Fiche de révision : Sensibilisation à l’intelligence artificielle

📋 Plan du Cours

1. Définition et histoire de l’IA
2. Les six familles d’IA
3. Applications de l’IA en organisation
4. Fonctionnement et apprentissage
5. Biais, éthique et réglementation
6. IA étroite et IA forte

📖 1. Définition et histoire de l’IA

🔑 Notions clés & Définitions

• Intelligence Artificielle : Ensemble de théories et de techniques développées pour créer des machines capables de simuler ou de reproduire certaines fonctions cognitives humaines, comme apprendre, raisonner, percevoir, interagir et prendre des décisions.

★ À maîtriser

• La Conférence de Dartmouth, en 1956, a marqué la naissance officielle de l’IA et a forgé le terme « Intelligence Artificielle ».

Compléments

• 🔄 L’histoire de l’IA suit une progression:
  1. Automates et mythes antiques
  2. Fondations théoriques de Turing et de la thèse de Church-Turing dans les années 1930–1950
  3. Systèmes experts dans les années 1970–1980
  4. Machine Learning et Big Data dans les années 2000–2010
  5. Deep Learning et Transformers de l’IA générative moderne

💡 Astuce mémo

Mythe → Turing → Dartmouth → systèmes experts → Big Data → Deep Learning

📖 2. Les six familles d’IA

★ À maîtriser

• L’IA conversationnelle comprend et répond au langage humain de façon naturelle grâce au traitement automatique du langage naturel, avec des usages comme Alexa, Siri et les chatbots de service client.

• L’IA générative peut créer:

  • textes
  • images
  • musiques
  • vidéos
  • lignes de code

• L’IA décisionnelle analyse de grands volumes de données historiques pour produire des prédictions, des recommandations ou des analyses d’optimisation, notamment en finance et dans le commerce en ligne.

Compléments

• L’IA perceptive interprète des signaux du monde réel captés par des capteurs ou des caméras, notamment pour la reconnaissance faciale, la vision par ordinateur, l’OCR et l’imagerie médicale.

• L’IA cognitive simule des raisonnements complexes pour assister l’expertise humaine dans des domaines spécialisés, comme le diagnostic technique et l’aide à la décision juridique ou médicale.

• Les exemples d’IA embarquée comprennent:

  • véhicules autonomes
  • drones
  • robots industriels
  • objets connectés (IoT)

📖 3. Applications de l’IA en organisation

★ À maîtriser

📌 L’objectif principal de l’IA dans les organisations est d’augmenter les capacités humaines plutôt que de remplacer l’humain, en prenant en charge les tâches répétitives ou à faible valeur ajoutée.

Compléments

• Dans la santé, l’IA permet: la détection d’anomalies sur les imageries médicales, la personnalisation des traitements, la recherche médicamenteuse

• En logistique et en production, l’IA permet:

  • la maintenance prédictive
  • l’optimisation des stocks
  • l’optimisation des flux de marchandises

• En marketing et en ressources humaines, l’IA permet:

  • la segmentation fine des clients
  • la personnalisation des offres
  • l’automatisation du tri de candidatures

💡 Astuce mémo

Automatisation des tâches répétitives → augmentation des capacités humaines

📖 4. Fonctionnement et apprentissage

📝 Points essentiels

• Les trois piliers indissociables de l’IA sont:
  • les données
  • les modèles mathématiques ou algorithmes
  • la supervision humaine

📌 Plus les données sont nombreuses, variées, de qualité et actualisées, plus le modèle d’IA est fiable.

📌 L’apprentissage supervisé utilise des données préalablement étiquetées, l’apprentissage non supervisé découvre des structures dans des données non étiquetées, et l’apprentissage par renforcement apprend par essais et erreurs grâce à des récompenses ou des pénalités.

💡 Astuce mémo

DMS : Données, Modèles, Supervision

📖 5. Biais, éthique et réglementation

★ À maîtriser

📌 L’IA n’est ni omnisciente ni infaillible : elle génère des réponses statistiquement plausibles et reste strictement limitée par la qualité de ses données d’entraînement.

• Lorsque les données d’entraînement sont incomplètes, obsolètes ou orientées, l’algorithme peut reproduire et amplifier des biais discriminants.

📌 L’AI Act est un règlement européen qui encadre le développement et l’usage de l’IA selon les niveaux de risque.

Compléments

📌 Une charte éthique d’entreprise prévoit des contrôles internes, l’audit des données et une gouvernance responsable de l’IA.

💡 Astuce mémo

Données incomplètes ou orientées → biais reproduits et amplifiés

📖 6. IA étroite et IA forte

📝 Points essentiels

📌 L’IA étroite est une réalité opérationnelle actuelle spécialisée dans une tâche ou un domaine précis, tandis que l’IA forte, ou AGI, reste un concept théorique capable d’agir et de s’adapter dans n’importe quel domaine.

• Les IA étroites actuelles comprennent:

  • ChatGPT
  • les assistants vocaux
  • les systèmes de vision

• L’IA forte est censée posséder un raisonnement et un apprentissage comparables à ceux de l’esprit humain, mais aucune application concrète de ce type n’existe actuellement.

💡 Astuce mémo

IA étroite opérationnelle et spécialisée ≠ IA forte générale et théorique

📊 Tableaux de synthèse

IA étroite et IA forte