Intelligence artificielle · 4 articles
Ce qu’est l’IA, comment un modèle apprend, ce qu’un réseau de neurones calcule vraiment.
Le mot « intelligence artificielle » désigne à la fois une discipline de recherche née dans les années 1950, une famille de techniques statistiques, et un argument commercial collé sur à peu près n’importe quel logiciel. Cette confusion n’est pas anodine : elle empêche de voir que la plupart des systèmes appelés ainsi ne raisonnent pas, ne comprennent pas et ne vérifient rien. Ils calculent une sortie probable à partir de régularités observées.
Ce thème pose le vocabulaire avant tout le reste : ce que le mot recouvre et ce que le règlement européen en retient comme définition juridique, la différence entre une IA générative et les IA de prédiction ou de recommandation qui fonctionnent depuis des décennies, ce que veut dire « apprendre » pour une machine, et ce qu’est réellement un réseau de neurones une fois la métaphore biologique écartée.
Comprendre les bases
Le terme n’a jamais eu de définition technique stable. Depuis 2024, il en a une définition juridique européenne, et c’est elle qui décide quels systèmes sont contrôlés en Europe.
Comprendre les bases
Apprendre, pour un modèle, c’est tourner des millions de boutons jusqu’à ce que l’erreur baisse sur des exemples passés. Ce qui explique ses réussites et toutes ses défaillances.
Comprendre les bases
La ligne de partage n’est pas « prédire » contre « créer » : un modèle de langage prédit lui aussi. Ce qui change, c’est la nature de la sortie, et donc la façon de mesurer les erreurs.
Comprendre les bases
Un neurone artificiel fait trois opérations et pas une de plus. Voici ce que contient vraiment le fichier d’un modèle, comment il s’ajuste, et ce que la métaphore du cerveau fait mal comprendre.
Chaque question renvoie à la réponse, dans l’article qui la traite.
Thème
Tokens, fenêtre de contexte, entraînement, mémoire : la mécanique des assistants conversationnels.
Thème
Hallucinations, sources inventées, biais, complaisance : pourquoi un modèle se trompe avec assurance.
Thème
La structure d’une consigne qui marche, les erreurs classiques, les formats de sortie.
Thème
Génération d’images, clonage vocal, deepfakes, filigranes et vérification d’origine.
Thème
Le calendrier du règlement (IA Act), les pratiques interdites, les obligations et qui contrôle en France.
Thème
Ce que vos conversations deviennent, l’opposition à l’entraînement, le RGPD appliqué à l’IA.
Thème
Charte d’usage, réunions, recrutement, contrats fournisseurs et responsabilité.