Les bases de l’IA

Chap_1 : Histoire de l’IA

[Texte : « Histoire de l'IA. Un bref historique de l'IA. »]
Une cassette audio, un disque 45 tours et une femme devant un
serveur apparaissent autour des lettres « IA ».
Avant l'ère numérique, avant les cassettes audio, et même avant la
popularité des disques vinyles, il fut un temps où l'intelligence
artificielle, connue sous le nom d'IA, vit le jour.
[Texte : « 70 ans d'IA ». Une chronologie s'affiche des années 1950
aux années 2010.]
Souvent perçue comme une merveille contemporaine, l'IA s'étend en
réalité sur plus de soixante-dix ans.
Une photo d'Alan Turing apparaît.
[Texte : « 1950. Les machines peuvent-elles penser ? »]
En 1950, Alan Turing, pionnier de l'informatique, posa une question
fondamentale : « Les machines peuvent-elles penser ? » Cela marqua
le début d'une nouvelle ère technologique.
Une femme est assise devant un grand ordinateur. [Texte : « 1956, le
théoricien de la logique ».]
En 1956, le Théoricien de la logique, considéré comme le premier
programme d'IA, a été développé. Tout au long des années 1960 et
1970, on a assisté à un essor de la reconnaissance de formes et des
algorithmes avancés, jetant les bases des développements futurs en
IA.
Des images apparaissent sur l'écran d'un ordinateur de bureau.
[Texte : « Années 1990 ».]
À la fin des années 1990, Internet a entraîné une explosion de
données, fournissant la matière première nécessaire à des
algorithmes d'IA plus avancés.
Un ouvrier du bâtiment utilise un ordinateur portable. Un scientifique
observe au microscope. Puis, une personne utilise un ordinateur.
Cette abondance de données a conduit à un passage d'une approche
de l'apprentissage automatique axée sur les connaissances à une
approche axée sur les données. Les années 2000 ont été une période
charnière marquée par l'essor de modèles d'IA plus sophistiqués et
complexes, comme l'apprentissage profond. Dans les années 2010,
l'IA s'est intégrée à notre quotidien, notamment grâce à l'intégration
d'assistants virtuels tels que Cortana et Siri dans nos produits.
En 2021, l'IA générative était au cœur des préoccupations.
Apparition d'un tableau, d'un haut-parleur, d'un document et d'un
graphique.
Cette forme d'IA peut générer du contenu écrit, visuel et audio à
partir de données historiques, apprises et nouvelles. Elle a marqué le
début d'une interaction plus personnalisée et humaine avec la
technologie, ainsi que la création de nouveaux modèles d'IA.
[Texte : « IA. GPT. »] Voix off : Le Generated Pre-trained Transformer,
ou GPT, est un réseau neuronal et un modèle d'apprentissage
automatique inspiré du fonctionnement du cerveau humain. GPT
génère du contenu grâce à un langage naturel et conversationnel.
DALL·E, un modèle d'IA, génère des images à partir de descriptions
textuelles, comblant ainsi le fossé entre le langage et l'art visuel.
Whisper est un système de reconnaissance vocale automatique
entraîné sur un vaste ensemble de données multilingues et
multitâches supervisées, collectées sur le web.
Ces avancées en IA ont ouvert de nouvelles perspectives, notamment
Microsoft Copilot, un outil de productivité basé sur l'IA et conçu pour
améliorer votre quotidien. Il exploite la puissance de l'IA pour booster
la productivité, libérer la créativité et améliorer la compréhension
grâce à une expérience de chat simple. Microsoft Copilot peut non
seulement vous accompagner tout au long de la journée, mais aussi,
grâce à la puissance de DALL·E, créer des images à partir de vos
instructions. Copilot facilite également le travail des développeurs de
logiciels.
Une main tient une ampoule. [Texte : « texte ».] Voix off : C’est un
outil qui comprend la logique de programmation, permettant aux
développeurs de créer ou d’évaluer des scénarios dans le langage de
leur choix, grâce à la puissance de la voix et du texte.
De l’étincelle de curiosité qui a germé dans l’esprit de Turing à
l’innovation des outils d’IA d’aujourd’hui, nous avons parcouru un
long chemin.
Et ce n’est que le début. Alors que nous continuons d’explorer l’IA, il
est crucial que chacun en comprenne les bases. Comprendre ce
qu’est l’IA et comment elle fonctionne nous permet d’exploiter
pleinement son potentiel, favorisant ainsi l’innovation et le progrès.

Chap_2 : Qu’est-ce que l’intelligence artificielle ?

[Texte : « Qu'est-ce que l'intelligence artificielle ? »]

