Hoja de repaso: Fondamentaux de l’intelligence artificielle

📋 Plan du Cours

1. Origines de l’intelligence artificielle
2. Du machine learning au deep learning
3. LLM et architecture Transformer
4. Principes de l’IA générative
5. Acteurs de l’écosystème IA
6. IA dans les outils professionnels
7. Modèle, plateforme et API
8. Intelligence artificielle multimodale
9. Intégration et évaluation des projets IA

📅 Repères chronologiques

Date	Événement
1950	Alan Turing pose la question de savoir si les machines peuvent penser, contribuant ainsi aux bases conceptuelles de l’intelligence artificielle.
2017	L’architecture Transformer, introduite, permet aux modèles de comprendre les relations entre des mots éloignés grâce au mécanisme d’attention.
30 novembre 2022	OpenAI lance ChatGPT, qui atteint un million d’utilisateurs en cinq jours.

📖 1. Origines de l’intelligence artificielle

🔑 Notions clés & Définitions

• Intelligence artificielle : L’intelligence artificielle est un domaine informatique visant à créer des machines capables de simuler l’intelligence humaine.
• Systèmes experts : Des systèmes d’intelligence artificielle fondés sur des règles explicites codées par des experts humains.

📝 Points essentiels

• Le système expert MYCIN aidait les médecins à diagnostiquer des infections sanguines en posant des questions et en appliquant des règles médicales codifiées.

📌 Dans un système expert d’assurance automobile, si le conducteur a moins de 25 ans et possède une voiture sportive, la prime est augmentée de 40 %.

💡 Astuce mémo

Turing → règles → apprentissage

📖 2. Du machine learning au deep learning

🔑 Notions clés & Définitions

• Machine learning : Une technique d’intelligence artificielle dans laquelle la machine apprend à partir d’exemples plutôt que d’appliquer des règles fixes.
• Deep learning : Une forme d’apprentissage automatique utilisant des réseaux de neurones artificiels comportant de nombreuses couches successives.

📝 Points essentiels

★ À maîtriser

• L’accélération du machine learning dans les années 2000 et 2010 repose notamment sur la puissance de calcul des GPU, l’explosion des données disponibles et l’amélioration des algorithmes.

Compléments

• Pour détecter les spams, un algorithme de machine learning analyse des milliers d’e-mails classés comme spams ou non-spams afin d’identifier lui-même les motifs caractéristiques.

• 🔄 Processus :

  1. Dans un système de reconnaissance d’images, les couches successives détectent d’abord des lignes
  2. des formes
  3. des composants complexes et enfin des objets complets

📌 Le deep learning excelle en vision par ordinateur, traitement du langage naturel et reconnaissance vocale, mais nécessite des ressources importantes et peut fonctionner comme une boîte noire difficile à expliquer.

💡 Astuce mémo

Données + couches = motifs

📖 3. LLM et architecture Transformer

🔑 Notions clés & Définitions

• Large Language Model : Un modèle d’intelligence artificielle fondé sur des réseaux de neurones profonds et entraîné sur des milliards de textes pour comprendre, résumer, traduire ou générer du langage humain.

📝 Points essentiels

★ À maîtriser

📌 L’intelligence artificielle est un champ vaste qui comprend notamment les systèmes experts, la robotique industrielle, les recommandations, la détection de fraude, les voitures autonomes et l’optimisation logistique, tandis qu’un LLM est spécialisé dans le langage.

🔄 Processus — Un LLM génère du texte en prédisant le mot suivant à partir du contexte fourni et des milliards de paramètres ajustés durant son entraînement.

Compléments

• Les LLM sont performants pour comprendre des textes, générer du contenu écrit, traduire et converser, mais ils ne reconnaissent pas nativement les objets dans une image, ne prédisent pas directement les pannes et n’optimisent pas automatiquement les itinéraires de livraison.

