Chapitre 4: Intelligence Artificielle - Notes de cours

Chapitre 4
Intelligence Artificielle
Culture Numérique — Notes de cours organisées
① Qu'est-ce que l'Intelligence Artificielle ?
Définitions de l'IA
→ Larousse : Technique qui a pour objectif de simuler l'intelligence humaine.
→ Encyclopédie Britannica : Capacité d'un ordinateur ou d'un robot à effectuer des tâches associées
à des êtres intelligents.
→ Prof. John Nilsson (Université de Stanford) : L'IA est l'activité qui vise à rendre les machines
intelligentes.
→ Prof. Max Tegmark (Institut MIT) : L'IA est une intelligence qui n'est pas biologique.
Types d'interaction dans le domaine de l'IA
1er Type : Interaction avec une base de données
➜ L'IA est capable de faire deux choses : Prédire / Classer
2ème Type : Interaction avec un environnement (ex : machine de production / jeu vidéo)
➜ L'IA peut contrôler l'environnement par Prédiction
② Histoire de l'IA
■ (1940 – 1970) — Premières graines
• Début de la Seconde Guerre mondiale : les Allemands utilisent la machine « ENIGMA » pour
protéger les messages secrets.
• En 1936 : Alan Turing publie un article sur le concept de la machine Turing. Il trouve 2 failles :
■ Une lettre peut être transformée en une autre.
■ Le contenu peut être deviné — intervalles réguliers ou messages qui peuvent être devinés.
• En 1942 : 40 000 messages pouvaient être décryptés par les Britanniques.
• En 1943 : 80 000 messages / mois.

• Construction de la machine de décryptage d'Enigma : « Victory »
• Dans les années 50 : Alan Turing pose la question : est-ce que la machine peut penser ?
➜ Naissance du Test de Turing
• Dans les années 60 : Développement d'une IA capable de jouer aux jeux de dames, qui a battu
le champion du monde américain (par Arthur Samuel).
• Dans les années 70 : L'hiver de l'IA (stagnation).
■ (1980 – 2010) — Seconde vague de l'IA
• Évolution du Machine Learning et du Deep Learning.
• Dans les années 80 : Technique du Machine Learning — donner aux machines la capacité
d'apprendre par elles-mêmes sans programmation explicite.
• Dans les années 90 : Développement du logiciel Deep Blue par IBM — logiciel qui a battu
Kasparov, le champion du monde des échecs.
• Dans les années 2000–2010 :
■ Mise en place des réseaux de neurones.
■ Développement du logiciel AlphaGo (par DeepMind, rattaché en 2014 à Google) qui a pu
battre le champion du monde du jeu de Go.
■ 3ème Vague (2020 ~)
• Big Data : Récolte de données massives (complexes et volumineuses).
• GPU (Graphics Processing Unit) : Répartit la puissance de calcul et effectue des milliards de
calculs simultanément.
• Cloud : Mutualiser l'ensemble des ressources.
③ Introduction à l'Intelligence Générative
1/ Modèles Discriminants vs Modèles Génératifs
Le modèle discriminant :
➜ Utilisé pour classer / prédire les étiquettes des données.
Exemple : classement des emails et spam.
Le modèle génératif :
➜ En plus de la capacité à classer et prédire, il peut aussi générer de nouveau contenu.
➜ L'IA générative utilise des réseaux de neurones artificiels pour traiter de vastes données non
structurées.
➜ L'IA générative crée des ponts entre les différents domaines.
➜ Sortie : langage naturel / parole / image...
2/ Modèles de Langues Génératifs vs Modèles d'Images Génératifs

Le modèle d'images génératifs :
➜ Produit de nouveaux images (ex : CLIP), ou génère la complétion d'une image abîmée (ex :
CoModGAN).
Les modèles de langues génératifs :
➜ Reconnaissent les schémas linguistiques, puis à partir d'un texte, ils prédisent le texte qui va
suivre (GPT), ou génèrent des images et vidéos (ex : DALL-E).
3/ Évolution de l'IA Générative
Programmation traditionnelle :
➜ Coder les règles en introduisant les caractéristiques (ex : type, couleur...) de l'objet / donnée.
Vague des réseaux de neurones (2012) :
➜ L'IA peut prédire sans avoir programmé auparavant les caractéristiques de l'objet / donnée.
Vague générative :
➜ Poser une question et avoir une réponse ➜ génération de contenu (image, vidéo, texte...).
④ L'Agent Conversationnel — ChatGPT
GPT vs ChatGPT
GPT (Generative Pre-trained Transformer) :
➜ Modèle de langage LLM (Large Language Model) — c'est le cerveau de ChatGPT.
➜ Responsable des tâches comme : traduction, génération de codes, résumés...
ChatGPT :
➜ Chat = discussion en ligne. C'est un mot-valise (Chat + GPT).
➜ Application entraînée préalablement pour générer des réponses pertinentes selon le
contexte.
Notes de cours — Chapitre 4 : Intelligence Artificielle