L'intelligence artificielle, ou IA, est devenue un terme à la mode que
vous avez peut-être entendu récemment sur les réseaux sociaux,
dans des conversations ou même à la télévision. Pourtant, elle n'est
pas nouvelle.
En réalité, vous utilisez l'IA depuis des années sans même vous en
rendre compte.
Des photos et des graphiques apparaissent, sortant des lettres « IA ».
L'IA est parfois présentée comme une force capable de transformer
notre façon de vivre, de travailler et d'interagir.
Une chronologie apparaît : « 1950 : Alan Turing publie Computer
Machinery and Intelligence. 1952 : Arthur Samuel développe un
programme pour jouer aux dames. 1955 : John McCarthy organise un
atelier sur l'IA à Dartmouth, première utilisation du terme. » 1959,
Arthur Samuel a créé le terme « apprentissage automatique ». 1997,
Windows a lancé un logiciel de reconnaissance vocale. 2010,
Microsoft a lancé la Xbox 360 Kinect.
Mais au-delà du battage médiatique, l’IA est un outil qui a évolué
pendant des décennies, façonné par les contributions d’innombrables
personnes dans divers domaines. Et l’IA n’est pas réservée aux
professionnels de la technologie, elle nous concerne tous.
Trois photos de personnes utilisant des tablettes.
Puis, un ordinateur portable affiche les lettres « IA » et un point
d’interrogation.
Alors, qu’est-ce que l’intelligence artificielle ?
[Texte : « IA, intelligence artificielle. L’IA est la capacité d’un système
informatique à apprendre des données et des erreurs passées, ce qui
lui permet de faire des prédictions de plus en plus précises sur les
comportements futurs. »]
L’IA est la capacité d’un système informatique à apprendre des
données et des erreurs passées, ce qui lui permet de faire des
prédictions de plus en plus précises sur les comportements futurs.
Des pièces de puzzle apparaissent. Des ondes sonores sont émises
par un smartphone. Une ampoule apparaît à côté d’une femme
travaillant sur un ordinateur portable.
Cela englobe un large éventail d'activités, telles que la résolution de
problèmes, la reconnaissance vocale, l'apprentissage et la prise de
décision.
[Texte : « Qu'est-ce qui rend l'IA intelligente ? »]
Alors, qu'est-ce qui rend l'IA « intelligente » ?
Fondamentalement, l'IA est l'intelligence dont font preuve les
logiciels ou les machines lorsqu'ils effectuent des tâches qui
requièrent généralement l'intelligence humaine.
Ces tâches peuvent inclure la reconnaissance de formes, la résolution
de problèmes ou la prise de décision.
Par exemple, lorsque vous interagissez avec Siri sur votre téléphone
portable, elle ne fait pas preuve d'intelligence de la même manière
qu'un humain.
Des photos montrent des personnes utilisant des téléphones et des
ordinateurs portables. Voix off : En réalité, les humains l'ont
programmé pour répondre à certaines commandes et exécuter des
fonctions, comme vous fournir les dernières prévisions météo de
votre région ou vous informer des actualités locales.
Un point d'interrogation apparaît au-dessus d'un homme.
Alors, est-il réellement intelligent, ou est-il simplement entraîné à
répondre à vos commandes ?
Une personne est assise devant un échiquier, face à un écran
d'ordinateur.
Imaginez un robot jouant aux échecs avec un humain. Nous
l'observons effectuer des coups stratégiques, mais cela signifie-t-il
qu'il est « intelligent » au sens humain du terme ? Eh bien, la réponse
est non.
[Texte : « Algorithme : séquence d'instructions étape par étape
donnée à un ordinateur pour lui permettre de résoudre des
problèmes spécifiques. »]
Le robot ne fait que suivre les algorithmes et les stratégies avec
lesquels il a été programmé, et il apprend de ses parties précédentes
grâce à l'apprentissage automatique, ce qui lui permet d'améliorer
ses performances au fil du temps.
La question de savoir si les actions d'un robot lors d'une partie
d'échecs relèvent de l'intelligence, ou s'il s'agit simplement de
l'exécution d'un programme, n'est pas nouvelle.
Une photo d'Alan Turing apparaît.
[Texte : « Alan Turing. Comment déterminer si une machine est
intelligente ou non ? »]
En 1950, Alan Turing, mathématicien et informaticien de renom,
posait la question suivante : « Comment déterminer si une machine
est intelligente ou non ? »
Pour répondre à cette question, il a créé le célèbre test de Turing,
dans lequel un observateur interagissait avec un humain ou un
ordinateur.
L'observateur devait alors déterminer si la réponse provenait d'un
ordinateur ou d'un humain.
[Une zone avec une icône humaine indique : « 4 ».]
[Une zone avec une icône d’ordinateur indique : « D’après mes
calculs, deux plus deux font quatre. »]
Le but du test n’était pas de vérifier l’exactitude de la réponse. Par
exemple, lorsqu’il posait une question comme « Quelle est la somme
de deux plus deux ? », Turing ne cherchait pas à évaluer…
Si la réponse était quatre, il s'agissait plus précisément d'évaluer si la
personne interrogée était une machine ou un humain.
Une photo dédicacée d'Alan Turing apparaît. Puis, une femme
travaille sur un ordinateur portable. Des points d'exclamation, des
icônes de téléphone et des zones de texte apparaissent.
À l'époque où Turing a créé ce test, il cherchait à atteindre le point où
il ne serait plus possible de distinguer les réponses des machines de
celles des humains, où les machines seraient capables de répondre
avec les mêmes fonctionnalités et nuances que les êtres humains.
La photo de Turing apparaît à côté d'un téléphone portable. Un
homme à proximité utilise son téléphone.
Et cette analyse des systèmes intelligents ne s'est pas arrêtée en 1950
avec Turing.
Un téléphone affichant une carte apparaît à côté d'une enceinte
connectée et d'un aspirateur intelligent.
L'IA a considérablement progressé au fil des ans et est de plus en plus
présente dans notre vie quotidienne.
Prenons par exemple votre interaction avec des applications de
médias sociaux, comme Instagram. L'application utilise
l'apprentissage automatique, une branche de l'IA, pour déterminer le
contenu à vous proposer ensuite en fonction de votre activité
récente.
Un processus similaire est à l'œuvre lorsque vous terminez de
regarder un programme sur certaines applications de streaming.
Bien que l'IA soit omniprésente, elle peut être représentée de
manière inexacte, un problème courant dans les films hollywoodiens.
[Texte : « Représentations artistiques ».]
Certains films présentent l'IA comme ayant des sentiments ou comme
étant supérieure aux humains.
Généralement, ces récits visent à susciter la réflexion plutôt qu'à
représenter fidèlement la manière dont les humains interagissent
avec l'IA.
Ces représentations sont des interprétations artistiques et ne
reflètent pas les capacités réelles de l'IA.
Ainsi, même si l'IA peut imiter certains aspects de l'intelligence
humaine, il est important de se rappeler qu'elle fonctionne de
manière très différente.
[Un message dit : « Clara : Où puis-je déjeuner aujourd'hui ? IA : Il y a
un bar à sushis à 200 m avec une note de 4,5 étoiles basée sur 125
utilisateurs. »]
L'IA n'a ni conscience, ni émotions, ni la capacité de comprendre le
contexte comme les humains.
Une boîte à outils apparaît. À l'intérieur, un homme regarde un
téléphone. Un autre utilise un niveau laser. On y trouve également un
micro-ondes, une télévision et un ordinateur portable.
C'est un outil créé et contrôlé par des humains, et ses capacités sont
limitées à sa programmation.
C'est pourquoi il est si important de comprendre ce qu'est l'IA : elle
permet de distinguer le vrai du faux.
Chap_3 : Connaissance contre intelligence

