Définition : C’est quoi l’intelligence artificielle ? (IA)
L’IA désigne la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité.
La machine reçoit des données les analyse et réagit. Les systèmes dotés d’IA sont capables d’adapter leurs comportements (plus ou moins) en analysant les effets produits par leurs actions précédentes, travaillant de manière autonome.
(Source : Parlement européen)
Il n’existe pas de définition de l’IA qui fait consensus ; principalement en raison des constantes avancées technologiques. En effet, ce qui paraissait novateur en 1997 (victoire de l’ordinateur Deep Blue contre le champion du monde d’échec Garry Kasparov) ou en 2011 (Introduction de l’assistant personnel Siri) est entré dans les mœurs et ne tombe plus actuellement sous la définition de l’IA.
Informations complémentaires :
Les milieux académiques conseillent fortement de ne pas utiliser le terme intelligence artificielle seul, mais de rajouter un complément selon le domaine d’utilisation. Dans le milieu scolaire on parle quasi exclusivement d’intelligence artificielle générative (IAG)
Informations complémentaires : Définition IAG
Intelligence faible et intelligence forte
Dans un souci de compréhension, il est important de distinguer l’intelligence artificielle faible et l’intelligence artificielle forte.
Une IA faible n'est pas capable de comprendre ses actions. Elle se concentre sur une tâche spécifique pour laquelle elle a été entraînée.
Exemples d'IA faible
Calculatrices
Bien qu’anciennes les calculatrices sont des exemples d’IA faibles qui effectuent des opérations mathématiques.
Assistants vocaux
Ces outils (Siri, Alexa, Google assistant, ...) répondent à des questions et tâches spécifiques telles que “quel temps fait-il ?”, “jouer de la musique”
Traducteurs
Les logiciels de traduction (Deepl, Google traduction, ...) imitent le fonctionnement neuronal humain et établissent des liens entre les mots et les phrases ; ils développent leur propre mémoire afin de comprendre le langage
Systèmes de recommandations
Les services de streaming (Netflix, Spotify, ...) analysent les préférences et suggèrent des contenus similaires
Générateurs de texte
Ils reposent sur des modèles de langage. Ces modèles (ChatGPT, Gemini, ...) utilisent l’IA faible pour produire du texte qui ressemble à celui écrit par des humains. Des Chatbot intégrés dans des sites permettent d’aider les utilisateurs
Aide à la conduite automatique
Ces assistants facilitent entre autres le stationnement, gèrent automatiquement la vitesse et la distance, analysent et réagissent aux panneaux de signalisation
Une IA forte serait capable d’apprendre par elle-même, d’appréhender le monde différemment par d’autres schémas cognitifs et émotionnels que les nôtres. Ce type d’IA aurait conscience d’elle-même et de son existence. Elle pourrait échapper au contrôle humain et développer son propre projet. Pour l’instant, ce type d’IA n’existe pas, et la possibilité qu’elle devienne réelle fait l’objet de nombreux débats.
Exemples d'IA forte
Toy-Story
Les jouets dans le film Toy-Story prennent des décisions autonomes en s’appuyant sur leurs expériences passées et leurs apprentissages. De plus, ils sont capables de ressentir et d’exprimer des émotions humaines
Star Wars
Le robot R2-D2, de la saga Star Wars imite la pensée et les réactions d’un être humain. Il ne lui manque que l’apparence physique, la fluidité des mouvements et la voix propre à l’humain
L'intelligence artificielle au quotidien
L'IA est utilisée dans de multiples activités de notre vie quotidienne. Ces exemples vous incitent à prendre conscience des contextes dans lequels nous bénéficions de l'IA.
