Fondamentaux de l'IA

Bienvenue ! Si vous débutez avec l'IA, vous n'avez pas besoin d'avoir de formation technique pour vous lancer. Le plus utile, c'est une vue d'ensemble simple du paysage — afin que vous puissiez comprendre ce que les systèmes d'IA peuvent faire, comment ils sont proposés et comment choisir l'outil adapté à vos besoins.

L'intelligence artificielle (IA) est une vaste catégorie de logiciels capables de reconnaître des schémas, d'apprendre à partir de données et de produire des résultats utiles. 

Vous avez probablement vu l'IA s'inviter dans des moments du quotidien, par exemple lorsque  :

• Votre application de navigation vous fait contourner les embouteillages
• Votre banque signale un achat comme étant « inhabituel »
• Un assistant virtuel de support client répond aux questions courantes

L'IA est une catégorie — pas un outil unique. Cette catégorie comprend des modèles : des systèmes entraînés qui apprennent à partir de données, puis appliquent ce qu'ils ont appris à de nouvelles situations. Certains modèles se spécialisent dans la parole, la vision ou la prévision. 

Vous commencez probablement votre parcours dans l'IA en utilisant des outils d'IA conversationnelle, comme ChatGPT. Les modèles derrière ChatGPT sont spécialisés dans le langage : on les appelle des grands modèles de langage.

Un grand modèle de langage (LLM) est un modèle conçu pour travailler avec le langage. Il apprend des régularités à partir de grandes quantités de textes issus de nombreuses sources, ce qui lui permet de générer et de transformer du texte de manière utile. Un LLM ne « sait » pas les choses comme un humain. À la place, il prédit la suite la plus probable en fonction du contexte. Au fil du temps, les progrès de la puissance de calcul, des méthodes d'entraînement et de l'accès à de grands jeux de données ont permis de développer des modèles de langage à grande échelle plus grands et plus performants. 

OpenAI et d'autres laboratoires de recherche de pointe développent ces modèles comme élément central de leur offre, puis les mettent à disposition via des produits destinés aux utilisateurs (comme ChatGPT ou Codex) et via des API, qui permettent aux développeurs d'utiliser ces modèles pour créer leurs propres outils d'IA et intégrer l'IA dans des logiciels existants.

De nouveaux modèles sont disponibles auprès de ces laboratoires de recherche lorsqu'ils ont été entraînés et ont réussi les évaluations internes et les tests de sécurité.  Lorsque vous entendez dire qu'un modèle d'IA a été « entraîné », cela fait généralement référence à deux étapes— voyez cela comme quelqu'un qui apprend et s'améliore dans son travail.

La première étape est le pré-entraînement : le modèle apprend des schémas généraux à partir d'une énorme quantité de texte, ce qui lui donne de larges compétences, comme résumer, rédiger, traduire et expliquer. 

Imaginez un nouvel employé qui passe des semaines à tout lire — manuels, exemples de travaux réussis, projets passés, FAQ — jusqu'à comprendre les contours du poste.

Désormais, l'« employé » commence à effectuer le travail, et un « manager » l'accompagne : être plus clair, poser de bonnes questions de suivi, adopter le ton approprié et respecter les politiques de l'entreprise. C'est du post-entraînement. Cette étape aide le modèle à suivre les instructions plus fidèlement, à communiquer dans un style utile et à mieux gérer les situations délicates.

Le post-entraînement est également l'étape où les contrôles de sécurité sont renforcés : une formation conçue pour réduire les réponses dangereuses, éviter les demandes indésirables et répondre avec plus de prudence lorsque le sujet est sensible ou incertain.

À mesure que les modèles sont mis à jour et entraînés, vous pourriez remarquer des changements dans le ton ou les réponses. Si vous souhaitez obtenir des résultats cohérents, indiquez clairement votre objectif, votre public, le format et les contraintes, et attendez-vous à ce que le modèle fasse preuve de plus de prudence lorsque la sécurité ou l'incertitude entrent en jeu.

Différents modèles sont optimisés pour différents compromis—comme la vitesse, la profondeur et le soin avec lequel ils suivent des instructions en plusieurs étapes. Certains sont conçus pour répondre rapidement et avec fluidité aux tâches du quotidien (rédaction, synthèse, réécriture, brainstorming). D'autres sont conçus pour consacrer davantage de ressources de calcul à réfléchir davantage à un problème avant de répondre, ce qui peut améliorer la fiabilité pour les tâches complexes en plusieurs étapes. 

Les modèles sans raisonnement (parfois appelés « Instant ») sont optimisés pour générer des réponses rapides et fluides. C'est un bon choix par défaut lorsque la tâche est simple et que vous voulez surtout avancer : transformer des notes en message, peaufiner la formulation, générer des options ou extraire les points clés. 

Les modèles de raisonnement (parfois appelés « Thinking ») sont entraînés à mieux résoudre des problèmes de manière délibérée, étape par étape : planification, analyse complexe, débogage délicat, ou prise de décision avec des contraintes et des cas limites. Ils peuvent prendre plus de temps, mais ils sont souvent plus efficaces pour suivre plusieurs paramètres à la fois et éviter les erreurs dues à un raisonnement superficiel.

Si vous débutez, vous n'avez pas à vous soucier du choix du modèle : l'expérience ChatGPT par défaut est conçue pour basculer automatiquement, afin que vous puissiez vous concentrer sur votre question, et non sur les paramètres.

Au fil du temps, à mesure que vous apprenez ce que vous préférez (rapidité ou profondeur, brouillons rapides ou analyse approfondie), vous pouvez commencer à expérimenter les contrôles optionnels : par exemple, choisir Auto la plupart du temps, puis passer à Thinking lorsqu'une tâche est complexe ou à forts enjeux.

Voici la hiérarchie simple des instructions :

• IA = le domaine général
• Modèles = systèmes entraînés conçus pour exécuter des tâches particulières
• Grands modèles de langage (LLM) : modèles axés sur la compréhension et la génération du langage, entraînés au fil du temps par des laboratoires de recherche en IA
• ChatGPT = un produit qui vous aide à utiliser efficacement un LLM

Une fois que vous aurez cela bien en tête, vous serez prêt à apprendre à obtenir d'excellents résultats avec des outils comme ChatGPT, en commençant par comment lui parler pour obtenir les résultats que vous souhaitez.

Découvrez la prise en main de ChatGPT et l'ingénierie de prompts.