Observatoire du Numérique
TechTrends 1  /  8

Comprendre l'intelligence artificielle

Découvrez ce qu’est l’intelligence artificielle, son évolution et les différences entre Machine Learning, Deep Learning et Generative AI.

AI GenerativeAI TrainingData MachineLearning LLM ComputerVision NeuralNetworks

L'intelligence artificielle désigne un ensemble de technologies capables de produire des résultats qui demanderaient habituellement certaines facultés humaines. Une IA peut reconnaître une image, comprendre une question, recommander un contenu, prévoir un résultat ou générer du texte.

Elle ne réfléchit toutefois pas comme une personne. Elle traite des données à l'aide de modèles mathématiques afin d'identifier des régularités et de produire une réponse, une prédiction ou une décision. Ses résultats dépendent des données utilisées, de son entraînement et des règles définies par ses concepteurs.

Une technologie développée depuis plusieurs décennies

L'intelligence artificielle n'est pas une invention récente. Le terme apparaît dans les années 1950 et le domaine est officiellement lancé lors d'une rencontre scientifique organisée à Dartmouth en 1956. Les premiers systèmes reposaient principalement sur des règles écrites par des humains.

Avec l'augmentation de la puissance informatique et la disponibilité de grandes quantités de données, les machines ont progressivement appris à reconnaître elles-mêmes certains modèles. Ces avancées ont notamment permis le développement de la reconnaissance vocale, de la traduction automatique, des systèmes de recommandation et, plus récemment, de la Generative AI.

Trois notions à distinguer

Machine Learning

Le Machine Learning est une branche de l'intelligence artificielle. Au lieu de recevoir uniquement des règles précises, le système apprend à partir d'exemples. Il peut notamment détecter des messages indésirables, recommander des produits ou estimer un risque.

Deep Learning

Le Deep Learning est une forme plus avancée de Machine Learning. Il utilise des réseaux de neurones composés de plusieurs couches. Cette méthode est particulièrement adaptée au traitement des images, de la voix et du langage, mais elle demande généralement beaucoup de données et de puissance informatique.

Generative AI

La Generative AI utilise principalement des modèles de Deep Learning pour produire de nouveaux contenus. Elle peut générer du texte, des images, du son, de la vidéo ou du code à partir d'une instruction. Elle ne copie pas simplement une réponse existante. Elle construit un résultat à partir des structures apprises pendant son entraînement.

L'intelligence artificielle est le domaine général. Le Machine Learning est une méthode permettant aux machines d'apprendre à partir de données. Le Deep Learning est une forme de Machine Learning utilisant des réseaux de neurones complexes. La Generative AI emploie ces technologies pour créer de nouveaux contenus.

Ces systèmes peuvent être très performants sans pour autant comprendre réellement ce qu'ils produisent. Une réponse convaincante peut être imprécise ou fausse. L'intelligence artificielle reste donc un outil dont les résultats doivent être vérifiés et replacés dans leur contexte.

Sources