{"id":8624,"date":"2025-09-03T09:17:58","date_gmt":"2025-09-03T09:17:58","guid":{"rendered":"https:\/\/www.institut-cognition.com\/?p=8624"},"modified":"2025-09-03T09:17:59","modified_gmt":"2025-09-03T09:17:59","slug":"comprendre-ia-generative","status":"publish","type":"post","link":"https:\/\/www.institut-cognition.com\/en\/2025\/09\/03\/comprendre-ia-generative\/","title":{"rendered":"Comprendre la technologie de l\u2019IA g\u00e9n\u00e9rative"},"content":{"rendered":"<h2 class=\"wp-block-heading\"><strong>Les r\u00e9seaux de neurones artificiels<\/strong><\/h2>\n\n\n\n<p>Les r\u00e9seaux de neurones artificiels sont l\u2019une des techniques d\u2019IA qui est fond\u00e9e sur la reconnaissance statistique de similarit\u00e9s, de \u00ab patterns \u00bb (motifs) dans la donn\u00e9e (par opposition \u00e0 l\u2019IA symbolique qui repose sur l\u2019\u00e9nonc\u00e9 de r\u00e8gles).<\/p>\n\n\n\n<p>Pour autant, les r\u00e9sultats obtenus ont longtemps \u00e9t\u00e9 limit\u00e9s par le nombre limit\u00e9 de connexions neuronales compar\u00e9e \u00e0 l\u2019immense complexit\u00e9 du cerveau humain.<\/p>\n\n\n\n<p>Les r\u00e9seaux de neurones artificiels arrivent \u00e0 maturit\u00e9 au d\u00e9but des ann\u00e9es 2010, sous l\u2019effet conjugu\u00e9\u00a0:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>de l\u2019existence d\u2019ensembles de donn\u00e9es massives et annot\u00e9es,<\/li>\n\n\n\n<li>d\u2019une puissance de calcul accrue avec l\u2019utilisation de cartes graphiques (GPU) permettant une parall\u00e9lisation des calculs et,<\/li>\n\n\n\n<li>de l\u2019emploi de l\u2019algorithme d\u2019apprentissage dit de \u00ab backpropagation \u00bb, utilis\u00e9 dans le Perceptron Multi-Couches (PMC) par David Rumelhart dans les ann\u00e9es 80 pour ajuster le poids dans les r\u00e9seaux de neurones et minimiser des erreurs au fil des multiples it\u00e9rations de la phase d\u2019entra\u00eenement. Le PMC a ensuite \u00e9t\u00e9 coupl\u00e9 \u00e0 des couches convolutives par Hinton, LeCun et Bengio fin des ann\u00e9es 80 pour simuler le syst\u00e8me visuel humain.<\/li>\n<\/ul>\n\n\n\n<p>L\u2019\u00e9v\u00e9nement marquant est le d\u00e9veloppement en 2012 du r\u00e9seau de neurones AlexNet, qui avec ses soixante millions de connexions pond\u00e9r\u00e9s, surpasse et rend obsol\u00e8te les approches alternatives de vision par ordinateur : nous entrons dans la nouvelle r\u00e9volution de l\u2019IA port\u00e9e par le <em>Deep Learning<\/em>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>L\u2019\u00e9mergence des IA g\u00e9n\u00e9ratives appliqu\u00e9es aux images<\/strong><\/h2>\n\n\n\n<p>L\u2019apprentissage se fait lors d\u2019une phase d\u2019entra\u00eenement, que le r\u00e9seau de neurones entame sans aucune connaissance a priori et par des pr\u00e9dictions au hasard. Puis \u00e0 travers l\u2019algorithme de <em>backpropagation<\/em>, la machine apprend de ses erreurs initiales par modification des connexions synaptiques, jusqu\u2019\u00e0 devenir tr\u00e8s pr\u00e9cise dans ses pr\u00e9dictions.<\/p>\n\n\n\n<p>Ces technologies d\u2019lA g\u00e9n\u00e9rative deviennent accessible au grand public \u00e0 partir de 2022, avec l\u2019introduction de g\u00e9n\u00e9rateurs d\u2019images hyper r\u00e9alistes contr\u00f4lables via une interface en langage naturel : c\u2019est l\u2019av\u00e8nement du&nbsp;<em>prompt.<\/em><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Pr\u00e9dire les prochains mots<\/strong><\/h2>\n\n\n\n<p>Le&nbsp;<em>Deep Learning<\/em>&nbsp;a commenc\u00e9 \u00e0 \u00eatre tr\u00e8s efficaces en traitement du langage naturel (TALN) \u00e0 partir de 2015. Comme pour les images, les r\u00e9seaux de neurones textuels apprennent en \u00e9tant expos\u00e9s \u00e0 de tr\u00e8s nombreux exemples (des corpus multilingues dans le cas de syst\u00e8mes de traduction comme Google Translate et DeepL) et \u00e0 travers l\u2019ajustement it\u00e9ratif de leurs connexions neuronales.