L'intelligence artificielle (IA) désigne la capacité d'un ordinateur à imiter ou à reproduire les facultés intellectuelles humaines.
Cet article s'articule autour des points suivants :
Contenu associé
IA prédictive
Qu’est-ce qu’un LLM ?
Base de données vectorielle
Qu'est-ce qu'une intégration ?
Qu'est-ce que l'apprentissage profond ?
Abonnez-vous à theNET, le récapitulatif mensuel par Cloudflare des informations les plus populaires sur Internet !
Copier le lien de l'article
L'intelligence artificielle (IA) désigne la capacité d'une machine construite, telle qu'un ordinateur, à simuler ou à reproduire des tâches relevant des facultés intellectuelles humaines. Une machine dotée d'une IA peut effectuer des calculs, analyser des données afin d'établir des prédictions, identifier différents types de signes et de symboles, converser avec des humains et contribuer à l'exécution de tâches sans intervention manuelle.
Par exemple, une automobile traditionnelle ne réagit qu'aux sollicitations de son conducteur humain : elle accélère lorsque le conducteur voit que le feu est passé au vert et appuie sur l'accélérateur, et elle s'arrête à un panneau d'arrêt lorsque le conducteur voit le panneau et appuie sur la pédale de frein. Une automobile dotée d'une IA pourrait être capable d'identifier seule les panneaux et les feux de signalisation, et de s'arrêter ou d'accélérer sans l'intervention du conducteur.
L'IA trouve ses racines dans les tout premiers ordinateurs, et le mathématicien Alan Turing a été l'un des premiers à décrire le fonctionnement d'une machine artificiellement intelligente. Tous les ordinateurs construits depuis lors sont artificiellement intelligents à un certain niveau, car ils sont capables d'effectuer des calculs qui, auparavant, ne pouvaient être réalisés que par des humains. Cependant, au cours des dernières décennies, les possibilités, la vitesse et la capacité de stockage des ordinateurs ont rapidement pris de l'ampleur. Aujourd'hui, le terme « AI » fait référence aux tâches cognitives les plus avancées que les ordinateurs peuvent accomplir.
La plupart des IA sont construites à partir de l'analyse d'ensembles massifs de données, trop volumineux pour qu'un être humain puisse les analyser seul dans un délai raisonnable.Un modèle d'IA est conçu pour identifier des logiques dans ces ensembles de données, puis pour utiliser ces logiques dans le but de prédire les suivants.Pour ce faire, les modèles d'IA utilisent des probabilités et des analyses statistiques.Certains modèles d'IA sont suffisamment performants pour imiter les comportements humains.
L'intelligence générale artificielle (AGI) est le terme qui désigne la capacité d'un ordinateur à imaginer des pensées originales, à raisonner, à planifier et à reproduire les capacités cognitives humaines. Pour simplifier, un programme AGI serait, par nature, « humain » ou « conscient » dans son intelligence.
Une entité AGI irait au-delà du calcul statistique. Elle serait capable de réfléchir et de prendre des décisions par elle-même, et serait en mesure de dégager des généralités à partir d'échantillons beaucoup plus petits que ce qui est actuellement nécessaire à l'entraînement des programmes d'IA. À titre d'exemple, un enfant humain peut n'avoir besoin de voir que quelques dizaines d'exemples de panneaux d'arrêt pour être capable d'identifier les panneaux d'arrêt dans différents contextes, tandis que les programmes d'IA actuels doivent voir des milliers ou des millions d'images de panneaux d'arrêt avant de pouvoir le faire de manière cohérente. Mais une AGI serait en mesure d'apprendre aussi rapidement qu'un humain, si ce n'est plus rapidement.
Dans une certaine mesure, la question de déterminer si l'AGI a été atteinte relèvera de la philosophie plutôt que de la technique. Toutefois, quelle que soit la définition de l'AGI, la plupart des chercheurs et des experts s'accordent à dire qu'il se passera encore au moins plusieurs années avant qu'elle ne soit mise en pratique.
