IA

1. Définitions de l’IA

2. Comparaison avec les humains

3. Les différentes formes d’IA

4. Comment fonctionne l’IA

5. Personnes

6. Éthique

7. Empreinte carbone

8. Générations d’images

9. Exercice (Génération de contenu / illustration / code)

• Internet
  • https://blogs.nvidia.com
  • https://youtu.be/q8V6RCkwooA?si=HIWgSJxpKz8e7rA8
  • https://youtu.be/5GKWUQAAKfo?si=axCQUwc30o0BUO42
  • L'Intelligence Artificielle peut-elle remplacer l'homme ? - Libre à lire !

• livres
  • Entreprendre à l’ère des algorithmes pour servir sans asservir" de Étienne de Rocquigny
  • "L’intelligence artificielle n’existe pas" de Luc Julia

• Définition de l’intelligence :
  • création :
    • Philosophie, intuition, rêve, émotions, 5 sens
  • réflexion :
    • analyse, raisonnement, logique

• L’IA consiste à donner aux ordinateurs la capacité de résoudre des problèmes ou de réaliser des tâches qui nécessitent normalement de l’intelligence humaine. Se sont des systèmes informatiques qui sont capables de reproduire des fonctions humaines.

• L’IA est la science qui consiste à faire résoudre à des machines des problèmes qui auraient nécessité une forme d’intelligence humaine pour être résolus.

• Du code et des maths :
  • L’IA est un vaste domaine rassemblant “une famille de technologies et de méthodes mathématiques (des algorithmes) qui vise à permettre à des machines de simuler ou de s’inspirer des processus cognitifs des êtres humains (apprentissage) pour réaliser des tâches”. Ces tâches sont la représentation du savoir, la résolution de problème, la compréhension, la perception (vision, ouïe), la planification et la prise de décision, la communication et la production de contenus.

• IA aujourd’hui :
  • La révolution de l’IA est déjà en marche et bien avant ChatGPT et l’IA générative
  • Outils d’aide à la création de textes, images, vidéos, audios

• D’après le parlement européen : “possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité”.
  • raisonnement : analyser des informations (les collecter et les structurer); tirer des conclusions; résoudre des problèmes.
    • Le raisonnement humain est un processus cognitif qui repose sur :
      • L'expérience : Les humains utilisent leurs connaissances passées pour faire des déductions ou des inférences.
      • L'intuition : Une forme de raisonnement rapide, souvent inconsciente, basée sur des schémas appris.
      • Les émotions : Elles influencent parfois les jugements et décisions.
      • Les formes de raisonnement :
        • Déductif : Tirer une conclusion logique à partir de prémisses générales. Exemple : "Tous les hommes sont mortels. Socrate est un homme. Donc, Socrate est mortel."
        • Inductif : Généraliser à partir d'observations spécifiques. Exemple : "Les derniers étés ont été chauds. Donc, les prochains seront probablement chauds."
        • Abductif : Proposer l'explication la plus plausible pour un ensemble d'observations. Exemple : "La lumière ne fonctionne pas. L'ampoule est peut-être grillée."

      Le raisonnement humain est influencé par des biais cognitifs, des croyances personnelles et des limitations d'attention ou de mémoire.

    • En IA, le raisonnement est une simulation basée sur des modèles et algorithmes (règles logiques prédéfinies, probabilité, apprentissage)
    • Différences avec l'humain :
      • L'IA ne "comprend" pas dans le sens humain ; elle traite des informations basées sur des algorithmes.
      • L'IA est rapide et précise dans des tâches spécifiques mais manque de flexibilité.
      • L'IA n'est pas influencée par les émotions ou les biais cognitifs (sauf ceux introduits par des données biaisées).
  • planification : concevoir une série d'actions ou d'étapes pour atteindre un objectif donné.
    • Compréhension de la situation, définition d'objectifs, établissement d'un plan, flexibilité et adaptation
    • La planification humaine est influencée par : les émotions (la peur d'un échec), les biais cognitifs (les humains surestiment ou sous-estiment les risques ou ressources), les limites cognitives : L'humain a une capacité limitée à prévoir toutes les variables dans des environnements complexes.
    • Différences entre planification humaine et en IA

      La planification en IA est méthodique, rapide, et efficace dans des environnements bien définis, mais manque de souplesse et de créativité face à des situations imprévues.

