Académique Documents
Professionnel Documents
Culture Documents
Titre
Remerciements
Introduction
Section 1 - Faire ses premiers pas avec l’IA générative et déployer des cas d’usage simples
et rapides
Glossaire
Ressources supplémentaires
Copyright
Remerciements
www.lienmini.fr/61706
Ce complément numérique propose des mises à jour, des éclaircissements et
des ressources supplémentaires. Ces ressources numériques permettront de
vous tenir informé des dernières nouveautés, des annonces les plus récentes
et de l’émergence de nouvelles technologies tout en faisant le tri dans un
environnement foisonnant. Notre objectif : vous permettre de vous orienter
en continu dans un environnement riche et foisonnant en vous plaçant entre
les mains les meilleurs outils et technologies.
En complément des cas d’usage et conseils présentés dans les pages
suivantes, vous découvrirez donc en ligne :
les meilleurs modèles de fondation du moment ;
les meilleures applications et interfaces utilisateurs par cas d’usage et
verticales métier ;
les guides pas à pas des principaux outils ;
les meilleures plateformes d’entraînement, de fine tuning et de
déploiement de modèles personnalisés.
PARTIE 1
TOUR D’HORIZON
CHAPITRE 1
Comprendre et désacraliser
les IA génératives
CONNEXIONNISME ET COGNITIVISME,
LA CONVERGENCE
Les approches cognitivistes et connexionnistes ne doivent cependant pas être
considérées comme uniquement opposées et incompatibles. En réalité, de
nombreuses recherches en IA et en psychologie cognitive tentent d’intégrer
désormais les deux perspectives.
D’un côté, les chercheurs cognitivistes ont reconnu que les modèles symboliques
traditionnels ne peuvent pas facilement expliquer certains aspects du
comportement et de la cognition humains, comme la capacité à apprendre de
nouvelles tâches à partir de très peu d’exemples, ou la résilience du cerveau aux
dommages grâce à la redondance et à la distribution de l’information. Ces
caractéristiques sont bien mieux modélisées par les approches connexionnistes.
De l’autre côté, les chercheurs connexionnistes ont également reconnu que les
réseaux de neurones, bien qu’incroyablement puissants, ne sont pas toujours
facilement interprétables et ne fournissent pas nécessairement une compréhension
claire des processus de haut niveau que les théories cognitivistes essaient
d’expliquer. De plus, certaines tâches, comme la logique formelle ou la planification à
long terme, sont souvent mieux réalisées par des systèmes symboliques explicites.
Un grand nombre de recherches actuelles en IA se concentre donc sur des modèles
hybrides qui tentent d’intégrer le meilleur des deux mondes. Ces modèles, souvent
appelés « systèmes neuro-symboliques », utilisent des réseaux de neurones pour
apprendre des représentations de bas niveau à partir de données brutes et des
systèmes symboliques pour effectuer un raisonnement explicite à partir de ces
représentations.
Ces modèles tentent de combiner la flexibilité et la capacité d’apprentissage général
des approches connexionnistes avec la clarté et la précision des approches
cognitivistes, dans l’espoir de créer des systèmes d’intelligence artificielle plus
performants et plus compréhensibles 15.
L’ÉMERGENCE DES RÉSEAUX DE NEURONES ARTIFICIELS
C’est en 2012 que s’ouvre l’ère de l’IA dans laquelle nous vivons
désormais. Comme l’année 1950 assista à plusieurs avancées conceptuelles
marquant l’histoire de l’IA, l’année 2012 va voir plusieurs avancées
technologiques démontrer la performance des réseaux de neurones profonds
et de l’apprentissage autosupervisé 16, méthode d’apprentissage machine où
un modèle apprend à faire des prédictions en analysant et en étiquetant lui-
même ses données d’entrée, sans intervention humaine pour fournir des
étiquettes correctes. Précédée par les travaux fondateurs de Geoffrey
Hinton, Yann Le Cun et Yoshua Bengio 17, l’année 2012 marque de
remarquables avancées en reconnaissance vocale, d’images ou encore de
vidéos. C’est surtout cette année qu’un réseau de neurones convolutionnels
(CNN), conçu par Alex Krizhevsky, publié avec Ilya Sutskever et son
directeur de thèse, G. Hinton, remporte le célèbre concours de
reconnaissance d’images par ordinateur, l’ImageNet Large Scale Visual
Recognition Challenge (ILSVRC) 18. Cette victoire écrasante va marquer le
début d’un nouveau paradigme dans l’univers de la data science et de l’IA.
En donnant de la crédibilité aux performances des réseaux de neurones, le
domaine du machine learning prend son envol.
En 2014, Google acquiert DeepMind, une entreprise de pointe en IA fondée
par des spécialistes des neurosciences, soulignant l’importance croissante
de l’IA pour les géants technologiques. Deux ans plus tard, une IA
développée par cette même société, AlphaGo, bat le champion du monde de
go, Lee Sedol, légende vivante en Asie, dans une série de matchs. Exploit
majeur, car le jeu de go, extrêmement complexe, avec plus de
configurations possibles que le nombre d’atomes dans l’univers observable,
est considéré comme inaccessible à l’intelligence de la machine. Originaire
de Chine, le jeu de go est un jeu de stratégie à deux joueurs qui implique la
prise de décisions intuitives et stratégiques. Contrairement aux échecs, où le
nombre de mouvements possibles est relativement limité, le go permet un
nombre beaucoup plus vaste de mouvements possibles à chaque tour, ce qui
rend le jeu particulièrement difficile pour les systèmes d’IA traditionnels.
En battant un champion humain en go, AlphaGo illustre le bond en avant de
19
l’IA .
Cette victoire est surnommée « le moment Sputnik » de la Chine 20, en
référence à l’événement historique de 1957 où l’Union soviétique lança le
premier satellite artificiel, Sputnik, déclenchant la course spatiale et
provoquant un grand choc aux États-Unis et dans le monde occidental,
inquiets de voir l’URSS accéder avant eux à l’espace. De la même manière,
la victoire d’AlphaGo a provoqué un changement d’état d’esprit en Chine et
plus globalement en Asie, soulignant l’importance et le potentiel de
l’intelligence artificielle.
Après la victoire d’AlphaGo, la Chine lance un effort national massif pour
accélérer son développement en IA. Épisode catalyseur d’un investissement
accru, de la mise en place de nouvelles politiques et du lancement de
programmes éducatifs visant à former une nouvelle génération de
chercheurs et d’experts en IA. La défaite de Lee Sedol a agi comme un
signal d’alarme, montrant à la Chine que l’IA avait le potentiel de perturber
de nombreux aspects de la société, de l’économie à la défense nationale, et
que le pays devait faire des efforts pour ne pas être laissé pour compte.
Cette orientation stratégique de la Chine vers l’IA a également ouvert l’ère
21
d’une nouvelle guerre froide entre l’empire du milieu et les États-Unis .
En 2017, AlphaGo est amélioré pour devenir AlphaGo Zero. Le système
apprend à jouer au go sans aucune connaissance préalable du jeu,
uniquement grâce à l’apprentissage par renforcement. La même année, une
nouvelle architecture de réseau de neurones, développée par Google, les
Transformers, s’apprête à révolutionner le domaine du traitement du
22
langage naturel et globalement de l’IA. Si cette révolution est imaginée
chez Google, ce n’est pourtant pas la société californienne qui va la
23
déployer – comme si elle était touchée d’un « syndrome Kodak » . Cette
architecture est utilisée l’année suivante pour créer BERT (Bidirectional
24
Encoder Representations from Transformers) .
En 2019, Geoffrey Hinton, avec Yann Le Cun et Yoshua Bengio, reçoivent
le prix Turing 2018, considéré comme le « Nobel de l’informatique », pour
25
leurs travaux pionniers sur les réseaux de neurones profonds .
En 2018, le premier modèle de la série GPT (Generative Pretrained
Transformer) est présenté. Deux ans plus tard, en 2020, OpenAI lance GPT-
26
3 , un modèle linguistique composé de 175 milliards de paramètres. GPT-3
démontre de solides performances sur de nombreuses tâches de traitement
du langage naturel, y compris la traduction, la réponse aux questions, et les
tâches nécessitant un raisonnement en temps réel ou une adaptation au
domaine. L’année suivante, OpenAI, sur la base d’une version de GPT-3,
lance DALL-E, une IA capable de créer des images à partir de descriptions
textuelles. En 2022, OpenAI lance ChatGPT, un modèle de langage capable
de générer des réponses textuelles en langage naturel, qui rencontre le
succès grand public déjà évoqué. En 2023, OpenAI lance GPT-4, et même
si le chiffre reste confidentiel, il pourrait être construit sur plus
27
1 800 milliards de paramètres répartis sur 16 modèles experts dans une
architecture dite MoE (Mixture of Experts 28). Les spécialistes sont
unanimes : par ses performances dans de nombreuses tâches, GPT-4 étonne
sans que les scientifiques soient capables d’expliquer tous ses
comportements 29, témoignant comme dans d’autres domaines actuellement,
d’une avance de l’ingénierie sur la science.
Une partie, voire tous ces points ont cependant vocation à disparaître avec
la progression des modèles de génération d’images.
Les images générées par des IA génératives permettent également d’aller
beaucoup plus loin en créant des photographies d’éléments historiques qui
n’ont pas existé. Par exemple, le livre Si Rome n’avait pas chuté, rédigé par
l’auteur Raphaël Doan, utilise l’intelligence artificielle pour poser des
questions uchroniques sur l’histoire. L’ouvrage prend place dans un monde
parallèle où les Romains auraient découvert et maîtrisé la machine à vapeur,
explorant les implications potentielles de cette hypothèse 62. La force de l’IA
dans ce contexte est sa capacité à générer des textes et des images qui
donnent vie à cette histoire alternative. Dans le cas de Si Rome n’avait pas
chuté, l’IA a produit non seulement une narration textuelle complexe, mais
aussi des images pour visualiser ce monde romain alternatif – des
représentations artistiques de machines à vapeur romaines, des
photographies d’objets archéologiques qui n’ont jamais existé, des scènes
de la vie quotidienne totalement fictives, et même des images de synthèse
d’une Rome technologiquement avancée. Ces images apportent un niveau
de réalisme et de contexte qui permet aux lecteurs d’imaginer ce monde
avec une précision sans précédent. En créant des images d’une Rome
technologiquement avancée, l’IA invite à une immersion plus profonde
dans ce scénario alternatif. Les lecteurs peuvent « voir » les réalisations
technologiques des Romains, les artefacts de leur société avancée, et même
des scènes de la vie quotidienne dans cette Rome qui n’a jamais existé.
Certains perçoivent dans cette utilisation de l’IA générative un risque de
réécrire l’histoire, et de ne plus être en mesure de distinguer ce qui est vrai
de ce qui ne l’est pas 63. D’autres y décèlent un potentiel artistique et
d’exploration intellectuelle. Certaines situations questionnent d’ailleurs le
statut de la création artistique. L’américain Jason Allen a remporté le
concours de la Colorado State Fair, l’une des plus grandes foires artistiques
du monde, pour un tableau conçu à l’aide de Midjourney 64. En 2023, les
publicités de la marque Undiz ont été générées à l’aide d’une IA, ceci étant
précisé de manière explicite et nous interrogeant sur la place et le devenir
des mannequins ainsi que des professionnels de l’image à l’ère de l’IA
générative.
Figure 2
Figure 4
Figure 5
En examinant ces diverses représentations de l’IA dans la fiction, nous pouvons avoir
une meilleure compréhension de la manière dont elles ont influencé nos attentes et
notre acceptation des technologies d’IA dans la réalité. Ces personnages fictifs nous
ont préparés à l’idée de converser avec des machines et ont suscité à la fois des
espoirs et des craintes sur les capacités et les implications de l’IA.
Les enjeux réels des IA conversationnelles
et génératives
L’année 2023 a été marquée par l’émergence des IA conversationnelles et
génératives et par les nombreuses peurs exprimées et craintes associées : de
l’appel à un moratoire signé par Elon Musk aux déclarations présentant l’IA
comme un danger existentiel pour l’humanité 77, à placer au même niveau
que les pandémies ou les risques nucléaires 78. Nombre de ces déclarations
ont semblé faites par des acteurs du secteur ayant des intentions cachées,
car étant mutuellement en concurrence ou souhaitant mettre en lumière leur
domaine.
La problématique d’une grande partie de ces déclarations reste cependant,
comme le souligne le chercheur en IA Nello Cristianini 79, qu’elles sont
souvent faites sans décrire de manière spécifique la manière dont les
catastrophes évoquées pourraient advenir, sans en préciser les scénarios de
réalisation. Or l’absence de scénarios spécifiques nous laisse avec un
sentiment alarmiste général, sans actions possibles à entreprendre.
Un sentiment alarmiste général et imprécis qui semble parfois jouer le rôle
de « grand détournement », nous faisant oublier qu’au premier rang des
enjeux de notre époque se trouvent les enjeux écologiques, face auxquels
les révolutions de l’IA conversationnelle et générative doivent être
soumises. Un grand détournement qui, en portant l’attention sur de
lointaines menaces existentielles, dont sont incapables les systèmes actuels,
nous détourne des risques concrets réels et actuels 80. Parmi eux, l’ère de
l’IA conversationnelle et générative nous pose dès à présent les questions
suivantes :
Comment accompagner socialement les mutations en cours et les
impacts déjà visibles sur le monde du travail ? Comment articuler la
puissance de l’IA avec l’expertise et le jugement humains 81 ? Comment
affronter les inégalités d’impact sur les populations, certaines études
semblant démontrer que les métiers principalement occupés par des
82
femmes seraient plus impactés ?
Comment encadrer l’émergence de ces outils dans la sphère intime avec
ses risques de manipulation, de génération de fausses informations et de
détournement des fonctionnements démocratiques ?
Comment mesurer les biais présents dans les données d’entraînement et
leur impact sur les réponses fournies ?
Comment affirmer le besoin de transparence et d’explicabilité dans les
processus de décision qui impliquent des IA conversationnelles et
génératives ?
Comment assurer la protection des données des individus et leur vie
83
privée ?
Comment prendre en compte, mesurer et partager l’impact carbone de
l’entraînement des grands modèles de langage ainsi que de leur
utilisation ?
Comment réinventer la propriété intellectuelle et les droits d’auteur à
84
l’ère de l’IA générative ?