L'apprentissage automatique est une branche de l'IA qui consiste à fournir à un programme des données structurées ou étiquetées afin de l'entraîner à identifier ces données sans intervention humaine. Par exemple, un modèle d'apprentissage automatique consacré à la recherche de bouteilles de ketchup dans des photos de réfrigérateurs ouverts est au départ incapable de distinguer le moindre condiment, et encore moins le ketchup. Il reçoit ensuite des millions d'images de bouteilles de ketchup dans différents réfrigérateurs et des informations lui indiquent que chacune d'entre elles correspond à une bouteille de ketchup. Pour finir, il est capable d'identifier automatiquement les bouteilles de ketchup, même sur des photos qu'il n'a jamais vues auparavant.
L'apprentissage automatique repose sur l'utilisation de processus prédéfinis appelés algorithmes. Un programme d'apprentissage automatique « apprendra » de manière légèrement en fonction de la configuration de l'algorithme.
L'apprentissage automatique repose également sur l'accès à de vastes ensembles de données. Un programme d'apprentissage automatique auquel on n'aurait montré que trois ou quatre photos de ketchup ne parviendrait certainement pas à identifier correctement les bouteilles de ketchup de manière régulière, ou identifierait du ketchup sur des photos où il n'y en a pas. Plus le modèle reçoit de données, plus il est précis.
Une grande variété de logiciels et de solutions technologiques utilisent aujourd'hui l'apprentissage automatique. Des solutions de sécurité qui utilisent l'apprentissage automatique pour détecter les fraudes et identifier les bots, aux plateformes de médias sociaux qui utilisent l'apprentissage automatique pour recommander du contenu ou des comptes à suivre, l'apprentissage automatique s'est avéré être un outil de développement extrêmement utile.
L'apprentissage automatique est un type d'IA et l'apprentissage en profondeur est un type d'apprentissage automatique. Les modèles d'apprentissage en profondeur sont capables d'utiliser l'analyse probabiliste pour identifier les différences dans les données brutes.Un modèle d'apprentissage en profondeur pourrait potentiellement apprendre ce qu'est une bouteille de ketchup et comment la distinguer d'autres condiments à partir de photos de réfrigérateurs ouverts, sans qu'on lui dise ce qu'est une bouteille de ketchup.
À l'instar des autres types d'apprentissage automatique, l'apprentissage en profondeur exige l'accès à de vastes ensembles de données. Même un modèle d'apprentissage en profondeur très perfectionné aurait probablement besoin d'analyser des millions de photos de réfrigérateurs ouverts pour être en mesure d'identifier le ketchup.
L'IA générative est un type de modèle d'IA qui peut créer du contenu, y compris du texte, des images, du son et de la vidéo. Un modèle d'IA générative peut, par exemple, recevoir une photo d'un réfrigérateur vide et le remplir de manière cohérente, avec un contenu inspiré des photos qui lui ont été montrées par le passé. Si le contenu généré par un tel modèle peut être considéré comme « nouveau », il repose en réalité sur le contenu qui a alimenté le modèle.
Les outils d'IA générative sont de plus en plus populaires. Le grand modèle linguistique (LLM ) ChatGPT et les générateurs d'images DALL-E et Midjourney ont particulièrement capté l'imagination du public et l'attention du monde de l'entreprise. Parmi les autres outils d'IA générative populaires, citons Bard, Bing Chat et Llama.
Les scénarios d'utilisation de l'IA ne cessent de se multiplier. Voici quelques-unes des applications concrètes déjà explorées :
Fuites de données : les services d'IA utilisent des données d'entrée pour perfectionner leurs modèles ; ils ne sont pas conçus pour être des coffres-forts sécurisés pour les données. Cependant, de nombreuses personnes utilisent les LLM d'une manière qui accroît le risque d'exposition des données, notamment en traitant des informations confidentielles ou du code source propriétaire. Ces données peuvent être reproduites ou imitées dans d'autres réponses de ces LLM.