[Texte : « Connaissance contre intelligence. Une machine peut-elle

être considérée comme véritablement intelligente ? »]
Pour poursuivre notre réflexion sur la question « Une machine peut-
elle être considérée comme véritablement intelligente ? », en 1980,
le philosophe américain John Searle a créé un test pour y répondre.
Une voiture ancienne, un téléviseur à tube cathodique et un appareil
photo vintage apparaissent.
[Texte : « Intelligence artificielle. L'IA permet aux systèmes
informatiques de gérer l'ambiguïté, de faire des prédictions à partir
de données passées et d'apprendre de leurs erreurs de prédiction
afin d'améliorer leur comportement futur. »]
En effet, l'intelligence artificielle n'est pas un concept nouveau,
puisqu'elle a été développée et testée tout au long de l'histoire.
[Texte : « Le casse-tête de la chambre chinoise. »]
Ce test s'appelle le « casse-tête de la chambre chinoise ». Entrons
dans le vif du sujet.
Imaginez que vous sachiez parler mandarin, mais que votre ami ne le
parle pas. Un homme apparaît près d'un livre affichant des caractères
chinois.
Votre ami entre dans une pièce remplie de symboles et d'un livre de
règles.
[Texte : « Quand vous voyez ce symbole, répondez avec ce symbole.
»]
Le livre de règles stipule : « Quand vous voyez ce symbole, répondez
avec ce symbole. »
 Vous êtes à l'extérieur de la pièce et vous envoyez un message à
votre ami en mandarin.
Votre ami, à l'intérieur de la pièce, ne comprend pas le mandarin,
mais suit les règles. Il observe les symboles, en déduit la logique et
répond en conséquence.
Lorsque vous recevez sa réponse, vous pourriez penser que votre ami
comprend le mandarin, mais en réalité, il se contente de suivre des
règles sans comprendre la langue.
Des rouages s'activent dans une tête humaine. [Texte : «
Connaissance vs intelligence ».] Voix off : Ce test vise à démontrer
que la connaissance et l'intelligence sont deux choses bien
différentes.
En matière d'IA, une machine peut ne pas connaître le mandarin,
mais elle sait reconnaître les structures et répondre par un message.
Cette analogie avec le mandarin ne fait peut-être pas partie de votre
quotidien, mais interagir avec des assistants virtuels comme Siri, si.
Qui n'a jamais demandé à Siri de raconter une blague ou une
histoire ?
En fin de compte, ces systèmes convertissent notre langage en
quelque chose qu'ils peuvent reconnaître.
[Texte : « IA ».]
Ils recherchent constamment des correspondances dans leurs bases
de données, mais ils ne comprennent pas vraiment notre langage.
Prenons un autre exemple.
Imaginez que vous ne vous sentez pas bien et que vous arrivez chez le
médecin. Vous devrez répondre à une série de questions posées par
les infirmières : « Depuis combien de temps vous sentez-vous ainsi ?
» « Quelle est l'intensité de votre douleur, sur une échelle de 0 à 10 ?
»
On vérifiera vos signes vitaux, puis, lorsque vous verrez enfin le
médecin, vous devrez répéter en grande partie les mêmes
informations.
C'est un processus répétitif qui consomme du temps et des
ressources.
Ainsi, comprendre la différence entre connaissance et intelligence
peut nous aider à rendre ces processus plus efficaces.
Imaginez maintenant une autre situation : à votre arrivée chez le
médecin, un système d'IA vous pose toutes ces questions.
Le système analyse rapidement vos réponses, prend vos constantes et
toute autre information pertinente.
Au moment de votre consultation, le système a déjà établi un
diagnostic préliminaire à partir des données qu'il a analysées.
Le système simplifie le processus, permettant au médecin de
répondre plus efficacement à vos besoins.
Ce système fonctionne intelligemment en identifiant des tendances
dans les données collectées, accélérant ainsi le diagnostic et le
traitement.
Comme nous l'avons vu, la connaissance et l'intelligence, bien
qu'interconnectées, sont fondamentalement différentes.
Des livres apparaissent à côté d'un globe terrestre. Une ampoule
apparaît au-dessus d'une femme tenant une boussole. Voix off : Le
savoir consiste à comprendre le monde qui nous entoure, tandis que
l'intelligence consiste à appliquer ce savoir de manière nouvelle et
innovante.
SMais qu'est-ce qui alimente cette programmation ? Qu'est-ce qui
permet à l'IA de reconnaître des schémas, de faire des prédictions et
d'apprendre de l'expérience passée ?
nces ?
La réponse est « données ».