IA RESTREINTE ET IA GÉNÉRALE :
UNE QUESTION D’AUTONOMIE
ET DE POLYVALENCE
Il est possible de classer les systèmes d’intelligence artificielle selon deux catégories
reflétant leur niveau de complexité et de capacité : l’IA restreinte et l’IA générale.
➣ L’IA restreinte se réfère à des systèmes d’IA conçus pour accomplir des tâches
spécifiques : recommander une chanson sur Spotify, identifier des visages sur
des photos dans les réseaux sociaux ou aider une voiture autonome à naviguer.
Ces systèmes sont dits « restreints » car ils sont limités à une ou quelques tâches
spécifiques, et ne peuvent pas sortir de ce cadre prédéfini. Ils sont
« intelligents » dans leur domaine, mais n’ont pas la capacité de comprendre ou
d’apprendre des choses en dehors de leur champ d’action.
➣ L’IA générale se réfère à une machine qui pourrait effectuer toutes les tâches
intellectuelles qu’un humain est capable de faire. Une telle IA serait capable de
comprendre, apprendre et appliquer ses connaissances à une gamme infinie de
problèmes, sans être limitée à un domaine spécifique. Elle pourrait résoudre des
problèmes inédits, s’adapter à de nouvelles situations et même développer des
compétences de manière autonome.
PAROLE D’EXPERT
Axel Gaudot, développeur, responsable technique
de Polaria
Face à l’essor des diverses formes d’IA et leur accessibilité croissante, l’idée d’une
intelligence artificielle générale redevient un sujet de prédilection. Ce concept,
largement exploré par les écrivains de science-fiction, oscille entre les visions
dystopiques d’Ellison ou Asimov et l’image plus familière des assistants vocaux de
vaisseaux spatiaux. Le désir de l’humanité de créer une forme d’intelligence semble
être une extension de notre instinct évolutif pour la création et la reproduction.
L’avènement des ordinateurs et des micro-puces a nourri notre tendance à
anthropomorphiser nos gadgets. Des montres intelligentes réagissant à notre santé
par des émojis, aux téléviseurs interagissant avec notre regard, ces dispositifs
personnalisés semblent logiquement préparer le terrain pour une création encore
plus avancée, propulsée par le silicium.
Cependant, l’intelligence que nous créons aujourd’hui, qu’il s’agisse de l’IA de
reconnaissance d’image de Google ou de l’IA générative GPT, semble plus être un
simulacre d’intelligence que de véritables intelligences. Ces systèmes, aussi
sophistiqués soient-ils, fonctionnent principalement par comparaison et calcul, sans
véritable compréhension ou conscience de ce qu’ils analysent.
Par exemple, GPT, aussi impressionnant qu’il soit, ne comprend pas vraiment le
monde. Il devine simplement le prochain mot à écrire en fonction du contexte donné.
Si on lui présente une énigme impliquant une banane et une valise, il échouera, faute
de compréhension fondamentale de ces objets et de leur utilisation dans le monde
réel.
Cela m’amène à une hypothèse inspirée par le jeu vidéo The Talos Principle. Si nous
cherchons à créer une IA véritablement intelligente, capable d’éprouver des
émotions et d’exercer un jugement rationnel, nous devrions d’abord lui donner un
corps. Et pas n’importe quel corps – un corps qui évolue.
L’expérience de vivre dans un monde physique façonne profondément notre
compréhension et notre interaction avec celui-ci. Les concepts tels que la gravité, le
langage non verbal, l’empathie, etc., sont acquis par l’expérience vécue. Sans une
présence corporelle, une IA serait privée de ces expériences essentielles.
CHAPITRE 2
Alors que nous entrons de plus en plus profondément dans l’ère de l’IA
conversationnelle et générative, deux réalités parallèles se dessinent. D’une
part, une nouvelle profession émerge – celle de l’ingénieur de prompts. Ce
spécialiste agit comme interprète entre les humains et les modèles de
langage, traduisant les requêtes en directives spécifiques, ou « prompts »,
pour guider l’IA vers la réponse la plus appropriée. L’ingénieur de prompts
sert d’intermédiaire entre l’IA et l’utilisateur, augmentant ainsi la qualité de
l’interaction et optimisant l’efficacité de l’IA dans la compréhension de la
demande et la réponse apportée. D’autre part, une nouvelle compétence se
profile à l’horizon de notre quotidien – celle de devenir son propre
ingénieur de prompts. Dans un monde de plus en plus habité par les IA
conversationnelles et génératives, chaque individu doit apprendre à
« murmurer » à l’oreille de l’IA, formulant des instructions précises pour
maximiser l’efficacité de son interaction avec ces systèmes.
Nous explorerons ici ces deux facettes de notre réalité émergente, en
éclairant à la fois les défis et les opportunités que l’ère de l’IA
conversationnelle et générative présente.
Qu’est-ce que l’ingénierie des prompts
(prompt engineering) ?
L’ingénierie des prompts désigne la procédure de conception,
d’amélioration et d’optimisation des instructions en entrée (prompts) d’un
modèle d’IA conversationnel et génératif, lui permettant de produire des
sorties précises, pertinentes et utiles.
Concrètement, un prompt est une suite de mots qui demande à un modèle
d’IA de produire le résultat souhaité pour une tâche spécifique. L’utilisateur
peut entrer cette commande dans une interface textuelle pour indiquer au
modèle ce qu’il doit faire. Cela peut aller d’une simple question à une
requête complexe avec une grande variété d’éléments que l’IA doit prendre
en compte1.
L’art du prompt engineering est donc celui du dialogue avec la machine, là
où se situe désormais une grande partie de la valeur ajoutée et de la
créativité de l’être humain.
Figure 7
Figure 8
Figure 9
Figure 11
Figure 12
Exemple d’un prompt réalisé avec ChatGPT et la réponse associée
Exemple d’un prompt réalisé avec Bing et la réponse associée, avec des sources
Internet et des suggestions adaptées à la requête
Avec les modèles de très grande taille récents, l’application du CoT peut se faire en
ajoutant simplement « Réfléchissons étape par étape » dans le prompt.
L’UTILISATION DU CONTEXTE
Le contexte en matière d’IA générative fait référence à l’ensemble des
informations qui sont prises en compte lors de la génération de nouvelles
données. Par construction, l’attention des modèles tels que ChatGPT ou
Claude 15 se module en fonction des entrées récentes ou précédentes, mais
également du cadre spécifique de dialogue (« Agis en tant que… », « Écris
en tant que… ») pour augmenter la pertinence des réponses générées.
La plupart des interfaces conversationnelles et génératives permettent ainsi
la création de nouvelles discussions où le modèle repart de zéro, le contexte
précédent étant alors effacé. Cette option est essentielle pour donner la
possibilité de débuter un nouveau sujet ou une nouvelle ligne de dialogue
sans que les informations antérieures n’influencent les réponses du modèle.
Ces mêmes interfaces permettent en général de revenir à des conversations
précédentes pour s’inscrire de nouveau dans un contexte donné. Les
modèles se différencient les uns des autres par la longueur des contextes
16
qu’ils peuvent prendre en compte, mesurée selon des tokens .
En respectant les règles de base énoncées dans ce chapitre, vous pourrez
créer des prompts efficaces qui maximisent les performances de l’IA
conversationnelle et générative.
CHAPITRE 3
Les études 1
se multiplient pour tenter de mesurer l’impact à venir des IA
conversationnelles et génératives sur le monde du travail. La certitude est
que ces impacts seront de grande ampleur, particulièrement dans les pays où
les métiers intellectuels sont les plus développés.
L’intégration de l’IA conversationnelle et générative dans notre quotidien
professionnel est en marche et elle nécessite non seulement une
compréhension de la façon dont cela pourrait affecter nos méthodes de
travail, mais aussi une reconnaissance des éléments clés à considérer lors de
l’implémentation de ces technologies au sein d’une organisation.
Dans ce chapitre, nous aborderons l’importance d’adopter une approche
personnalisée en matière d’IA conversationnelle et générative, en
reconnaissant que chaque situation requiert une conception d’expérience
unique et spécifique.
L’IA générative transforme déjà le monde
du travail et les entreprises
En mars 2023, Goldman Sachs estime que 300 millions d’emplois seraient
menacés dans le monde 2. C’est ainsi plus de la moitié des tâches des
travailleurs occidentaux qui pourrait à terme être touchée. Cependant,
d’autres métiers vont voir le jour. Les IA génératives pourraient ajouter,
selon le cabinet McKinsey 3, des milliers de milliards de dollars chaque
année à l’économie mondiale, influençant toutes les industries et activités,
la majeure partie des impacts se concentrant sur la relation client, le
marketing, la vente, l’ingénierie logicielle et la R&D. Cette révolution va
transformer l’organisation même du travail par l’automatisation d’une
importante quantité de tâches actuellement dévolues à l’être humain,
nécessitant d’accompagner nombre de travailleurs dans le développement
de nouvelles compétences ou des reconversions.
Alors que les IA conversationnelles et génératives ont le potentiel d’écrire
des scénarios de séries télévisées 4, de remplacer les photographes et les
mannequins pour une campagne publicitaire de la marque Undiz, et sont
utilisées au quotidien par un nombre croissant de salariés qui ne le déclarent
pas, il est clair que l’IA conversationnelle et générative n’est plus une
perspective future, mais une réalité actuelle.
Arvind Krishna, CEO d’IBM, considère déjà que « 30 % (de ses
26 000 employés administratifs) pourraient facilement être remplacés par
l’IA et l’automatisation sur une période de cinq ans 5 ». En mai 2023,
3 900 personnes auraient été licenciées aux États-Unis pour cause
d’émergence de l’IA conversationnelle et générative 6 ; et dans l’univers des
médias, des entreprises comme The Washington Post, Bild ou DieWelt
accélèrent leurs réflexions stratégiques et opérationnelles pour s’adapter à
ce qui est désormais considéré par certains comme une opportunité
prioritaire 7.
Il est en réalité très difficile de mesurer l’impact que va avoir l’émergence
des IA génératives sur le monde du travail et la diversité des chiffres
annoncés en témoigne, puisqu’il est toujours plus facile d’identifier les
métiers qui disparaissent que ceux qui apparaissent ou émergent. L’OCDE
estime ainsi que c’est globalement 27 % des emplois actuels, tous secteurs
confondus, qui pourraient disparaître à cause de l’IA 8. McKinsey annonce
la destruction de 800 millions d’emplois, mais la création en parallèle de
940 millions d’emplois sur de nouveaux métiers. Goldman Sachs considère
que 450 millions d’emplois vont être fragilisés et le World Economic Forum
estime ce chiffre à 85 millions face à la création de 97 millions d’emplois.
Les échelles sont donc variables et comme l’a dit Pierre Dac, « les
prévisions sont difficiles, surtout lorsqu’elles concernent l’avenir » ! Seules
certitudes :
il y aura des impacts d’ampleur, même si l’échelle est difficile à donner
et s’il est impossible de dire si le solde de création d’emplois sera
positif ou négatif avec les impacts associés sur les taux de chômage ;
sur la prochaine décennie, les métiers, les entreprises, les pays et les
continents ne seront pas impactés de la même manière 9 ;
à date, l’émergence des IA génératives n’a pas eu d’impact sur le taux
de chômage mais la préparation et la formation des travailleurs à
l’émergence des IA génératives est un impératif pour les États, qui vont
devoir accompagner les transformations du marché du travail ;
ce sont les salariés avec le moins d’expérience, ou encore en phase
d’onboarding, qui pourraient bénéficier le plus de l’émergence de l’IA
générative dans l’entreprise, impactant la valorisation de l’expérience
dans nos entreprises, déjà mise à mal par l’émergence des technologies
numériques 10.
Plus qu’à la disparition des métiers, c’est à leur transformation qu’il faut
s’attendre, un emploi n’étant pas impacté dans l’intégralité de ses tâches
mais sur une échelle variable. Que ce soit dans le développement
informatique, la gestion administrative, le juridique, le conseil, la
médecine… l’avenir est à la mixité et à l’interaction homme-machine.
L’émergence des IA conversationnelles et génératives va transformer
11
l’identité professionnelle . Les employés seront amenés à apprendre à
interagir avec les machines, de la même manière qu’ils ont dû maîtriser les
outils de bureautique, Internet, ou encore le smartphone. Plutôt que d’être
remplacés par des IA, les employés pourraient être davantage remplacés par
d’autres employés qui maîtrisent l’IA. L’objectif étant d’augmenter la
contribution humaine, qui reste primordiale pour nourrir l’IA avec de la
curiosité et de la créativité 12 en amont, et pour analyser, vérifier et corriger
ses résultats en aval.
LE PARADOXE DE MORAVEC – LA
COMPLEXITÉ DE L’ORDINAIRE
Le paradoxe de Moravec 13 énonce une réalité contre-intuitive : il est bien plus ardu
de conférer à un robot les capacités perceptives et motrices d’un jeune enfant que
de concevoir un algorithme simulant les compétences intellectuelles ou
mathématiques élevées d’un adulte. Ce postulat, qui pourrait sembler paradoxal, a
des implications majeures pour le futur du travail. Les tâches que nous, humains,
trouvons simples, sont souvent celles qui posent le plus de défis technologiques et
vice versa.
Grâce à leur puissance de calcul, leur capacité de traitement de données, leur
mémoire, leur logique, les machines surpassent déjà l’homme dans plusieurs
domaines nécessitant des capacités de calcul : que ce soit dans les échecs, le jeu de
go, l’investissement en Bourse ou encore le domaine de la planification, et
aujourd’hui dans la génération de textes, d’images ou encore de vidéos.
Pourtant, en dépit de progrès notables, les machines éprouvent des difficultés dès
lors qu’il s’agit d’accomplir des tâches sensorimotrices : identifier un objet, un visage,
une voix, une émotion, se mouvoir dans un environnement tridimensionnel, attraper
une balle en plein vol… Toutes fonctions qui nécessitent une interaction entre
l’information perçue par les sens (et acheminée vers le système nerveux) et la
motricité (exprimée par les contractions musculaires sous le contrôle du système
nerveux).
Pourquoi nos fonctions sensorimotrices semblent-elles plus difficilement
reproductibles, voire surpassables que nos fonctions de raisonnement ? Car ces
fonctions, fruits de l’évolution naturelle, se sont perfectionnées au fil de millénaires,
développant à cette échelle de temps précision et efficacité. En revanche, nos
capacités de raisonnement, plus récentes dans l’histoire de l’évolution, n’ont pas eu
autant de temps pour se raffiner.
