« l’IA générative et ses possibilités ». (1/5). Et c’est reparti. Depuis la dernière version de ChatGPT en mars 2023, on se remet à craindre l’IA. « IA générative facteur de risque », « Gen IA et la fin des RH », « la K-pop bouleversée par l’IA générative », « 82% des entreprises vont interdire ChatGPT ». Pourquoi l’IA générative (re)fait peur ? Finalement c’est un peu comme utiliser un moteur de recherche, non? Premier article d’une série pour essayer d’y voir plus clair avec l’IA générative.
IA générative, c’est la même chose que Google en fait ?
C’est quoi l’IA générative ? Selon ChatGPT, l’IA générative est un modèle capable de créer des contenus originaux, tels que textes, images, vidéos ou sons, en imitant les schémas et les caractéristiques présentes dans les données d’entraînement. Les techniques d’IA générative reposent sur des algorithmes d’apprentissage appelés one-shot et zéro-shot. L’apprentissage se fait avec des quantités limitées de données (cas du one-shot) ou bien il va permettre de reconnaître certaines classes sans jamais avoir été entrainé pour cela (cas du zéro-shot).
On peut donc l’utiliser professionnellement pour générer des vidéos prédictives, modéliser des formes 3D dans l’architecture, générer des voix à partir de texte (La Matinale Le Monde) créer des groupes de musique (Eternity) etc. Et parmi les outils plus connus on va retrouver ChatGPT (OpenAI) mais aussi AlphaCode (Deepmind), GiHub Copilot (GitHub & OpenAI), Bard (Google), Jasper (Open source) DALL-E, copy.ai, etc…
Dans le cas de ChatGTP, en quoi est-il différent d’un moteur de recherche ? L’un va donner des réponses en langage naturel, l’autre va renvoyer des images ou des vidéos avec les sources. L’un ne se base que sur des données mises en ligne avant septembre 2021 l’autre indexe l’ensemble du web « à date ». Dans les deux cas la notion de biais cognitifs est importante. Voilà les différences subjectives avec une mise en parallèle de l’être humain :
| Moteur de recherche (ex. Google) | Agent conversationnel (ChatGPT) |
L’être humain (Moi) |
|
| Comment effectuer une recherche ? | Par succession de mots clefs | En langage naturel | Il faut me demander gentiment |
| Type de réponse donnée | Des métadonnées : images, sons, textes, vidéos | Un texte en langage naturel où les sources ne sont pas précisées. | Subjective avec 250 biais cognitifs possibles |
| De la publicité | Oui | Non | – |
| Base de données | Indexation web en temps réel | Données jusqu’en septembre 2021 | Ce que peut contenir mon petit cerveau |
| Ethique ? | Un problème récurrent | Des interdictions d’usage qui varient en fonction de l’IA | Dépend des époques et des cultures |
Pourquoi on en parle que maintenant ?
L’IA générative existe depuis les années 60. Elle a donc environ 63 ans, soit le même âge que Yannick Noah. Ce n’est donc pas nouveau. En 2014, l’arrivée de nouvelles architectures dites GAN (Generative Adversarial Network – réseau antagoniste génératif) accélère considérablement les développements sur l’IA générative. Les GAN utilisent une technique de Machine Learning qui met en compétition deux réseaux de neurones, l’un qui créé (le générateur) et l’autre qui détecte les données générées parmi les données d’origines (le discriminateur) de sorte que le générateur puisse s’imposer, au fur et à mesure des cycles, face au discriminateur.
Puis émergent en novembre 2022 d’autres modèles comme les Transformers et VAE (Variational AutoEncoders) et l’initiative d’OpenAI qui vont vulgariser ces outils pour le grand public avec la version 3.5 de ChatGPT.
Les humains vont-ils être remplacés ?
L’humain est complexe. Il utilise une grande variété de schémas de pensée pour comprendre, analyser et résoudre les problèmes : la déduction, l’induction, l’analogie, les raisonnements probabilistes, par contradictions ou les raisonnements critiques.
Les programmes d’intelligence artificiels nous surclassent dans la déduction (savoir inférer une conclusion à partir de propositions générales), l’induction ( généralisation à partir d’exemples spécifiques : j’ai vu plusieurs corbeaux noirs dans les arbres, donc tous les corbeaux sont noirs) ou les raisonnements probabilistes (la base de ChatGPT).
L’être humain dans son choix de décisions est influencé par son expérience de vie, ses émotions et sa conscience. Un agent conversationnel n’a aucune compréhension profonde des choses. C’est un logiciel. Dans les années 20 on a baptisé ces objets « Intelligence artificielle ». C’est probablement une grande maladresse. Il aurait été plus juste de les appeler « Data Science » ou « agent artificiel » par exemple. On a pu observer des dérives dans son utilisation au cinéma ou dans la littérature, contribuant à faire grimper en flèche certains fantasmes peu légitimes.
Si toutes les grandes plateformes ont leur IA générative Bard (Google), Ernie (Baidu), Llama2 (Meta) personne ne sait comment l’IA générative va évoluer. De là à favoriser les partisans d’un IA outrageusement forte, je pense qu’on va trop loin.
Quelle suite à l’IA générative ?
Dans nos prochains articles nous vous expliquerons plus en détails les avantages pour l’entreprise : comment celle-ci va pouvoir injecter ses propres données pour générer des cas d’usages, l’importance des data set d’entrainements ou le besoin pour les services IT de renouveler leurs infrastructures.
Nous vous invitons aussi à venir nous voir au salon :
- 25-26 septembre BIG DATA & IA – Paris : comment l’IA générative se greffer sur votre plateforme data
- 20-21 septembre au SIDO – Lyon : démonstration sur l’intégration d’IA générative dans une plateforme data et IoT.
Matthieu LENTZ – Directeur Marketing JEMS