💡 Astuce mémo

Le LLM prédit le mot suivant

📖 4. Principes de l’IA générative

🔑 Notions clés & Définitions

• IA générative : L’IA générative est une branche de l’intelligence artificielle capable de créer de nouveaux contenus, notamment des textes, images, vidéos, musiques et codes, à partir de structures apprises pendant l’entraînement.
• Hallucination : Une réponse fausse ou inventée produite par un modèle d’intelligence artificielle, souvent avec un ton très assuré.

📝 Points essentiels

★ À maîtriser

🔄 Processus — Un modèle génératif apprend la structure des données pendant son entraînement puis produit de nouveaux exemples cohérents.

Compléments

• À partir de la consigne « un salon de 30 m² dans un style scandinave avec une dominante de bois clair », un système génératif peut créer des images réalistes d’un salon qui n’existe pas encore.

• L’IA générative peut être utilisée dans le marketing, la formation, le design et le développement logiciel.

📌 Les contenus générés doivent être contrôlés par un humain, particulièrement pour les communications importantes, car l’IA ne remplace ni le jugement créatif ni la compréhension du contexte.

💡 Astuce mémo

Analyser → apprendre → créer

📖 5. Acteurs de l’écosystème IA

📝 Points essentiels

★ À maîtriser

• Google propose Gemini, une famille de modèles multimodaux intégrée à Google Workspace, et bénéficie d’un accès à des données massives et à une infrastructure de calcul importante.

• Mistral AI, fondée en 2023 par trois anciens chercheurs de Meta et Google DeepMind, propose certains modèles open source pouvant être déployés localement.

Compléments

• OpenAI développe la famille GPT ainsi que DALL-E pour les images, Whisper pour la transcription audio et Codex pour l’assistance au code.

• Hugging Face partage des modèles open source, Anthropic développe Claude avec un objectif d’IA sûre, Dataiku propose une plateforme de développement IA, Shift Technology travaille sur la fraude et Owkin sur la recherche médicale.

💡 Astuce mémo

OpenAI, Google, Mistral

📖 6. IA dans les outils professionnels

📝 Points essentiels

★ À maîtriser

• Microsoft Copilot est intégré à Word, Excel, PowerPoint, Outlook et Teams pour générer, reformuler, synthétiser et analyser des contenus professionnels.

• Salesforce Einstein attribue un score de propension à l’achat, prédit la probabilité de conclusion des opportunités et génère des e-mails de suivi personnalisés.

🔄 Processus — L’intégration d’un CRM intelligent consiste généralement à nettoyer les données, définir les cas d’usage prioritaires, paramétrer et entraîner les modèles, tester sur une équipe restreinte, déployer progressivement et optimiser en continu.

Compléments

• Dans une entreprise de distribution, Copilot peut analyser des ventes dans Excel, générer des graphiques, créer une présentation PowerPoint et rédiger un compte rendu Word.

• Adobe Sensei automatise des processus dans Photoshop, Illustrator et Premiere Pro, tandis que Canva propose Magic Design, Magic Write et Background Remover.

💡 Astuce mémo

Bureautique, CRM, création

📖 7. Modèle, plateforme et API

🔑 Notions clés & Définitions

• Modèle d’IA : Un ensemble de paramètres mathématiques et d’algorithmes qui transforme des données d’entrée en résultats utiles.
• Plateforme IA : Une plateforme d’IA est une application qui rend un modèle accessible aux utilisateurs au moyen d’une interface sans programmation.
• API : Une interface permettant à des logiciels de communiquer et d’intégrer les fonctionnalités d’un service d’IA dans une application métier sans développer soi-même le modèle.

📝 Points essentiels

• Une plateforme d’IA peut gérer l’authentification, l’historique, le partage, les paramètres, la modération, les quotas et les connecteurs vers d’autres outils.

📌 Les API sont généralement facturées selon l’usage, notamment le nombre de tokens traités, et nécessitent des compétences de développement.

