Découvrir l’Intelligence Artificielle : Un Guide pour Comprendre qui elles sont et ce qu’elles peuvent faire.
L’intelligence artificielle (IA) est partout : dans nos smartphones, nos voitures, et même dans les recommandations de films que nous regardons le soir sur Netflix ou Amazon Prime.
Le saviez-vous ? L’intelligence artificielle ne se limite pas aux LLM, comme ChatGPT, Claude ou d’autres grands modèles de langage. Il en existe bien d’autres.
Nous verrons également les différents « états capacitifs » dans lesquels peut se trouver une IA. Nous en profiterons pour démystifier quelques croyances pour le moins fantaisistes.
Pour terminer, nous verrons quelles sont les principales méthodes d’apprentissage.
Installez-vous confortablement, et plongeons ensemble dans cet univers fascinant.
1. Les différents types d’intelligence artificielle
Il existe plusieurs types d’intelligences artificielles, chacune ayant des architectures et des usages spécifiques. Voici les principales catégories d’IA :
Les IA symboliques (ou IA basées sur les règles)
- Exemples : Systèmes experts, arbres de décision, moteurs de règles (comme Prolog).
- Fonctionnement : Basées sur la logique et des règles explicites définies par des experts humains.
- Utilisation : Diagnostic médical, moteurs de recherche spécialisés, jeux d’échecs classiques.
Les IA connexionnistes (ou réseaux de neurones)
Il s’agit des IA les plus populaires aujourd’hui, divisées en plusieurs sous-catégories :
🔹 Perceptron & Perceptron Multi-couches (MLP)
- Exemples : Réseaux de neurones classiques.
- Utilisation : Classification, reconnaissance d’image et de texte.
🔹 CNN (Convolutional Neural Networks)
- Exemples : ResNet, VGG, EfficientNet.
- Utilisation : Vision par ordinateur (reconnaissance faciale, détection d’objets).
🔹 RNN & LSTM (Recurrent Neural Networks & Long Short-Term Memory)
- Exemples : GPT-2 (avant les Transformers), Google Translate (ancienne version).
- Utilisation : Traitement du langage naturel, génération de séquences, analyse prédictive.
🔹 Transformers
- Exemples : GPT-4, BERT, T5, Llama.
- Utilisation : Chatbots, résumé de texte, génération de contenu, recherche.
🔹 GAN (Generative Adversarial Networks)
- Exemples : StyleGAN, BigGAN, DeepFake.
- Utilisation : Génération d’images, création de vidéos et d’avatars réalistes.
🔹 Autoencodeurs & VAEs (Variational Autoencoders)
- Utilisation : Compression de données, génération de musique et d’images.
Les IA probabilistes et bayésiennes
- Exemples : Réseaux bayésiens, modèles de Markov cachés (HMM).
- Fonctionnement : Basées sur des probabilités et des inférences statistiques.
- Utilisation : Reconnaissance vocale, prévisions financières, bio-informatique.
Les IA évolutionnaires (ou algorithmes génétiques)
- Exemples : Algorithmes évolutionnaires, PSO (Particle Swarm Optimization).
- Fonctionnement : Inspirés de la sélection naturelle (mutation, croisement).
- Utilisation : Optimisation de problèmes complexes (par exemple, design de circuits électroniques).
Les IA hybrides
- Exemples : IBM Watson (qui combine règles symboliques et machine learning).
- Utilisation : Diagnostic médical avancé, systèmes décisionnels complexes.
Les IA neuromorphiques
- Exemples : SpiNNaker, TrueNorth (IBM).
- Fonctionnement : Inspirées du fonctionnement du cerveau humain.
- Utilisation : Calculs ultra-rapides, intelligence embarquée sur puces.
Les IA multi-agents
- Exemples : Simulation de foules, trading algorithmique collectif.
- Fonctionnement : Plusieurs agents IA autonomes interagissent pour résoudre des tâches. Très populaire en ce moment, parce que les IA en mode solo ne sont pas très douées en multi-tâches.
- Utilisation : Robotique en essaim (drones, robots industriels), multi-tâches.
Maintenant que vous connaissez les différents types d’IA, nous allons passer aux différents états capacitifs dans lesquels peuvent se trouver ces IA.
2. Les trois états de capacité des IA : ANI, AGI et ASI
L’IA n’a pas qu’un seul état, mais elle peut se classer dans trois états différents. Chacun de ces états définit des capacités de raisonnement et d’apprentissage différentes, voire complètement utopiques.
ANI (Artificial Narrow Intelligence)
L’intelligence artificielle étroite. C’est celle que nous utilisons aujourd’hui. Elle est excellente dans des tâches spécifiques comme créer des textes, détecter des fraudes bancaires ou recommander des chansons sur Spotify. Mais sortez-la de son domaine et elle devient complètement perdue. Elle ne peut faire que, et uniquement, ce qu’on lui a appris.
AGI (Artificial General Intelligence)
L’intelligence artificielle générale. Imaginez une machine capable de penser comme un humain, d’apprendre de nouvelles compétences sans supervision et de raisonner sur n’importe quel sujet. Pour l’instant, ce n’est que de la science-fiction, mais c’est l’objectif ultime de nombreux chercheurs.