Contrairement à ce que nous pourrions supposer, ce ne sont donc pas les tâches
manuelles qui sont aujourd’hui les plus aisément automatisées, mais bien les tâches
intellectuelles, celles relevant principalement de la logique. Une réalité qui mérite
notre attention quand il s’agit de préparer l’avenir d’un enfant, de concevoir
l’éducation, ou encore de penser les politiques de gestion des emplois et des
compétences au sein d’une entreprise ou d’un territoire.
Ce que l’IA générative permet de faire
La présence d’une interface basée sur l’IA générative peut mener à une
transformation culturelle au sein d’une organisation. Elle est susceptible
non seulement de réinventer les modalités de travail des collaborateurs mais
aussi de remodeler les structures organisationnelles elles-mêmes. Cette
évolution technologique pourrait engendrer un déplacement des routines,
des habitudes et des rituels de travail, altérant ainsi les dynamiques sociales
et les formes de collaboration au sein de l’entreprise. À long terme, ces
modifications pourraient redéfinir les normes de travail, et donner lieu à une
nouvelle culture organisationnelle façonnée par l’interaction entre l’homme
et l’IA.
L’IA générative est à même de transformer concrètement la manière de
travailler des collaborateurs, et cela de diverses manières :
efficacité accrue : en fournissant des solutions rapides et adaptées, l’IA
générative peut libérer du temps précieux pour les collaborateurs et les
services, leur permettant alors de se concentrer sur des tâches de plus
grande valeur ajoutée ;
gain de temps : l’IA générative, en automatisant les tâches routinières
et en fournissant des réponses rapides aux questions courantes, peut
économiser un temps précieux pour les collaborateurs, qui sera réinvesti
dans des activités plus stratégiques ou créatives ;
montée en compétences : en fournissant des informations détaillées et
des analyses précises, l’IA générative peut aider à augmenter les
compétences des collaborateurs ;
prise de décision informée : l’IA générative offre une capacité
d’analyse de données sur de grands volumes, ce qui permet aux
collaborateurs et aux différents services de prendre des décisions
éclairées sur diverses questions ;
communication facilitée : l’IA générative peut servir de plateforme
pour améliorer la communication entre différentes parties prenantes
(RH, collaborateurs, direction, etc.) sur des sujets à haute valeur
ajoutée.
Un regard anthropologique
sur les transformations en cours
L’objectif de cet ouvrage n’est pas d’entrer dans le domaine de la
futurologie, de prédire l’imprévisible ou de tracer un avenir définitif pour
l’IA conversationnelle et générative. La rapidité des innovations qui se
succèdent dans ce domaine, l’effervescence des acteurs du secteur
technologique, la compétition entre géants du numérique, mais également
entre États, et l’évolution constante des solutions proposées rendent toute
tentative de prédiction précise quasiment impossible et imposent l’humilité
aux auteurs de cet ouvrage.
Cependant, ce qui est à notre portée, c’est d’adopter une perspective
anthropologique, de faire des « pas de côté » et de nous concentrer sur les
enjeux sociétaux qui émergent de l’impact des IA génératives dans les
organisations. Nous avons la possibilité d’examiner la manière dont ces
technologies peuvent transformer nos modes de vie, nos structures de
travail, et de réfléchir aux implications potentielles dans la redéfinition des
interactions humaines.
C’est un regard critique qui est requis, un examen des conséquences de
l’intégration de l’IA générative dans nos sociétés. Les questions à poser
concernent l’éthique, les valeurs, les droits de l’homme ou l’égalité, tout
autant que les questions techniques.
Autrement dit, l’objectif est d’explorer les implications humaines,
sociétales et organisationnelles des IA génératives, plutôt que de chercher à
prédire l’incertain.
En analysant ces quatre sommets, nous pouvons voir que le carré sémiotique révèle
les tensions et les interactions entre les différentes figures et les différents
concepts. Par exemple, le passage de S1 à S2 représente une augmentation
progressive de l’augmentation technologique, tandis que le passage de S3 à S4
représente le processus d’augmentation humaine par la technologie. De plus, le
carré sémiotique illustre les dilemmes et les conflits potentiels, tels que les tensions
entre les désirs d’augmentation (S4) et les préoccupations sur la préservation de
l’humanité naturelle (S3).
Figure 16
Figure 17
Cette analyse axiologique souligne le rôle clé que jouent les valeurs dans notre
compréhension et notre interaction avec la technologie. Elle montre également la
manière dont ces valeurs peuvent être influencées par les tensions et les
dynamiques révélées par le carré sémiotique.
En ce sens, une politique claire et bien définie est essentielle pour gérer
l’impact de l’IA générative dans une organisation. Avant de mettre en place
un système d’IA, il est nécessaire de comprendre sa valeur ajoutée, ses
capacités et ses limites. Cela implique de travailler étroitement avec les
fournisseurs d’IA, mais aussi d’impliquer les utilisateurs finaux dans le
processus d’évaluation. De plus, les organisations se doivent de mettre en
place des protocoles de sécurité robustes pour protéger les données utilisées
par l’IA. Cela peut inclure le cryptage des données, le contrôle d’accès
strict, et l’application de normes de confidentialité.
RGPD, ENJEUX DE SOUVERAINETÉ
ET LIBERTÉ D’ACCÈS
La CNIL a publié un plan d’action concernant le déploiement de l’IA, notamment les
IA génératives comme ChatGPT, en mettant l’accent sur le respect de la vie privée
des individus. Cette initiative s’appuie sur les efforts menés par la CNIL depuis
plusieurs années pour anticiper et répondre aux enjeux posés par l’IA.
La CNIL a l’intention de poursuivre son travail sur les caméras augmentées et
d’élargir ses recherches aux IA génératives, notamment aux modèles de langage à
grande échelle et aux applications dérivées comme les chatbots.
Le plan d’action de la CNIL se concentre sur quatre domaines principaux :
➣ comprendre le fonctionnement des systèmes d’IA et leurs impacts sur les
individus ;
➣ encourager et encadrer le développement d’IA respectueuses de la vie privée ;
➣ rassembler et soutenir les acteurs innovants de l’écosystème de l’IA en France et
en Europe ;
➣ auditer et contrôler les systèmes d’IA pour protéger les individus.
Dans la phase de persuasion, Everett Rogers identifie cinq attributs clés qui
influencent la perception de l’innovation :
1. Avantage relatif : comment l’innovation est perçue comme étant
meilleure que l’idée qu’elle remplace.
2. Compatibilité : comment l’innovation est compatible avec les valeurs
et les expériences passées des adoptants.
3. Complexité : si l’innovation est perçue comme difficile à comprendre
et à utiliser.
4. Essayabilité : dans quelle mesure une innovation peut être
expérimentée sur une base limitée.
5. Observabilité : dans quelle mesure les résultats de l’innovation sont
visibles pour les autres.
Il est important de noter que l’IA générative n’est pas censée prendre en
charge l’ensemble des tâches qu’un collaborateur doit réaliser. Au contraire,
elle est utilisée à des moments précis pour des actions spécifiques, d’où
l’importance de disposer des bonnes fonctionnalités pour maximiser son
utilité.
ÉTUDE DE CAS
Cette étude de cas permet de se rendre compte de la manière dont une interface
conversationnelle équipée d’une solution d’IA générative peut être mise en pratique
au sein d’une organisation. Plus spécifiquement, il s’agit de comprendre comment
l’IA générative peut soutenir les entreprises en identifiant des initiatives sociales et
écologiques, apportant ainsi une réponse aux défis éthiques et de la transition socio-
environnementale 25.
Pour mener à bien tout projet impliquant l’IA générative au sein d’une organisation,
trois étapes clés doivent être respectées, et cela quel que soit le projet. Dans un
premier temps, l’utilisation de l’IA générative doit être envisagée comme un moyen
d’approfondir les connaissances existantes des collaborateurs et de l’organisation.
C’est l’occasion de découvrir comment l’IA peut optimiser les processus actuels et
générer de nouvelles informations précieuses.
Ensuite, l’IA conversationnelle et générative peut être utilisée comme un outil de
soutien pour la création d’un cahier des charges, par exemple. C’est ici qu’une
expertise en ingénierie des prompts devient essentielle : elle permet au
collaborateur de formuler les bonnes requêtes et d’évaluer la pertinence des
réponses de l’IA.
Enfin, l’IA générative peut être déployée comme un assistant technologique pour
optimiser le temps et l’expertise. Elle peut par exemple aider à automatiser certaines
tâches ou à fournir des réponses instantanées à des questions complexes.
En somme, l’interface conversationnelle ne doit pas être perçue comme un
remplacement de l’humain, mais plutôt comme une aide supplémentaire, une
ressource précieuse pour accroître l’efficacité et la productivité de l’organisation.
ÉTAPE 1 : LES COLLABORATEURS S’AIDENT
DE LEURS CONNAISSANCES
ET D’UNE INTERFACE CONVERSATIONNELLE
D’IA GÉNÉRATIVE EXISTANTE POUR
RASSEMBLER LES INFORMATIONS
NÉCESSAIRES À LA CRÉATION D’UN OUTIL
INTERNE
1. CONTEXTE
Comprendre les besoins de son organisation
Ressources internes de l’organisation
Expertise des collaborateurs
Aide à la formalisation par l’IA générative
Analyse des besoins des utilisateurs pour une interface efficace et adaptée
Ressources internes de l’organisation
Expertise des collaborateurs
Assistance par une IA générative
2. CRÉATION DU PROMPT INITIAL
Rédaction d’un prompt initial pour guider l’IA générative dans la création de
suggestions d’actions sociales et écologiques pour les organisations
Prendre en compte l’ergonomie cognitive et les aspects anthropologiques pour
un prompt adapté aux contextes culturels et cognitifs des utilisateurs
Amélioration itérative du prompt
Analyse des résultats générés par l’IA en réponse au prompt initial
Identification des forces et faiblesses des suggestions, et modification du
prompt en conséquence
Répétition de ce processus jusqu’à l’obtention d’un prompt optimal pour générer
des suggestions pertinentes et inclusives
5. TEST ET ITÉRATION
Test du mockup 26 de l’interface avec des collaborateurs pour recueillir des
retours et identifier les améliorations potentielles
Analyse des retours et intégration des modifications dans l’interface et les
prompts pour améliorer continuellement la qualité et la pertinence des
suggestions
ÉTAPE 2 : RÉALISER LE CAHIER
DES CHARGES DE L’INTERFACE
CONVERSATIONNELLE
FONCTIONNALITÉS PRINCIPALES
Fournir des recommandations d’actions en matière d’inclusivité, de réduction du
gaspillage et de biodiversité urbaine, basées sur les meilleures pratiques et les
données d’entreprise spécifiques
Permettre aux utilisateurs de poser des questions et d’obtenir des réponses
rapides et pertinentes grâce à l’IA générative
Intégrer des outils de suivi et de reporting pour mesurer l’impact et l’efficacité
des actions mises en œuvre
Offrir des ressources éducatives et des guides pour aider les utilisateurs à mieux
comprendre les enjeux et les meilleures pratiques en matière d’inclusivité, de
réduction du gaspillage et de biodiversité urbaine
INTÉGRATIONS ET BASES DE DONNÉES
Intégration de l’IA générative pour générer des recommandations et des
réponses adaptées aux besoins des utilisateurs
Connexion aux bases de données internes et externes pour accéder aux
informations pertinentes et actualisées sur les initiatives sociales et écologiques
API pour permettre l’intégration avec d’autres systèmes et applications internes
(par exemple, outils de gestion des ressources humaines, systèmes de suivi de la
performance)
SÉCURITÉ ET CONFIDENTIALITÉ
Chiffrement des données et protocoles d’authentification pour protéger les
informations des utilisateurs
Conformité aux réglementations locales et internationales en matière de
protection des données (par exemple, RGPD)
Politique de gestion des accès pour contrôler l’accès aux données et aux
fonctionnalités sensibles
SUPPORT ET ASSISTANCE
Support en ligne, par chat ou par courriel pour aider les utilisateurs en cas de
difficulté ou répondre à des questions spécifiques
Mise à disposition de tutoriels et de guides d’utilisation pour familiariser les
utilisateurs avec l’interface et ses fonctionnalités
ÉVOLUTIVITÉ ET ADAPTABILITÉ
Conception modulaire et extensible pour faciliter l’ajout de nouvelles
fonctionnalités, catégories et ressources
Mécanismes d’apprentissage automatique pour mieux comprendre les besoins
des utilisateurs et adapter l’interface en conséquence
ÉTAPE 3 : ORGANISATION DES DIFFÉRENTES
PAGES ET DÉFINITION DU DESIGN
SOUHAITÉ POUR L’INTERFACE
CONVERSATIONNELLE
1. PAGE D’ACCUEIL
Un design épuré et minimaliste avec des couleurs apaisantes
Un message de bienvenue et une brève présentation des objectifs de l’interface
Un champ de saisie permettant à l’utilisateur de poser une question ou de
décrire son besoin
2. MENU PRINCIPAL
Un menu accessible depuis la page d’accueil, présentant les principales
catégories d’actions (inclusivité, réduction du gaspillage, biodiversité urbaine)
Des icônes intuitives et descriptives pour chaque catégorie
Une navigation facile et intuitive entre les différentes catégories
3. PAGES DE CATÉGORIES
Chaque catégorie dispose de sa propre page avec un contenu spécifique et des
recommandations liées
Un design cohérent avec la page d’accueil, avec des couleurs et des éléments
graphiques adaptés
Des informations contextuelles sur chaque enjeu et des exemples d’actions
possibles
4. PAGE DE RÉSULTATS
Une liste de solutions et d’actions proposées en fonction des besoins et des
préférences de l’utilisateur
Un système de notation ou de classement pour aider l’utilisateur à évaluer et
comparer les différentes options
Des liens vers des ressources supplémentaires pour approfondir chaque
solution
5. PAGE DE FEEDBACK
Un espace dédié pour recueillir les commentaires des utilisateurs sur l’interface
et les suggestions d’amélioration
Un formulaire simple et rapide à remplir, avec des questions ouvertes et fermées
En conséquence, si l’objectif est d’intégrer l’IA générative dans une organisation via
la mise en place d’une interface conversationnelle spécialisée, toutes ces phases
seront cruciales pour assurer l’efficacité et l’adoption optimale de l’outil. Comme
nous le démontrerons dans les prochaines fiches pratiques, chaque collaborateur
peut améliorer sa performance de travail quotidienne en utilisant les outils existants.