📌 La performance d’un modèle dépend notamment de la qualité des données d’entraînement, de l’architecture algorithmique et des techniques d’optimisation.

💡 Astuce mémo

Cerveau → interface → connexion

📖 8. Intelligence artificielle multimodale

🔑 Notions clés & Définitions

• IA multimodale : L’IA multimodale désigne des systèmes capables de traiter et de générer plusieurs formats de contenu de manière intégrée, notamment le texte, les images, l’audio, la vidéo et les données structurées.

📝 Points essentiels

★ À maîtriser

• Un modèle multimodal peut analyser une photo de graphique avec un texte explicatif, décrire une image à l’écrit ou créer une image à partir d’une description verbale.

• La multimodalité ouvre des applications dans la formation, le service client et la santé, mais augmente les besoins d’infrastructure, la complexité, les coûts et les exigences de validation humaine.

Compléments

• GPT-4 peut analyser des graphiques, des circuits électroniques et des photographies, tandis que Gemini a été conçu dès l’origine comme un modèle multimodal traitant le texte, les images, l’audio et la vidéo.

• Dans une enseigne de bricolage, une photo de robinet défectueux peut permettre à une IA visuelle d’identifier le produit, de proposer un diagnostic probable et de suggérer des pièces de rechange.

💡 Astuce mémo

Texte + image + audio

📖 9. Intégration et évaluation des projets IA

📝 Points essentiels

★ À maîtriser

• 🔄 Un projet d’intégration d’IA multimodale suit généralement les étapes suivantes:
  1. identifier les besoins utilisateurs
  2. choisir la technologie
  3. développer un prototype
  4. tester en conditions réelles
  5. déployer progressivement
  6. former les utilisateurs

📌 Pour choisir un fournisseur d’IA, il faut comparer les performances, les coûts, le support linguistique, la souveraineté des données, la conformité RGPD et le support disponible.

📌 Une architecture flexible utilisant des API standardisées limite la dépendance exclusive à un fournisseur et facilite le changement de solution.

• Les indicateurs pertinents d’un déploiement IA doivent mesurer son impact direct sur les objectifs métier, comme la réduction du gaspillage, la diminution des ruptures, le temps économisé et la satisfaction des utilisateurs.

Compléments

🔄 Processus — Le cycle clé du machine learning comprend la collecte des données, leur prétraitement, l’entraînement du modèle, son évaluation et son déploiement.

💡 Astuce mémo

Besoin → pilote → déploiement

📊 Tableaux de synthèse

Acteurs et caractéristiques

Acteur	Solution ou spécialité	Caractéristique principale
OpenAI	GPT, ChatGPT, DALL-E, Whisper, Codex	Famille de modèles et services largement diffusés
Google	Gemini	Infrastructure massive et modèles multimodaux
Mistral AI	Modèles Mistral	Open source et déploiement local favorisant la souveraineté
Hugging Face	Plateforme de modèles	Partage de modèles open source

Couches d’un service IA

Couche	Rôle	Exemple
Modèle	Traiter les données et produire un résultat	GPT-4
Plateforme	Rendre le modèle accessible via une interface	ChatGPT
API	Intégrer les fonctions IA dans d’autres logiciels	Assistant intégré à un CRM

⚠️ Pièges & confusions fréquents

1. L’intelligence artificielle ne désigne pas uniquement les assistants conversationnels.
2. Le machine learning ne consiste pas à coder explicitement chaque règle.
3. ChatGPT n’est pas synonyme de toute l’intelligence artificielle.
4. L’IA générative ne se limite pas à la création de textes.
5. Open source ne signifie pas nécessairement que tous les modèles d’un acteur sont ouverts.
6. Le modèle réalise le traitement algorithmique, tandis que la plateforme fournit l’accès utilisateur.
7. Traiter plusieurs formats simultanément distingue la multimodalité d’un système limité au texte.