Rassurez-vous, malgré les annonces quasi hebdomadaires de Sam Altman, PDG d’OpenAI (donc de ChatGPT), nous sommes encore très très loin d’atteindre l’AGI.
ASI (Artificial Super Intelligence)
La superintelligence artificielle. C’est l’IA qui dépasserait l’intelligence humaine dans tous les domaines. Certains l’imaginent comme une entité bienveillante qui nous aide à résoudre nos problèmes, d’autres comme une menace qui nous détruira tous.
Bonne nouvelle : C’est un concept imaginaire. Peut-être que dans quelques générations, nous en serons plus près… ou pas. Pour l’instant, c’est de la science-fiction, et ce n’est que ça !
Il y a une chose qu’on ne vous explique pas beaucoup, mais qui a son importance : l’architecture des IA actuelles ne leur permettra pas d’atteindre l’AGI dans un délai de quelques années. C’est l’architecture qui doit être repensée. Cela se fera probablement, mais cela prendra un temps certain.
Bon, nous avons vu les différents types d’IA et leurs états capacitifs, nous allons terminer par les types d’apprentissages principaux.
Oui, parce qu’une IA qui n’a pas eu d’apprentissage, c’est un logiciel qui ne sert à rien et qui ne peut rien faire.
3. Comment l’IA apprend-elle ?
Une question que vous vous posez peut-être : comment une machine peut-elle apprendre ? Eh bien, c’est un peu comme nous ! L’IA apprend à travers différentes méthodes, et voici les trois types d’apprentissage principaux :
L’apprentissage supervisé
L’IA apprend à partir d’exemples donnés par des humains. Par exemple, si vous lui montrez des milliers d’images de chats et que vous lui dites « voici un chat » et quand c’est un chien, vous lui dites « ceci n’est pas un chat », elle finira par reconnaître un chat toute seule.
Cela fonctionne très bien, mais demande de nombreuses données d’entraînement.
L’apprentissage non supervisé
Cette fois, pas d’exemples donnés ! L’IA essaie de trouver seule des motifs et des structures dans les données. C’est ainsi que fonctionnent les algorithmes qui vous recommandent des films ou des produits en ligne. Cela fonctionne bien quand l’apprentissage est « simple » ; c’est plus aléatoire sur des apprentissages complexes. Cela dit, les limites de l’apprentissage non supervisé ne sont pas absolues et peuvent être contournées grâce à des approches plus sophistiquées.
L’apprentissage par renforcement
L’IA apprend en essayant et en échouant, un peu comme un enfant qui joue à un jeu vidéo. Elle reçoit des réponses affirmatives quand elle fait bien et des réponses négatives quand elle se trompe. Elle apprend ainsi à améliorer ses performances.
C’est une méthode très puissante, mais qui demande énormément de simulations pour fonctionner efficacement.
Maintenant que vous avez une meilleure idée de ce qu’est une IA, de son état et de la manière dont elle apprend, voyons quelques exemples concrets de son application dans le monde réel :
4. Les IA dans notre quotidien : des exemples qui peut-être vous surprendront
Santé : diagnostiquer et aider les médecins
Les IA analysent des radiographies pour aider les médecins à détecter précocement des maladies comme le cancer. Elles ne remplacent pas les professionnels de santé, mais elles sont de précieux assistants. [1] [2]
Finance : détecter les fraudes et gérer les risques
Si votre banque vous prévient d’une transaction suspecte, c’est probablement grâce à une IA. Ces systèmes surveillent des milliers de transactions à la seconde pour identifier les comportements inhabituels. [3]
Marketing : des publicités ultra ciblées
Vous avez cherché « chaussures de sport » sur Google, et hop, vous voyez des pubs pour des baskets partout ? Ce n’est pas un hasard, c’est l’IA qui analyse vos préférences pour vous proposer ce qui pourrait vous intéresser. Inutile de la haïr, elle ne fait que ce pour quoi elle a été entraînée !
Conclusion : L’IA est un outil, pas une menace
L’intelligence artificielle n’est pas une créature mystérieuse qui va nous remplacer du jour au lendemain.
C’est un outil puissant qui, bien utilisé, peut nous aider à améliorer nos vies.
Comme toute technologie, elle doit être comprise pour être bien appréhendée.
Alors, la prochaine fois que vous utiliserez une IA, que ce soit pour demander un itinéraire ou discuter avec un assistant vocal, vous saurez qu’elle n’a rien de magique.
C’est juste de la science et des mathématiques, et maintenant vous la comprenez un peu mieux !
Merci de m’avoir lu et au plaisir de vous retrouver pour un autre article.
Sources
[1] https://editverse.com/fr/the-future-of-ai-in-medical-diagnosis-will-machines-replace-doctors/
[2] https://www.craft.ai/cas-dusage/sante/assistant-medical-intelligent
[3] https://www.ibm.com/think/topics/ai-fraud-detection-in-banking