L’enjeu n’est donc pas uniquement de formuler le bon prompt, mais plutôt de savoir
utiliser l’outil approprié, au moment opportun.
PARTIE 2
Le but de cette première section est de vous familiariser avec des cas
d’usage basiques et de vous fournir des conseils pratiques pour démarrer
votre expérience avec l’IA générative. Les fiches présentées ici se
concentrent sur des tâches qui ne mobilisent qu’un outil à la fois. L’objectif
est de comprendre en profondeur chaque cas d’usage, ses forces, ses
limites, ainsi que les meilleures pratiques pour son utilisation.
De la génération de textes à la création d’images, en passant par la
correction de contenus, chaque fiche est conçue pour vous aider à
appréhender le potentiel de l’IA générative et à acquérir une solide
compréhension des outils à votre disposition et de leurs potentiels.
Nous vous recommandons d’expérimenter par vous-même à mesure que
vous progressez dans la lecture des fiches qui vous intéressent, la pratique
et l’expérimentation restant les meilleurs moyens d’apprentissage à l’ère de
l’IA générative et du prompt engineering.
FICHE 1
L’IA générative pour générer des textes
(mails, discours, posts…)
Objectifs poursuivis
Création automatisée de textes pour des sites web, des blogs, des
articles et des médias sociaux.
Améliorer l’efficacité et la productivité en automatisant la génération de
contenu qui pourrait prendre du temps si elle était réalisée
manuellement.
Créer du contenu unique et original grâce à des instructions spécifiques.
Utiliser l’IA pour générer des histoires, des discours et d’autres formes
de contenu narratif.
Générer des textes experts dans un style plus ou moins technique, plus
ou moins pédagogique.
Générer du nouveau contenu à partir de contenus déjà existants.
Exemples de prompts
IA GÉNÉRATIVE ET ÉCRITURE
Du prix Nobel de littérature 2012, Mo Yan, qui a déclaré avoir utilisé ChatGPT pour
vaincre l’angoisse de la page blanche 2, à Zarya of the Dawn, première bande dessinée
dont la création a été assistée par IA et signée Kris Kashtanova 3, l’IA
conversationnelle et générative a déjà fait son entrée dans l’univers littéraire,
soulevant interrogations et débats.
Que ce soit pour générer des suggestions de titres, d’idées, pour créer des plans ou
produire des contenus textuels entiers, les IA génératives sont présentes dans le
monde de l’écriture, à travers des outils généralistes tels que ChatGPT ou des
interfaces expertes telles que Sudowrite.
Prenant du recul sur cette pratique désormais actuelle, l’historien Raphaël Doan
affirme 4 que, « comme un cinéaste, l’auteur devra donner les bonnes consignes,
relancer, préciser, couper, s’occuper du montage. Il gardera la vision d’ensemble et le
discernement. Mais certaines tâches de recherche, de vérification et d’écriture
pourront être assumées par l’IA. Ce qui nous libérera du temps de pensée, d’analyse
et de réflexion ».
FICHE 2
L’IA générative pour générer des réponses
à des commentaires
Objectifs poursuivis
FICHE 3
L’IA générative pour générer ou corriger
du code informatique, des formules
ou des tableaux
Objectifs poursuivis
Exemples de prompts
Le non-respect de ces règles peut avoir des conséquences sérieuses, tant sur le plan
légal qu’éthique. La protection des données et de la vie privée n’est pas seulement
une obligation légale mais aussi une obligation morale pour tous les développeurs et
utilisateurs d’IA.
IA GÉNÉRATIVE ET DÉVELOPPEMENT
INFORMATIQUE,
QUELLES PERSPECTIVES ?
Les langages informatiques étant avant tout des langages, il était naturel de voir les
IA génératives y prendre pied facilement. En quelques mois les IA génératives ont
bouleversé l’univers du développement informatique en assistant les développeurs,
générant du code et suggérant des corrections. Les grands modèles développent des
entraînements spécifiques et sont évalués en fonction de leur capacité à générer
voire exécuter du code, ChatGPT s’équipant de la fonctionnalité de Code
Interpreter.
Quelques mois après son lancement, Copilot, l’assistant IA des développeurs sur la
plateforme GitHub, était déjà à l’origine de plus de 40 % du code développé.
Statistique qui pousse Emad Mostaque, fondateur de Stability AI (à l’origine du
modèle de fondation Stable Diffusion) à affirmer que le métier de développeur aura
disparu avant 2030 5. Si cette affirmation est avant tout provocatrice, elle illustre la
transformation profonde que provoque l’émergence des technologies d’IA
conversationnelles et génératives sur les compétences et métiers du numérique, des
développeurs aux data scientists.
PAROLE D’EXPERT
Lucas Lehot, développeur, responsable technique
de Polaria
Depuis l’ouverture de la bêta privée de GitHub Copilot en juillet 2021, les solutions
basées sur l’IA sont de plus en plus présentes dans le quotidien des développeurs.
Leur usage comme outil d’assistance à notre travail commence à se répandre, et les
bonnes pratiques semblent déjà acquises (les utiliser comme sources et non comme
assistants autonomes, réfléchir ses prompts pour des résultats plus efficients et de
meilleure qualité, etc.). Les craintes qui avaient pu faire surface quant au
remplacement des développeurs par des modèles d’IA sont passées, ou du moins
bien plus légères. De manière générale, les développeurs qui souhaitent en faire
l’usage y sont déjà bien familiarisés, et c’est sur un autre plan que l’IA impacte
réellement le quotidien des développeurs.
Les modèles d’IA sont de plus en plus nombreux et toujours plus performants, mais
c’est selon moi la forte amélioration de leur accessibilité pour les développeurs qui
représente le principal facteur de démocratisation de leurs usages. Les API d’OpenAI
ou Hugging Face sont extrêmement simples, plutôt bien documentées et peu chères.
La librairie LangChain permet à n’importe quel développeur de reproduire
facilement et rapidement de nombreux cas d’usage classiques utilisant des modèles
de NLP.
Cette simplicité d’implémentation a, depuis maintenant quelques années, ouvert de
très nombreuses portes. Beaucoup de problématiques qui auparavant auraient été
difficilement solvables par des solutions techniques sont rapidement devenues des
cas d’usage classiques des modèles d’IA. Et les développeurs s’en donnent à cœur
joie ; la quantité de services, plateformes et solutions qui sont produits chaque mois
est impressionnante 6. Cette course effrénée au développement est parfois source
de stress et d’amertume ; il n’est pas rare de voir quelqu’un travailler un mois ou deux
sur un nouveau service, simplement pour qu’un, deux ou dix autres acteurs sortent
des services similaires avant même qu’il n’ait pu être déployé. Cette éventualité est
une véritable incitation à réfléchir au besoin, à l’originalité et à l’intérêt que propose
une idée avant de la badigeonner d’IA, plutôt que de développer sa solution
simplement « parce que c’est possible ».
Ce fourmillement a bien évidemment un coût, et ce coût est dans un premier temps
écologique. Bien qu’il soit très complexe de quantifier l’empreinte carbone d’un
service basé sur l’API d’OpenAI par exemple, on pressent bien aujourd’hui qu’il n’est
pas souhaitable de mettre en place de telles machineries lorsque des mécanismes
algorithmiques ou humains plus simples peuvent solutionner le problème. Ceci dit, je
reste à titre personnel convaincu qu’en orientant correctement l’usage des modèles
d’IA, leur impact environnemental pourrait parfaitement être positif.
On ne peut nier que de nombreux usages de modèles d’IA paraissent bien souvent
futiles ou problématiques, mais je pense qu’il nous serait très dommageable de ne
pas se concentrer sur les solutions utiles et efficientes que l’IA a apportées et
continue de débloquer, que l’on soit développeur, spectateur, investisseur ou
simplement aficionado. C’est une responsabilité qui est bien évidemment partagée,
mais chacun peut à mon sens participer à orienter ce formidable chapitre
technologique dans la bonne direction, en restant réaliste, mesuré et optimiste.
FICHE 4
L’IA générative pour produire
des traductions,
des résumés ou synthétiser des textes
Objectifs poursuivis
Exemples de prompts
NOTA BENE
Lorsque vous sollicitez des résumés d’ouvrages, de textes juridiques ou de rapports
via des systèmes d’IA générative comme ChatGPT, il est primordial de posséder une
compréhension préalable du contenu initial. Il faut garder à l’esprit que les IA
génératives ne sont pas infaillibles ; elles peuvent commettre des erreurs, telles que
la confusion entre différentes sources, l’invention d’informations non vérifiées, ou
l’interprétation erronée de certaines données.
FICHE 5
L’IA générative pour relire, corriger
ou améliorer des textes
Objectifs poursuivis
Exemples de prompts
Bien que l’IA puisse proposer des corrections et des améliorations, elle ne remplace
pas une analyse humaine approfondie. Utilisez donc l’IA en complément de votre
propre jugement et expertise.
FICHE 6
L’IA générative pour préparer
une négociation
Objectifs poursuivis
Utilisez des prompts précis pour guider l’IA. Par exemple, demandez à
l’IA de générer des arguments « pour » et « contre » spécifiquement en
fonction de votre produit ou idée.
N’oubliez pas de contextualiser les prompts en fonction de la situation
de négociation : qui est l’autre partie, quelles sont ses valeurs, quels
sont ses intérêts potentiels.
Prenez du recul sur les réponses de l’IA. Utilisez-les comme base de
réflexion, mais n’oubliez pas de les évaluer et de les adapter en fonction
de votre propre connaissance et intuition.
Exemples de prompts
Objectifs poursuivis
Utiliser l’IA générative pour construire un plan étape par étape pour un
projet ou un problème spécifique.
Améliorer l’efficacité de la planification en utilisant l’IA pour analyser
et organiser l’information.
Exploiter l’IA pour explorer différents scénarios de planification dans
divers contextes tels que l’aménagement d’un jardin, l’entraînement
sportif ou la planification de repas.
Soyez aussi spécifique que possible dans votre prompt pour obtenir les
meilleurs résultats de l’IA en donnant des détails sur l’environnement,
les contraintes, les objectifs ou encore les livrables.
Utilisez l’IA pour explorer différentes options stratégiques, tenant
compte d’un contexte, de besoins spécifiques et/ou de contraintes.
Exemples de prompts
NOTA BENE
Il convient de noter que si votre IA générative n’est pas connectée à Internet, elle
peut fournir des informations qui ne sont plus d’actualité ou qui peuvent s’avérer
inexactes. Il est essentiel de connaître le modèle utilisé, d’alimenter l’IA par des
données actualisées directement dans votre prompt si besoin, et de
systématiquement vérifier et compléter les informations fournies par l’IA générative
en s’appuyant sur des sources d’information à jour et fiables.
FICHE 8
L’IA générative pour la traduction
automatique
Objectifs poursuivis
Exemples de prompts
NOTA BENE
Lorsqu’il s’agit de traduction automatique avec l’IA générative, il est essentiel de
garder à l’esprit que la traduction littérale n’est pas toujours la plus appropriée. En
effet, la langue est intrinsèquement liée à la culture et aux codes sociaux d’un groupe
ou d’un pays, et une traduction réussie doit prendre en compte ces aspects.
Par exemple, lors de la traduction d’un texte de l’italien au japonais, il ne suffit pas de
remplacer chaque mot italien par son équivalent japonais. Le japonais possède une
structure grammaticale, des niveaux de formalité, et des nuances culturelles qui
diffèrent de l’italien. Un salut informel comme « ciao » en italien n’aurait pas
d’équivalent direct dans le registre formel du japonais, où le choix de la salutation
dépend du moment de la journée et du statut relatif des interlocuteurs. De même, les
expressions idiomatiques et les références culturelles qui ont du sens en italien
peuvent ne pas être comprises en japonais. Par exemple, l’expression italienne « in
bocca al lupo » (dans la bouche du loup), qui signifie « bonne chance », peut sembler
étrange si elle est traduite littéralement en japonais. Même si nombre de ces
subtilités du langage peuvent être prises en compte par les LLM les plus
performants, les traductions de haut niveau nécessitent encore l’intervention
d’experts humains de qualité.
FICHE 9
L’IA générative pour l’augmentation
des données
Objectifs poursuivis
Exemples de prompts
Test sur données réelles : bien que l’augmentation des données puisse améliorer la
performance des modèles de machine learning, il est toujours important de tester ces
modèles sur des données réelles. Les données synthétiques ne peuvent pas capturer
toutes les complexités et les nuances des données réelles, et un modèle qui
fonctionne bien sur des données augmentées peut ne pas fonctionner aussi bien
dans le monde réel.
FICHE 10
L’IA générative pour la recherche
documentaire scientifique
Objectifs poursuivis
Lorsque vous utilisez l’IA pour mener des recherches, soyez aussi
précis que possible dans vos prompts pour obtenir les meilleurs
résultats. Par exemple, spécifiez le domaine de la recherche, le type de
documents que vous recherchez, et le format dans lequel vous souhaitez
que l’information soit présentée.
Utilisez l’IA pour explorer différentes sources et pour agréger et
résumer les informations, mais n’oubliez pas de vérifier les données
fournies par l’IA et de les compléter par des recherches manuelles
lorsque cela est nécessaire.
Respectez les droits d’auteur et les politiques d’accès des différentes
sources d’information.
Exemples de prompts
NOTA BENE
L’IA générative est un outil précieux pour la recherche documentaire, mais elle doit
être utilisée avec discernement. Assurez-vous de vérifier et de compléter les
informations fournies par l’IA avec vos propres recherches.
Objectifs poursuivis
Lorsque vous utilisez l’IA pour générer des images, commencez par des
descriptions claires, précises et concises pour obtenir les meilleurs
résultats. Précisez le sujet de l’image, de l’illustration ou de la photo à
générer. Précisez les dimensions de style artistique, de résolution, de
couleur ou encore de lumière.
Prenez en compte les aspects éthiques et juridiques de l’utilisation de
l’IA dans la création d’images, notamment en ce qui concerne les droits
d’auteur et la vie privée.
Testez et expérimentez avec différents paramètres et approches pour
obtenir le résultat souhaité.
Certaines IA de génération d’images exploitent un format de langage
spécifique pour permettre certains paramètres de l’IA. Reportez-vous à
nos guides pas à pas disponibles dans nos ressources en ligne pour en
découvrir toutes les possibilités.
