Fiche de révision : IA générative en BTS SIO

📋 Plan du Cours

1. Fonctionnement des modèles de langage
2. Place de l’IA dans ses classifications
3. Vocabulaire de l’IA générative
4. Usages pertinents en informatique
5. Limites et vérification des réponses
6. Confidentialité et usages responsables
7. Coûts économiques et écologiques
8. Données externes et maîtrise des risques

📖 1. Fonctionnement des modèles de langage

🔑 Notions clés & Définitions

• LLM : Programme entraîné sur d’immenses quantités de texte pour prédire, mot après mot, la suite la plus probable d’un texte.

★ À maîtriser

• Un modèle de langage calcule des probabilités statistiques et ne comprend pas le texte au sens humain.

• Les connaissances d’un modèle sont figées à sa date d’entraînement, appelée date de coupure.

Compléments

• Un modèle de langage n’a pas de mémoire entre deux conversations, sauf si cette mémoire lui est fournie explicitement.

💡 Astuce mémo

Texte appris → probabilités → prochain mot

📖 2. Place de l’IA dans ses classifications

★ À maîtriser

📌 L’IA symbolique applique des règles logiques écrites par des humains et permet une décision explicable, tandis que le machine learning apprend statistiquement à partir de données.

📌 Un système discriminatif classe, attribue un score ou prédit à partir de données existantes, tandis qu’un système génératif crée du contenu inédit comme du texte, des images, du code ou de l’audio.

Compléments

• Les trois méthodes d’apprentissage citées sont :
  • l’apprentissage supervisé sur des exemples étiquetés
  • l’apprentissage non supervisé qui repère des regroupements sans réponse fournie
  • l’apprentissage par renforcement fondé sur l’essai-erreur récompensé

📌 Un agent planifie et agit avec des outils comme la navigation ou l’exécution de code, alors qu’un modèle génératif peut se limiter à produire une réponse textuelle.

• Claude, ChatGPT et Gemini sont des LLM qui prédisent du texte token par token et peuvent, dans leurs versions récentes, utiliser des outils, naviguer sur le web ou exécuter du code comme agents.

💡 Astuce mémo

Symbolique : règles écrites ; machine learning : apprentissage sur données

📖 3. Vocabulaire de l’IA générative

🔑 Notions clés & Définitions

• Prompt : La question ou l’instruction donnée à l’IA.
• Fenêtre de contexte : La quantité de texte que le modèle peut voir en même temps, comprenant le prompt, l’historique et la réponse.
• Token : Une unité de texte, qui peut être un mot ou un fragment de mot, manipulée par le modèle.
• Température : Un paramètre qui règle le degré d’aléatoire des réponses : une valeur basse les rend plus prévisibles et une valeur haute plus créatives.
• RAG : Une technique qui fournit des documents à l’IA pour qu’elle réponde à partir de ceux-ci plutôt que de sa seule mémoire.

📖 4. Usages pertinents en informatique

📝 Points essentiels

• Dans les usages quotidiens, l’IA générative peut :

  • reformuler
  • résumer
  • traduire
  • aider à débloquer une page blanche

• En informatique, l’IA générative peut :

  • produire un premier jet de script
  • expliquer un message d’erreur
  • proposer une trame de documentation

📖 5. Limites et vérification des réponses

🔑 Notions clés & Définitions

• Hallucination : Une réponse inventée par l’IA et présentée avec la même assurance qu’une réponse correcte.

★ À maîtriser

• Les limites citées de l’IA générative comprennent : les biais issus des données d’entraînement, les connaissances figées dans le temps, l’absence de recul critique sur sa propre réponse, la sensibilité à la formulation de la question

Compléments

• Une IA générative peut inventer une commande, une fonction ou une API inexistante ; l’exemple présenté en cours est une cmdlet PowerShell inexistante dans le module ActiveDirectory.

• 🔄 Pour évaluer une réponse générée, il faut : repérer ce qui est correct, identifier ce qui est faux, imprécis ou dangereux à appliquer, expliquer comment l’erreur aurait pu être repérée sans l’IA

💡 Astuce mémo

Une génération probabiliste peut produire une commande inventée, présentée avec assurance

📖 6. Confidentialité et usages responsables

★ À maîtriser

• Il ne faut jamais coller dans un prompt public : des données personnelles, du code source ou des identifiants d’entreprise, des mots de passe, des clés API, des documents confidentiels

📌 Utiliser l’IA pour comprendre plus vite est présenté comme sain, tandis que l’utiliser pour éviter d’apprendre constitue un piège pour l’employabilité.

📌 Pour juger une réponse IA, il faut déjà connaître un minimum le sujet ; l’IA est un assistant qui propose, mais l’utilisateur décide.

Compléments

📌 Comme le contenu généré peut reprendre des éléments protégés par le droit d’auteur, il faut le vérifier avant toute réutilisation professionnelle.

💡 Astuce mémo

L’IA propose ; l’utilisateur décide

📖 7. Coûts économiques et écologiques

★ À maîtriser

• Les offres grand public Pro coûtent environ 20 €/mois par utilisateur, tandis que les offres entreprise coûtent souvent 25-30 €/utilisateur/mois et proposent des garanties de confidentialité renforcées ainsi qu’une administration centralisée.

📌 Une API est facturée selon le volume de texte échangé en tokens et la charge serveur, de sorte que le coût suit l’usage réel et peut devenir imprévisible sans plafond.

Compléments

• L’entraînement d’un grand modèle coûte des dizaines à des centaines de millions de dollars en données, GPU et chercheurs.

• Pour une entreprise hébergeant une IA en interne, le matériel GPU coûte de quelques milliers à plusieurs dizaines de milliers d’euros selon la puissance visée, auxquels s’ajoutent l’électricité, le refroidissement et les compétences d’administration.

• Les coûts cachés de l’utilisation d’une IA comprennent :

  • la formation des équipes
  • l’adaptation des processus
  • le développement d’intégrations

• L’impact écologique de l’IA comprend l’électricité consommée pour l’entraînement et l’inférence, l’eau utilisée pour refroidir les data centers et une empreinte carbone qui dépend fortement du mix énergétique local.

📖 8. Données externes et maîtrise des risques

🔑 Notions clés & Définitions

• Shadow AI : Des outils d’IA utilisés par des employés sans validation de l’entreprise.

★ À maîtriser

• Les données transmises à une IA externe transitent et peuvent séjourner sur des serveurs souvent situés hors de l’Union européenne, et les échanges peuvent servir à réentraîner le modèle selon l’offre et ses conditions d’utilisation.

• Pour réduire les risques liés aux données, il est recommandé de : privilégier les offres entreprise avec garanties contractuelles comme un DPA et une localisation des données, désactiver l’entraînement sur les données quand l’option existe, envisager l’auto-hébergement pour les données les plus sensibles

Compléments

• Le contenu généré par l’IA n’est pas à lui seul une compétence professionnelle : son usage doit s’appuyer sur une compétence métier.