Le vocabulaire de l'IA. 30 concepts. 5 niveaux. – Transcript

00:00Vous utilisez l'intelligence artificielle tous les jours, mais soyons honnêtes, la plupart du temps, vous jouez à la loterie. Vous avez déjà demander à Chat GPT de compter les lettres dans un mot et il s'est planté. Vous avez déjà eu l'impression qu'il devenait amnésique en pleine conversation. Vous vous êtes déjà dit, "C'est stupide, ça ne marche pas." Le problème, ce n'est pas l'intelligence artificielle et ce n'est pas vous non [musique] plus. Le problème, c'est qu'on

00:26vous a donné l'outil le plus puissant du 21e siècle. sans le mode d'emploi. On vous a fait croire que c'était une personne [musique] alors que c'est une machine statistique. Tant que vous la traitez comme une personne, vous serez frustré. Mais si vous apprenez à la piloter comme une machine, vous devenez inarrêtable. Vous regardez l'océan, mais vous n'avez aucune idée des courants profonds qui dirigent tout. Tant que vous restez au niveau de l'interface, vous jouez à la

00:54loterie. [musique] Pour reprendre le contrôle, il faut plonger. Si vous m'accordez une trentaine de minutes, je ne vais pas vous faire un cours de code. [musique] Je vais ouvrir la boîte noire. Je vais vous donner les concepts exacts qui séparent l'amateur qui tâonne du professionnel qui maîtrise. Aujourd'hui, on ne va pas juste apprendre des mots, [musique] on va traverser différents niveaux de conscience. On va partir du code binaire pour remonter jusqu'à l'intelligence quasi humaine. Quand vous

01:21aurez fini cette vidéo, vous ne verrez plus jamais l'IA de la même façon. On passe de la magie, de la boîte noire à la mécanique et à l'ingénierie. Voyons ensemble les concepts fondamentaux les plus importants de l'intelligence artificielle. Du plus simple au plus vertigineux. Le voyage commence maintenant. [musique] Prologue, les quatre notions de base.

01:46Avant de commencer notre ascension, il faut poser les règles du jeu. Voici les quatre notions de base sur l'IA grand public. Notion 1, le LLM, grand modèle de langage. On commence par le nom. Vous n'utilisez pas un chatbot, vous utilisez un LLM. Retenez bien ceci, un LM n'est pas une base de connaissance [musique] comme Wikipédia. C'est un moteur de prédiction. Il ne stock pas des faits,

02:12il stock des probabilités linguistiques. Il ne sait pas que le ciel est bleu. Il calcule que le [musique] mot bleu a 99 % de chance d'arriver après ciel. Notion 2, la nature stocastique, le lancer de D. Contrairement à une calculatrice, LIA est probabiliste. Elle lance des D à chaque mot.

02:33C'est ce qui la rend crative, mais c'est aussi ce qui la rend non déterministe. [musique] La même question peut donner deux réponses différentes. Ce n'est pas un bug, c'est sa nature. Notion 3, l'inférence veuse l'entraînement.

02:47L'entraînement, c'est l'école, ça prend des mois. [musique] L'inférence, c'est l'examen, ça prend une seconde. Quand vous parlez à Chat GPT, il est en mode inférence. Il n'apprend pas de vous en réel. Sa connaissance est figée à la fin de son entraînement. C'est une encyclopédie qui ne se met pas à jour toute seule. Notion [musique] 4, le Transformer. L'architecture.

03:10C'est le moteur sous le capot inventé en 2017. Avant lui, les modèles lisaient mot à mot. Le Transformer permet de lire tout le contexte en parallèle. C'est ce qu'on appelle le mécanisme de la tension. Et sans cette invention, pas de GPT, pas de Claude, pas d'IA moderne.

03:28Maintenant que vous avez les bases, commençons notre ascension. Avant de comprendre l'intelligence, il faut comprendre comment la machine perçoit la réalité. Ce que vous tapez dans une barre de chat, ce n'est pas du texte pour elle. C'est des mathématiques, des nombres, des coordonnées dans un espace que votre cerveau humain ne peut même pas visualiser.

03:49Bienvenue au premier niveau, celui où on arrête de voir l'interface [musique] et où on commence à voir la matrice. Concept 1, la tokenisation. Les atomes de l'intelligence artificielle.

04:06Quand vous envoyez un message à une intelligence artificielle, elle ne lit pas votre texte comme vous. [musique] Elle ne voit pas des mots. Elle voit des morceaux de mots qu'on appelle des tokens. [musique] Imaginez que vous voulez manger une pizza. Vous ne l'avalez pas en une bouchée, vous la coupez en part.

04:24L'intelligence artificielle fait exactement la même chose avec votre texte. Elle découpe tout en petits morceaux digestibles. Parfois un mot entier devient un token. Parfois un mot se retrouve coupé en plusieurs morceaux.

04:38Le mot compréhension par exemple, la machine le voit peut-être comme compré et si. Et c'est là que les problèmes commencent. Prenons un exemple bien français, le mot anticonstitutionnellement.