Exemples de prompts
NOTA BENE
Bien que Midjourney offre des résultats d’une très grande qualité visuelle, gardez à
l’esprit que l’utilisation intensive de filtres peut parfois modifier la qualité et
l’intégrité des informations présentées. Le modèle Stable Diffusion, proposé par
Leonardo.ai, peut être une alternative intéressante, mais comme avec tous les outils
de ce type, l’exactitude et la pertinence des données produites dépendent fortement
des paramètres de prompts utilisés. En la matière, les experts de l’image, maîtrisant
les notions d’angle de vue, de perspectives ou encore de lumière seront en capacité
de rédiger les meilleurs prompts.
LLM-GROUNDED DIFFUSION
Si les IA génératives d’images (Text-to-Image) produisent déjà des résultats
impressionnants, ces modèles peuvent avoir du mal à gérer les instructions qui
nécessitent du bon sens pour comprendre l’espace et la disposition des éléments au
sein d’une scène. Les modèles dits de LLM-grounded Diffusion ambitionnent de
résoudre cette problématique 7.
La méthode de ces modèles consiste à découper le travail de génération d’une image
en deux étapes. Un grand modèle de langage est d’abord utilisé pour créer une
description textuelle des éléments composant l’image et ses plans, avec des
descriptions de la manière dont les éléments se positionnent sur l’image. La
deuxième étape consiste alors, à partir de cette description textuelle, à utiliser un
modèle de diffusion 8 pour générer l’image à partir de cette description afin de
produire une image plus cohérente et précise au regard de l’instruction initiale.
Cette approche performante souligne de nouveau l’intérêt des architectures et
modèles qui articulent plusieurs agents (MoE ou multi-agent) ou se fondent sur le
découpage d’une instruction en étapes.
FICHE 12
L’IA générative pour la création
de musique et de son
Objectifs poursuivis
Exemples de prompts
NOTA BENE
Les IA textuelles telles que ChatGPT ne peuvent pas créer directement une mélodie
audio, il faut pour cela se tourner vers des solutions expertes comme Mubert.
Cependant vous pourriez expérimenter les prompts fournis ci-dessus en exemples
sur ChatGPT ou Claude pour vous apercevoir que ces IA, considérant la musique
comme un langage, peuvent également vous apporter une réponse intéressante.
FICHE 13
L’IA générative pour la génération de voix
synthétique
Objectifs poursuivis
Avec des outils tels que Murf, Play.ht ou WellSaid, vous présélectionnez
une voix correspondant au style que vous souhaitez donner à la lecture de
votre texte (cette voix peut d’ailleurs être la vôtre), puis vous fournissez le
texte que doit réciter la voix choisie.
NOTA BENE
La création de voix synthétiques a connu une véritable révolution grâce à
l’avènement de l’IA générative, ouvrant ainsi des perspectives intéressantes pour
diverses applications, y compris la réalisation de films d’entreprise ou la production
de voix-off. Traditionnellement, les systèmes de synthèse vocale, ou Text-to-Speech
(TTS), étaient limités par un son robotique et manquaient de nuances émotionnelles,
rendant le discours souvent monotone et artificiel. Avec les avancées dans l’IA
générative, nous assistons à la création de voix synthétiques qui sont non seulement
plus naturelles et fluides, mais qui peuvent aussi refléter une gamme d’émotions et
de tonalités, ce qui était impensable il y a encore quelques années.
Pour mesurer le champ des possibles, il suffit de consulter en ligne les créations
assistées par IA qui font chanter à la voix de Mikaël Jackson des tubes de Prince et
inversement, ou encore d’écouter la voix de Barack Obama rapper sur « Lose
Yourself ».
FICHE 14
L’IA générative pour la génération
de vidéos
Objectifs poursuivis
NOTA BENE
Actuellement, les IA génératives telles que Runway ou ModelScope (qui permettent
déjà des prompts Text-to-Video, Image-to-Video ou encore Video-to-Video) sont
limitées en termes de durée des vidéos qu’elles peuvent produire. Elles sont
généralement plus adaptées à la création de clips vidéo courts plutôt qu’à des films
ou des documentaires complets. Les IA génératives pour la vidéo sont encore en
développement mais les perspectives sont déjà là, ouvrant la voie à une
transformation profonde du monde du cinéma et de l’univers télévisuel.
LES INDUSTRIES CULTURELLES
ET CRÉATIVES
À L’ÈRE DE L’IA GÉNÉRATIVE
Les fiches précédentes nous en ont donné un aperçu : les industries culturelles et
créatives vont être profondément transformées par l’émergence des IA génératives.
La génération de textes, photos, sons ou vidéos n’en est que la première brique,
puisque la combinaison des outils et plus encore l’arrivée des IA multimodales vont
démultiplier les possibilités dans le champ de la création, plaçant une puissance de
création entre les mains de toutes et tous. Pour Tim Cook, CEO d’Apple, « l’IA design
va permettre aux créatifs de se concentrer sur leurs véritables missions » 10.
Aux cas d’usage précédents, s’ajoutent donc :
➣ l’édition de photos, de pistes audio ou encore de vidéos pour en améliorer la
résolution, les retoucher, les modifier ou encore les enrichir, ouvrant par
exemple la voie à de nouvelles mises en forme de documents historiques ou de
souvenirs individuels 11 ;
➣ la production d’œuvres d’art numériques nouvelles ;
➣ l’assistance à la création artistique, de la peinture à la composition musicale en
passant par l’écriture ;
➣ la génération de storyboards pour des films ou des animations personnalisées ;
➣ la génération de jeux vidéo à partir de simples commandes écrites (Text-to-Video
Games) ou de simples dessins (Sketch-to-Video Games) ;
➣ la génération de films ou séries à partir de simples commandes écrites (Text-to-
Movie), des start-up proposant déjà d’exploiter les modèles d’IA générative pour
analyser la viabilité d’un synopsis, cloner et reproduire la voix d’acteurs disparus
ou encore transformer le traitement d’image et la gestion des effets spéciaux de
manière beaucoup plus économique et accessible 12.
Encore ici, les perspectives ne sont pas à venir mais présentes, des studios TV qui
s’en emparent provoquant la colère de certains scénaristes 13, à l’auteur du manga
One Piece qui déclare l’utiliser 14, en passant par les Grammy Awards qui jugent
qu’une œuvre entièrement générée par IA ne peut être éligible à ses prix 15.
FICHE 15
L’IA générative pour la génération
de présentations par slides type
PowerPoint
Objectifs poursuivis
Exemples de prompts
NOTA BENE
Les programmes de présentation offrent désormais l’option de création automatique
intégrée, simplifiant grandement la mise en forme de vos idées. Que ce soit avec
PowerPoint, Google Slides ou d’autres outils, l’innovation est à portée de main. Pour
ceux qui veulent aller plus loin, il existe également des outils spécialisés comme
Beautiful.ai, Tome.app ou Gamma.app, qui offrent des fonctionnalités avancées et
uniques. N’hésitez pas à expérimenter pour découvrir la solution qui répond le mieux
à vos besoins et attentes.
SECTION 2
NOTA BENE
Les IA génératives multimodales 1, capables de traiter simultanément plusieurs types
de données comme le texte, les images ou les vidéos, représentent une nouvelle
étape dans le domaine de l’IA conversationnelle et générative. En exploitant diverses
formes de données, elles donnent lieu à des cas d’usage enrichis permettant de
réduire le nombre d’outils nécessaires pour exécuter un grand nombre de tâches.
Elles ouvrent la voie à des compréhensions contextuelles augmentées (en pouvant à
la fois écouter et voir par exemple) mais également à un grand nombre
d’applications.
FICHE 16
L’IA générative pour la génération
automatique de comptes rendus
de réunions
Objectifs poursuivis
NOTA BENE
Passez au niveau supérieur avec votre compte rendu !
Une fois que vous avez généré votre compte rendu, pourquoi ne pas le transformer
en une présentation attrayante ? Vous pouvez facilement convertir votre contenu en
une présentation structurée, par exemple, en utilisant des outils tels que Google
Slides, PowerPoint, IA Presenter, PowerMode, Beautiful.ai, Tome.app ou gamma.app.
Ces outils vous permettent d’organiser vos idées de manière visuelle et concise,
rendant votre contenu plus accessible et engageant pour vos collaborateurs ou pour
votre audience. Avec des fonctionnalités variées, allant des mises en page
préconçues à l’ajout d’animations, vous pouvez ajouter une touche de créativité à vos
présentations.
Il suffit de copier et coller les sections pertinentes de votre compte rendu dans le
logiciel de présentation de votre choix, puis de les organiser dans un ordre logique.
Vous pouvez ensuite personnaliser la mise en page, les couleurs, et ajouter des
images ou des graphiques si nécessaire.
FICHE 17
L’IA générative pour l’innovation,
la recherche,
le design et le développement de produits
ou services
Objectifs poursuivis
Objectifs poursuivis
FICHE 19
L’IA générative pour l’IT et les supports
informatiques
Objectifs poursuivis
Expérimentez avec l’IA générative sur des projets pilotes pour évaluer
son impact sur votre IT et vos supports.
Formez vos équipes informatiques à l’utilisation des outils d’IA et
assurez-vous qu’elles peuvent travailler efficacement avec ces outils.
Intégrez les IA conversationnelles et génératives de manière à
augmenter votre assistance et services aux utilisateurs.
Soyez conscient des implications éthiques et de sécurité de l’utilisation
de l’IA dans l’IT et les supports informatiques.
FICHE 20
L’IA générative pour la gestion
des ressources humaines
Objectifs poursuivis
Objectifs poursuivis
NOTA BENE
L’information générée par l’IA doit toujours être vérifiée et supervisée par un expert
humain pour garantir son exactitude et sa pertinence.
FICHE 22
L’IA générative pour le marketing
Objectifs poursuivis
NOTA BENE
La clé de l’exploitation de l’IA générative dans le marketing est de la voir comme un
complément à l’équipe de marketing existante, fournissant des insights précieux et
automatisant certaines tâches, tout en étant guidée et supervisée par des experts
humains pour garantir l’exactitude et l’efficacité.
FICHE 23
L’IA générative pour la communication
Objectifs poursuivis
Les IA génératives ne sont que des outils, elles n’éliminent pas le besoin
d’une stratégie de communication solide.
Gardez à l’esprit les limites de l’IA et utilisez-la comme un complément
à la communication humaine, pas comme un remplacement.
Prévoyez suffisamment de temps pour tester, itérer et améliorer votre
utilisation de l’IA générative.
NOTA BENE
La clé est d’utiliser l’IA pour améliorer l’efficacité et la pertinence, tout en conservant
une stratégie de communication solide et cohérente.
FICHE 24
L’IA générative pour la publicité
Objectifs poursuivis
Modèles de langage pour générer des idées et des textes pour les
annonces.
Modèles génératifs d’images, de sons ou de vidéos pour créer des
illustrations, images, contenus audio ou vidéo pour les annonces.
Modèles de machine learning pour segmenter le public et personnaliser
les annonces.
FICHE 25
L’IA générative pour la stratégie
de contenu et le référencement (SEO)
Objectifs poursuivis
« Crée une stratégie de contenu pour les réseaux sociaux pour une
entreprise de mode, avec un ton engageant et une focalisation sur les
tendances actuelles et les nouveaux produits. »
« Génère une description de produit attrayante et informative pour un
nouveau smartphone, en mettant l’accent sur ses fonctionnalités
uniques, sa performance et son design. »
« Conçois une légende descriptive pour une vidéo de recette de cuisine,
décrivant les ingrédients, les étapes de préparation et le résultat final. »
« Développe une stratégie de contenu SEO-friendly pour un blog de
voyage, en mettant l’accent sur les destinations populaires, les conseils
de voyage et les expériences locales. »
« Crée une légende d’image optimisée pour le référencement pour une
photo de paysage, en décrivant le lieu, le temps de l’année et l’ambiance
de l’image. »
NOTA BENE
L’uniformisation de vos textes pour le référencement SEO peut présenter un risque
pour votre stratégie. Les moteurs de recherche apprécient la diversité et la
pertinence du contenu ; trop de standardisation peut entraîner une pénalisation. En
réponse à cela, utilisez des prompts créatifs pour générer des textes uniques.
FICHE 26
Utilisation de l’IA générative pour
la génération de contenus personnalisés
Objectifs poursuivis
Objectifs poursuivis
PAROLE D’EXPERT
Mohamed El Ghazouany, responsable
du développement et des partenariats de Polaria
Le CRM augmenté par l’IA fournit des listes de produits personnalisées pour chaque
client, mais également les stratégies de vente à adopter ou encore les argumentaires
à déployer, ce qui peut améliorer l’expérience client et augmenter les ventes.
Le CRM augmenté par l’IA peut analyser la performance et les tendances des ventes.
Par exemple, ces systèmes d’IA peuvent traiter de vastes ensembles de données de
ventes, identifier des modèles, et générer des insights précieux pour soutenir la prise
de décision stratégique et la prévision des ventes.
FICHE 28
L’IA générative pour le juridique
Objectifs poursuivis
FICHE 29
L’IA générative pour la finance
d’entreprise et la comptabilité
Objectifs poursuivis
Comme pour toute utilisation de l’IA, il est crucial de respecter les lois
et réglementations en vigueur, notamment celles relatives à la
confidentialité des données financières.
L’IA devrait être utilisée en complément de l’expertise humaine en
matière de finance et de comptabilité, et non en remplacement. Les
prévisions et les informations fournies par l’IA doivent être interprétées
et validées par des experts financiers.
Assurez-vous de disposer de données financières précises et de haute
qualité pour alimenter vos outils d’IA. Les performances de l’IA
dépendent de la qualité des données qu’elle utilise.
Exemples de prompts possibles dans un écosystème
technique adapté
Objectifs poursuivis
Les chatbots de service client basés sur des modèles de langage pour
des interactions immédiates et personnalisées.
Les outils d’analyse de texte pour résumer les conversations et fournir
des insights personnalisés à l’agent.
Les outils d’assistance en temps réel pour aider les agents pendant les
appels téléphoniques.
FICHE 31
L’IA générative pour la veille
Objectifs poursuivis
Précisez quels types d’informations sont les plus importants pour votre
veille. Est-ce des informations sur les concurrents, le marché,
l’industrie, ou une combinaison de ces éléments ?
