Introduction aux modèles de langage et enjeux éthiques

📋 Plan du Cours

1. Apprentissage supervisé : principes et applications
2. Apprentissage non supervisé : objectifs et algorithmes
3. Fondements et exemples d’IA générative
4. Fonctionnement des grands modèles de langage (LLM) et Transformers
5. Mécanismes clés des Transformers : auto-attention et embeddings
6. Architecture, types de modèles et processus d’entraînement des LLM
7. Limites des LLM : hallucinations, biais et manque de compréhension réelle
8. Biais algorithmiques dans les données d’entraînement et leurs conséquences
9. Risques liés à l’utilisation de code généré par IA et sécurité informatique
10. Impacts environnementaux de l’IA générative et consommation énergétique
11. Défis éthiques et sociétaux de l’IA : vie privée, propriété industrielle et atrophie cognitive
12. Résumé des blocs de construction des LLM et transfert learning

📖 1. Apprentissage supervisé : principes et applications

🔑 Notions clés & Définitions

• Fr IA Générative Apprentissage supervisé : Un type d'intelligence artificielle capable de générer du texte, des images, des vidéos ou d'autres médias en réponse à des requêtes, utilisant des modèles pré-entraînés comme les LLM (Large Language Models) basés sur des réseaux de neurones de type Transformer.

📝 Points essentiels