Chap_4 : Des données partout

[Texte : « Des données partout ».]

Des images s'échappent d'un smartphone.
Voix off : Vous êtes-vous déjà demandé pourquoi la collecte de
données est si importante aujourd'hui et à quoi elle peut servir ?
Des boîtes étiquetées « Données » apparaissent sur un tapis roulant.
[Texte : « Les données sont la matière première utilisée par les
systèmes d'IA pour analyser et faire des prédictions ».]
Voix off : Eh bien, les données sont la matière première utilisée par
les systèmes d'IA pour analyser et faire des prédictions, et vous
produisez probablement bien plus de données que vous ne le pensez,
ne serait-ce que par le biais de votre téléphone portable.
Un graphique à barres ascendantes montre une augmentation tous
les cinq ans entre 1990 et 2024.
Voix off : Dans les années 1990, l'essor d'Internet a marqué un bond
en avant considérable dans l'accès aux données et l'utilisation de l'IA.
Cette époque a préparé le terrain pour le monde axé sur les données
dans lequel nous vivons aujourd'hui.
Un homme joue à un jeu vidéo, une femme est au téléphone
portable, un oiseau apparaît à la télévision, des mains tapent sur un
clavier près d'une pompe à essence. Voix off : De nos jours, les
données abondent et alimentent analyses et processus de
reconnaissance de schémas personnels.
Un homme regarde un ordinateur portable.
Voix off : Imaginez la quantité de données créées pendant que vous
regardez cette vidéo.
Une femme regarde son téléphone.
Voix off : Vous envoyez peut-être un SMS à un ami. Au même
moment, votre voisin est peut-être au téléphone.
Deux autres femmes, au téléphone, apparaissent.
Voix off : Quelqu'un vient de publier une photo sur les réseaux
sociaux, tandis qu'une autre personne a lancé une nouvelle série de
vidéos qui a suscité son intérêt sur une application de streaming.
Des images s'échappent d'un téléphone.
Voix off : Exactement… toutes ces actions créent de nouvelles
données.
Un globe terrestre, entouré de points, plane au-dessus de deux mains
jointes. Une horloge tic-tac à proximité.
Voix off : Des données sont générées en continu, seconde après
seconde.
Des tuyaux émergent d'un ordinateur portable.
Voix off : Pourtant, ces données brutes nécessitent un traitement
minutieux.
Une balance apparaît. D'un côté, on peut lire « Données », de l'autre
« Modèles d'IA ».
Voix off : Les données doivent être affinées car la qualité de
l'ensemble de données utilisé pour entraîner les algorithmes influe
directement sur la précision du modèle d'IA.
Trois personnes se tiennent sous une loupe qui examine du code
binaire.
Voix off : Cela signifie que des données diversifiées, représentatives et
de haute qualité sont essentielles au développement de modèles d'IA
avancés.
Une femme porte un casque et regarde son téléphone portable. Des
icônes apparaissent autour d'elle : votre mix du jour, vos titres
préférés de 2024, votre capsule temporelle.
Voix off : Prenons l'exemple d'un service de streaming musical. Il
utilise les données de vos habitudes d'écoute, comme les chansons
que vous passez, celles que vous écoutez en boucle et les playlists
que vous créez, pour vous recommander de nouveaux morceaux
susceptibles de vous plaire.
Au-dessus d'une autre femme portant un casque, on peut lire : « Une
nouvelle chanson pour vous ». Une pyramide de blocs apparaît. Voix
off : Voici un exemple concret de l'utilisation des données pour
enrichir notre quotidien et de la manière dont les ensembles de
données entraînent les modèles d'IA à vous recommander votre
prochaine chanson.
[Texte : « L'apprentissage automatique permet aux ordinateurs
d'apprendre à partir des données et de prédire les tendances et les
résultats futurs sans programmation explicite. »] Voix off : C'est
précisément à cela que sert l'apprentissage automatique : analyser
les données et en tirer des enseignements. Mais ce n'est pas tout.
Un homme portant des lunettes de protection utilise un ordinateur.
Une loupe examine des graphiques. Quatre étoiles apparaissent au-
dessus d'une femme souriante.
Voix off : Grâce à ces informations, nous pouvons entraîner des
modèles d'IA, améliorer les produits et services, faire des prédictions
et même découvrir de nouvelles perspectives jusque-là
insoupçonnées.
Des mains sélectionnent une coche verte.
Voix off : Vous voyez, comprendre les données ne se résume pas à la
quantité, mais aussi à la qualité et à la diversité.
Une loupe examine des graphiques. Voix off : Il s'agit de reconnaître
des schémas et d'établir des liens qui ne sont pas forcément évidents
au premier abord. Il s'agit d'utiliser ces schémas pour prédire les
tendances, les comportements et les résultats futurs.
Des images s'échappent d'un téléphone et se retrouvent prises dans
une toile d'araignée.
Voix off : Alors, la prochaine fois que vous utiliserez votre téléphone
portable, souvenez-vous que chaque action que vous entreprenez,
chaque donnée que vous générez, contribue à ce vaste réseau
d'informations interconnectées.
[Texte : « IA ».]
Voix off : Et c'est en comprenant ces données que nous pourrons
véritablement libérer le potentiel de l'IA.

Chap_5 : Trouver des modèles dans les données

[Texte : « Détection de tendances dans les données ».]