Ne vous limitez pas à une seule source d’information. Utilisez l’IA pour
scruter un large éventail de sources, comme les actualités, les médias
sociaux, les forums de discussion, etc.
N’oubliez pas de calibrer et d’ajuster régulièrement vos modèles d’IA
pour qu’ils restent précis et pertinents. Les conditions du marché
changent constamment, et ce qui était pertinent hier pourrait ne plus
l’être aujourd’hui. Donc, restez flexible et prêt à ajuster votre approche
de la veille au besoin.
FICHE 32
L’IA générative pour l’analyse prédictive
Objectifs poursuivis
Mais le simple fait de faire des prédictions ne suffit pas. Vous devez être en mesure
de comprendre et d’interpréter ces prédictions. C’est là que les modèles de langage
génératif entrent en jeu. Ils peuvent vous aider à traduire les résultats de l’analyse
prédictive en insights compréhensibles, ce qui peut faciliter la prise de décisions
stratégiques.
FICHE 33
L’IA générative pour la création
de scénarios et de simulations
Objectifs poursuivis
Objectifs poursuivis
Objectifs poursuivis
Modèles d’IA générative pour créer des scénarios de jeux, des visuels,
des listes de musiques voire des ambiances sonores sur mesure.
Agents d’IA autonome comme AutoGPT ou BabyAGI pour automatiser
les processus et atteindre les objectifs fixés.
Objectifs poursuivis
Objectifs poursuivis
Créer une interface utilisateur pour une application mobile de fitness qui
valorise la simplicité et l’efficacité.
Adapter l’interface utilisateur en fonction du comportement de
l’utilisateur pour améliorer l’engagement et la satisfaction.
Effectuer un test A/B pour comparer deux variantes d’interface
utilisateur et sélectionner la plus performante.
FICHE 38
L’IA générative pour la création de jeux
vidéo et d’expériences immersives,
virtuelles ou augmentées
Objectifs poursuivis
FICHE 39
L’IA générative pour la gestion
des opérations,
de la logistique et de la distribution
Objectifs poursuivis
Des modèles de langage pour générer des rapports, des résumés et des
analyses de données.
Des systèmes basés sur l’IA pour la prévision de la demande,
l’optimisation des stocks et la planification des ressources.
Des outils d’IA pour l’automatisation des processus, tels que le
traitement automatique du langage naturel pour le service à la clientèle.
FICHE 40
L’IA générative pour l’amélioration
de l’apprentissage et de la formation
continue
Objectifs poursuivis
FICHE 41
L’IA générative pour la création
de modèles 3D (impression 3D) – Text-to-
3D
Objectifs poursuivis
FICHE 42
L’IA générative pour l’exploration
de données de géolocalisation
et géospatiales
Objectifs poursuivis
FICHE 43
L’IA générative pour la création
de contenus publicitaires enrichis
Objectifs poursuivis
FICHE 44
L’IA générative pour la simulation
d’événements aléatoires
Objectifs poursuivis
NOTA BENE
L’IA générative peut être un outil puissant pour la simulation d’événements
aléatoires, mais son succès dépend largement de la qualité des données
d’entraînement et de la pertinence du modèle choisi. Il est recommandé de
collaborer avec des experts en IA pour garantir une mise en œuvre efficace et une
interprétation correcte des résultats.
FICHE 45
Utilisation de l’IA générative pour
la stratégie, l’automatisation des rapports
et l’analyse des KPI
Objectifs poursuivis
FICHE 46
L’IA générative pour l’automatisation
des rapports et comptes rendus
Objectifs poursuivis
Le choix entre ces différentes options va donc dépendre de plusieurs facteurs clés :
➣ objectif poursuivis : le choix de la solution retenue va dépendre du niveau de
personnalisation que vous souhaitez mettre en place pour la ou les tâches à faire
réaliser par l’IA, mais également de son niveau d’automatisation et de la
sensibilité et confidentialité des données qui y seront exploitées ;
➣ complexité de la tâche et disponibilité des données : si votre tâche est simple et
si un modèle pré-entraîné qui répond à vos besoins est disponible, l’utilisation de
l’API (si elle existe) de ce modèle peut être l’option la plus rapide et la plus
rentable. Cependant, si votre tâche est plus spécifique et que vous disposez d’un
grand ensemble de données, l’affinage d’un modèle peut être plus approprié. Le
développement d’un modèle personnalisé à partir de zéro est généralement
recommandé lorsque votre tâche est très spécifique et que les modèles
existants ne sont pas pertinents ;
➣ compétences et moyens disponibles : le développement d’un modèle
personnalisé à partir de zéro nécessite des compétences en IA assez avancées et
beaucoup de temps, alors que l’utilisation de l’API d’un modèle existant voire
l’affinage d’un modèle nécessitent moins de compétences et de temps.
Il est important de noter que ces options ne sont pas mutuellement exclusives et
peuvent être combinées de diverses manières pour répondre à des besoins
spécifiques.
LA RÉVOLUTION DU MANAGEMENT
DES CONNAISSANCES EN ENTREPRISE
ET LES BASES DE DONNÉES
VECTORIELLES
Avec l’ère de l’IA conversationnelle et générative, s’ouvre la voie pour doter chaque
collaborateur d’une organisation d’un assistant personnel et professionnel lui
donnant accès à des données externes, mais également internes pour en développer
l’efficacité et faciliter la recherche d’informations, la collaboration, la production de
connaissance et la construction de décisions éclairées par la donnée.
Mettre en œuvre cette perspective va cependant nécessiter pour les entreprises de
déployer les modèles de langage sur leurs propres données et bases de
connaissances avec les complexités en termes de cybersécurité, de confidentialité et
de propriété des données. C’est pourquoi la vague de l’IA générative ne pourra se
produire sans l’existence de modèles open source. Dans ce cadre, il est important de
comprendre ce que sont les bases de données vectorielles, également appelées
« Vector Databases » (Vector DB), une brique essentielle au cœur des architectures
d’IA générative.
Une base de données vectorielle est un espace mathématique où des « vecteurs »
représentant des éléments de connaissance (une phrase, un dialogue, un document
PDF, etc.) sont positionnés selon leur ressemblance. Par exemple, deux documents
PDF sur la zoologie seraient positionnés plus près l’un de l’autre qu’un PDF sur la
zoologie et un autre sur la stratégie d’entreprise. Prenons un cas pratique : disons
que vous avez intégré 10 000 documents d’une entreprise dans une Vector DB.
Lorsque vous interrogez ensuite votre système d’IA, le modèle évalue le sens de
votre demande et la positionne dans ce même espace mathématique. Il récupère les
documents les plus proches en termes de sens et formule une réponse basée sur ces
documents. De même, vous pouvez créer une Vector DB dans laquelle chaque paire
de questions-réponses d’un dialogue avec une IA est positionnée. Au fur et à mesure
de votre discussion avec l’IA, la base de données s’enrichit et l’IA peut vérifier à
chaque message que vous lui envoyez si des échanges similaires en termes de sens
ont déjà eu lieu, en examinant la proximité dans l’espace mathématique. Si tel est le
cas, l’IA peut fournir des informations en lien avec ces anciens échanges, permettant
une interaction toujours plus pertinente et éclairée.
Les Vector DB sont spécialement conçues pour stocker et traiter efficacement ces
vecteurs. C’est essentiel car les modèles d’IA générative doivent manipuler de
grands ensembles de vecteurs multidimensionnels, ce qui peut être une tâche très
gourmande en ressources sur une base de données traditionnelle.
Les Vector DB présentent ainsi plusieurs avantages pour le développement de
solutions d’IA :
➣ efficacité de stockage : elles sont conçues pour stocker de grandes quantités de
vecteurs de manière compacte et efficace ;
➣ recherche rapide : elles sont optimisées pour des opérations comme la
recherche du plus proche voisin (nearest neighbor search), qui sont couramment
utilisées dans les algorithmes d’IA. Par exemple, si vous voulez trouver l’image la
plus similaire à une image donnée dans votre base de données, vous pouvez
utiliser une recherche du plus proche voisin sur les vecteurs qui représentent
ces images ;
➣ scalabilité : elles peuvent gérer des ensembles de données de grande taille, ce
qui est essentiel dans les applications d’IA modernes qui utilisent souvent de
grands volumes de données pour l’entraînement et l’inférence ;
➣ précision : en stockant les données sous forme de vecteurs, ces bases de
données conservent une grande précision, essentielle pour la plupart des
applications d’IA.
SECTION 4
FICHE 47
Parler et interagir avec l’IA
conversationnelle et générative
Objectifs poursuivis
Exemples de prompts
Objectifs poursuivis
Comme le « fait main » peut avoir son charme et retrouver de la valeur dans
un monde industrialisé, il est fort probable que le concept de « fait sans IA »
va également se développer en réponse à la vague de l’IA conversationnelle
et générative. Les prémices de ce mouvement apparaissent déjà, avec les
4
logos du mouvement Not By AI qui permettent aux créateurs de contenus
d’indiquer qu’ils n’ont pas utilisés l’IA, ou encore avec les campagnes
5
publicitaires de Nokia, « Intelligence naturelle » ou de la Croix Rouge
6
« Non généré par l’IA » . Face au risque de voir Internet et nos espaces
d’interactions submergés par des contenus générés par IA 7, l’idée d’un
8
Internet sans IA et sans bots émerge .
Figure 18
FICHE 49
Penser l’IA générative à travers sa valeur
étendue
Objectifs poursuivis
Dans ce scénario, l’IA générative est devenue un atout essentiel dans les
organisations. Les entreprises ont évolué vers des modèles d’organisation
décentralisés, où les décisions sont prises en tenant compte de multiples
facteurs : économiques, sociaux, environnementaux et culturels, grâce à
l’intégration de l’IA générative. Ce changement a favorisé une transition
vers une économie circulaire où les ressources sont utilisées de manière
plus efficace et durable. L’IA générative, en aidant à modéliser et optimiser
ces flux de ressources, a transformé les chaînes de valeur des entreprises,
rendant les modèles d’affaires plus résilients face aux crises.
FICHE 50
L’ultime fiche est celle du commencement
Cette dernière fiche marque la fin de notre guide, mais elle est aussi le point
de départ de votre propre voyage d’exploration dans le monde de l’IA
générative. Le potentiel de cette technologie est vaste et dépasse largement
les cas d’utilisation que nous avons présentés.
Objectifs poursuivis
Au moment de refermer cet ouvrage, nous aurions voulu vous parler de tant
d’autres domaines que nous vous invitons bien entendu à explorer et surtout
à dépasser…
Dans l’univers de l’écologie pour développer la pédagogie et la
circulation de l’information, ou pour optimiser l’utilisation des
ressources.
Dans l’univers médical pour l’analyse et la génération de rapports
médicaux, la prédiction de l’évolution de certaines maladies en fonction
de divers facteurs, pour mieux orienter les patients à l’accueil ou
assister les médecins dans leurs interactions avec les patients 17,
l’Académie de médecine soulignant comment les progrès et
perspectives de l’intelligence artificielle dans les domaines de la santé
vont transformer la nature de l’exercice de la médecine, du diagnostic à
la formation des médecins, en passant par les traitements
personnalisés 18.
Dans l’univers du coaching sportif pour la création de plans
d’entraînement personnalisés et basés sur les objectifs et les capacités
individuels.
Dans l’univers de l’intime, l’utilisation des IA conversationnelles et
génératives au service de la sexualité 19.
Dans l’univers de l’action publique pour développer la pédagogie au
service des processus démocratiques, prédire l’impact environnemental
et sociétal de différentes actions ou politiques, ou encore aider à la
rédaction et la simplification des lois 20.
Dans l’univers de la restauration pour stimuler la création de
nouvelles recettes, de nouveaux concepts ou encore de menus
personnalisés.
Dans l’univers de la mode pour stimuler la créativité, mais également
pour recommander des tenues et accessoires en regard des préférences
et du style des individus.
Dans l’univers de la finance pour développer des stratégies
d’investissement.
Dans l’univers de la gestion de crise pour simuler des scénarios de
crise et tester les plans d’intervention.
Dans l’univers du design thinking pour accompagner les différentes
séquences du process, de la génération d’idées au prototypage rapide de
produits ou solutions.
Dans l’univers du développement produits en enrichissant des
produits (comme l’intégration de ChatGPT sur des vélos électriques 21)
ou des services (comme le site du Tour de France pour enrichir
l’expérience des fans 22). L’IA générative permettant par exemple à tout
spectateur dans l’univers des médias, du sport, de l’art ou du spectacle,
de prendre une conversation, un film, une série ou un événement sportif
en cours grâce à une IA faisant le résumé de ce que l’on vient de
manquer.
https://www.lemonde.fr/economie/article/2023/06/13/derriere-l-ia-le-retour-
d-utopies-technologiques_6177367_3234.html
McKinsey & Company, « The Economic Potential of Generative AI: The
Next Productivity Frontier », juin 2023.
Yann Le Cun, Quand la machine apprend : la révolution des neurones
artificiels et de l’apprentissage profond, Odile Jacob, 2019.
https://www.youtube.com/watch?v=K8gOvC8gvB4
https://www.youtube.com/watch?v=8IQ9i_QoA3A
https://www.youtube.com/watch?v=xXHWTC4mJBM
Pourcentage des tâches les plus impactées
par métier
Support administratif et de
46 %
bureau
Juridique 44 %
Architecture et ingénierie 37 %
Opérations commerciales et
35 %
financières
Management 32 %
Ventes et apparentées 31 %
Informatique et mathématiques 29 %
Service de protection 28 %
Praticiens de santé
28 %
et techniques
Éducation, instruction
27 %
et bibliothèques
Support de santé 26 %
Préparation et service
12 %
de nourriture
Transport et manutention
11 %
de matériaux
Production 9%
Construction et extraction 6%
Installation, maintenance,
4%
réparation
Nettoyage et entretien
1%
de bâtiments et terrains
EAN 978-2-8073-6242-0
Cette version numérique de l’ouvrage a été réalisée par Nord Compo pour De
Boeck Supérieur. Nous vous remercions de respecter la propriété littéraire et
artistique. Cette œuvre est protégée par le droit d’auteur et strictement réservée à
l’usage privé du client. Toute reproduction ou diffusion au profit de tiers, à titre
gratuit ou onéreux, de tout ou partie de cette œuvre, est strictement interdite et
constitue une contrefaçon prévue par les articles L.335-2 et suivants du Code de
la Propriété Intellectuelle. L’éditeur se réserve le droit de poursuivre toute
atteinte à ses droits de propriété intellectuelle devant les juridictions civiles ou
pénales.
