Qu'est-ce que l'IA et que peut-elle faire?
La courte réponse est: “presque tout”
L'IA a enfin dépassé sa phase initiale de “le stade de l'engouement initial” et apporte désormais une série d'applications dans la vie réelle. Il est possible de faire presque n'importe quoi à partir de textes, d'images ou de vidéos numériques. Que ce soit pour résumer des livres, écrire de la poésie, coder des sites web, créer des plans d'exercices, gagner des concours artistiques, poser des diagnostics médicaux, recommander des films et des émissions de télévision en fonction de votre historique de visionnage et de vos évaluations, recueillir des données visuelles en temps réel pour produire une image en 3D qui identifie la route, concevoir les pièces d'un vaisseau spatial ou même prédire chaque structure de protéine inconnue auparavant, l'IA peut tout faire.
Cette image produite avec l'aide de l'intelligence artificielle a remporté la première place à Colorado State Fair
Source: CNN
Ces compétences catalysent déjà une transformation induite par l'IA dans divers emplois, parmi lesquels la relecture, la conception graphique, la prospection commerciale, la programmation et bien plus encore. Le Forum économique mondial prévoit qu'au cours des cinq prochaines années, l'IA transformera les compétences de base de 44% des travailleurs. À titre d'exemple, au cours de l'année écoulée, le logiciel d'IA Copilot de Microsoft a été utilisé pour écrire plus d'un milliard de lignes de code, réduisant ainsi de 55% la durée d'exécution des tâches pour les programmeurs.
Plusieurs banques d'investissement, comme Morgan Stanley, ont même créé des assistants de recherche en IA pour leurs courtiers et leurs analystes. Par ailleurs, les particuliers peuvent désormais acheter des ETF comme l’ETF QRAFT AI-Enhanced US Large Cap, lequel utilise l'IA pour la sélection des actions et le rééquilibrage des portefeuilles.
Enfin, l'IA remplacera directement de nombreux emplois routiniers tels que la comptabilité, la saisie de données et même certains analystes professionnels.
I do not think we'll see mass unemployment. But I do think we'll see mass disruption.
— Erik Brynjolfsson, Professor of Economics at the Stanford Graduate School of Business
L'essor des chatbots personnalisés en mesure de fournir des informations sur mesure, d'accomplir des tâches ou même de servir de compagnon numérique dans les moments difficiles est, lui aussi, évident. À l'avenir, il est concevable que tout le monde ait un mentor, un ami et un assistant IA.
Toutes ces perspectives sont plus qu'étonnantes. Toutefois, l'IA peut faire bien davantage, notamment en aidant les entreprises qui opèrent en ligne à surmonter les réglementations strictes en matière de collecte d'informations personnelles à des fins publicitaires. À travers des conversations apparemment banales, l'IA parvient à deviner un grand nombre d'informations personnelles. Par exemple, Meta utilise son système Lattice pour aider à surmonter le désagrément de la décision d'Apple qui oblige les utilisateurs d'iPhone à accepter explicitement le suivi des données par l'entreprise.
L'IA n'en est qu'à ses balbutiements et, comme aux premiers jours de l'internet, il est difficile de prédire toutes les solutions d'IA qui feront partie de notre vie quotidienne. La véritable révolution commencera lorsque les gens commenceront à exploiter les algorithmes de l'IA pour en créer de nouveaux, une évolution qui se profile déjà avec le GPT Store d'OpenAI.
The advance of technology is based on making it fit in so that you don't really even notice it, so it's part of everyday life.
— Bill Gates
Déterminer les règles du jeu – où va-t-on?
Étape 1: Les origines
Le grand public a commencé à s'intéresser à l'intelligence artificielle dans les années 1950, lorsque les mathématiciens ont commencé à parler de machines pensantes. Les fondateurs de l'intelligence artificielle considéraient que l'apprentissage d'algorithmes conduirait à l'intelligence des machines. Cependant, les progrès en la matière se sont avérés beaucoup plus difficiles que prévu et l’emballement médiatique à ce sujet a échoué, les développements de l'IA ressemblant davantage à la série Les Pierrafeu (The Flintstones) qu'à celle Les Jetson (The Jetsons).
