Comment ça marche ?

L’Intelligence Artificielle (IA) fonctionne en analysant de gigantesques volumes de données pour y détecter des schémas (patterns) répétitifs. Contrairement à un logiciel classique à qui l'on dicte des règles fixes, l'IA utilise des calculs mathématiques et statistiques pour apprendre à réaliser une tâche par elle-même grâce à l'exemple. [1, 2, 3]

Pour mieux comprendre la logique, voici une courte vidéo pédagogique qui résume comment l'IA assimile ces concepts :

Le fonctionnement de l'IA repose sur quatre grandes étapes clés et des technologies spécifiques.

1. Les 4 étapes du fonctionnement de l'IA

La collecte des données :

L'IA se nourrit de milliards d'exemples (textes, images, sons, codes). Ces données constituent sa matière première. 

Ce sont ces données qi sont stockées dans les gigantesques data centers qui se multiplient et font souvent débat pour leur consommation d'électricité et d'eau pour le refroidissement.

Le prétraitement :

Les données brutes sont nettoyées et organisées pour que les algorithmes puissent les analyser efficacement. 

L'entraînement (Machine Learning)

: L'algorithme cherche des connexions logiques. Par exemple, si on lui montre 10 000 photos de chats, il va repérer la forme des oreilles et des moustaches sans qu'on ait besoin de les lui décrire. 

L'inférence (la décision)

: Une fois entraînée, l'IA applique ce qu'elle a appris à une nouvelle donnée. Elle prédit ainsi le mot suivant d'une phrase ou identifie un objet sur une photo. 

2. Les technologies derrière l'IA

Pour exécuter ces tâches, l'IA s'appuie sur différentes couches technologiques imbriquées :

[ Intelligence Artificielle (IA) ]

              └── [ Apprentissage Automatique (Machine Learning) ]

                                                   └── [ Apprentissage Profond (Deep Learning / Réseaux de neurones) ]

Le Machine Learning (Apprentissage automatique)

C'est le principe qui permet à l'ordinateur d'ajuster son comportement tout seul au fur et à mesure qu'il reçoit des données.

Le Deep Learning (Apprentissage profond) :

Une sous-catégorie qui s'inspire de l'organisation du cerveau humain. Elle utilise des réseaux de neurones artificiels organisés en plusieurs couches pour traiter des problèmes hautement complexes.

Le NLP (Traitement du langage naturel)

C'est la brique qui permet à la machine de comprendre, traduire et générer le langage humain de façon fluide.

3. Le cas particulier de l'IA générative

Les modèles comme Google Gemini ou ChatGPT sont des IA génératives. Ils fonctionnent sur un principe de probabilité statistique. 

Lorsqu'on leur pose une question, ils ne "réfléchissent" pas au sens humain. Ils estiment, d'après les milliards de textes web qu'ils ont absorbés, quel est le mot suivant le plus logique à afficher pour répondre de manière cohérente.