      Critères	Planification humaine	Planification en IA
      Flexibilité	Hautement flexible, adaptative au contexte	Limité par les modèles et données fournis
      Créativité	Capable de trouver des solutions innovantes	Suit des règles définies, manque de créativité
      Temps de traitement	Plus lent dans des scénarios complexes	Rapide, mais nécessite des ressources informatiques
      Gestion de l'incertitude	Basée sur l'intuition et l'expérience	Repose sur des probabilités et des algorithmes
      Influence émotionnelle	Présente, parfois positive ou négative	Absente, décisions purement rationnelles

  • créativité : l’IA peut sembler créative dans certaines situations, mais sa créativité est fondamentalement différente de celle des humains. L'IA ne "ressent" pas d'inspiration ni ne réfléchit de manière intuitive ; elle simule la créativité en utilisant des modèles mathématiques et des algorithmes basés sur les données qu'elle a analysées.
    • Pas d'intention ou de conscience : L'IA ne "veut" pas être créative ; elle applique des règles et optimise des résultats.
    • Dépendance aux données : L'IA ne peut générer des idées qu'à partir des données qu'elle a été entraînée à analyser. Elle ne crée pas véritablement "à partir de rien".
    • Absence de valeur intrinsèque : L'IA ne comprend pas le contexte émotionnel ou culturel d'une œuvre créative. Elle ne juge pas la "beauté" ou la "pertinence".

En mai 2023, Hinton a démissionné de Google afin de pouvoir « s'exprimer librement sur les risques de l'IA ». Il a exprimé des préoccupations concernant l'utilisation délibérée par des acteurs malveillants, le chômage technologique et les risques existentiels lié à l'intelligence artificielle générale. En 2024, après avoir reçu le prix Nobel il a appelé à des recherches urgentes en sécurité de l'IA afin de déterminer comment contrôler des systèmes plus intelligents que les humains.

En juin 2024, Ilya fonde avec Daniel Gross et Daniel Levy la startup Safe Superintelligence. Celle-ci vise à se focaliser uniquement sur la création d'une superintelligence artificielle sans danger.

1. Trouver un sujet et un angle pour l’article . Demander à ChatGPT : Prompt :
   1. "Quels sont les sujets populaires sur le développement durable en 2025 ?”
   2. “Je voudrais écrire un article. Quels sont les sujets les plus importants sans le développement durable qui pourraient intéresser les jeune dans le domaine de l’informatique?”
      1. Réponse = > “GREEN IT - la réduction de la consommation d’énergie dans les datacenter”
   3. Sous quel angme je devrais aborder le sujet : “GREEN IT - la réduction de la consommation d’énergie dans les datacenter” ?
      1. Réponse = > “environnemental et économique”

2. La structure de l’article :
   1. Introduction captivante : Posez une question ou présentez une statistique frappante.
   2. Développement : Structurez en sous-sections avec des conseils pratiques ou des faits intéressants.
   3. Conclusion : Terminez par un appel à l'action ou une réflexion inspirante.

   Demander à ChatGPT : "Aide-moi à structurer un article sur “GREEN IT - la réduction de la consommation d’énergie dans les datacenter : environnemental et économique”.”

3. Collecter des informations pour le contenu de l’article.
   1. Rechercher des statistiques ou exemples pertinents.
      1. “Selon la structure que tu m’as donné, peux-tu trouver des exemples concrets?”
      2. “Selon la structure que tu m’as donné, peux-tu ajouter des statistiques et des données chiffrées intéressantes ?”

4. Visibilité : Optimiser pour les tendances (SEO)
   1. Recherche de mots-clés : demandez à ChatGPT les mots-clés tendance.
      1. "Quels mots-clés utiliser pour un article sur xxxxx ?".
      2. “peux-tu me donner des mots-clés simples qui amélioreront la visibilité de mon article dans les moteurs de recherche internet ?”
   2. Ajout de hashtags : Proposez des hashtags qui augmentent la visibilité sur les réseaux sociaux. Demander à ChatGPT :
      1. avec ce prompt : "Donne-moi une liste de hashtags populaires pour un sujet sur xxxxxx en 2025.”
      2. Ou bien ce prompt : "Trouve des hashtags adaptés à un blog sur les innovations technologiques écologiques.”,
      3. ou encore : "Quels hashtags utiliser pour augmenter la visibilité d'un post Instagram sur la mode éthique et durable ?”

5. Rédaction de l’article
   1. Première rédaction

      💡

      En lui demandant d’utiliser les mots-clés tendances trouvés en 4.