<\/p>\n\n\n\n<p>Le facteur nouveau est l\u2019augmentation consid\u00e9rable de la taille des r\u00e9seaux de neurones, passant de quelques millions \u00e0 plus&#8230; d\u2019un milliard de param\u00e8tres. Il devient alors envisageable d\u2019entra\u00eener des r\u00e9seaux de neurones \u00e0 une t\u00e2che bien particuli\u00e8re : pr\u00e9dire la prochaine s\u00e9quence de mots. La seconde diff\u00e9rence importante est que les couches convolutives \u00e0 l\u2019entr\u00e9e du PMC sont remplac\u00e9es par des couches attentionnelles (la base des r\u00e9seaux dit \u00ab&nbsp;Transformers&nbsp;\u00bb).<\/p>\n\n\n\n<p>Les&nbsp;<em>Large Language Models<\/em>&nbsp;(LLM) sont ainsi sp\u00e9cifiquement con\u00e7us pour pr\u00e9dire le mot suivant dans une s\u00e9quence, un processus facilit\u00e9 par le nombre fini de mots dans une langue. Leur entra\u00eenement repose sur un&nbsp;jeu&nbsp;de devinettes de mots cach\u00e9s, par lequel ils apprennent de leurs erreurs et am\u00e9liorent la pertinence de leurs pr\u00e9dictions.<\/p>\n\n\n\n<p>Cet exercice de pr\u00e9diction du prochain mot force les LLM \u00e0 d\u00e9velopper non seulement leur ma\u00eetrise de la grammaire et de la syntaxe mais aussi \u00e0 comprendre des \u00e9l\u00e9ments importants d\u2019un texte, du contexte et, dans une certaine mesure, de la fa\u00e7on dont fonctionne le monde et les humains.<\/p>\n\n\n\n<p>Pour la premi\u00e8re fois, nous disposons avec les LLM de machines non d\u00e9terministes capables d\u2019imagination et de cr\u00e9ativit\u00e9, refl\u00e9tant la capacit\u00e9 humaine \u00e0 la narration et \u00e0 la cr\u00e9ativit\u00e9.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Suivre des instructions<\/strong><\/h2>\n\n\n\n<p>D\u00e8s 2019, les LLM ont d\u00e9velopp\u00e9 une compr\u00e9hension avanc\u00e9e du langage et une forme d\u2019intelligence brute. Mais leurs capacit\u00e9s sont encore mal connues et il reste difficile de les utiliser sans recourir \u00e0 des prompts sophistiqu\u00e9s et peu intuitifs. Une nouvelle \u00e9tape d\u2019entra\u00eenement des LLM est donc engag\u00e9e pour en faire des syst\u00e8mes capables de r\u00e9pondre avec pertinence \u00e0 des instructions en langage naturel (instruction tuning). Cette phase \u00ab&nbsp;d\u2019instruction tuning \u00bb tend \u00e0 renforcer le caract\u00e8re anthropomorphique de syst\u00e8mes d\u2019IA d\u00e9j\u00e0 largement model\u00e9s par les \u00e9crits humains.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Engager un dialogue<\/strong><\/h2>\n\n\n\n<p>Il existe deux fa\u00e7ons d\u2019interagir avec des&nbsp;<em>Large Language Models<\/em>&nbsp;: via une interface de chatbot comme ChatGPT ou par des&nbsp;<em>prompts&nbsp;<\/em>syst\u00e8mes que les d\u00e9veloppeurs ont int\u00e9gr\u00e9s dans des applications (une sorte de pr\u00e9-programmation).<br>Les LLM ont une capacit\u00e9 limit\u00e9e \u00e0 traiter de grandes quantit\u00e9s d\u2019informations dans leur m\u00e9moire \u00e0 court terme. Cette limite impacte directement la quantit\u00e9 des informations de contexte apport\u00e9es au mod\u00e8le.<br>Elle peut aussi se traduire par une d\u00e9gradation de la coh\u00e9rence des r\u00e9ponses dans de longues conversations. Chaque message ou prompt est trait\u00e9 ind\u00e9pendamment par le mod\u00e8le : pour simuler un dialogue, une conversation continue, l\u2019historique des \u00e9changes est r\u00e9int\u00e9gr\u00e9 (sans que ce soit visible par l\u2019utilisateur) dans chaque nouveau prompt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Des mod\u00e8les aux capacit\u00e9s \u00e9tonnantes&nbsp;: un socle large de connaissances<\/strong><\/h2>\n\n\n\n<p>Les LLM poss\u00e8dent une base de connaissances extr\u00eamement large, acquise en \u00e9tant expos\u00e9s durant leur entra\u00eenement \u00e0 un volume de textes bien sup\u00e9rieur \u00e0 ce qu\u2019un humain peut lire dans toute sa vie.