Découvrez l’IA générative

De nos jours, on entend beaucoup parler d’intelligence artificielle (IA), mais savez-vous vraiment ce que c’est ? Et qu’en est-il de l’IA générative (GenIA) ?

Dans ce chapitre, nous allons présenter quelques termes clés et concepts de haut niveau pour vous aider à construire une compréhension solide du cadre général autour de l’IA. Lorsque vous passerez aux sections suivantes, vous serez mieux équipé pour saisir les détails techniques. Nous verrons aussi quand l’IA peut être utile et quand il vaut mieux éviter de s’y fier. Enfin, nous aborderons quelques sujets populaires liés à l’usage des outils d’IA.

Prêt à plonger ? Allons-y !

L’intelligence artificielle (IA) est une discipline qui porte sur la recherche et le développement de systèmes qui génèrent des réponses à des contenus : des prévisions, recommandations ou décisions pour atteindre des objectifs définis par des humains. Est-ce que certains des mots auxquels vous avez pensé se rattachent à cette idée ?

Décomposons cette définition en nous concentrant sur quelques termes clés :

• Système. Il s’agit d’une approche structurée, souvent fondée sur des modèles mathématiques ou logiques, pour représenter quelque chose. Dans le contexte de l’IA, cela concerne spécifiquement la façon dont les systèmes représentent et traitent la connaissance. Depuis plus de 70 ans, de nombreux modèles ont été développés, des systèmes à base de règles aux méthodes statistiques, jusqu’aux réseaux de neurones.

• Génération d’une réponse. Cela signifie simplement trouver une réponse à un problème. Par exemple :

Problème 1 : Quel est le périmètre d’un rectangle dont les côtés mesurent 5 cm et 10 cm ?

Solution 1 : 30 cm.

Problème 2 : L’étudiant A a-t-il réussi l’examen après n’avoir répondu correctement qu’à 30 % des questions ?

Solution 2 : Non.

Dans le Problème 1, la réponse est un nombre ; dans le Problème 2, la réponse est une catégorie (« Oui » ou « Non »).

• Objectifs. Chaque problème poursuit un but. Par exemple, dans le Problème 1, l’objectif est de déterminer une valeur numérique (le périmètre) à partir des côtés d’une figure ; dans le Problème 2, il s’agit de trancher entre deux options (réussi/échoué) en fonction du nombre de réponses correctes. Différents types de modèles d’IA sont conçus pour différents types d’objectifs, et le choix du bon modèle dépend du type de sortie attendu.

C’est une question centrale en apprentissage automatique : les modèles d’IA apprennent à résoudre des problèmes. Ils passent par une phase d’entraînement durant laquelle ils examinent de nombreux exemples de problèmes et leurs solutions correctes. Une fois suffisamment entraînés, ils peuvent résoudre des problèmes de manière autonome, sans qu’on leur fournisse encore les solutions.

Maintenant que vous avez découvert l’IA, comprendre l’IA générative devient bien plus simple.

L’IA générative (GenIA) est une branche de l’IA qui se concentre sur la création de contenu : textes, images, vidéos et audio. Sa manière d’apprendre est similaire à ce que vous avez vu : par exemple, pour les modèles qui génèrent du texte, ils regardent d’énormes quantités de textes afin d’apprendre à produire eux-mêmes de nouveaux textes au style humain.

1. Découvrez les applications de la GenIA

​​Vous savez maintenant ce qu’est la GenIA.

La GenIA peut gérer un large éventail de tâches utiles et faciliter la résolution des défis du quotidien. Dans cette section, nous allons explorer quelques exemples concrets où la GenIA peut être un outil pertinent.

Aide à l’écriture

Alice doit envoyer un e-mail à sa cheffe au sujet d’une situation injuste : un collègue s’est attribué son travail lors de la dernière réunion. Le message est délicat, car Alice veut exprimer sa frustration sans paraître accusatrice ni trop émotionnelle. En plus, elle doit rester formelle et l’anglais n’est pas sa langue maternelle.