      1. Intro Prompt : "Peux-tu rédiger un article selon la structure contenant les exemples et les statistiques, et contenant également les mots-clés trouvés ?”
      2. Développement (selon la structure définie) Prompt : "Développe cette idée xxxxx en 2-3 paragraphes, avec des exemples concrets.” OU “Explique pourquoi le xxxxx est bénéfique pour xxx en incluant un exemple concret”.
      3. Conclusion : "Écris une conclusion percutante pour cet article en ajoutant un appel à l’action.”
   2. Affiner le ton et le style.
      1. "Réécris ce paragraphe avec un ton plus professionnel et formel." OU "Adapte ce texte pour un public jeune et dynamique."
      2. "Peux-tu rendre ce passage,xxxx, plus persuasif et engageant ?"
      3. On peut donner des exemples de textes pour le style que vous voulez (par exemple des textes que vous avez écrit). Puis demandez à CHATGPT de définir le style du texte. Il va donner une description détaillée du style. Reprendre la description pour vos futurs demandes.

6. Demander un titre et des sous-titres accrocheurs et captivants pour les jeunes.

7. Générer une illustration pour l’article : “Peux-tu me donner une illustration de style aplat , pour mon article?”

8. Publier l’article en HTML (demander à ChatGPT de réécrire l’article pour une page HTML)

Marvin Minsky

Américain qui a fondé des groupe de travail et des conférences dans les années 1950 et 1960 qui sont à l’origine de l’Intelligence artificielle.

Minsky a cofondé le MIT Artificial Intelligence Laboratory (aujourd'hui le CSAIL, Computer Science and Artificial Intelligence Laboratory) avec John McCarthy. Ce laboratoire est l'un des centres de recherche en IA les plus influents au monde et a contribué à des avancées majeures dans le domaine de l'informatique, de la robotique et de l'IA.

Luc Julia

Expert français. Concepteur de Siri.

Lors de ses prises de parole dans les médias en France, Luc Julia modère les propos alarmistes sur l'intelligence artificielle ; il préfère d'ailleurs utiliser le terme d'« intelligence augmentée ». Dans ses conférences, il s'oppose aux d de certaines personnalités du monde de la technologie, comme Elon Musk. Pour lui, ce sont les humains qui sont et resteront aux commandes des intelligences artificielles. Il explique d'ailleurs que les humains ont le choix d'utiliser correctement ces outils afin d'améliorer la société.

John Hopfield

Prix Nobel 2024. 1982 : réseau de neurones artificiel.

Geoffrey Hinton

Prix Nobel 2024. 1985 : méthode d’entraînement pour les réseaux de neurones.

2 de ses élèves de l’université de Toronto, Alex Krizhevsky et Ilya Sutskeven ont été les développeurs de ChatGPT.

Intelligence augmentée

L’IA, contrairement à l’humain, ne comprend rien; Elle produit des résultats sans garantie de véracité. Pour autant lorsqu’elle se conjugue à l’intelligence humaine, elle ouvre des horizons.

Réseaux de neurones

Contrairement à ce que pourrait suggérer son nom, un réseau de neurones artificiels n’est aucunement la reproduction numérique d’un cerveau biologique.
Un réseau de neurones est un système informatique inspiré du fonctionnement du cerveau humain.

Un réseau de neurones artificiels est un ensemble organisé de neurones interconnectés. Il s’agit d’un type particulier d’algorithmes d’apprentissage automatique (un modèle) caractérisés par un grand nombre de couches de neurones, dont les coefficients de pondération sont ajustés au cours d’une phase d’entraînement (apprentissage profond).

Il existe de nombreux type de réseaux de neurones artificiels tels que les réseaux de neurones récurrents, les auto-encodeurs, les réseaux transformeurs ou encore les réseaux antagonistes génératifs (generative adversarial networks).

Neurone : un nœud d'un réseau de plusieurs neurones reçoit généralement plusieurs valeurs d'entrée et génère une valeur de sortie.

Le modèle d'IA est la construction mathématique générant une déduction ou une prédiction à partir de données d’entrée. Le modèle est estimé à partir de données annotées lors de la phase d’apprentissage (ou d’entraînement) du système d’IA.

Perception

En intelligence artificielle (IA), la perception est la capacité d'un système à collecter, analyser et interpréter des données provenant de son environnement, généralement à partir de capteurs ou d'entrées numériques. Cela permet à l'IA de comprendre et d'interagir avec le monde qui l'entoure.

Deepfake

Contenus numériques qui ont l’apparence du vrai, mais qui sont faux, parce que manipulés par l’IA. La perception en IA est comme les sens humains : elle permet à une machine de "voir", "entendre", ou "sentir" pour agir intelligemment.