Un graphique à barres est intitulé « Données ».
Voix off : Des données sont constamment créées et affinées pour
entraîner les modèles d'IA.
Une loupe examine des zones de texte contenant du code binaire.
Voix off : Mais que recherchent exactement ces modèles dans les
données ?
[Texte : « Tendances, comportements répétitifs identifiables ».]
Voix off : Les tendances sont des comportements répétitifs
identifiables.
Autour d'un ordinateur portable, des icônes apparaissent : un
téléphone, un signal Wi-Fi, une maison, une voiture et une montre.
Voix off : Les modèles d'IA sont particulièrement performants pour
reconnaître ces tendances, principalement grâce à l'immense volume
de données dont ils disposent.
Un navigateur web se connecte à LinkedIn. Les profils de David,
directeur artistique senior chez Microsoft à Barcelone, de Susanne,
responsable de l'ingénierie logicielle chez Microsoft à Paris et de
John, chef de projet senior chez Microsoft à Londres s'affichent.
Voix off : Prenons LinkedIn comme exemple. Avez-vous déjà
remarqué comment LinkedIn vous suggère des personnes que vous
pourriez connaître ou des offres d'emploi susceptibles de vous
intéresser ?
Plusieurs profils LinkedIn apparaissent. Le curseur clique sur un pouce
levé.
Voix off : Ce n'est pas seulement basé sur vos relations ou votre
historique de recherche d'emploi, mais aussi sur les comportements
de personnes du monde entier ayant des relations ou des centres
d'intérêt professionnels similaires.
Une personne portant un casque regarde un téléphone et deux
écrans. Une horloge tic-tac à proximité.
Voix off : Ce qui est vraiment intéressant, c'est que les plateformes
comme LinkedIn peuvent rechercher des tendances non seulement
au sein de votre réseau professionnel et de vos préférences d'emploi,
mais aussi en fonction des moments précis où vous êtes actif sur la
plateforme.
Un téléphone portable affichant une notification LinkedIn apparaît ; il
est plus grand qu'une maison voisine.
Voix off : Par exemple, beaucoup de gens ont tendance à consulter
des applications pendant leur pause déjeuner ou après le travail ; les
applications peuvent donc également suggérer de nouvelles relations
ou des publications à ces moments-là.
Un pouce levé, un hashtag, un cœur et le symbole @ apparaissent.
Voix off : Cette identification de tendances n'est pas propre aux
plateformes comme LinkedIn, mais est utilisée par de nombreuses
entreprises sur de nombreuses applications et plateformes. Trois
personnes utilisent des ordinateurs portables. Au-dessus d'elles, des
icônes clignotent, puis se transforment en cœurs.
Voix off : Imaginez les avantages de comprendre les véritables besoins
des utilisateurs, voire de créer de nouvelles tendances de
consommation en fonction du marché. Cette compréhension permet
aux entreprises de personnaliser leurs services pour chaque
utilisateur, améliorant ainsi l'expérience utilisateur et renforçant la
satisfaction.
Une main touche un graphique.
Voix off : Il s'agit d'utiliser les données pour répondre aux besoins de
l'utilisateur de la manière la plus efficace possible.
Un trophée et un joueur de football apparaissent.
Voix off : Pensez à la Coupe du Monde. Quels sont les produits
susceptibles de se vendre le plus avant le tournoi ?
Un t-shirt apparaît.
Voix off : Vous pensez peut-être aux maillots d'équipe.
Deux femmes étudient un plan.
Voix off : Identifier cette tendance de consommation de maillots
d'équipe peut offrir un avantage concurrentiel unique aux
entreprises. Cela pourrait même contribuer au développement de
nouveaux produits ou fonctionnalités.
Un site web apparaît.
Voix off : Chaque clic, chaque « j'aime », chaque recherche : autant
de données. Les modèles d'IA traitent cette immense quantité de
données pour en repérer les tendances. Une femme regarde son
téléphone et son ordinateur portable.
Voix off : Ces schémas permettent au modèle d’IA de personnaliser
votre expérience, la rendant plus pertinente et attrayante.
Une liste, un calendrier et un document apparaissent.
Voix off : C’est comme avoir un assistant personnel qui sait
exactement ce dont vous avez besoin, avant même que vous le
sachiez !
Des graphiques apparaissent.
Voix off : Mais comment un modèle d’IA apprend-il à reconnaître ces
schémas ?
[Texte : « Apprentissage automatique ».]
Voix off : Eh bien, grâce à l’apprentissage automatique.

Chap_6 : Les types d’apprentissage automatique

[Texte : « Types d’apprentissage automatique ».]

