Depuis que l’intelligence artificielle (IA) générative est devenue populaire à la fin de 2022, beaucoup d’entre nous ont acquis une compréhension de base de cette technologie et de la manière dont elle utilise le langage naturel pour faciliter l’interaction avec les ordinateurs. Cependant, à mesure que l’IA continue d’évoluer, son vocabulaire évolue également. Cet article présente 10 termes essentiels sur l’IA que tout le monde devrait connaître.
1. Raisonnement/planification
Les ordinateurs utilisant l’intelligence artificielle peuvent résoudre des problèmes et effectuer des tâches en utilisant des modèles appris à partir de données historiques. Ce processus est similaire au raisonnement humain. Les systèmes avancés d’IA sont capables de résoudre des problèmes de plus en plus complexes en créant des plans détaillés. Par exemple, lors de la planification d’un voyage dans un parc à thème, un système d’IA peut sélectionner les attractions, diviser la visite en étapes avec un horaire approprié et s’assurer que les activités aquatiques se déroulent pendant les heures les plus chaudes de la journée.
2. Formation/inférence
Pour créer et utiliser un système d’intelligence artificielle, il y a deux étapes principales : la formation et l’inférence. La formation implique « d’éduquer » le système en lui fournissant un ensemble de données afin qu’il apprenne à effectuer des tâches ou à faire des prévisions basées sur ces données. Par exemple, un système peut être formé avec des données sur les prix des maisons et leurs caractéristiques pour apprendre à prévoir le prix de nouvelles propriétés. L’inférence est le processus par lequel le système utilise les modèles et les paramètres appris pour faire des prévisions sur de nouvelles données.
3. SLMs/petits modèles de langage
Les petits modèles de langage (SLMs) sont des versions compactes des grands modèles de langage (LLMs). Tous deux utilisent des techniques de machine learning pour reconnaître les modèles dans le langage et produire des réponses réalistes. Cependant, les SLMs sont plus compacts et nécessitent moins de puissance de calcul, ce qui les rend idéaux pour des dispositifs tels que les ordinateurs portables et les smartphones. Ils sont utiles pour des applications nécessitant des réponses simples, sans besoin de traitement intensif.
4. Fondement
Les systèmes d’intelligence artificielle générative peuvent composer des histoires, des poèmes et des blagues, mais ils ont parfois du mal à distinguer les faits de la fiction, ce qui peut entraîner des réponses imprécises ou des hallucinations. Le fondement est le processus d’ancrage du modèle à des données tangibles et à des exemples réels pour améliorer la précision des réponses, les rendant ainsi plus contextuelles et pertinentes.
5. Génération augmentée par récupération (RAG)
La génération augmentée par récupération (RAG) est une méthode utilisée pour améliorer la précision et l’actualité des réponses de l’IA en lui donnant accès à des sources de données supplémentaires. Cette méthode permet de gagner du temps et des ressources en ajoutant des connaissances supplémentaires sans avoir à reprogrammer le système. Par exemple, un chatbot d’une marque de vêtements peut utiliser la RAG pour accéder au catalogue de produits et répondre à des questions spécifiques sur les marchandises disponibles.
6. Orchestration
L’orchestration en intelligence artificielle est la couche qui guide le système à travers toutes ses tâches dans le bon ordre pour obtenir la meilleure réponse possible. Par exemple, si vous demandez à Microsoft Copilot qui est Ada Lovelace et ensuite quand elle est née, l’orchestrateur de l’IA stockera l’historique de la conversation pour s’assurer que « elle » se réfère à Lovelace. L’orchestration peut également suivre un modèle RAG, en recherchant sur Internet des informations à jour pour améliorer la réponse.
7. Mémoire
Bien que les modèles d’IA actuels ne possèdent pas de mémoire au sens traditionnel, ils peuvent suivre des instructions orchestrées pour « se souvenir » temporairement d’informations. Cela peut inclure le stockage temporaire des questions et des réponses précédentes dans un chat pour inclure ce contexte dans la demande actuelle. Les programmeurs expérimentent différents niveaux d’orchestration pour aider les systèmes d’IA à décider s’ils doivent se souvenir de quelque chose temporairement ou stocker des informations de manière plus permanente.
8. Modèles de transformation et modèles de diffusion
Les modèles de transformation sont une avancée significative dans l’IA générative, car ils comprennent rapidement le contexte et les nuances. Ils sont utilisés pour générer du texte, comme le Transformateur Génératif Pré-entraîné (GPT) dans ChatGPT. D’autre part, les modèles de diffusion sont principalement utilisés pour créer des images, réalisant des ajustements graduels jusqu’à ce que l’image souhaitée soit générée à partir d’un prompt.
9. Modèles de frontière
Les modèles de frontière sont des systèmes de grande échelle qui repoussent les limites de l’IA, capables d’exécuter une grande variété de tâches avec de nouvelles capacités accrues. Des entreprises technologiques comme Microsoft ont formé le Frontier Model Forum pour partager des connaissances, établir des normes de sécurité et garantir un développement sûr et responsable de ces puissants programmes d’IA.
10. GPU
La GPU (Unité de Traitement Graphique) est essentielle pour l’IA, car elle résout des calculs à grande échelle nécessaires pour la communication en langage humain et la reconnaissance des images ou des sons. Initialement développées pour les graphiques de jeux vidéo, les GPUs sont désormais fondamentales pour la formation et l’inférence des modèles d’IA. Les modèles les plus avancés utilisent de grands clusters de GPUs interconnectées, souvent trouvées dans des centres de données géants, comme ceux de Microsoft Azure.
Importance de la compréhension des modèles d’IA pour l’avenir
Comprendre ces 10 termes est essentiel pour suivre les avancées de l’IA et son application dans diverses domaines. À mesure que la technologie continue d’évoluer, se familiariser avec ce vocabulaire peut aider à démystifier l’IA et à faciliter son intégration dans notre quotidien.
Français 
Deutsch