Intelligence artificielle (IA)
DéfinitionL'intelligence artificielle est un ensemble de techniques reposant sur l'apprentissage sur des données. Elle permet à des machines de réaliser des tâches cognitives (reconnaissance, prédiction, génération) longtemps réservées aux humains.
1. Apprentissage automatique (machine learning) Au lieu d'être programmée règle par règle, la machine APPREND à partir d'exemples. Apprentissage supervisé (étiquettes), non supervisé (regroupements), par renforcement (récompenses). Performance proportionnelle à la qualité des données.
2. Apprentissage profond (deep learning) Sous-domaine du ML basé sur les RÉSEAUX DE NEURONES profonds. Permet la VISION (reconnaissance d'images), la NLP (langage naturel, traduction), la GÉNÉRATION (images, textes, IA générative type ChatGPT). Très gourmand en données et en calcul.
3. Applications en entreprise Six domaines clés. RELATION CLIENT : chatbots, assistants vocaux. MARKETING : recommandation, scoring. PRODUCTION : maintenance prédictive, contrôle qualité par vision. RH : tri de CV (controversé). FINANCE : détection de fraude. SANTÉ : aide au diagnostic.
4. Enjeux éthiques et juridiques Quatre enjeux clés. BIAIS : données d'entraînement reflétant des inégalités. OPACITÉ : boîte noire, droit à l'explication. RESPONSABILITÉ : qui est fautif d'une décision IA ? EMPLOI : substitution de tâches. UE : AI Act 2024 classe les usages par risque.
5. Pièges courants IA (simule des capacités cognitives) ⊃ ML (apprend depuis des données) ⊃ DEEP LEARNING (réseaux neuronaux profonds). ≠ AUTOMATISATION (règles fixes, pas d'apprentissage). Poupées russes : tout deep learning est du ML, tout ML est de l'IA.
Sur quoi repose principalement l'intelligence artificielle moderne ?
Exact. C'était bien A.
Pas tout à fait. La bonne réponse était A : « Sur l'apprentissage automatique à partir de données (machine learning, deep learning) ».
Envie d'enchaîner sur d'autres notions ?