Partie 1 · IA frugale
Qu'est-ce que l'IA aujourd'hui ?
Trois « familles » emboîtées
- Intelligence artificielle : des systèmes pouvant « réfléchir » pour eux-mêmes.
- Machine learning : des systèmes qui détectent des tendances à partir de grandes quantités de données (exemple du cours : les recommandations Netflix).
- Deep learning : le machine learning accéléré par des réseaux de neurones (nodes), qui fonctionnent comme le cerveau humain.
Une histoire simplifiée
| Date | Événement |
|---|---|
| 1950 | Alan Turing et le test de Turing |
| 1956 | John McCarthy invente le terme « artificial intelligence » |
| 1964 | ELIZA (Joseph Weizenbaum, MIT), premier chatbot |
| 1997 | Deep Blue (IBM) bat Kasparov |
| 2012 | Retour du deep learning avec AlexNet (CNN), début de l'utilisation des GPU pour l'entraînement |
| 2017 | Les Transformers : les textes sont décomposés en tokens, fondations des LLM |
| 2018 | GPT-1 : début de l'IA générative |
| 2022 | ChatGPT, le produit technologique adopté le plus vite de l'histoire |
Le support distingue l'IA symbolique (« Good old fashioned AI », avec le General Problem Solver de 1959), l'IA connexionniste (réseaux de neurones) puis l'IA générative.
Comment fonctionne un LLM
Un LLM (Large Language Model) fonctionne en deux phases :
- Entraînement : ingestion de très grandes quantités de données (sites web, vidéos...), donc besoin de cloud et de puissance de calcul. La « soif de données » est un point clé.
- Inférence : quand un utilisateur interroge le modèle (le « prompt »), il calcule le mot suivant le plus probable et génère des tokens (parties de mots ou d'images) qu'il reconstitue en phrases ou images.
Le cours insiste : un LLM n'est pas un moteur de recherche ni une source de vérité, c'est un moteur de probabilité aux réponses différentes à chaque fois. Pourtant, moins d'un tiers des utilisateurs comprennent son fonctionnement et près de la moitié le considèrent comme un moteur de recherche (Searchlight Institute 2025, USA).
Vérifie que tu as compris
L'IA d'aujourd'hui : trois grands types
| Type | Principe | Exemples du cours |
|---|---|---|
| IA prédictive | Analyse de grandes quantités de données pour en ressortir des tendances ou résultats | recommandations Netflix, détection de cancers, prédiction d'heure d'arrivée de Google Maps |
| IA générative | Génère de nouveaux contenus à partir de ses bases d'apprentissage, selon des prompts | ChatGPT, résumés de recherches Google, MidJourney, Veo3 |
| IA agentique | Des « agents » autonomes qui accèdent à des outils d'exécution (code, systèmes de fichiers, navigateurs), souvent à plusieurs | OpenClaw, navigateurs agentiques, services multi-étapes (trouver et réserver un restaurant) |
S'y ajoutent deux variantes : les modèles à raisonnement, qui s'interrogent plusieurs fois pour re-vérifier leurs résultats avant rendu, et les modèles Mixture of Experts (MoE), qui n'activent qu'une partie de leurs paramètres, contrairement aux LLM classiques qui les activent tous.
Vérifie que tu as compris