04:51Demandz à une intelligence artificielle de compter les haines. Dans ce mot, il y en a cinq. Mais va souvent se tromper et vous dire trois ou quatre. Pourquoi une machine si puissante échoue sur un exercice de CP ? Parce qu'elle [musique] ne lit pas A N T I. Elle découpe le mot en bloc comme des Legos. Anti, consti, tution, nellement. Les lettres N sont cachées à l'intérieur ou à la jonction

05:17de ces blocs. Lia doit deviner le contenu de la boîte sans l'ouvrir. C'est pour ça qu'elle est nulle au mot croisé. Pourquoi c'est stratégique pour vous ? D'abord parce que vous êtes facturé au token, pas au mots. Ensuite parce que ça explique pourquoi l'intelligence artificielle galère avec les jeux de mots, les anagrammes et tout ce qui demande de manipuler des lettres individuelles. Et enfin, parce que c'est

05:44la fondation de tout le reste. [musique] Chaque concept qu'on va voir après repose sur cette idée de tokenisation. Premier niveau de conscience atteint. Vous savez maintenant que la machine ne voit pas ce que vous voyez.

05:57Concept, les embeddings. Donner des coordonnées au mot. Une fois que le texte est découpé en token, il faut donner un sens à ces morceaux. C'est là qu'interviennent les embedding. Chaque token reçoit une série de coordonnées mathématiques qui le positionnent dans un espace de sens.

06:16Pensez à une carte du monde. Paris a des coordonnées de latitude et longitude. Le mot chat a lui aussi des coordonné mais dans [musique] un espace à des centaines de dimensions. Et dans cet espace, les mots qui ont des sens proches se retrouvent près les uns des autres.

06:32Chien est proche de chat, voiture est proche de camion, mais démocratie est très loin de sandwich. Il y a une équation célèbre qui illustre parfaitement ce mécanisme. Roi moins homme plus femme égale reine.

06:47L'intelligence artificielle fait littéralement ce calcul dans cet espace de coordonnées. Elle prend la position du mot roi. Elle soustrait les coordonnées associées au masculin. Elle ajoute celle du féminin et elle arrive sur Ren. C'est de la géométrie du sens.

07:04Quand vous demandez des entreprises similaires à Uber, l'intelligence artificielle navigue dans cet espace pour trouver des voisins qui partagent les mêmes caractéristiques : économie des plateformes, services à la demande, modèle de mise en relation. Elle ne cherche pas dans une base de données, elle explore une carte du sens.

07:24Concept 3, l'espace l'attend. Là où l'imagination se produit, les embeddings positionnent les mots, mais le traitement se fait dans un espace plus vaste qu'on appelle l'espace latent. C'est l'univers intérieur de l'intelligence artificielle, là où toutes les significations possibles coexistent.

07:45Imaginez un cosmos où chaque point représente un concept possible. Quand vous posez une question, l'intelligence artificielle trace un chemin dans ce cosmos depuis votre question jusqu'à la réponse. Elle voyage à travers des régions de sens pour arriver à destination. C'est aussi dans cet espace que naissent sont les hallucinations.

08:05Quand l'intelligence artificielle atterrit dans une zone peu explorée de cet espace, elle peut décrire avec assurance des choses de qui n'existent pas. C'est comme un touriste qui donne des directions dans une ville qu'il n'a jamais visité. Il est confiant mais il invente. Vous commencez à voir pourquoi la machine se trompe parfois. Ce n'est pas de la stupidité, c'est de la navigation dans un territoire

08:30partiellement cartographié. Concept 4, l'encodage positionnel, le rythme des mots. L'intelligence artificielle voit tous les tokens en même temps. Elle n'a pas de notion naturelle de prier, 2è 3è mot.

08:46C'est un problème parce que le chat mange la souris et la souris mange le chat sont deux phrases très différentes. Pour résoudre ça, on ajoute à chaque token une sorte de signature musicale qui indique sa position. Des motifs mathématiques basés sur des ondes sinusoïdales marquent chaque emplacement. Le premier mot reçoit un motif A, le deuxième un motif B et ainsi de suite. Grâce à ça, l'intelligence

09:13artificielle peut démêler des phrases complexes avec des dépendances à longue distance. Par exemple, le rapport que le directeur qui a été embauché l'année dernière a rédigé était excellent. Qui a rédigé quoi ? L'encodage positionnel permet de garder le fil.

09:32Vous venez de traverser le premier niveau. Quatre concepts. Vous savez maintenant que l'intelligence artificielle découpe, positionne, navigue et ordonne. Vous voyez la matrice derrière l'interface. Mais voir ne suffit pas. Il faut apprendre à contrôler.

09:49Niveau 2, le contrôle. Tenir les reines de la machine. Maintenant que vous voyez le code, apprenez à tenir les rennes. Ce niveau, c'est celui où vous passez de spectateur à pilote. Vous allez découvrir les leviers que vous pouvez actionner directement pour transformer vos résultats.