéracie réflexive : quelle stratégie d'enseignement ?

Encadrer les usages des élèves et des enseignants : élaboration des premières chartes

clarification des usages et postures vis-à-vis de l'I.A. :

Prompter pour évoluer dans sa pratique professionnelle et accompagner les élèves

D'autres Genially pour s'informer et apprendre à utiliser l'I.A.

Comment dialoguer avec une I.A.

Trouver une I.A. en fonction de mes besoins et veiller au respecter de mes données !

Et ces I.A., dans quelles catégories les classer ?

Portails d'I.A. : gratuites, freemium, payantes ?

• Avec ou sans inscription ?
• Où vont mes données ?
• que fait-on de mes échanges ?

Logiciels I.A.

+ produit des lignes de codes, + résoud des problèmes de maths

Générateurs d'image

Transcripteur Texte/audio, Texte/vidéo

+ Assistant de recherche = cite ses sources

I.A.

+ I.A. Globale

Robot conversationnel

Service.s

Gratuit, sans inscription

Gratuit, avec inscription

Condition de gratuité:

Gratuit, sans inscription

Freemium

Gratuit, freemium, et avec inscription

Gratuit, sans inscription

Informations accessibles dans les CGU des entreprises de ces I.A.

Open source

CGU non affichées !

RGPD compatible !

Charte éthique : -Transparence de son fonctionnement -modération forte

RGPD : lutte contre les biais discriminant = pas de stockage de mes échanges = pas d'intégration des échanges des utilisateurs dans les données

Accès vers ses 6 premières références

Editeur studio pluriformats de sortie

RGPD non respecté : -utilisation de mes échanges, -modération non transparente

Charte éthique : -Transparence et anonymat garantis -langages mobilisés indiqués

bracelet pour projection sur poignet

1ère simulation d'échanges entre un robot psychothérapeute et ses utilisateurs

Machine learning qui imite le cerveau, apprend à reconnaître des motifs et faire des prédictions

1er critère évaluant l'intelligence d'une machine

Conférence fondatrice de l'intelligence artificielle

Résoudre les problèmes comme un pigeon

par "force brute"

Type de machine learning permettant l'essor de la reconnaissance faciale, vocale, de la vision par ordinateur

Le super ordinateur d'IBM bat le champion du mon d'échecs

Les GAFAs lancent leurs assistants vocaux utilisant l'IA

Les Réseaux Antagonistes Génératifs produisent des contenus originaux à partir de données existantes

1er modèle d'OpenAI capable de générer du texte à partir de données internet

1ère intelligence artificielle générative accessible au grand public

Le programme de DeepMind (Google) bat le champion du monde de jeu de Go

Quelques règles d'Or :

Le robot conversationnel n'a pas le sens de la vérité : ses algorithmes reposent essentiellement sur des statistiques de fréquence et des modèles pré-enregistrés. C'est à moi d'adopter une attitude responsable et éthique et d'adopter un esprit critique.

• Je vérifie toutes les informations fournies car une machine ne perçoit pas le sens, les émotions, ni les sous-entendus ou les sens seconds.

• J'évite les sujets polémiques pour contourner les bulles de filtres anxiogènes et les théories complotistes. Cela me protègera des affabulations.

• Je respecte La propriété intellectuelle et le droit d'auteur.

• Avant de clôre un échange, je demande à l'I.A. de me fournir ses références ou ses sources pour éviter les biais, les fabulations et les fake news.

• La machine n'est pas dans ma tête : je dois avoir un objectif clair pour guider la conversation.

• La machine est performante si mes instructions sont précises : c'est moi qui la "nourris" par mon prompt.

• Si une conversation ne correspond pas à mon objectif, je la ferme. Je prends le temps de repenser mes instructions et j'ouvre une nouvelle conversation.

En 1956, le terme d’intelligence artificielle est prononcé pour la première fois, durant la conférence « Dartmouth Summer Research Project on Artificial Intelligence. » de John McCarthy. Lors de cet événement, les chercheurs présentent les objectifs et la vision de l’IA. Marvin Minsky (université de Carnegie-Mellon) la définit comme : « la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique ». Beaucoup considèrent cette conférence comme la véritable naissance de l’intelligence artificielle telle qu’elle est connue.

L’intelligence artificielle générale (IAG)

L'IAG désigne des systèmes capables de donner des résultats dans toutes les tâches cognitives propres aux êtres humains ou aux animaux dits supérieurs.

Parfois on rapproche l'I.A.G des systèmes dotés d’une conscience et même de sentiments (ce qui se rapproche de l’IA forte).

aucun système d’intelligence artificielle générale n’existe aujourd’hui.