Dans ce type de situation, où l’essentiel est d’affiner votre texte, la GenIA peut être très utile ! Dans l’exemple suivant, vous verrez un modèle conversationnel (un type de GenIA entraîné à répondre à des messages) répondre aux requêtes d’Alice (le terme qui désigne les instructions envoyées au modèle).

 
| Exemple 1 : Utiliser l’IA générative pour rédiger un e-mail difficile

Si elle le souhaitait, Alice pourrait répondre à la proposition du modèle par une autre requête, ce qui permettrait de poursuivre l’échange.

Les modèles textuels de GenIA savent aussi effectuer efficacement diverses tâches, comme résumer un texte, catégoriser des informations, répondre à des questions à partir de documents, simplifier des explications complexes, traduire des langues, générer des histoires...et bien d'autres encore. 

Génération d’images

Cette fois, Alice veut créer une carte d’anniversaire pour son ami Bob. Elle imagine une illustration façon dessin animé, les représentant tous les deux avec des ballons, et l’animal préféré de Bob : un raton laveur. Son idée est d’imprimer l’image et de l’agrafer à une carte sur laquelle elle écrira un message personnel.

Les modèles de GenIA peuvent transformer des descriptions textuelles en images, on parle de modèles “text-to-image”. Voyons comment Alice peut donner vie à son idée !

 
| Exemple 2 : Utiliser l’IA générative pour dessiner une carte d’anniversaire

Comme vous le voyez, on peut utiliser des modèles de GenIA pour esquisser des images et obtenir des visuels prêts à l’emploi simplement en rédigeant une description précise de ce que l’on souhaite.

2. Démystifiez les idées reçues

Les modèles d’IA générative produisent des sorties qui ressemblent de très près à ce qu’un humain pourrait créer (et, parfois, ils font mieux !).

Dans cette section, nous examinons les problèmes qui apparaissent lorsque l’on nourrit des attentes irréalistes quant à ce que ces modèles peuvent réellement accomplir.

Techniquement, ces modèles génèrent des sorties en fonction des objectifs pour lesquels ils ont été entraînés et des exemples qu’ils ont vus pendant l’entraînement. Concrètement, ils combinent des morceaux d’informations fréquemment rencontrés durant l’entraînement.

On peut y voir une forme de créativité additionnelle, où l’IA échantillonne et réarrange des données réelles de façon nouvelle. Cependant, la créativité est un concept complexe, dont la définition varie selon les points de vue.

Si l’on demande à un modèle de GenIA de suggérer un repas pour ce soir, il peut proposer une liste d’idées. Toutefois, cette réponse est simplement une sortie générée à partir de la requête. Elle n’est influencée par aucune conscience ni intention. Le modèle peut aider à brainstormer des options, mais il n’est pas conçu pour décider à la place des humains. Son rôle est de suggérer, pas de remplacer le jugement humain.

Les modèles de GenIA peuvent se tromper. Leur comportement découle de patrons appris dans les données d’entraînement, et non d’une encyclopédie exhaustive du savoir humain. Et même s’ils y avaient accès, ils ne sont pas dotés de mécanismes de raisonnement logique garantissant une exactitude parfaite à chaque requête.

3. Analysez ses forces, limites et biais

Maintenant que vous avez une vision d’ensemble de ce qu’est la GenIA et de ce que ces modèles peuvent (ou ne peuvent pas) faire, penchons-nous sur leurs forces et limites.

Force

Nous avons vu que les modèles de GenIA sont capables de produire des contenus de niveau humain. Si vous avez déjà utilisé un modèle de chat en ligne, vous avez sans doute remarqué la rapidité avec laquelle il génère du texte. Ces deux qualités, puissance et vitesse, ouvrent de nombreuses possibilités pour nous faciliter la vie (et le travail). En déléguant aux modèles des tâches fastidieuses, répétitives ou chronophages, on peut gagner un temps et un effort considérables.

Le potentiel se concrétise déjà dans de nombreux domaines et ne fera que grandir à l’avenir.

Par exemple :

• Éducation : proposer des explications, tests et exercices personnalisés selon les besoins de chaque élève.

