Fiche de révision : Introduction à l'Intelligence Artificielle et Numérique dans le cadre professionnel
📌 L'essentiel
- L'IA évolue depuis 1956, passant de ses débuts à l'ère du cloud et de l'IA générative.
- Différence entre IA étroite (spécifique) et IA générative (créative).
- La loi de Moore prévoit un doublement de la puissance de traitement tous les 18-24 mois.
- Le prompt engineering optimise l'interaction avec l'IA en rédigeant des instructions précises.
- Power BI, Data Visualisation et storytelling sont clés pour la visualisation et la communication des données.
- Outils digitaux essentiels : gestion de projet, CRM, automatisation, collaboration.
- Cadre législatif nécessaire pour encadrer les risques liés à l'IA.
📖 Concepts clés
IA étroite : Intelligence artificielle conçue pour exécuter des tâches spécifiques sans capacités d’adaptation générale.
IA générative : Capable de créer du contenu (texte, image, son), imitant la créativité humaine.
Loi de Moore : La puissance de traitement double environ tous les 18-24 mois, favorisant la croissance exponentielle.
Data Visualisation : Technique de représentation graphique des données pour faciliter compréhension et prise de décision.
Storytelling en Data Viz : Utiliser une narration pour rendre les données plus impactantes et compréhensibles.
📐 Formules et lois
Loi de Moore : La capacité de traitement augmente exponentiellement $$ Capacité \propto 2^{\frac{n}{k}} $$, où $n$ est le nombre de circuits, $k$ une constante.
Modèle d’apprentissage machine :
- Supervision : apprentissage à partir de données annotées ($L$ pour labelisé)
- Semi-supervision : combinaison de données annotées et non annotées
- Non supervision : apprentissage sans annotation
Principes de Gestalt :
- Position spatiale
- Longueur/Taille
- Couleur
- Orientation
- Forme
- Mouvement
7 éléments maximum : Limite pour éviter la surcharge cognitive lors de la visualisation.
🔍 Méthodes
- Analyser besoins et parcours utilisateur.
- Concevoir mockup ou wireframe pour la visualisation.
- Rédiger un prompt selon la méthode C.R.A.F.T :
- C : Context
- R : Rôle
- A : Action
- F : Format
- T : Ton
- Vérifier la cohérence et la pertinence des résultats obtenus.
- Exploiter outils (Power BI, Excel, plateformes BI) pour analyser et communiquer.
💡 Exemples
- Carte interactive pour suivre la propagation du choléra avec John Snow.
- Création express d’un site avec Bolt en 30 secondes.
- Génération de contenus (podcasts, fiches, rapports) via NotebookLM.
- Évolution de l’IA : de 1956 (première utilisation du terme) à l’ère du cloud et de l’IA générative (2022 avec ChatGPT).
⚠️ Pièges
- Surcharge cognitive : ne pas trop charger la visualisation.
- GIGO (Garbage In, Garbage Out) : l’importance de la qualité des données.
- Limites de la loi de Moore : ne pas en surestimer la croissance.
- Prompts mal formulés : réponses peu pertinentes.
- Question de vie privée : faire attention aux données utilisées, surtout gratuites.
📊 Synthèse comparative
| Types d'IA | Fonctionnalités | Exemple |
|---|
| IA étroite | Exécute une tâche précise, peu adaptable | Reconnaissance faciale |
| IA générative | Crée du contenu, imite la créativité humaine | ChatGPT, DALLE |
| IA générale | Capacité d’apprendre et de s’adapter à de nombreuses tâches | En cours de développement |
✅ Checklist examen
- Comprendre l’évolution historique de l’IA.
- Différencier IA étroite et IA générative.
- Connaître la loi de Moore et ses implications.
- Maîtriser le processus de prompt engineering.
- Savoir utiliser Power BI et la data visualisation efficacement.
- Identifier les risques et cadre législatif liés à l’IA.
- Appliquer la méthode C.R.A.F.T pour rédiger des prompts.
Synthèse rapide
- L’introduction à l’IA dans le contexte professionnel couvre ses outils, ses évolutions, ses types, et ses enjeux législatifs.
- La progression de l’IA : de 1956 à l’ère cloud et IA générative.
- La différence entre IA étroite et IA générative.
- Le prompt engineering permet d’optimiser l’interaction avec l’IA.
- La data visualisation et le storytelling facilitent la compréhension et la communication des données.
- Les outils digitaux sont essentiels pour la gestion, l’analyse et la présentation des données.
- La maîtrise du cadre législatif est indispensable pour assurer une utilisation responsable de l’IA.