Pourquoi un usager ne peut-il pas avoir "une confiance aveugle" dans un produti I.A. ?

Un usager particulier n'a pas accès aux "intentions" des sociétés qui produisent des I.A. C'est inquiétant car il ne sait pas :

• comment ses données sont récupérées,
• si l'I.A. peut dialoguer avec nos outils numériques et accéder à nos fichiers personnels,
• dans quelle mesure les réponses fournies à nos requêtes sont correctes et si les algorithmes de sélection ne favorisent pas une manipulation idéologique ou consumériste.

Comment une entreprise peut-elle sécuriser ses solutions I.A. pour elle-même et ses clients ?

Certains industriels qui développent des solutions I.A. se mobilisent pour concevoir des modèles "ouverts" et imposer aux développeurs d'I.A. une "éthique" de programmation. Exemples : en France : en Europe :

Une I.A. faible spécifique peut :

• Effectuer des calculs.
• Faire des prévisions, en utilisant une logique de déduction basée sur des algorithmes.
• Traiter d'importants volumes de données, et générer des rapports analytiques.
• Reproduire une action de manière automatique.

Grâce au Deep Learning, elle peut même devenir une I.A. générative :

• Apprendre de manière automatisée, en se fondant sur un réseau de neurones, pour progresser.
• Générer des contenus, textes et images notamment.

Il faut maîtriser notre enthousiasme :

Un accès sans inscription ne garantit pas un accès conforme au RGPD : gare à mes données ...et à mes discussions en ligne !

Pouvoir tester gratuitement une application ou profiter d'un accès public, gratuit, ne garantit ni l'éthique de l'entreprise ni le respect de mes données (identité, historique de consultation, stockage et revente des échanges...)

Envie de se plonger dans la technique de programmation I.A ?

Des enseignants se lancent dans la création de robot conversationnels à partir de communautés et d'outils ou de ressources en opensource

Des ressources pour travailler sur l'I.A. :

Créer son chatbot (démarche guidée) :

Un chatbot libre et opensource :

Des outils pour développer son chat et ses prompts en markdown :

Guide de syntaxe du format Markdown :

un chatbot créé par un enseignant

Envie de se plonger dans la technique de programmation I.A ?

Des enseignants se lancent dans la création de robot conversationnels à partir de communautés et d'outils ou de ressources en opensource

Des ressources pour travailler sur l'I.A. :

Créer son chatbot (démarche guidée) :

Un chatbot libre et opensource :

Des outils pour développer son chat et ses prompts en markdown :

Guide de syntaxe du format Markdown :

un chatbot créé par un enseignant

https://www.coe.int/fr/web/artificial-intelligence/history-of-ai

L'I.A. étroite :

I.A. Spécialisée pour effectuer une tâche spécifique.

L'IA étroite désigne tous les systèmes d'intelligence artificielle utilisés actuellement dans la vie quotidienne.

Une IA faible accomplit des tâches spécifiques en suivant les règles qui lui sont fixées. Elle ne peut pas faire autre chose.

Siri est une intelligence artificielle, vocale, et un assistant virtuel, développée par Apple. Siri comprend les instructions verbales données par ses utilisateurs et répond à leurs requêtes dans la limite de sa programmation de réponses..

L' I.A. étroite est prédictive et peut être générative : elle recoupe ses données, procède par reconnaissance et peut ajuster ses résultats en rétro-action.

Le Deep Learning

Le Deep Learning est un modèle d'apprentissage automatique profond nécessaire à l'I.A. : il utilise des réseaux de neurones possédants plusieurs couches de neurones cachées

Le deep learning est un type de machine learning qui utilise des algorithmes conçus pour fonctionner de façon similaire au cerveau humain.

Le Deep Learning repose sur :

• la sollicitation de réseaux de neurones qui travaillent en apprentissage profond en multipliant les “couches” de neurones.
• l'analyse des données examinées par un LLM permet de détecter des modèles, des concepts, etc .
• Il est souvent utilisé pour analyser des données peu structurées (images, sons, textes, …) et dans le cas de l'I.A. générative il organise les fonctions prédictives pour affiner les résultats ou réponses apportées à une requête.

En savoir plus :

L'I.A. mal utilisée contribue à la désinformation des internautes :

1- La désinformation fragilise la mémoire historique :

2- De la retouche photo à la manipulation émotionnelle : la déformation de l'information et le péril complotiste ou partisan

Une IA forte, générale, peut penser et prendre des décisions comme un humain : cela n’existe pas encore !