Frise historique de l'intelligence artificielle
Quelques événements marquants de l'histoire de l'IA :
- 1950 : Turing
Test de Turing qui vise à déterminer si l'intelligence développée par les machines est semblable à la nôtre
- 1954 : Dartmouth
1ère appellation "IA" lors d'un congrès
- 1966 : ELIZA
1ère interaction entre un robot psychothérapeute et des utilisateurs humains
- 1980 : Réseaux de neurones
Apprentissage automatique qui imite le cerveau et fait des prédictions
- 1997 : Deep Blue
Superordinateur qui bat le champion du monde aux échecs
- 2011 : Jeopardy
Ordinateur qui gagne le jeu Jeopardy
- 2011 : Assistants vocaux
Apparition des assistants vocaux personnels (Siri)
- 2012 : Voiture Google
1er véhicule autonome de Google à passer un test de sécurité sur la route
- 2014 : GAN
1er Réseaux Antagonistes Génératifs produisent des contenus originaux à partir de données existantes
- 2014 : Reconnaissance faciale
Facebook sait identifier votre visage grâce à son algorithme maison, Deepface. Le réseau social affirme que sa méthode, avec ses 97 % d’efficacité, tutoie les performances de l’oeil humain
- 2016 : AlphaGo
Programme de DeepMind qui bat le champion du monde de Go
- 2018 : GPT
1er modèle d'OPEN AI capable de générer du texte à partir de données internet
- 2018 : Arrestation grâce à la reconnaissance faciale
1er homme arrêté grâce à l'utilisation de la reconnaissance faciale (en Chine)
- 2022 : Chat GPT
1ère intelligence artificielle générative accessible au grand public
- 2024 : Sora
1ère intelligence artificielle générative qui convertit du texte en vidéo
- 2024 : Réussite du teste de Turing
1ère étude scientifique qui indique que Chat-GPT4 a passé avec succès le test de Turing
Définitions techniques
Les paragraphes suivants expliquent les bases du Machine Learning, des réseaux neuronaux et du Deep Learning. Ces termes sont des concepts importants dans le traitement moderne des données et ont de nombreuses applications pratiques dans notre vie quotidienne. Il est important pour les enseignants d'avoir une compréhension de base de ces technologies, car elles sont de plus en plus intégrées dans différentes ressources et plateformes éducatives. En outre, ces concepts peuvent aider les élèves à mieux comprendre le monde numérique et à se préparer aux évolutions technologiques futures.
Apprentissage automatique (Machine Learning)
Capacité d’un système informatique à apprendre, à extraire des modèles et à évoluer en réponse à de nouvelles données, sans l’aide d’être humain.
Dans le domaine scolaire, l’apprentissage automatique est principalement utilisé pour offrir une expérience d’enseignement individualisé.
Ressources : Introduction à l'apprentissage machine
Exemples d’utilisation : Publicité mise en ligne sur la base des activités sur les réseaux sociaux, reconnaissance faciale et vocale, filtres anti-spam dans les programmes de messagerie, calculs d'itinéraires dans le système de navigation, propositions de films sur les portails vidéo, quizlet
Réseau de neurones
Système informatique conçu comme un ensemble d’unités et de nœuds connectés de manière à transmettre des signaux, inspiré de neurones biologiques des animaux.
Ressources : Un réseau de neurones artificiels | 2 minutes d'IA
Exemple d’utilisation : Prévisions météorologiques, diagnostics médicaux, reconnaissance de dessins, etc.
Apprentissage profond (Deep learning)
Les techniques d’apprentissage profondes font partie des méthodes d’apprentissage automatique et sont fondées sur des réseaux neuronaux artificiels.
Elles sont appliquées à différentes tâches, par exemple la reconnaissance d’objets dans des images ou de mots dans un discours. Dans l’éducation, elles permettent, par exemple, de prédire des performances scolaires.
Ressources : Comprendre le DeepLearning et les Réseaux de neurones en 10 mins !
Exemple d’utilisation : Systèmes de génération de texte, d'images, de vidéos ou de sons, ChatGPT, programmes de traduction, Midjourney, Dall-e, Firefly, Gemini.