Notes
1. Source : Kyle Hailey.
2. Source : IPSOS, 2022 | Chart : 2023 AI Index Report.
Notes
1. Delcourt M., Héphaïstos ou la légende du magicien, précédé de La Magie d’Héphaïstos,
Les Belles Lettres, 1982.
2. Lohr C. H., « Les fondements de la logique nouvelle de Raymond Lulle », Cahiers de
Fanjeaux, 1987, 22(1), p. 233-248.
3. Descartes R., Traité de l’homme, Gallimard, 1970, vol. 11.
4. Carvallo S., « De la fabrique du corps au corps machine en passant par les automates :
Jacques Vaucanson & Claude Nicolas Le Cat (1700-1768) », in Roukhomovsky B.,
L’Automate : machine, merveille, Presses universitaires de Bordeaux, 2012, p. 157-188.
5. Hollings C., Martin U., Rice A. C., Ada Lovelace: The making of a computer scientist,
Oxford, Bodleian Library, 2018.
6. Chaudet B., « Le mythe de la machine dans les processus d’informations et de
communications organisationnelles », Sciences de l’information et de la communication,
université Rennes-2, 2019.
7. Turing A. M., Girard J. Y., Basch J., Blanchard P., La Machine de Turing, Le Seuil,
1995, p. 47-102.
8. McCulloch W. S., Pitts W. H., Lettvin J. Y., Maturana H. R., « What the Frog’s Eye Tells
the Frog’s Brain », Proceedings of the IRE, 1959, 47(11), p. 1940-1951.
9. Besnier J.-M., « L’intelligence artificielle entre science et métaphysique », Esprit
(1940-), 1992, p. 60-73.
10. Vannieuwenhuyze A., Intelligence artificielle vulgarisée : le Machine Learning et le
Deep Learning par la pratique, Éditions ENI, 2019.
11. Gefen A., « IA : pour une histoire culturelle », Revue d’histoire culturelle, 2022, 4.
12. Agar J., « What is science for? The Lighthill report on artificial intelligence
reinterpreted », The British Journal for the History of Science, 2020, 53(3), p. 289-310.
13. Saporta G., « Une brève histoire de l’intelligence artificielle », CNAM, 2018.
14. Chomsky N., Topics in the Theory of Generative Grammar, Walter de Gruyter, 2013,
vol. 56.
15. Andler D., « Connexionnisme et cognition : à la recherche des bonnes questions »,
Revue de synthèse, 1990, 111(1-2), p. 95-127.
16. Howard J., « Self-supervised learning and computer vision », 13 janvier 2020.
https://www.fast.ai/posts/2020-01-13-self_supervised.html
17. Bengio Y., Le Cun Y., Hinton G., « Deep learning for AI », Communications of the
ACM, 2021, 64(7), p. 58-65.
18. Krizhevsky S. A., Sutskever I., Hinton G. E., « From Photographic Image to Computer
Vision », Cambridge University Press, 8 novembre 2019.
19. Lee K. F., IA : la plus grande mutation de l’histoire, Les Arènes, 2019.
20. Ibid.
21. Segal A., « Une guerre froide fluide : les États-Unis, la Chine et la concurrence autour
de la technologie numérique », Hérodote, 2022/1-2 (no 184-185), p. 271-284.
https://www.cairn.info/revue-herodote-2022-1-page-271.htm
22. « Attention Is All You Need ». https://arxiv.org/pdf/1706.03762.pdf
23. Le « syndrome Kodak » fait référence à la résistance d’une entreprise à s’adapter à de
nouvelles technologies ou à de nouveaux modèles commerciaux par peur de perturber ses
activités existantes, cela conduisant à son déclin ou à sa faillite. Le terme tire son nom de la
société Kodak, qui, bien qu’elle ait été à l’origine de l’invention de la photographie
numérique, a raté la transition de l’analogique vers le numérique, menant à sa faillite.
24. https://france.devoteam.com/paroles-dexperts/lstm-transformers-gpt-bert-guide-des-
principales-techniques-en-nlp/
25. Boileau J. É., Bois-Drivet I., Westermann H., Zhu L., « Rapport sur l’épistémologie de
l’intelligence artificielle (IA) », Laboratoire de cyberjustice, 2022.
26. « Language Models are Few-Shot Learners », OpenAI, 22 juillet 2020.
https://arxiv.org/pdf/2005.14165.pdf
27. « GPT4, All Details Leaked ». https://medium.com/@daniellefranca96/gpt4-all-details-
leaked-48fa20f9a4a
28. Voir le glossaire.
29. Nourygat V., « ChatGPT, ce n’est que le début », Epsilon, juillet 2023.
30. https://www.frenchweb.fr/openai-pourrait-lever-100-milliards-de-dollars/442697
31. https://www.lemonde.fr/economie/article/2023/05/10/comment-google-cherche-a-
rester-au-premier-plan-dans-l-intelligence-artificielle_6172863_3234.html#xtor=AL-
32280270-[default]-[android]
32. https://www.tomsguide.fr/chatgpt-va-eliminer-google-et-amazon-selon-bill-gates-
voici-pourquoi/
33. « Introducing Claude », 14 mars 2023. https://www.anthropic.com/index/introducing-
claude
34. Kreshan Z., « 5 AI Music Tools to Modernise Your Workflow », Scene Noise, 2022.
35. https://blogs.microsoft.com/blog/2023/03/16/introducing-microsoft-365-copilot-your-
copilot-for-work/
36. https://www.frenchweb.fr/ce-quil-faut-retenir-des-annonces-de-google-i-o-en-matiere-
dia/442764
37. https://www.forbes.com/sites/johanmoreno/2023/06/28/generative-ai-in-the-office-to-
ban-or-not-ban/?sh=45b1d24494d5
38. https://www.facebook.com/business/news/introducing-ai-sandbox-and-expanding-
meta-advantage-suite?_rdc=2&_rdr
39. https://ai.facebook.com/blog/imagebind-six-modalities-binding-ai/
40. Amazon Web Services, service de cloud computing à la demande.
41. https://www.usine-digitale.fr/article/amazon-a-un-plan-a-100-millions-de-dollars-pour-
accompagner-ses-clients-vers-l-ia-generative.N2146287
42. https://www.numerama.com/tech/1403948-apple-reussit-a-parler-dia-sans-jamais-
parler-dia-lusage-est-roi.html
43. https://www.semianalysis.com/p/google-we-have-no-moat-and-neither
En complément :
https://www.cmswire.com/digital-experience/the-open-source-revolution-challenging-ai-
giants-google-and-openai/
https://www.forbes.com/sites/cindygordon/2023/06/18/is-opensource-ai-threatening-the-
tech-titans/?sh=4eb167951ab8
https://www.stevenbaert.ai/2023/06/01/openai-and-tech-giants-face-open-source-ai-
challenge/
44. En réalité son modèle Llama-1 a fuité à son insu sur Internet et c’est au moment de la
sortie de son modèle Llama-2 que Meta a fait le choix assumé de l’open source.
45. https://www.lemonde.fr/pixels/article/2023/07/18/ia-meta-met-la-pression-sur-openai-
et-google-avec-un-modele-open-source_6182543_4408996
46. https://www.lesechos.fr/tech-medias/intelligence-artificielle/intelligence-artificielle-
generative-la-revolution-chatgpt-en-marche-1935018
47. https://www.journaldugeek.com/2023/03/21/ia-des-chercheurs-ont-copie-chatgpt-pour-
un-prix-derisoire/
48. Chavalarias D., Toxic data, Flammarion, 2023.
49. https://www.01net.com/actualites/chatgpt-comment-openai-eviter-ia-extinction-
homme.html
50. https://www.moma.org/collection/works/401279
51. Griset P. (dir.), « Les ingénieurs des Télécommunications dans la France
contemporaine : réseaux, innovation et territoires (XIXe-XXe siècles) », Institut de la gestion
publique et du développement économique, colloque des 21 et 22 octobre 2010.
http://books.openedition.org/igpde/3188
52. Plateforme déjà reconnue de manière internationale.
https://www.forbes.com/sites/konstantinebuhler/2023/04/11/ai-50-2023-generative-ai-
trends/?sh=1b342feb7c0e
53. https://www.maddyness.com/2023/06/13/mistral-levee-de-fonds-105-millions-
artificielle-generative/
54. Voir également le glossaire en fin d’ouvrage.
55. « Meta entraîne son IA sur la Bible et le Nouveau Testament ».
https://www.frenchweb.fr/meta-entraine-son-ia-sur-la-bible-et-le-nouveau-
testament/443107
56. Cf. glossaire.
57. Cf. glossaire.
58. « Hallucination, synthography, prompt… petit lexique de l’intelligence artificielle
générative », ADN, 18 janvier 2023. https://www.ladn.eu/tech-a-suivre/hallucination-
synthography-prompt-petit-lexique-de-lintelligence-artificielle-generative/
59. https://openai.com
60. https://www.radiofrance.fr/franceinter/podcasts/l-invite-de-9h/le-7-9h-l-interview-de-
9h-du-mercredi-18-janvier-2023-1989180
61. Du moins, c’est encore possible en juillet 2023, date à laquelle nous rédigeons cet
ouvrage.
62. Doan R., Si Rome n’avait pas chuté, Passés Composés, 2023.
63. https://www.lemonde.fr/les-decodeurs/article/2023/05/11/les-images-creees-par-ia-et-
le-risque-de-reecrire-l-histoire_6172920_4355770.html
64. https://www.lesinrocks.com/art/un-tableau-concu-par-une-intelligence-artificielle-
gagne-un-prix-et-cree-la-polemique-495797-06-09-2022/
65. https://www.konbini.com/popculture/pourquoi-un-photographe-a-refuse-le-premier-
prix-quil-venait-de-gagner-grace-a-une-ia/
66. Technique de synthèse multimédia qui repose sur l’intelligence artificielle.
67. https://www.ladn.eu/media-mutants/deep-fake-ia-generatives-tiktok-fake/
68. Parise F., Les Enfants gâtés : anthropologie du mythe du capitalisme responsable,
Payot, 2022.
69. Devillers L., Des robots et des hommes, Plon, 2017.
70. https://www.rtl.fr/actu/international/etats-unis-un-robot-se-suicide-une-enquete-est-
ouverte-7789407284
71. https://theconversation.com/le-robot-humano-de-sophia-revelateur-de-notre-rapport-a-
lintelligence-artificielle-87218
72. https://www.bfmtv.com/tech/intelligence-artificielle/elon-musk-steve-wozniak-des-
personnalites-appellent-a-un-moratoire-de-six-mois-sur-l-ia_AV-202303290501.html
73. https://www.sudouest.fr/sciences-et-technologie/menace-ou-reelle-avancee-l-
intelligence-artificielle-generale-en-passe-de-revolutionner-la-vie-humaine-14482473.php
74. https://www.liberation.fr/futurs/2016/03/25/microsoft-muselle-son-robot-tay-devenu-
nazi-en-24-heures_1441963/
75. DarkBERT : A Language Model for the Dark Side of the Internet. En ligne :
https://ar5iv.labs.arxiv.org/html/2305.08596
76. Mori M., « La vallée de l’étrange », Gradhiva, revue d’anthropologie et d’histoire des
arts, 2012, no 15, p. 26-33.
77. https://mitsloan.mit.edu/ideas-made-to-matter/why-neural-net-pioneer-geoffrey-hinton-
sounding-alarm-ai
78. https://www.nytimes.com/2023/05/30/technology/ai-threat-warning.html
79. https://theconversation.com/if-were-going-to-label-ai-an-extinction-risk-we-need-to-
clarify-how-it-could-happen-206738
80. https://theconversation.com/intelligence-artificielle-prendre-en-compte-ses-risques-
concrets-plutot-que-de-potentielles-menaces-existentielles-208246
81. https://theconversation.com/lia-ravive-lenjeu-de-lidentite-professionnelle-205789
82. https://www.euronews.com/next/2023/06/29/womens-jobs-will-be-disproportionately-
affected-by-ai-according-to-new-research
83. https://futurism.com/the-byte/openai-sued-train-ai
84. « Il n’y a pas encore de réponse en droit français » ; « L’intervention d’un humain,
d’une personne physique, constitue le principe fondateur du droit de la propriété
intellectuelle ». Marc Schuler, associé de Taylor Wessing, spécialisé en propriété
intellectuelle. https://www.lemonde.fr/economie/article/2023/07/02/intelligence-artificielle-
les-photographes-reclament-des-garde-fous_6180227_3234.html
Notes
1. https://www.lebigdata.fr/prompt-engineer
2. Ibid.
3. https://jobs.lever.co/Anthropic/e3cde481-d446-460f-b576-93cab67bd1ed
4. https://www.ladn.eu/tech-a-suivre/nouveau-job-ingenieur-prompt-cette-personne-qui-
sait-parler-aux-machines/
5. Ibid.
6. Ibid.
7. https://www.bloomberg.com/news/articles/2023-03-29/ai-chatgpt-related-prompt-
engineer-jobs-pay-up-to-335-000?leadSource=uverify%20wall#xj4y7vzkg
8. https://openai.com/research/instruction-following
9. Dolbeau-Bandin C., Un robot contre Alzheimer : approche sociologique de l’usage du
robot Paro dans un service de gériatrie, C&F Éditions, 2022.
10. Kyrou A., Google God : Big Brother n’existe pas, il est partout, Inculte, 2010.
11. https://www.ifri.org/fr/espace-media/lifri-medias/chatgpt-nest-debut
12. https://scholar.google.com/citations?
view_op=view_citation&hl=en&user=IeqjwlIAAAAJ&sortby=pubdate&citation_for_view
=IeqjwlIAAAAJ:_axFR9aDTf0C
13. Discord est une plateforme communautaire qui permet d’interagir en temps réel par le
biais de textes, d’images, de vidéos et de voix. Midjourney, une intelligence artificielle
générative, a été intégrée à Discord pour permettre aux utilisateurs de l’utiliser facilement.