La "Super" I.A. est très présente dans les films de Science-fiction. Elle surpasse les humains.

Elle peut :

• Capacités supérieures à l'humain
• Autonomie et initiative libre
• Créativité délivrée de ses modèles d'apprentissage

Article à lire en ligne ou dans la revue, au CDI

Un grand modèle de langage ou LLM (Large language models) est un algorithme de Deep Learning :

• Les LLM sont des réseaux de neurones artificiels profonds : ils sont composés de nombreuses "couches" de neurones qui permettent d'affiner les résultats progessivement et de façon de plus en plus précise.
• Un LLM peut exécuter un éventail de tâches de traitement du langage naturel (NLP).
• Les grands modèles de langage utilisent des modèles de transformateur et sont entraînés sur des ensembles de données volumineux (c'est un apprentissage profond).
• Ils peuvent intégrer un nombre de paramètres impressionnant :

le modèle GPT 4 d'Open AI en compte 100 000 milliards !

• Les LLM peuvent reconnaître, traduire, prédire ou générer des textes ou d'autres contenus.

Les appels à la régulation :

L'I.A. REACTIVE des jeux d'échecs en ligne : elle apprend à partir de données qui servent de modèles enregistrés et prend des décisions

Cette I.A. étroite reçoit une formation sur un ensemble de données spécifique afin de pouvoir développer une compréhension du problème et le résoudre. Une fois cet objectif atteint, l’ANI peut utiliser ces connaissances pour la prise de décision, la prédiction des résultats et l’exécution des actions.

AlphaZero de Google bat l'I.A. le moteur d'échec Stockfish en décembre 2017 : 100 parties ( 28 victoires, 72 nulles et zéro défaite) et un grand spectacle

Deep blue d'IBM bat Garry Kasparov le 11 mai 1997 : match en 6 parties

Ce programme informatique a utilisé explusivement l'apprentissage par renforcement pour entraîner ses réseaux neuronaux... seulement 9 h d'apprentissage pour battre le moteur le plus puissant du secteur

Un algorithme de programmation

un algorithme est une suite d'instructions qui, lorsqu'elles sont exécutées vont soit résoudre un problème soit mener à une action / une prise de décision.

L'algorithme d'un programme informatique

Ex : dans une recette de cuisine, l’algorithme correspond à toutes les étapes nécessaires pour finaliser cette recette.

5 mn 40

L'algorithme est essentiel dans le fonctionnement du programme d'une I.A. car il permet à la machine de traiter les données à analyser pour ensuite aboutir à une réponse.

comment un algorithme participe-t-il au fonctionnement de certaines de mes applications ?

Ex : Les algorithmes qui analysent les "Like" de Youtube vont provoquer des "push" de recommandations et donc déterminer les ressources soumises à l'utilisateur.

2mn50

L'I.A. mal utilisée contribue à la désinformation des internautes :

1- La désinformation fragilise la mémoire historique :

2- De la retouche photo à la manipulation émotionnelle : la déformation de l'information et le péril complotiste ou partisan

Les 3 grands modèles d'apprentissage automatiques et statistiques en Machine Learning

3 grands modèles orientent l'apprentissage de la machine et permettent de sortir les données voulues :

• L'apprentissage par renforcement :

Au cœur d’un réseau de neurones artificiel, on trouve des objets informatiques appelés neurones artificiels, qui sont en fait de petites fonctions mathématiques connectées en couches.

• Les neurones de la couche d’entrée n’ont pas d’action sur l’information, ils la transmettent simplement à la couche suivante, une couche cachée.
• La couche de sortie récupère l’information de la dernière couche de neurone cachée et la restitue sous le format souhaité pour répondre à la problématique donnée.

Chaque couche cachée prend en entrée les sorties des neurones de la couche précédente et effectue une opération mathématique pondérée à l’aide de poids qui seront ajustés lors de la phase d’apprentissage.

Les appels à la régulation :

Les logiciels de résolution de problème par Reconnaissance : CAPTCHA

Cette I.A. apprend à partir des modèles de domaine fixes fournis par les programmeurs.

Elle établit des points de comparaison qui lui permettent de trier des images par comparaison. elle résout un problème à partir de similitudes : textes, images, audios.

Cette technologie ANI peut donc effectuer une tâche spécifique basée sur un ensemble de données particulier.

Modèle d'apprentissage du CAPTCHA : Jeu de l'imitation (inspiré du test de Turing)

1- Apprentissage systématique par reconnaissance

2- Le logiciel répond au test de turing : l'utilisateur est-il humain ou robot ? Il est humain s'il "reconnaît"

Une IA forte, générale, peut penser et prendre des décisions comme un humain : cela n’existe pas encore !

