Académique Documents
Professionnel Documents
Culture Documents
1) Définitions
Arborescence
Réseau 4) Historique: d'où on vient et où on va?
Réseau informatique
1) Jalons historiques d'Internet et du web
2) Pourquoi?
2) Le "cloud computing"
3) Comment
3) Le "big data"
1) Analogique vs numérique
4) L'internet des objets
2) Du matériel au logiciel
3) Du réseau local à Internet 5) L'intelligence artificielle neuronale
4) Commutation de circuits vs commutation de paquets
5) Internet, modèle TCP/IP et protocoles
1) DÉFINITIONS
Arborescence Réseau
•Communication
Synchrone / asynchrone
Messagerie/messagerie instantanée/VOIP/IPTV/ jeux vidéo multi-joueurs/streaming audio et vidéo
Vidéoconférence, visioconférence, « remote interpreting »
Entre utilisateurs / processus
Partage, centralisation de ressources
Données
Matériel
Programmes
Travail collaboratif (Google documents, projet de traduction en ligne)
Sécurité et cohérence des données
3) COMMENT?
1. Aspects matériels
1. Ex.: J’ai deux ordinateurs et une imprimante, que je veux partager
2. Ex. J’ai un réseau Wifi et je veux partager des fichiers entre mon fixe et mon portable
2. Aspects logiciels
1. Ex.: Je lance une recherche terminologique sur l’IATE
tracert / ping iate.europa.eu
2. Ex.: J’envoie un mail à toto@ulb.be
tracert iate.europ.eu
3.3. DU RESEAU
LOCAL
À INTERNET
3.4. DE LA
COMMUTATION
DE CIRCUITS
À LA COMMUTATION
DE PAQUETS
UN PAQUET ANALOGIQUE
UN PAQUET NUMÉRIQUE (DATAGRAMME)
Les données circulent sur Internet sous forme de datagrammes (on parle
aussi de paquets). Les datagrammes sont des données encapsulées, c'est-
à-dire des données auxquelles on a ajouté des en-têtes correspondant à
des informations sur leur transport (Comment ça marche.com)
telles que l'adresse MAC dans un réseau local ou l'adresse IP sur Internet
3.5. INTERNET, MODÈLE TCP/IP ET PROTOCOLES
Internet: le routeur découpe les données en paquets, chaque paquet portant les
informations du niveau inférieur (encapsulation) et l'adresse du réseau émetteur
(adresse IP= internet protocol; la conversion URL-adresse IP se faisant grâce aux
serveurs DNS)
Application: l'application va interpréter les données (mail, requête dans une base de
données, envoi de fichier, streaming...)
Les données circulent sur Internet sous forme de datagrammes (on parle aussi
de paquets). Les datagrammes sont des données encapsulées, c'est-à-dire des
données auxquelles on a ajouté des en-têtes correspondant à des
informations sur leur transport (Comment ça marche.com)
comme l'adresse IP sur Internet
Encapsulation:
Les données du niveau supérieur englobent les données du niveau inférieur.
URL, ET ADRESSE IP
<html>
<head><title>Ma 1e page web</title></head>
<body>
<h1>Exemple de page web</h1>
<p>Paragraphe de texte <img src="Images/image.png"/></p>
<p>Comme aller à l'<a href="http://www.ulb.ac.be">ULB</a>?</p>
</body>
</html>
ÉVOLUTIONS
1995: web commercial
2005: web 2.0 = réseaux sociaux "user-generated content"
2010:
Cloud Computing
Big Data / données de masse
IoT / Internet of Things / Internet des objets
Intelligence artificielle (neuronale)
Reconnaissance d'images
2016: traduction automatique neuronale (neural machine translation, nMT)
2022: ChatGPT
STADES
Stade
1960 militaire
1970-1990 universitaire
1995- Commercial
2005 Web 2.0 ou collaboratif
2010- Cloud computing; Big data, IoT, IA
4.2. CLOUD COMPUTING
Ou données de masse
1. Définition
2. Mise en données du monde
3. Caractéristiques
1. La quantité plus que la qualité
2. Des corrélations et non des causes
4. Dangers et dérives
5. Conclusion
OAT/OAI 201920 29
4.3.1. DÉFINITION
Méthode d’analyse des données, fondée sur une quantité massive de données, visant
à établir des corrélations et servant d’aide à la décision
Exemple: le 1er Google Translate, Google et la grippe
30
4.3.2. MISE EN DONNÉES
32
correcteur d’orthographe de MS (algorithme de Banko et Brill)
Suggestions de recherche de Google
Les femmes / les hommes devraient…
Google Translate
mieux vaut passer du temps à constituer un corpus qu’à développer des règles
33
4.3.3.2. DES CORRÉLATIONS
ET NON DES CAUSES
Exemples:
Qu’achète-t-on à l’approche d’une tempête chez Walmart ?