Ce n'est qu'à la fin des années 1990, avec l'émergence de l'“apprentissage automatique”, que l'intérêt pour l'IA a été ravivé. Ce regain d'intérêt s'est notamment manifesté en 1997, lorsque Big Blue d'IBM a battu le champion du monde d'échecs Garry Kasparov.
L'apprentissage automatique utilise des algorithmes et des probabilités pour identifier des modèles à partir de données afin de répondre à des questions et de résoudre des problèmes. Plus il s'entraîne sur un grand nombre de données, plus il parvient à fournir des réponses et des solutions précises.
En 2006, l'apprentissage automatique a pris le nom d’“apprentissage profond” lorsque Geoffrey Hinton est parvenu à démontrer que les ordinateurs pouvaient apprendre plus rapidement en utilisant des réseaux neuronaux artificiels, c'est-à-dire des couches denses d'algorithmes. La révolution actuelle de l'IA a toutefois réellement démarré lorsque les systèmes d'apprentissage profond ont commencé à utiliser les puces GPU de Nvidia en 2007 et que les investissements des entreprises ont augmenté de manière significative en 2010.
Étape 2: la quatrième révolution industrielle
À partir des années 2000, les progrès ont été extraordinaires, notamment dans les domaines du test et de la reconnaissance vocale, à savoir le traitement automatique des langues (en anglais natural language processing ou NLP) et la reconnaissance d'images (voir le graphique ci-dessous).
Capacités de reconnaissance du langage et des images des systèmes d'IA depuis 2000
Source: Our World in Data
Aujourd'hui, le terme “IA” est principalement utilisé pour désigner les modèles d'IA générative élaborés à l'aide d'algorithmes d'apprentissage profond. Cela inclut les grands modèles de langage (LLM) qui peuvent lire, écrire, entendre, écouter et parler (NLP) ainsi que les modèles hybrides qui peuvent voir et créer des images et des vidéos (par exemple, le traitement d'images).
Comment l'apprentissage automatique et profond, associés au traitement du langage, forment-ils l'IA
Source: SentiSum
Le prototype d’agent conversationnel ChatGPT d'OpenAI, présenté au public le 30 novembre 2022, est l'exemple le plus connu de mise en œuvre d'un grand modèle de langage (LLM) d'IA aujourd'hui. En s'appuyant sur les indices contextuels d'un texte, ChatGPT peut comprendre une question ou une commande et fournir des réponses intelligentes et parfois originales basées sur les données sur lesquelles l'algorithme a été entraîné.
Alors que les algorithmes GPT-1 et GPT-2 ont été entraînés respectivement sur 117 millions et 1,5 milliard de paramètres, démontrant des capacités rudimentaires de génération de texte, les itérations suivantes, GPT-3 et GPT-4, s'appuient respectivement sur 175 milliards et 1,5 billion de paramètres. Ces capacités leur permettent de passer des examens d'entrée en médecine ou en droit et d'obtenir de meilleurs résultats que certains experts dans des tâches de compréhension et d'écriture.
Évolution des paramètres utilisés pour entraîner les modèles GPT d'OpenAI
Source: OpenAI
Le succès de ChatGPT a contraint les concurrents d'OpenAI à accélérer le développement de leurs propres LLM. C’est ainsi que Google a introduit Bard et Gemini, Facebook a dévoilé LLaMA et Anthropic a lancé Claude. Dans les années à venir, les principaux LLM “fondamentaux” rivaliseront pour dominer en tant que principale plateforme ou “système d'exploitation” en matière d'IA. Aujourd'hui, nous assistons déjà à la construction de modèles plus petits à partir des grands modèles, soulignant ainsi une tendance importante dans ce domaine.
It’s been two months since we announced GPTs, and users have already created over 3 million custom versions of ChatGPT.
– OpenAI