Perte de contrôle sur les données : Les données échappent à tout contrôle une fois qu'elles sont importées dans un LLM, et il y a un risque pour les utilisateurs de n'avoir aucune visibilité sur ce qu'il advient des données fournies. Par exemple, si un boulanger met sa nouvelle recette secrète de focaccia dans un LLM et lui demande de rédiger une description convaincante pour le site web de sa boulangerie, il recevra ce qu'il attend en retour, mais sa recette n'est plus secrète, car elle peut être exposée à d'autres utilisateurs du LLM, ou aux opérateurs du LLM.
Moins de rémunération pour le contenu original : tandis que l'utilisation des LLM s'est étendue, de nombreux sites web ont constaté une chute drastique du trafic vers leurs pages. Cela tient au fait que les LLM peuvent répondre aux requêtes des utilisateurs en se basant sur des données provenant de sites web tiers, sans que les utilisateurs ne quittent jamais l'interface du LLM. Sans le trafic des utilisateurs humains, les sites web perdent des revenus publicitaires qu'ils auraient autrement générés.
Hallucinations : Il arrive que les outils d'IA générative inventent des informations afin de produire des réponses. Le terme technique désignant ce phénomène est « hallucinations. » Si les entreprises acceptent ces informations sans aucun esprit critique concernant le contenu, l'image de la marque risque d'en souffrir.
Dépendance excessive de l'IA pour la prise de décision : les informations fournies par les modèles d'IA n'étant pas toujours fiables, si l'IA pèse trop lourd dans le processus décisionnel, cela peut entraîner de mauvaises décisions.
Cloudflare Data Loss Prevention (DLP) peut aider les organisations à maîtriser l'utilisation de l'IA par leurs employés. La solution DLP peut limiter les importations, les copier-coller et les saisies au clavier afin d'empêcher que les données confidentielles ne sortent des environnements sécurisés.
La solution AI Audit de Cloudflare permet aux créateurs et aux éditeurs de contenu de bloquer, d’autoriser ou encore de facturer les bots IA pour l’exploration de leur contenu. Et le service robots.txt géré par Cloudflare permet aux administrateurs de sites web à faire état de leurs préférences concernant les bots IA qui doivent accéder à leur contenu.
Cloudflare for AI permet aux développeurs de créer et de déployer de nouvelles applications d'IA sur le réseau mondial de Cloudflare. En savoir plus sur Cloudflare for AI.
L’intelligence artificielle est la capacité d’une machine, comme un ordinateur, à simuler ou à reproduire des tâches cognitives humaines. Une machine dotée d’une IA peut analyser des données pour faire des prédictions, identifier des symboles, converser avec des humains et contribuer à l’exécution de tâches sans intervention manuelle.
La plupart des systèmes d’IA actuels sont conçus en analysant des ensembles de données massifs pour identifier des schémas (méthode connue sous le nom d’apprentissage automatique). Le modèle d’IA utilise ensuite ces schémas identifiés, ainsi que des analyses probabilistes et statistiques, pour prédire les schémas futurs. Certains modèles avancés peuvent devenir si efficaces qu’ils parviennent à imiter les comportements humains.
L’apprentissage automatique (ou machine learning) est un type d’IA qui consiste à entraîner un programme à partir de données structurées ou étiquetées pour qu’il apprenne à identifier ces données de manière autonome. L’apprentissage en profondeur (ou deep learning) est un type plus avancé d’apprentissage automatique qui identifie les différences et repère les tendances à partir de données brutes et non étiquetées, sans qu’on lui dise explicitement quoi rechercher.
L’IA générative est un type de modèle d’IA qui peut créer du contenu, y compris du texte, des images, du son et de la vidéo. Bien que le contenu qu’elle produit soit nouveau, il repose sur les données ayant servi à l’entraînement du modèle.
L’AGI, ou intelligence artificielle générale, désigne la capacité d’un ordinateur théorique à avoir des pensées originales, à raisonner et à reproduire l’ensemble des capacités cognitives humaines. Elle est souvent décrite comme une machine dont l’intelligence serait « consciente » ou « humaine », bien que la plupart des experts s’accordent à dire que cela reste encore lointain.