Une lampe torche
Des barres petit-déjeuner
À la fraise
"Les personnes qui mangent de la crème glacée sont plus susceptibles de se
noyer"
34
4.3.4. DANGERS ET DÉRIVES
Constitution de monopoles (Google, Amazon, Facebook, Apple,
Microsoft) "data barons"
Respect de la vie privée
Emploi secondaire des données
Et si l’algorithme de Kashimizu servait à déterminer les
risques liés à la conduite?
Croisement des données qui rend caduque l’anonymisation
des données
Justice
Et si on était jugé pour des faits que l’on est susceptible de 35
commettre?
4.3.5. CONCLUSIONS
36
4.4. L'internet des objets
(Internet of Things, IoT)
Source: http://www.futura-
sciences.com/tech/definitions/internet-internet-objets-15158/
DÉFINITION
L'Internet des objets (IoT) est un réseau d'objets physiques connectés à Internet. Ces
objets sont équipés de capteurs, de logiciels et d'autres technologies qui leur
permettent de collecter, de traiter et d'échanger des données.
l'objet est équipé de capteurs
Permettant de collecter des données
reçoit/émet des informations par le biais de sa connectivité filaire ou non:
Bluetooth, Wifi, 4G, Ethernet
possède un identifiant (QR code, puce RFID, adresse IP)
Les logiciels traitent les données et réagissent en fonction.
FONCTIONNEMENT
42
L'intelligence artificielle désigne l'ensemble des programmes, techniques et
technologies permettant à des machines de réaliser des tâches complexes de façon
autonome, dont l'intelligence imite voire remplace celle de l'homme.
43
INTELLIGENCE…
perception
compréhension
classification
décision
agir
44
EXEMPLES
47
UN PEU D’HISTOIRE
48
1958: Perceptron: premier réseau de neurones artificiel
1960-1970: premiers engouements, premiers échecs
1970-1990: systèmes logiques, à base de règles
’1980-1990: apprentissage automatique, réseaux
profonds (Yann LeCun)
1990-2010: dormance
49
Intelligence artificielle
AI
Apprentissage automatique
Machine Learning
Apprentissage profond
Deep Learning
50
LE RÉVEIL DE L’IA
51
2012… POURQUOI?
52
QUELQUES NOMS DE L'IA
machine de Turing et "test de Turing"
Marvin Minsky (1969)
John McCarthy (1971)
Allen Newell et Herbert Simon (1975)
Edward Feigenbaum et Raj Reddy (1994)
Judea Pearl (2011)
Yann Le Cun, Geoffrey Hinton et Yoshua Bengio (2019)
Alan Turing '30: machine de Turing
1950: "test de Turing"
John McCarthy 1956: Terme de "artificial intelligence'; Lisp
Frank Rosenblatt 1958: perceptron
Marvin Minsky Perceptrons (avec Seymour Papert, 1969) et
La société de l'esprit (1986)
Geoffrey Hinton 2012: Supervision
Yann Le Cun < 1980: système à apprentissage; Meta
(<2013)
Yoshua Bengio "lanceur d'alerte" sur les dérives d'une IA
non régulée
IA NEURONALE VS IA SYMBOLIQUE