14. Wei J., Wang X., Schuurmans D. et al., « Chain-of-Thought Prompting Elicits
Reasoning in Large Language Models », 10 janvier 2023. https://arxiv.org/abs/2201.11903
15. « Introducing 100K Context Windows », 11 mai 2023.
https://www.anthropic.com/index/100k-context-windows
16. Cf. glossaire.
Notes
1. Eloundou T., Manning S., Mishkin P., Rock D., « GPTs are GPTs: An Early Look at the
Labor Market Impact Potential of Large Language Models », 23 mars 2023.
https://arxiv.org/abs/2303.10130
2. https://www.lesechos.fr/tech-medias/intelligence-artificielle/chatgpt-et-lia-menacent-
300-millions-demplois-dans-le-monde-selon-goldman-sachs-1919968
3. McKinsey & Company, « The Economic Potential of Generative AI : The Next
Productivity Frontier », juin 2023.
4. https://www.vice.com/en/article/pkap3m/gpt-4-cant-replace-striking-tv-writers-but-
studios-are-going-to-try
5. https://www.novethic.fr/actualite/economie/isr-rse/licenciements-chute-en-bourse-
chatgpt-fait-ses-premieres-victimes-151505.html
6. https://finance.yahoo.com/news/job-culling-already-begun-4-190624594.html
7. https://www.frenchweb.fr/cetait-insense-selon-elon-musk-pour-ron-desantis-cest-un-
depart-rate/443163
8. https://www.oecd.org/newsroom/oecd-job-markets-remain-tight-though-inflation-is-
hitting-real-wages.htm
9. Oxford considère que 45 % des emplois vont être déplacés par l’IA dans les dix ans.
10. https://mitsloan.mit.edu/ideas-made-to-matter/workers-less-experience-gain-most-
generative-ai
11. https://theconversation.com/lia-ravive-lenjeu-de-lidentite-professionnelle-205789
12. https://mitsloan.mit.edu/ideas-made-to-matter/why-generative-ai-needs-a-creative-
human-touch?utm_source=thinkingforward&utm_medium=email&utm_id=cq
13. Du nom du roboticien et chercheur en IA Hans Moravec qui l’a formulé.
14. Desjeux D., « Les échelles d’observation de la culture », Communication et
Organisation, revue scientifique francophone en communication organisationnelle, 2022,
no 22.
15. Harari Y. N., Homo deus : une brève histoire du futur, Albin Michel, 2017.
16. Picciuolo A., « Un chapitre de l’histoire de la sémiotique : la naissance du carré
sémiotique », Texto ! Textes et Cultures, 2015, vol. XX, no 3.
17. https://legrandcontinent.eu/fr/2023/04/05/qui-interdit-chatgpt/
18. Michel E., Théorie de l’extensio, Edilivre, 2012.
19. de Sousa Cardoso C., Messina J.-C., Manager Sapiens, De Boeck Supérieur, 2022.
20. Rogers E., Diffusion of Innovations, Free Press, 2003.
21. https://mitsloan.mit.edu/ideas-made-to-matter/why-generative-ai-needs-a-creative-
human-touch?utm_source=thinkingforward&utm_medium=email&utm_id=cq
22. https://mitsloan.mit.edu/ideas-made-to-matter/3-ways-to-center-humans-your-
companys-artificial-intelligence-efforts?
utm_source=thinkingforward&utm_medium=email&utm_campaign=centerhumans
23. https://mitsloan.mit.edu/ideas-made-to-matter/3-ways-to-center-humans-your-
companys-artificial-intelligence-efforts?
utm_source=thinkingforward&utm_medium=email&utm_campaign=centerhumans
24. https://mitsloan.mit.edu/ideas-made-to-matter/3-ways-to-center-humans-your-
companys-artificial-intelligence-efforts?
utm_source=thinkingforward&utm_medium=email&utm_campaign=centerhumans
25. Étude de cas réalisée en mars 2023 dans le cadre d’un cours d’ergonomie cognitive à
destination des étudiants de deuxième année de l’école de design Strate de Lyon.
26. Il s’agit de la « maquette » de l’interface conversationnelle.
Notes
1. Un plugin est un module complémentaire qui peut être installé et utilisé pour ajouter une
ou plusieurs fonctionnalités à un logiciel existant afin d’améliorer ou étendre les capacités
du programme.
2. Le No Code est une approche du développement de logiciels qui permet aux utilisateurs
non techniques de créer des applications à l’aide d’interfaces visuelles interactives, sans
besoin de connaissances en développement informatique ni l’utilisation de langages de
programmation traditionnels.
Notes
1. Cf. chapitre 1, « Les définitions clés pour comprendre simplement les IA
conversationnelles et génératives ».
2. https://www.numerama.com/tech/1383984-un-laureat-du-nobel-de-litterature-utilise-
chatgpt-contre-la-page-blanche.html
3. https://www.konbini.com/popculture/la-premiere-artiste-reconnue-comme-autrice-dune-
oeuvre-generee-par-ia-perd-ses-droits/
4. https://www.lepoint.fr/economie/ecrivains-artistes-scientifiques-ce-qu-ils-pensent-de-l-
ia-20-05-2023-2520874_28.php
5. https://decrypt.co/fr/147269/ceo-de-stability-ai-il-ny-aura-plus-de-programmeurs-
humains-dans-cinq-ans
6. Selon Thomas Dohmke, directeur général de GitHub, la plateforme de développement
logiciel devrait permettre aux IA de suggérer environ 80 % du code aux développeurs d’ici
à cinq. https://www.latribune.fr/technos-medias/informatique/github-l-intelligence-
artificielle-va-nous-permettre-de-devenir-un-pilier-de-microsoft-thomas-dohmke-directeur-
general-940149.html
7. Lian L., Li B., Yala A., Darrell T., « LLM-grounded Diffusion: Enhancing Prompt
Understanding of Text-to-Image Diffusion Models with Large Language Models », Cornell
University, 2023. https://arxiv.org/abs/2305.13655
8. Cf. glossaire.
9. https://help.runwayml.com/hc/en-us/articles/17329337959699-Gen-2-Prompt-Tips
10. https://www.bmw.com/fr/design/ia-design-et-art-numerique.html
11. La transformation des métiers de l’image est déjà à l’œuvre avec des outils tels que
segment-anything.com (Meta), la fonctionnalité Generative Fill d’Adobe ou encore les
outils développés autour de DragGan AI Tool.
12. https://www.presse-citron.net/ils-apportent-la-puissance-de-lia-dans-vos-series-3-
startups-a-connaitre/
13. https://www.vice.com/en/article/pkap3m/gpt-4-cant-replace-striking-tv-writers-but-
studios-are-going-to-try
14. https://kotaku.com/one-piece-eiichiro-oda-chatgpt-ai-chopper-manga-1850172765
15. https://apnews.com/article/grammys-ceo-ai-rules-interview-
dea135035893deab37719c354f31a889
Notes
1. https://ai.facebook.com/blog/imagebind-six-modalities-binding-ai/
2. https://www.journaldugeek.com/2023/06/14/avec-laide-de-lia-ikea-invente-un-canape-
qui-tient-dans-une-enveloppe/
3. Paris F., Buchanan L., « 35 Ways Real People Are Using A.I. Right Now », The New
York Times, 14 avril 2023.
4. https://venturebeat.com/security/how-one-researcher-used-chatgpt-to-fool-a-hacker/
5. https://lighthouse.mq.edu.au/article/june-2023/scamming-the-scammers
6. https://mitsloan.mit.edu/ideas-made-to-matter/workers-less-experience-gain-most-
generative-ai
7. https://www.radiofrance.fr/franceinter/un-avocat-americain-a-utilise-chatgpt-pour-
preparer-un-proces-et-n-a-cite-que-des-faux-arrets-3833906
8. https://www.republik-retail.fr/solutions-techno/data/ce-qu-il-faut-retenir-des-ambitions-
de-carrefour-avec-chatgpt.html
9. https://theconversation.com/les-competences-relationnelles-une-lacune-a-combler-pour-
les-chatbots-208680
10. https://theconversation.com/avec-le-developpement-des-chatbots-les-salaries-du-
secteur-des-assurances-sinterrogent-sur-leur-role-209009
Notes
1. https://www.frenchweb.fr/openai-marque-un-temps-davance-en-se-connectant-a-des-
services-tels-que-klarna-expedia-ou-encore-zapier/441461
2. Ces plateformes permettent d’intégrer différentes applications solutions entre elles sans
nécessiter de compétences en codage
3. Promesses d’outils tels que usegalileo.ai.
4. https://www.linkedin.com/pulse/1200-business-school-students-used-my-chatbot-ed-
class-nizon
5. Du type Sketch-to-Skybox. https://skybox.blockadelabs.com/
6. Fonctionnalités déjà proposées par Zoom IQ par exemple.
7. SaaS (Software as a Service) : c’est un modèle de distribution de logiciel où un
fournisseur tiers héberge des applications et les met à la disposition des clients via Internet.
Dans ce modèle, les utilisateurs n’ont pas besoin d’installer et de maintenir le logiciel eux-
mêmes. Ils accèdent simplement à celui-ci via le cloud, souvent via un navigateur web. Les
services de SaaS sont généralement basés sur un modèle d’abonnement.
8. Cf. glossaire.
9. Pour cela il sera possible d’utiliser des interfaces de programmation d’applications (API,
Application Programming Interface), des plugins directement accessibles dans les solutions
ou des outils d’automatisation sans code (No Code) comme Make ou Zapier.
10. Dans le cadre d’une architecture multi-agents ou MoE (cf. glossaire).
11. On-premise : il s’agit du modèle de déploiement traditionnel de logiciel où
l’infrastructure et le logiciel sont hébergés sur site, c’est-à-dire sur les serveurs physiques
de l’entreprise, et sont gérés par son propre personnel informatique. Dans ce modèle,
l’entreprise est responsable de l’installation, de la maintenance et de la sécurité du logiciel.
12. Cette vectorisation des connaissances possède également la perspective d’être plus
efficiente d’un point de vue énergétique, économique et donc écologique, que l’exploitation
d’un contexte élargi plus consommateur en ressources.
Notes
1. https://theconversation.com/limpact-environnemental-du-numerique-un-enjeu-encore-
mal-pris-en-compte-par-les-entreprises-207741
2. https://www.businessinsider.com/chatgpt-generative-ai-water-use-environmental-
impact-study-2023-4?r=US&IR=T
3. https://www.lepoint.fr/editos-du-point/les-faiblesses-de-chatgpt-sont-le-miroir-des-
notres-22-05-2023-2521019_32.php#11
4. https://notbyai.fyi/
5. https://www.mm.be/news-fr-69948-nikon-promeut-l-intelligence-naturelle
6. https://www.ogilvy.com/fr/fre/work/not-generated-ai
7. https://twitter.com/lmatsakis/status/1669014096593788929?s=20
8. https://www.imperva.com/resources/reports/2023-Imperva-Bad-Bot-Report.pdf
9. https://cset.georgetown.edu/publication/ai-chips-what-they-are-and-why-they-matter/
10. En plus des GPU, d’autres types de puces d’IA comprennent les FPGA (Field
Programmable Gate Arrays) et les ASIC (Application Specific Integrated Circuits). Ces
deux types de puces peuvent être programmés ou conçus pour effectuer des calculs
spécifiques de manière plus efficace que les puces génériques, ce qui les rend
particulièrement utiles pour l’IA.
11. https://www.france24.com/en/business/20221013-why-semiconductors-are-central-to-
world-economy-geopolitics. Pour en mesurer la portée, il suffit de constater comment Sam
Altman, fondateur et CEO d’OpenAI, fut reçu en 2023 tel un chef d’État partout à travers
le monde.
12. https://home.cib.natixis.com/articles/how-are-geopolitics-shaping-the-semiconductor-
industry
13. https://www.cnbc.com/2023/07/04/what-are-gallium-and-germanium-china-curbs-
exports-of-metals-for-tech.html
14. https://commission.europa.eu/strategy-and-policy/priorities-2019-2024/europe-fit-
digital-age/european-chips-act_en
15. En juillet 2023, Joe Biden a invité les sept principaux géants de l’IA américains,
Amazon, Anthropic, Google, Inflection AI, Meta, Microsoft et OpenAI, afin de les inciter à
s’engager contre les cyberattaques, la fraude et la manipulation.
https://www.lemonde.fr/pixels/article/2023/07/22/intelligence-artificielle-des-geants-de-la-
tech-acceptent-de-mettre-en-place-des-regulations-a-la-demande-de-
washington_6182967_4408996.html. L’invitation va aboutir quelques jours plus tard à la
création du Frontier Model Forum, « un nouvel organisme sectoriel chargé de garantir un
développement sûr et responsable des modèles d’IA d’avant-garde ».
https://blogs.microsoft.com/on-the-issues/2023/07/26/anthropic-google-microsoft-openai-
launch-frontier-model-forum/
16. https://www.brookings.edu/articles/the-geopolitics-of-ai-and-the-rise-of-digital-
sovereignty/
17. https://www.nytimes.com/2023/06/12/health/doctors-chatgpt-artificial-
intelligence.html
18. https://www.academie-medecine.fr/lintelligence-artificielle-au-service-de-la-sante/
19. Des solutions se déploient déjà sur le sujet.
https://techcrunch.com/2023/07/05/lovense-chatgpt-pleasure-companion/
20. https://www.francetvinfo.fr/internet/intelligence-artificielle/j-ai-demande-a-chatgpt-de-
rediger-un-amendement-comment-l-intelligence-artificielle-s-invite-a-l-assemblee-
nationale_5903954.html
21. https://www.slashgear.com/1325188/urtopia-smart-electric-bike-chatgpt-ai-integration/
22. https://www.sportspromedia.com/news/tour-de-france-femmes-ntt-chatgpt-ai/?
zephr_sso_ott=87cx3t
Notes
1. En complément des définitions données dans le chapitre 1.
2. « Self-supervised learning: The dark matter of intelligence », 4 mars 2012.
https://ai.meta.com/blog/self-supervised-learning-the-dark-matter-of-intelligence/
3. https://www.businessinsider.com/openai-gpt4-ai-model-got-lazier-dumber-chatgpt-
2023-7?r=US&IR=T
4. Pour aller plus loin : https://scienceetonnante.com/2023/01/13/stable-diffusion/
5. Frédéric Alexandre, « De Cambridge Analytica à ChatGPT, comprendre comment l’IA
donne un sens aux mots », 19 mai 2023. https://theconversation.com/de-cambridge-
analytica-a-chatgpt-comprendre-comment-lia-donne-un-sens-aux-mots-205534
6. En ligne : https://arxiv.org/abs/1706.03762