<\/p>\n\n\n\n<p>Le mod\u00e8le ne stocke pas une archive compl\u00e8te de tout ce qu\u2019il a lu, mais conserve dans ses connexions neuronales un ensemble de connaissances statistiquement pertinentes et de principes de haut niveau, qui servent de base pour g\u00e9n\u00e9rer des r\u00e9ponses aux questions pos\u00e9es.<\/p>\n\n\n\n<p>Les LLM, bien qu\u2019impressionnants, ne sont ni omniscients, ni infaillibles et peuvent produire des \u00ab hallucinations \u00bb ou erreurs, similaires aux limitations de la m\u00e9moire humaine.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Interagir avec l\u2019IA&nbsp;: les fondamentaux du prompting<\/strong><\/h2>\n\n\n\n<p>En d\u00e9pit de leur puissance formidable, les LLM pr\u00e9sentent un certain nombre de limites, comme la taille de leur m\u00e9moire imm\u00e9diate (qui limite les informations de contexte), leur propension \u00e0 halluciner (cons\u00e9quence de leur processus de m\u00e9morisation) et la difficult\u00e9 \u00e0 comprendre leur propre mode de fonctionnement.<\/p>\n\n\n\n<p>Le \u00ab prompt design \u00bb ou art du prompt est crucial afin de formuler des instructions pr\u00e9cises pour obtenir des r\u00e9ponses ad\u00e9quates, alors que les relations causales directes et pr\u00e9visibles entre un prompt et la r\u00e9ponse du mod\u00e8le sont parfois difficile \u00e0 \u00e9tablir.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Modalit\u00e9s de d\u00e9ploiement en entreprise<\/strong><\/h2>\n\n\n\n<p>Les LLM s(er)ont prioritairement d\u00e9ploy\u00e9s en entreprise en \u00e9tant int\u00e9gr\u00e9s dans des outils familiers comme les traitements de texte, les logiciels de pr\u00e9sentation, les tableurs, et les syst\u00e8mes de visioconf\u00e9rence. Cette int\u00e9gration am\u00e9liore les fonctionnalit\u00e9s existantes sans bouleverser leur structure de base, l\u2019IA est une extension naturelle de l\u2019interface utilisateur.<br>Le deuxi\u00e8me axe de d\u00e9ploiement strat\u00e9gique concerne l\u2019utilisation des donn\u00e9es non structur\u00e9es et textuelles de l\u2019entreprise. La technique de \u00ab\u00a0<em>Retrieval Augmented Generation<\/em>\u00a0\u00bb (RAG) permet une utilisation plus pr\u00e9cise et pertinente de ces mod\u00e8les en milieu professionnel.<\/p>\n\n\n\n<p>Bien que ces techniques soient prometteuses, il est conseill\u00e9 d\u2019aborder leur mise en place avec prudence, car elles sont encore nouvelles, en phase d\u2019exp\u00e9rimentation et encore peu industrialis\u00e9es<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Les potentialit\u00e9s dans le monde du travail<\/strong><\/h2>\n\n\n\n<p>L\u2019IA g\u00e9n\u00e9rative qui est per\u00e7ue comme une menace pour l\u2019emploi est en fait une innovation beaucoup plus riche en potentialit\u00e9s. C\u2019est souvent moins les emplois qui s\u2019automatisent que les t\u00e2ches, autrement dit les emplois des \u00ab cols blancs \u00bb \u2013 les premiers concern\u00e9s \u2013 vont plut\u00f4t se transformer et s\u2019enrichir.<\/p>\n\n\n\n<p>L\u2019IA g\u00e9n\u00e9rative est particuli\u00e8rement dou\u00e9e pour accomplir des t\u00e2ches r\u00e9p\u00e9titives et volumineuses, qui ne sont pas celles dans lesquelles les \u00eatres humains s\u2019\u00e9panouissent le plus. Quant aux t\u00e2ches plus cr\u00e9atives, elle a beaucoup plus le potentiel d\u2019\u00eatre un merveilleux assistant qu\u2019un substitut. Autrement dit un \u00ab collaborateur augment\u00e9 \u00bb n\u2019est pas seulement l\u2019alternative au \u00ab collaborateur remplac\u00e9 \u00bb, c\u2019est potentiellement un collaborateur plus autonome, plus accompli, plus capable, plus efficace, plus cr\u00e9atif qu\u2019un \u00ab collaborateur sans IA \u00bb. L\u2019IA g\u00e9n\u00e9rative offre cette opportunit\u00e9 de ne pas \u00eatre qu\u2019une dumb machine, une machine b\u00eate qu\u2019on utilise, mais un compl\u00e9ment stimulant pour sa r\u00e9flexion et son travail.