top of page

Retour sur l'IA générative

L’IA générative utilise des algorithmes pour créer du contenu neuf, comme des textes, images, ou musiques, en s’inspirant de vastes ensembles de données existantes.Découvrons ensemble cette technologie fascinante avec Emmanuel Donati.

par Emmanuel Donati

Questions  IA  / Réponses humaines

Le BOSS de l'IA Conférences - Formations Expertise / ChatGPT et IA Générative

Après avoir validé un diplôme d’ingénieur et réalisé un modélisation 3D de flux hydrodynamiques, Emmanuel a un parcours managérial toujours teinté de technologie: tour à tour dans le retail, l’informatique, les télécoms, l’électronique, la musique, la moto, l’automobile. Après un MBA en Marketing et Stratégie Internationale, il dirige plusieurs entreprises en Belgique, au Luxembourg et aux USA et enfin en France. Impliqué dans des recherches de solutions d’Intelligences Artificielles depuis plusieurs années, il met à profit sa connaissance des rouages de l’entreprise, son goût pour la transmission et son expertise technologique pour initier, former et implémenter les solutions d’Intelligences Artificielles pour des gains de productivité spectaculaires. Emmanuel enseigne actuellement la stratégie, la digitalisation et les IA dans plusieurs écoles supérieures de Lyon et Paris.


 

par Emmanuel Donati

ials : Pourriez-vous nous rappeler les principes fondamentaux de l’intelligence générative et quelles sont ses capacités, notamment en termes de création de contenu et de résolution de problèmes ?
Emmanuel Donati : Désolé de commencer par vous reprendre sur les termes choisis mais c’est important : l’intelligence artificielle générative “génère“ du contenu, elle ne le “crée“ pas. C’est d’ailleurs un de ses principes fondamentaux :
l’intelligence artificielle est un formidable agrégateur, mais ne crée en aucun cas de nouveau contenu original.
Le terme désigné par Jack McCarthy en 1956 est d’ailleurs à l’origine de beaucoup de confusion. Je considère que l’intelligence artificielle n’est en fait ni intelligente par elle-même - elle imite l’intelligence humaine - ni artificielle - elle ne fait que restituer, sous des formes modifiées, des contenus créés par l’homme - donc naturels.
Les intelligences artificielles (ne) sont (que) des modèles statistiques qui calculent - pour les IA générative de langage - la probabilité qu’un mot, ou un groupe de mots, en suive un autre. Leur complexité fait que ces probabilités s’approchent de très près de la capacité humaine de génération de contenu. Et la dépasse très largement - en vitesse. De même, les capacités de raisonnement de l’intelligence artificielle, en termes de vitesse, lui permettent de résoudre des problèmes à des vitesses inédites. Ces capacités ont permis à AlphaGo, une IA dédiée au jeu de Go, de battre le meilleur joueur du monde Lee Sedol, à Séoul en 2016. Grâce notamment au fameux “coup 37” considéré comme une innovation par les spé-cialistes.

ials : Quelles sont les applications pratiques les plus prometteuses de l’intelligence géné-rative ? Pouvez-vous donner des exemples concrets ?
E. D. : Toutes les tâches qui ne recourent pas à la créativité humaine. En veillant à toujours axer l’utilisation sur la création de valeur. Par exemple, dans l’organisation d’un service client, la “première ligne”, qui désigne la résolution de problématiques simples, peut entièrement être confiée à des automatisations pilotées par l’IAGen. Pour réallouer les ressources rendues disponibles à la 2ème ligne, chargée de la résolution de problématiques plus complexes nécessitant une intervention humaine. Résultat, un meilleur service, plus disponible et plus qualitatif, une meilleure perception de la marque et une création de valeur. Autre exemple, l’utilisation des ressources de l’IAGen pour assister l’homme dans la recherche, médicale ou scientifique. Je m’attends notamment à ce que les progrès dans le domaine de la fusion nucléaire soient accélérés par les IAGen.

ials : En quoi l’intelligence générative se distingue-t-elle des autres formes d’intelligence artificielle, notamment en termes de créativité et d’innovation ?
E. D. : Rappelons tout d’abord que l’IAGen ne crée pas, elle génère. Votre question est donc sémantiquement incorrecte. Je vais néanmoins répondre sur le sens attendu. L’IAGen, par opposition aux autres formes d’IA, n’a pas d’objectif prédéterminé si ce n’est de générer des sorties sur la base des interactions avec le modèle (modèle =
modèle de langage, ou modèle statistique). Et donc, c’est lors de l’interaction (le fameux “prompt”) que l’utilisateur donne une tâche, une mission à l’IAGen. C’est donc le facteur humain, qui va engendrer la dimension créative des sorties de l’IAGen. Pour l’innovation, c’est différent. L’innovation peut venir du télescopage de deux idées existantes, ce dont l’IAGen est capable. Reprenant l’exemple d’AlphaGo, le fameux “Coup 37” peut être considéré comme une innovation car jamais tenté, en tout cas à ce niveau de jeu.

ials : Quels sont les principaux défis éthiques et réglementaires associés à l’utilisation de l’intelligence générative ? Comment ces défis peuvent-ils être abordés pour assurer une utilisation responsable et éthique de cette technologie ?
E. D. : Ils sont multiples. Il est tout d’abord urgent de poser un cadre de gouvernance pour garantir un bon usage des IAGen, c’est ce que défend The Future Society, organisme fondé par Nicolas Miailhe, à l’origine de la proposition de moratoire sur le développement des IA en mars dernier. Les autorités sont malheureusement ralenties par les processus de prise de décision, qui sont complètement dépassés par la vitesse de développement des IAGen. Nous sommes sur deux cycles complètement désynchronisés. Le challenge est aujourd’hui énorme pour synchroniser ces cycles.
Il en va de même pour la réglementation, qui pointe le bout du nez mais est loin de répondre, avec l’AI Act européen notamment, à l’ensemble des problématiques posées aujourd’hui, et plus encore demain, par l’utilisation des IAGen. Sans oublier la problématique des droits d’auteur, sujet à peine abordé aujourd’hui mais qui va s’avérer crucial dans les apprentissages des modèles d’IA.

 

bottom of page