Chapitre 4 – Introduction à l’Intelligence Artificielle (IA)

🌟 Objectifs pédagogiques

Ce chapitre a pour objectif de poser les bases de la compréhension de l'intelligence artificielle. Les
apprenants découvriront ses définitions, son fonctionnement, ses domaines d'application, ainsi que
ses implications futures. Ils pourront :

 Comprendre la notion d'intelligence humaine et ses attributs.

 Définir ce qu'est l'intelligence artificielle.

 Identifier les principales disciplines liées à l'IA.

 Distinguer les types d'IA (faible et forte).

 Comprendre les composants techniques fondamentaux (données, modèle, algorithme).

 Expliquer le principe de l'IA générative et ses applications concrètes.

1. Qu’est-ce que l’intelligence humaine ?

L'intelligence humaine est une capacité cognitive complexe qui regroupe plusieurs fonctions
essentielles du cerveau humain :

 Apprentissage : C'est la faculté d'acquérir de nouvelles connaissances ou compétences à

partir de l'expérience, de l'observation ou de l'étude.

 Raisonnement et anticipation : L'individu est capable de faire des déductions logiques à

partir des données acquises et de prévoir des situations futures.

 Mémoire et histoire personnelle : L'intelligence humaine repose sur une base de souvenirs,
d'émotions passées et d'expériences qui influencent la prise de décision.

 Conscience de soi : Cela implique la capacité à se représenter soi-même, à évaluer ses

actions, ses pensées et leurs conséquences.

 Ressentis émotionnels : Les émotions jouent un rôle dans les choix, les apprentissages et les
comportements sociaux.

Ces composantes sont autant d'inspirations pour les chercheurs en intelligence artificielle.

2. Définition de l’intelligence artificielle

L'intelligence artificielle (IA) est une branche de l'informatique qui vise à créer des systèmes capables
d'exécuter des tâches habituellement réservées aux humains. Il peut s'agir de compréhension du
langage, de reconnaissance d'images, de prise de décision, ou encore d'interaction sociale.

L'objectif fondamental de l'IA est de simuler certaines capacités humaines pour permettre aux
machines de fonctionner de manière autonome, adaptative et intelligente.
3. Les compétences des systèmes d’IA

Les systèmes d'IA modernes ne se limitent pas à une seule fonction. Ils combinent plusieurs
compétences telles que :

 L'apprentissage : Mémoriser et s'adapter à partir de nouvelles données.

 Le raisonnement logique : Résoudre des problèmes ou planifier des actions.

 La compréhension du langage naturel (TAL) : Analyser et produire du texte ou de la parole

compréhensibles par un humain.

 La reconnaissance visuelle et auditive : Identifier des formes, des visages, des voix...

 La prise de décision : Choisir la meilleure option en fonction d’un objectif ou d’un contexte
donné.

Ces capacités sont mises en œuvre dans une grande variété de secteurs : médecine, finance,
industrie, marketing, etc.

4. Bref historique de l’IA

L'IA ne date pas d'hier. Voici les principales étapes de son évolution :

 1950-1970 : Premiers programmes logiques (test de Turing, résolutions d'équations simples).

 1980 : Développement des systèmes experts, capables de reproduire le raisonnement de

spécialistes.

 1990 : Avancées majeures sur les réseaux de neurones, retour de l’apprentissage

automatique.

 2010 : Explosion du big data et amélioration des capacités de calcul.

 2020 : Démocratisation de l'IA : apparition d'outils accessibles au grand public comme

ChatGPT, Midjourney, etc.

5. Les disciplines de l’IA

L'IA regroupe plusieurs champs d’étude et d’application :

 Vision par ordinateur : Traitement d’images ou de vidéos (ex : voitures autonomes).

 Traitement automatique du langage (TAL) : Chatbots, assistants vocaux, traduction

automatique.

 Robotique : Conception de machines capables de se déplacer et d'interagir avec leur

environnement.

 Apprentissage automatique (machine learning) : Les algorithmes apprennent à partir de

données.

 Apprentissage profond (deep learning) : Utilisation de réseaux de neurones multicouches

pour traiter des données complexes.
6. IA faible vs IA forte

On distingue deux grandes catégories :

 IA faible : Spécialisée dans une seule tâche. Pas de conscience ni de compréhension. (Ex : Siri,
Google Translate)

 IA forte : Hypothétique. Aurait une compréhension générale et une conscience semblable à

celle de l’humain. (Encore au stade de recherche)

Aujourd'hui, toutes les IA existantes sont de type faible, même les plus avancées comme ChatGPT.

7. Comment fonctionne une IA ?

Le fonctionnement d’une IA repose sur trois piliers :

1. Les données

Les données sont le carburant de l'IA. Elles doivent être :

 Abondantes, variées, de bonne qualité.

 Adaptées à la tâche (images pour la vision, textes pour le langage, etc).

2. Le modèle mathématique

Le modèle est une structure qui décrit les relations entre données. Il est capable de :

 Détecter des motifs cachés dans les données.

 Faire des prédictions ou générer du contenu.

 Exemples : GPT (texte), DALL-E (images).

3. L’algorithme d’apprentissage

L’algorithme ajuste le modèle en analysant les erreurs. Il existe plusieurs types :

 Apprentissage supervisé : on donne les réponses attendues (prédiction).

 Apprentissage non supervisé : on laisse le modèle explorer seul les données (clustering).

8. L’intelligence artificielle générative

L’IA générative est une forme avancée d’IA qui permet de créer de nouveaux contenus (textes,
images, musiques, vidéos) à partir de ce qu'elle a appris. Elle repose sur :

 Des réseaux neuronaux profonds.

 Des jeux de données non structurées (textes libres, images sans étiquettes).

Elle est utilisée dans :

 La création artistique.
  La rédaction automatique de contenu.

 L’assistance à la créativité (vidéo, musique, etc).

Ce n’est pas de l’IA générative lorsque la sortie est un simple chiffre ou une catégorie (comme « spam
/ non-spam »).

9. Exemples de modèles génératifs

a) Modèles d’images (ex : Midjourney, DALL-E, CoModGAN)

 Produisent des images à partir de descriptions.

 Restauration d’images abîmées.

 Création de visuels inédits.

b) Modèles de langage (ex : GPT, ChatGPT)

 Prédisent le mot suivant dans une phrase.

 Créent des résumés, des poèmes, des dialogues...

 Leur logique repose sur des probabilités liées aux mots utilisés en contexte.

Exemple d’enchaînement de contexte :

 « J’aime les … » → peut donner n’importe quoi.

 « J’aime les animaux … » → priorisera des termes proches de "animaux".

 « J’aime les animaux tels que les félins … » → affinera vers : tigre, lion, lynx...

10. Conclusion

L’IA est aujourd’hui omniprésente et en constante évolution. Elle bouleverse nos façons de travailler,
de communiquer et de créer. Sa compréhension est essentielle pour anticiper ses impacts et s'y
adapter. Bien que l’IA forte soit encore une idée de science-fiction, l’IA faible est déjà une réalité
puissante et accessible.