Qu'est-ce que l'IA ? Des mots, une histoire, une machine à prédire

1. L'IA est déjà dans votre poche

L'intelligence artificielle (IA) désigne les programmes qui réalisent des tâches que l'on croyait réservées à l'intelligence humaine : reconnaître une voix ou un visage, traduire, conduire, rédiger un texte. Elle est partout, souvent sans que vous la voyiez :

• le filtre anti-spam de votre messagerie, le tri des photos par visage, l'itinéraire qui évite les bouchons ;
• le mot de réveil (« Dis Siri », « OK Google ») qu'écoute en permanence votre téléphone ou vos écouteurs ;
• les assistants conversationnels, qui rédigent, résument et répondent à vos questions.

2. Des mots en poupées russes

Les termes de l'IA s'emboîtent les uns dans les autres :

• Intelligence artificielle : tout programme qui imite une tâche « intelligente », y compris avec des règles écrites à la main par un humain.
• Apprentissage automatique (machine learning) : au lieu d'écrire les règles, on fournit des exemples au programme, qui en déduit lui-même ses règles. C'est l'objet du chapitre 2.
• Apprentissage profond (deep learning) : l'apprentissage automatique avec de grands réseaux de neurones à nombreuses couches.
• IA générative : des modèles qui produisent du contenu nouveau (texte, image, son). Les grands modèles de langage (LLM, Large Language Models) en font partie : ce sont eux qui animent les assistants conversationnels.

Un modèle vit deux phases. L'entraînement : on lui montre des données et il ajuste ses paramètres (des nombres) pour réduire ses erreurs ; c'est long et coûteux. L'inférence : on l'utilise, il répond avec les paramètres figés ; c'est rapide. Retenez cette distinction : elle sera centrale au chapitre 3, car l'objet embarqué ne fait en général que l'inférence.

3. Une histoire en dents de scie

L'IA n'est pas née avec les assistants conversationnels. Son histoire alterne les espoirs démesurés et les déceptions :

4. Comment un grand modèle de langage fabrique une réponse

Un grand modèle de langage ne « cherche » pas la réponse dans une base de connaissances. Il fait une seule chose, mais à une échelle gigantesque : prédire le mot suivant. À partir du texte déjà écrit, il calcule la probabilité de chaque mot possible, en choisit un, l'ajoute, et recommence, mot après mot.

Ces probabilités viennent de l'entraînement sur d'immenses quantités de textes. Un réglage, souvent appelé température, dose le hasard : à basse température, il prend presque toujours le mot le plus probable ; à haute température, il ose des mots moins probables, plus « créatifs ».

Lancez plusieurs phrases. Certaines sont vraies, d'autres sont bancales, car ce tout petit modèle ne regarde que le dernier mot. Et certaines sont parfaitement correctes mais fausses, comme « le Bluetooth transporte la lumière » : le modèle n'a jamais lu cette phrase, il a simplement enchaîné des mots qui se suivent souvent. Il ne vérifie rien, il ne « sait » pas ce qui est vrai. Les grands modèles se trompent beaucoup moins souvent, parce qu'ils tiennent compte de tout le contexte, mais le mécanisme est le même : une réponse fausse peut être exprimée avec la même assurance qu'une réponse juste. On appelle ces erreurs des hallucinations.

Avant la suite, vérifiez que vous savez :

• situer IA, apprentissage automatique, apprentissage profond et IA générative ;
• distinguer entraînement et inférence ;
• citer trois étapes de l'histoire de l'IA ;
• expliquer d'où viennent les « hallucinations ».