La "Super" I.A. est très présente dans les films de Science-fiction. Elle surpasse les humains.

Elle peut :

• Capacités supérieures à l'humain
• Autonomie et initiative libre
• Créativité délivrée de ses modèles d'apprentissage

L'I.A. peut-elle mentir ?

La responsabilité de l'usager et de ses intentions personnelles :

L'I.A. n'est pas capable de "répondre" avec discernement. elle émet une "prédiction" à partir de recoupement algorithmiques et de probabilités.

Les robots conversationnels, comme ChatGPT, sont modérés et ils sont programmer pour refuser de générer de fausses informations :

Une erreur de modèle de langage machine (LLM) peut engendrer de fausses informations. Cette erreur génère alors "une hallucination :

Cependant, les intentions de l'utilisateur sont déterminantes dans la déformation de l'information :

Un problème de"bruit" de données trop nombreuses et/ou contradictoires peuvent altérer leur exploitation :

La particularité de l'I.A. générative :

L'intelligence artificielle générative est une catégorie d'IA qui est capable de création autonome de contenus (textes, images, vidéos, sons, lignes de code, etc). Ces systèmes utilisent des modèles avancés d'apprentissage automatique pour générer du contenu qui peut ressembler à ce qui est créé par des êtres humains.

L'I.A. générative est-elle un super progrès ou un sujet d'inquiétude ?

Générer ? détourner ? Usurper ?...

Quelles limites ?

Il faut maîtriser notre enthousiasme :

Un accès sans inscription ne garantit pas un accès conforme au RGPD : gare à mes données ...et à mes discussions en ligne !

Pouvoir tester gratuitement une application ou profiter d'un accès public, gratuit, ne garantit ni l'éthique de l'entreprise ni le respect de mes données (identité, historique de consultation, stockage et revente des échanges...)

La « singularité technologique » est ce moment critique où l’intelligence artificielle dépassera celle des humains. C’est le point au-delà duquel le progrès technologique s’accélérerait dépassant la capacité des humains de le comprendre et de le prévoir : la date à laquelle les ordinateurs prendraient le pouvoir sur les hommes.

Ouvrage disponible au CDI :

La voiture autonome et sa gestion par I.A.

Elle utilise des capteurs pour détecter les feux de circulation, les piétons, la pente de la route et d’autres variables afin de prendre des décisions intelligentes, sont également des exemples de machines à mémoire limitée.

De quoi parle-t-on ?

D'un équipement pour une conduite humaine mais mieux assistée ? Ex : équipements de sécurité comme anticipation de freinage

D'un véhicule conduit exclusivement par une I.A. ?

La particularité de l'I.A. générative :

L'intelligence artificielle générative est une catégorie d'IA qui est capable de création autonome de contenus (textes, images, vidéos, sons, lignes de code, etc). Ces systèmes utilisent des modèles avancés d'apprentissage automatique pour générer du contenu qui peut ressembler à ce qui est créé par des êtres humains.

L'I.A. générative est-elle un super progrès ou un sujet d'inquiétude ?

Générer ? détourner ? Usurper ?...

Quelles limites ?

Le danger de l'I.A. boîte noire" : comment éviter l'opacité du tri des données et de leur interprétation ?

1- Le concept de boîte noire, système dangereusement impénétrable :

L'IA boîte noire ou "A.I. Blackbox" correspond à tout système d'intelligence artificielle dont les entrées et les opérations ne sont pas visibles par l'utilisateur ou une autre partie intéressée . Les modèles d’IA en boîte noire arrivent à des conclusions ou à des décisions sans fournir aucune explication sur la manière dont elles ont été obtenues.

2- Quel recours pour un usager face à un résultat non maîtrisé des outils assistés d'I.A. ?

La boîte noire de l'IA soulève des questions sur la responsabilité en cas d'erreurs ou de biais dans les décisions prises par les systèmes d'IA.Comment identifier et corriger ces problèmes ? L'information des utilisateurs doit leur garantir de choisir clairement leurs outils I.A. de consultation.

3- La réflexion éthique pour une I.A. "transparente"

Une entreprise qui explique le fonctionnement de son I.A. prend position contre les sociétés qui cultivent leur opacité. Par exemple, un robot qui donne accès à des sites références sans sollicitation de l'internaute partage ses données de ressource. Cependant, une interface d'I.A. peut afficher une charte expliquant aussi les processus internes permettant d'aboutir à tel ou tel résultat. Cette démarche explicative tend à se généraliser sous le terme d' "I.A. éthique" et veut établir un lien de confiance avec son utilisateur.