Des photos apparaissent : des mains jouant du piano et un parent
apprenant à son enfant à faire du vélo.
Voix off : Vous êtes-vous déjà demandé comment vous avez appris à
faire du vélo ou à jouer d’un instrument ?
Deux vignettes apparaissent : « IA ».
Voix off : Tout est question d’apprentissage par l’expérience, n’est-ce
pas ? Eh bien, les machines peuvent aussi apprendre ! Elles peuvent
apprendre de trois manières principales : l’apprentissage supervisé,
l’apprentissage non supervisé et l’apprentissage par renforcement.
[Texte : « Apprentissage supervisé : l’algorithme est entraîné sur des
données. Apprentissage par renforcement : l’algorithme est entraîné
en interagissant avec son environnement pour atteindre un objectif.
Apprentissage non supervisé : l’algorithme est entraîné sur des
données brutes ou non étiquetées. »]
Voix off : Prenons un exemple simple pour illustrer chaque type
d’apprentissage : apprendre à jouer au football.
Une photo d’une femme jouant au football apparaît.
Voix off : Dans le premier scénario, vous avez un entraîneur qui vous
supervise et vous enseigne toutes les règles.
L’entraîneur tient un bloc-notes et un livre intitulé : Règles. Voix off :
On vous explique soigneusement que lorsque le ballon entre dans le
but, vous marquez un point, et que lorsqu'il sort du terrain par la
ligne de touche, il faut le remettre en jeu à la main.
Des images montrent un tableau d'affichage et une action dessinée à
la craie sur un tableau noir.
Un entraîneur est assis avec une équipe de football d'enfants.
Voix off : On vous explique toutes les règles, le nombre de joueurs, la
durée du match, etc. Dans ce cas, une personne vous supervise et
vous enseigne toutes les règles du jeu.
[Texte : « Apprentissage supervisé ».]
Voix off : C'est comme un apprentissage supervisé. Dans le deuxième
scénario, vous êtes seul.
00:01:01:22 Un supporter encourage un joueur de football.
Voix off : Vous commencez à assister à des matchs tous les jeudis et
dimanches. Au début, vous êtes perplexe.
Un garçon tient un ballon de football.
Voix off : Pourquoi les joueurs utilisent-ils leurs mains depuis la ligne
de touche dans un sport qui se joue principalement avec les pieds ?
Les supporters applaudissent et semblent déçus.
Voix off : Pourquoi la foule applaudit-elle lorsque le ballon touche le
filet, et pourquoi gémit-elle lorsqu'il ne le fait pas ? Mais en
continuant à regarder, vous commencez à reconnaître des schémas et
à comprendre la dynamique du jeu.
[Texte : « Apprentissage non supervisé ».] Voix off : C'est un exemple
d'apprentissage non supervisé. Voyons maintenant un troisième
scénario, qui s'apparente à l'apprentissage par renforcement.
[Texte : « Apprentissage par renforcement ».] Voix off : Imaginez que
vous vous entraînez aux tirs au but.
Un footballeur se prépare à tirer.
Voix off : Chaque fois que vous marquez un but, vous éprouvez un
sentiment de satisfaction, une récompense positive. Chaque fois que
vous ratez, vous ressentez de la déception, une récompense négative.
Un pouce baissé apparaît lorsque le ballon heurte le poteau. Le ballon
entre dans le but. Quatre étoiles s'illuminent. Voix off : Au fil du
temps, en essayant différentes manières de frapper le ballon et en
tirant des leçons de vos succès, vous améliorez votre capacité à
marquer des penalties.
[Texte : « Apprentissage automatique ».] Voix off : N'oubliez pas que
tout apprentissage automatique est une forme d'IA, mais que toute
IA n'implique pas d'apprentissage automatique.
[Texte : « Apprentissage non supervisé, Apprentissage supervisé,
Apprentissage par renforcement ».] Voix off : L'apprentissage
automatique se divise en trois catégories : apprentissage supervisé,
non supervisé et par renforcement. Mais nous pouvons aller encore
plus loin.
Une ampoule apparaît sur un bloc-notes.
Voix off : Il existe des formes avancées d'apprentissage automatique
qui imitent le fonctionnement du cerveau humain.
Des mains tapent sur un clavier.
[Texte : « Apprentissage non supervisé, Apprentissage supervisé,
Apprentissage par renforcement ».] Voix off : Elles reprennent les
concepts d'apprentissage supervisé, non supervisé et par
renforcement et les appliquent à une échelle beaucoup plus vaste.
C'est ce qu'on appelle l'apprentissage profond. [Texte :
« L’apprentissage profond est un sous-domaine de l’apprentissage
automatique inspiré par la structure et le fonctionnement du
cerveau, appelé réseaux de neurones artificiels. »] Voix off : Tout
comme les neurones du cerveau sont connectés pour former un vaste
réseau, l’apprentissage profond utilise des réseaux de neurones
artificiels à plusieurs couches, d’où le terme « profond ».
[Texte : « Les réseaux de neurones sont des techniques
d’apprentissage automatique, inspirées du cerveau vivant, capables
d’apprendre des fonctions complexes qui associent des entrées à des
sorties correspondantes. »]
Un ordinateur portable affichant une ampoule apparaît.
Voix off : Ces réseaux peuvent apprendre et prendre des décisions de
manière autonome. Fascinant, n’est-ce pas ?
Chap_7 : Apprentissage automatique

[Texte : « Apprentissage automatique ».]