• Santé : rendre l’information médicale plus accessible et compréhensible pour les patients, en comblant le fossé entre le langage technique et la communication courante.

• Création : faciliter le brainstorming et offrir des points de vue variés, même en l’absence d’une équipe créative.

Limites

Malgré leurs performances impressionnantes, les modèles de GenIA ont des limites que les utilisateurs doivent connaître. Beaucoup les emploient d’une manière qui n’est pas pleinement alignée avec leurs forces et faiblesses réelles, en négligeant parfois des risques.

Dans ce qui suit, vous allez découvrir quelques défis majeurs à garder en tête :

• Coûts de calcul élevés et consommation d’énergie
  Ces modèles exigent une puissance de calcul importante, ce qui entraîne une consommation d’énergie élevée. Si chaque recherche Google standard était remplacée par une requête à un modèle de chat, la consommation électrique mondiale pourrait presque décupler ! En outre, tout le monde ne peut pas exécuter ces modèles sur un ordinateur personnel, ce qui crée des inégalités d’accès entre ceux qui disposent d’un matériel puissant et les autres.
   

• Hallucinations et désinformation
  Parce qu’ils sont entraînés à produire du contenu de style humain, les modèles de GenIA peuvent générer des informations plausibles mais factuellement incorrectes — on parle d’hallucinations. Ces erreurs deviennent particulièrement dangereuses si l’on se fie aux contenus générés sans vérifier leur exactitude. D’où l’importance de contrôler les sources lorsqu’on utilise ces modèles pour des informations factuelles.
   

• Biais dans les données d’entraînement
  Les modèles apprennent à partir des données sur lesquelles ils sont entraînés, mais ces données ne représentent pas équitablement toutes les cultures, langues et perspectives. Les modèles reflètent donc souvent les points de vue majoritaires dans leurs corpus — typiquement des perspectives occidentales. De plus, parce qu’ils s’entraînent sur des données issues d’Internet, ils peuvent hériter et amplifier des stéréotypes. Ce manque de diversité peut marginaliser davantage des communautés déjà sous-représentées.

Ces limites soulignent la nécessité d’un usage responsable et éthique de la GenIA. Plus important encore : il est essentiel d’éduquer aux modes de fonctionnement de ces modèles.

À vous de jouer

Contexte

Vous êtes alternant “assistant IA” chez Atelier Novalis. Nadia, votre manager, vous confie une fiche repères d’une page pour acculturer des clients non techniques.

• qu’est-ce que l’IA/GenAI ?

• à quoi cela sert concrètement

• ce que la technologie ne fait pas

• les risques à connaître.

Consigne

Produisez, avec ChatGPT, une fiche repère (220 – 280 mots) destinée à des non-techniciens en suivant cette structure :

• illustration de 2 applications (texte et image),

• explicitation de ce que GenAI fait et ne fait pas (créativité combinatoire, pas de décision autonome, pas d’infaillibilité),

• exposition de 3 limites majeures (coût énergétique, hallucinations, biais)

• proposition de 3 bonnes pratiques (vérifier les sources, transparence, jugement humain)

En résumé

• L’intelligence artificielle regroupe des systèmes qui génèrent contenus, prévisions, recommandations ou décisions pour atteindre des objectifs définis par des humains.

• Les modèles apprennent à résoudre des problèmes en s’entraînant sur de nombreux exemples, puis ils généralisent sans connaître les solutions à l’avance.

• La génération de contenu couvre texte, image, audio et vidéo, avec des usages concrets comme l’aide à l’écriture, le résumé, la traduction et la création d’images à partir de descriptions.

• Les modèles combinent des données vues pour produire des sorties, n’expriment ni intention ni jugement, et restent sujets aux erreurs factuelles.

• La puissance et la rapidité offrent des gains importants dans les domaines comme l'éducation, la santé et la créativité, mais les coûts, les hallucinations et les biais imposent une utilisation responsable et la vérification des sources.

Découvrez le fonctionnement de l'IA générative dans le chapitre suivant.