Une I.A. faible spécifique peut :

• Effectuer des calculs.
• Faire des prévisions, en utilisant une logique de déduction basée sur des algorithmes.
• Traiter d'importants volumes de données, et générer des rapports analytiques.
• Reproduire une action de manière automatique.

Grâce au Deep Learning, elle peut même devenir une I.A. générative :

• Apprendre de manière automatisée, en se fondant sur un réseau de neurones, pour progresser.
• Générer des contenus, textes et images notamment.

Quelques règles d'Or :

Le robot conversationnel n'a pas le sens de la vérité. Ses algorithmes reposent essentiellement sur des statistiques de fréquence et des modèles pré-enregistrés. C'est à moi d'adopter une attitude responsable et éthique et d'adopter un esprit critique :

• Je vérifie toutes les informations fournies car une machine ne perçoit pas le sens, les émotions, ni les sous-entendus ou les sens seconds.

• J'évite les sujets polémiques pour contourner les bulles de filtres anxiogènes et les théories complotistes. Cela me protègera des affabulations.

• Je respecte La propriété intellectuelle et le droit d'auteur.

• Avant de clôre un échange, je demande à l'I.A. de me fournir ses références ou ses sources pour éviter les biais, les fabulations et les fake news.

• La machine n'est pas dans ma tête : je dois avoir un objectif clair pour guider la conversation.

• La machine est performante si mes instructions sont précises : c'est moi qui la "nourris" par mon prompt.

• Je ne fournis aucune donnée qui m'est personnelle et qui permettrait de m'identifier !

• Si une conversation ne correspond pas à mon objectif, je la ferme. Je prends le temps de repenser mes instructions et j'ouvre une nouvelle conversation.

Qu'est-ce que le Perceptron ? En 1957 Frank Rosenblatt teste son perceptron au laboratoire aéronautique de Cornell. En se basant sur les premiers concepts de neurones artificiels, il proposa la « règle d’apprentissage du Perceptron ». Un Perceptron est un neurone artificiel, et donc une unité de réseau de neurones. Il effectue des calculs pour détecter des caractéristiques ou des tendances dans les données d’entrée. Il s’agit d’un algorithme pour l’apprentissage supervisé de classificateurs binaires. C’est cet algorithme qui permet aux neurones artificiels d’apprendre et de traiter les éléments d’un ensemble de données. Le Perceptron joue un rôle essentiel dans les projets de Machine Learning. Il est massivement utilisé pour classifier les données, ou en guise d’algorithme permettant de simplifier ou de superviser les capacités d’apprentissage de classificateurs binaires.

5mn37

edito de Archimag 10/02/2025

L’essor de l’intelligence artificielle (IA) entraîne une explosion de la consommation énergétique et des émissions carbone associées. Face à ce constat, l’École normale supérieure (ENS-PSL), la Fondation de l’ENS, l’Institut IA & Société (cofondé par l’ENS) et le spécialiste de la transformation digitale Capgemini annoncent la création d’un Observatoire mondial dédié à l’analyse et à la réduction de l’impact environnemental de l’IA. Cette initiative vise à structurer la mesure des externalités négatives de l’IA à chaque étape de son cycle de vie – entraînement, inférence et fin de vie – et à proposer des solutions concrètes pour en minimiser l’empreinte écologique. En réunissant des experts du monde académique, de l’industrie et de la société civile, cet Observatoire mondial sur l’impact environnemental de l’IA vise à créer une base de données en accès libre permettant aux chercheurs et développeurs de partager leurs propres données. L’objectif est double : structurer une méthodologie commune pour évaluer l’impact environnemental de l'IA et fournir des analyses stratégiques. Outre la collecte de données, l’Observatoire s’engage dans la promotion de pratiques d’IA durables et entend structurer un dialogue global grâce au partage de connaissances. Face aux préoccupations croissantes sur l’empreinte énergétique de l’IA générative, cette initiative répond à des constats alarmants. Selon une étude de Capgemini, ces modèles exigent jusqu’à 4 600 fois plus d’énergie que les algorithmes classiques, et la consommation énergétique de l’IA pourrait être multipliée par 24,4 d’ici 2030. "Aujourd’hui, les entreprises sont à la recherche de gains d’efficacité, or les très grands modèles d’IA entraînent non seulement une empreinte environnementale importante, mais aussi des coûts plus élevés", explique Etienne Grass, directeur exécutif de Capgemini Invent France.