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>L\u2019impact de l\u2019IA g\u00e9n\u00e9rative pour les entreprises<\/strong><\/h2>\n\n\n\n<p>L\u2019IA g\u00e9n\u00e9rative est un enjeu <a href=\"https:\/\/www.institut-cognition.com\/en\/2024\/03\/14\/cognition-et-entreprise\/\" data-type=\"post\" data-id=\"2599\">s\u00e9rieux et important pour les entreprises<\/a>. Elle l\u2019est tout autant, \u00e0 titre individuel, pour leurs collaborateurs et les professionnels. L\u2019utopie technologique consiste \u00e0 croire que la technologie est une solution aux probl\u00e8mes de notre temps.\u00a0 Elle n\u2019est en fait qu\u2019un levier d\u2019action, qui ouvre des opportunit\u00e9s et entra\u00eene des risques. La compl\u00e9mentarit\u00e9 \u00eatre humain \/ IA n\u2019est ni un destin, ni une fatalit\u00e9. C\u2019est une potentialit\u00e9. Elle peut ali\u00e9ner ou lib\u00e9rer. Elle peut contraindre ou \u00e9tendre. Elle peut contr\u00f4ler ou accro\u00eetre la capacit\u00e9 individuelle d\u2019agir et de penser. L\u2019avenir n\u2019est pas \u00e9crit. A chacun de se saisir de ces innovations, de s\u2019y essayer, de pratiquer, d\u2019int\u00e9grer <a href=\"https:\/\/www.institut-cognition.com\/en\/2024\/02\/21\/lindustrie-face-a-lintelligence-artificielle\/\" data-type=\"post\" data-id=\"2580\">l\u2019IA dans son travail<\/a> et d\u2019\u00eatre ainsi un acteur de la transformation IA de son entreprise ou de son m\u00e9tier.<\/p>\n\n\n\n<p><\/p>","protected":false},"excerpt":{"rendered":"<p>L\u2019intelligence artificielle (IA) g\u00e9n\u00e9rative reproduit la capacit\u00e9 cognitive humaine de mani\u00e8re globale et polyvalente. Elle est sans nul doute l\u2019une des avanc\u00e9es technologiques majeures de la d\u00e9cennie. L&rsquo;IA g\u00e9n\u00e9rative fonctionne en utilisant des mod\u00e8les d&rsquo;apprentissage automatique (mod\u00e8le Machine Learning) pour cr\u00e9er du contenu de mani\u00e8re autonome. L&rsquo;une des techniques les plus couramment utilis\u00e9es en IA g\u00e9n\u00e9rative est l&rsquo;utilisation de r\u00e9seaux de neurones artificiels\u202f: les r\u00e9seaux g\u00e9n\u00e9ratifs adverses (GAN) et les r\u00e9seaux de neurones r\u00e9currents (RNN).<\/p>","protected":false},"author":23,"featured_media":8628,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"133","_seopress_titles_title":"Comprendre la technologie de l\u2019IA g\u00e9n\u00e9rative","_seopress_titles_desc":"L\u2019Intelligence Artificielle (IA) g\u00e9n\u00e9rative reproduit la capacit\u00e9 cognitive humaine de mani\u00e8re globale et polyvalente.","_seopress_robots_index":"","footnotes":""},"categories":[133],"tags":[68,38,173],"class_list":["post-8624","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-intelligence-artificielle","tag-entreprises","tag-intelligence-artificielle","tag-llm"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/posts\/8624","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/users\/23"}],"replies":[{"embeddable":true,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/comments?post=8624"}],"version-history":[{"count":3,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/posts\/8624\/revisions"}],"predecessor-version":[{"id":8631,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/posts\/8624\/revisions\/8631"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/media\/8628"}],"wp:attachment":[{"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/media?parent=8624"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/categories?post=8624"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.institut-cognition.com\/en\/wp-json\/wp\/v2\/tags?post=8624"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}