Une bulle de dialogue apparaît : « IA » (une femme sur une tablette).
Une bulle de dialogue apparaît : « ML » (une femme sur un
ordinateur portable).
[Texte : « Quelle est la différence ? »]
Voix off : Vous avez peut-être déjà entendu les termes
« apprentissage automatique » et « IA » utilisés indifféremment, et
vous vous demandez peut-être : « Quelle est la différence ?» Eh bien,
il y a une différence, et il est important de la comprendre.
[Écran d’ordinateur portable : « Intelligence artificielle, apprentissage
profond, apprentissage automatique, science des données ».]
Voix off : L’intelligence artificielle désigne l’intelligence manifestée par
les logiciels et les machines. L’apprentissage automatique, quant à lui,
est un sous-ensemble de l’IA.
[Texte : « Tout apprentissage automatique est une forme d’IA, mais
toute IA n’implique pas d’apprentissage automatique ».]
Voix off : Cela signifie que si tout apprentissage automatique est une
forme d’IA, toute IA n’implique pas d’apprentissage automatique.
[Texte : « Apprentissage automatique, ML. L’apprentissage
automatique est une technique de science des données qui permet
aux ordinateurs d’utiliser des données existantes pour prévoir les
comportements, les résultats et les tendances futurs. Grâce à
l’apprentissage automatique, les ordinateurs apprennent sans être
explicitement programmés. »] Voix off : L’apprentissage automatique
est un type d’IA où une machine apprend à partir des données qui lui
sont fournies et peut identifier des modèles dans ces données.
Des graphiques et des diagrammes apparaissent près d’un ordinateur
portable.
Voix off : C’est aussi le processus par lequel les machines apprennent
à partir des données et améliorent leurs performances au fil du
temps.
[Texte : « Apprentissage supervisé, apprentissage non supervisé et
apprentissage par renforcement. »] Voix off : Il utilise différents types
de techniques telles que l’apprentissage supervisé, l’apprentissage
non supervisé et l’apprentissage par renforcement.
Une manette de jeu vidéo apparaît à côté d’un damier. [Texte : Arthur
Samuel.]
Voix off : Le terme « apprentissage automatique » a été introduit par
Arthur Samuel en 1959. Samuel, pionnier américain du jeu vidéo et
de l’intelligence artificielle, a créé un programme qui jouait aux
dames contre lui-même.
Des points rouges et noirs apparaissent sur une grille.
Voix off : La machine a analysé le jeu par des parties répétées,
identifiant des stratégies pour gagner et éviter les défaites. En jouant
et en apprenant à gagner, elle a commencé à détecter des schémas
récurrents et à les suivre de plus en plus.
Des équations sont dessinées sur un tableau blanc.
Voix off : Pour y parvenir, Samuel a dû utiliser les mathématiques. Des
concepts tels que l’algèbre linéaire, le calcul différentiel et intégral, les
probabilités et les statistiques jouent un rôle crucial dans la
compréhension du fonctionnement des algorithmes d’apprentissage
automatique à partir des données et de leurs prédictions.
Des équations apparaissent au-dessus d’un livre.
Voix off : Ces concepts mathématiques permettent d’optimiser les
performances du modèle, de comprendre les relations entre les
données et d’effectuer des prédictions précises.
Un diagramme apparaît au-dessus d’un damier. Des pions se
déplacent près d'un ordinateur portable. [Texte : « Apprendre de
l'expérience, reproduire les résultats et améliorer les performances.
»] Voix off : Ce jeu de dames est un excellent exemple de programme
d'apprentissage automatique. Il a appris de ses expériences,
reproduit ses succès dans d'autres parties et perfectionné ses
performances au fil du temps.
Des points d'interrogation apparaissent.
Voix off : Besoin de plus de précisions ? Prenons l'analogie de
l'apprentissage du vélo.
Un enfant fait du vélo avec des petites roues.
Voix off : Lorsque vous avez appris à faire du vélo, vous avez
probablement commencé avec des petites roues. Ces petites roues
représentent les données initiales que nous fournissons au modèle
d'apprentissage automatique. Elles offrent le guidage et la stabilité
nécessaires au modèle pour commencer à apprendre. En pratiquant,
vous apprenez à garder l'équilibre, à pédaler et à diriger votre vélo.
C'est ainsi qu'un modèle d'apprentissage automatique commence à
reconnaître des schémas et des relations dans les données pendant la
phase d'entraînement.
Un enfant fait du vélo.
Voix off : Finalement, on enlève les petites roues. Maintenant, vous
ne vous contentez plus de faire du vélo toujours de la même manière.
Vous vous adaptez à différentes situations : peut-être roulez-vous sur
un chemin vallonné ou traversez-vous un parc bondé.
[Texte : « Apprentissage automatique, camion, avion, vélo »] Voix off :
De même, un modèle d’apprentissage automatique utilise les
schémas qu’il a appris pour s’adapter à de nouvelles données et faire
des prédictions précises ou accomplir les tâches pour lesquelles il a
été conçu.
Trois enfants font du vélo.
Voix off : Tout comme vous pouvez conduire différents vélos après
avoir appris à en faire, un modèle d’apprentissage automatique peut
appliquer son apprentissage à des problèmes différents mais liés. Le
vélo que vous utilisez aujourd’hui n’est peut-être pas celui sur lequel
vous avez appris, mais la compétence acquise est transférable.
[Texte : « Concepts fondamentaux de l’apprentissage automatique.
Apprentissage à partir des données. Identification des schémas.
Apprentissage à partir des schémas pour faire des prédictions et
prendre des décisions »] Voix off : Le concept fondamental de
l’apprentissage automatique est le suivant : un modèle apprend à
partir des données, identifie des schémas et utilise ces schémas pour
faire des prédictions ou prendre des décisions. Un compteur de
vitesse apparaît à côté d'un damier.
Voix off : Tout comme le programme de dames de Samuel, les
modèles d'apprentissage automatique améliorent leurs
performances. Au fil du temps, grâce à un apprentissage et une
adaptation continues.
