L’IA générative

La manifestation d’une « intelligence artificielle » n’est rien d’autre que l’exécution d’un modèle mathématique appliqué à l’informatique. Elle s’appuie sur une base de données volumineuse et des applications mathématiques qui les traitent.

 Quelques éléments sur l’IA

L’intelligence artificielle générative est une technologie permettant de créer du contenu (texte, image, son…) à partir de réseaux de neurones.

Les réseaux neuronaux constituent un programme ou un modèle de machine learning qui prend des décisions d’une manière comparable au cerveau humain, en utilisant des processus […] pour identifier des phénomènes, évaluer des options et arriver à des conclusions.
https://www.ibm.com/fr-fr/topics/neural-networks

Les réseaux neuronaux peuvent être représentés par des graphes orientés ou non. Chaque nœud représente un objet et ces objets sont reliées entre eux par des arêtes.
Dans un réseau neuronal, les nœuds contiennent des données, des propriétés tandis que les arêtes correspondent à des relations de type mathématiques (ex : probabilité).

Dans ce graphe, il existe un lien entre les données x₁, x₂ et la « conséquence » f(x₁,x₂).

Par exemple, dans un texte, il y a une probabilité importante pour que les mots "capitale" et "France" soient associés au mot "Paris". C’est en donnant à lire des textes à l’intelligence artificielle qu’elle est capable de créer ce type d’association.
Ces données permettent d’affiner les relations entre les nœuds. L’IA est en mesure d’ajuster le poids de chaque nœud établissant ainsi une hiérarchie dans les paramètres d’intérêt croissant.
Ainsi, la phase d’apprentissage permet de pondérer l’importance d’une donnée par rapport à une autre. La fonction f peut alors se mettre sous la forme simplifiée :

 Point de vigilance

La phase d’apprentissage d’une IA est fondamentale : une IA est dépendante de la base de données dont elle se nourrit.

• La base de données doit donc être une source fiable et sûre.
• La base de données doit être suffisamment volumineuse.
• l’IA doit évoluer dans le temps avec les modifications de la base de données.

Une IA peut fournir un résultat approximatif voire erroné.

Les problématiques soulevées peuvent être les risques d’hallucination (proposer une réponse semblant réelle mais ne correspondant pas à la réalité), les biais, la désinformation, les deepfakes, la mise à profit des données personnels d’un individu (reconnaitre un profil criminel à partir de photographies), des problématiques d’ordre juridique, le risque de dérive de concept…

Un regard expert reste donc nécessaire pour évaluer la validité de la réponse.

Exemple :

 Quelques usages au service de l’enseignant

 ♦ Imitation d’un style : exemple écriture d’un protocole

Travail possible :

• Analyser la construction, la syntaxe du protocole
• Identifier la verrerie utilisée
• Comprendre le protocole (à quoi servent les capillaires, qu’est-ce qu’un éluant ? Trouver les erreurs, corriger le protocole, adapter le protocole au matériel mis à notre disposition…)
• ...

 

 

 ♦ Création de QCM à partir d’une vidéo

 

 

 ♦ Création d’illustration, de schéma

Souhaitant illustrer un exercice de sensibilisation à la sécurité routière et plus particulièrement aux dangers liés à la pratique des deux roues, il est possible de demander à une IA générative de produire ce type d’image.

 ♦ D’autres exemples

• la traduction, la synthèse vocale
  Travailler les compétences langagières en classe : préparation d’un document en anglais…
• Génération d’un code informatique
• ...

 Quelques préconisations

• Ne pas demander la création de compte aux élèves
• Pour les enseignants favoriser les IA ne demandant qu’une adresse mail (utiliser par exemple l’adresse professionnelle)

 Auteur

Bertrand Fareneau