Une bulle de dialogue apparaît : « IA » (une femme sur une tablette).
Une bulle de dialogue apparaît : « ML » (une femme sur un
ordinateur portable).
[Texte : « Apprentissage supervisé, apprentissage non supervisé,
apprentissage par renforcement ».] Voix off : N'oubliez pas : tout
apprentissage automatique est une forme d'IA, mais l'inverse n'est
pas vrai. L'apprentissage automatique se divise en différentes
catégories, comme l'apprentissage supervisé, non supervisé et par
renforcement.
Chap_8 : Apprentissage profond
[Apparition du texte : « Apprentissage profond »]
Une photo montre une femme assise sur un rocher près de l'eau.
Voix off : Imaginez-vous au bord d'un océan de données, un océan qui
s'étend à chaque seconde, alimenté par des vagues d'informations
provenant du monde entier.
[Apparition du texte : « L'apprentissage automatique est une
technique d'analyse de données qui permet aux ordinateurs d'utiliser
les données existantes pour prévoir les comportements, les résultats
et les tendances futurs. »]
Voix off : Les modèles d'apprentissage automatique traditionnels sont
comme de petites embarcations : leur capacité est limitée et ils
finissent par couler. Mais que se passerait-il si nous avions un plus
grand bateau, un véritable navire ?
[Apparition du texte : « L'apprentissage profond est un sous-domaine
de l'apprentissage automatique qui s'intéresse aux algorithmes
inspirés de la structure et du fonctionnement du cerveau. »]
Voix off : Eh bien, c'est cela, l'apprentissage profond. L'apprentissage
profond est notre puissant navire, conçu pour naviguer dans le vaste
océan des données.
Un schéma d'un cerveau humain apparaît au-dessus d'un cargo.
Voix off : Il est inspiré du système le plus complexe que nous
connaissions : le cerveau humain.
Des graphiques représentant des neurones apparaissent. Voix off :
Tout comme notre cerveau est composé de milliards de neurones
interconnectés qui travaillent ensemble pour donner un sens au
monde qui nous entoure, l'apprentissage profond utilise des réseaux
neuronaux pour apprendre à partir des données et faire des
prédictions éclairées.
Un point d'interrogation apparaît dans la silhouette d'une tête
humaine.
Voix off : Vous êtes-vous déjà demandé comment fonctionne le
cerveau humain ? Comment apprenons-nous ?
Un enfant est assis à un bureau et regarde des images d'animaux
collées sur un tableau blanc.
Voix off : Repensez à votre enfance. Vous avez probablement joué à
des jeux de reconnaissance d'images à l'école.
Un professeur montre l'image d'une grenouille et désigne un élève.
Voix off : Vous vous souvenez de ces cartes ? Vous deviez deviner s'il
s'agissait d'un chien ou d'un chat, et votre professeur confirmait.
00:01:10:00 La grenouille se transforme en renard, puis en hibou.
Voix off : L'apprentissage se fait par la répétition et le retour
d'information.
Un ordinateur portable affiche le dessin d'une grenouille et la photo
d'un chien.
Voix off : C'est de la même manière qu'un ordinateur apprend. Le
réseau neuronal fait des suppositions et peut être sûr, disons, à 70 %
que l'image est correcte ou non.
Diverses images d'animaux apparaissent à l'écran.
Voix off : Au lieu de deviner, il ajuste ses paramètres et se réentraîne
au fil du temps.
Un pouce levé apparaît.
Voix off : Alors, pourquoi est-ce important ?
Des images sont chargées dans un ordinateur portable.
[Texte : « Plus un ordinateur dispose de données de haute qualité
pour s'entraîner, plus il sera précis dans la reconnaissance d'images.
»]
Voix off : Eh bien, plus l'ordinateur dispose de données pour
s'entraîner, plus vite il sera capable de reconnaître correctement une
image, qu'il s'agisse d'un chien, d'un chat ou même d'une fleur.
Des photos d'animaux entourent l'ordinateur portable.
Voix off : C'est pourquoi la question du volume de données est si
importante. Maintenant, pensons à la cuisine.
Un œuf dans une poêle et un cuiseur à riz apparaissent. De l'eau bout
dans une casserole sur le feu. Voix off : Quand on commence à
apprendre, on débute avec des recettes simples, comme faire frire un
œuf ou cuire du riz. À chaque fois, on apprend quelque chose de
nouveau : la température du feu, le temps de cuisson des œufs, la
quantité d'eau pour le riz.
Des plats à base d'œufs apparaissent.
Voix off : Avec le temps, on devient plus compétent et on peut
cuisiner ces plats machinalement. C'est un peu le principe de
l'apprentissage automatique traditionnel.
Un livre de recettes intitulé « Poulet frit » apparaît.
Voix off : Mais que faire si l'on veut apprendre à cuisiner un plat
complexe, comme du poulet frit ? Il y a tellement de variables à
prendre en compte : la panure, la température de cuisson et le type
d'huile.
Un chef prépare du poulet frit avec une poêle et un thermomètre à
viande.
Voix off : Il ne suffit pas de s'entraîner ; il faut comprendre comment
tous ces facteurs interagissent. C'est là qu'intervient l'apprentissage
profond.
Des images apparaissent sur l'écran d'un ordinateur portable,
derrière une croix rouge.
Voix off : L'apprentissage profond, comme la cuisson du poulet,
repose sur de nombreux essais et erreurs. Le réseau neuronal émet
une hypothèse (ou une supposition), vérifie sa précision, puis ajuste
ses paramètres pour la prochaine tentative. Ce processus se répète
indéfiniment, se rapprochant à chaque fois de la réponse exacte.
Une coche verte apparaît. Puis, des images d'aliments entourent
l'ordinateur portable.
Voix off : De même que posséder davantage de recettes améliore vos
compétences culinaires, plus l'ordinateur dispose de données pour
s'entraîner, plus ses prédictions seront précises.
Un ordinateur portable et un enfant regardent des images d'animaux.
Voix off : De même qu'un enfant apprend à reconnaître des images
d'animaux, un ordinateur peut apprendre à générer du langage
humain.
[Texte : « Le traitement automatique du langage naturel est une
application de l'IA qui permet aux machines de traiter et de
comprendre le langage humain tel qu'il est écrit. »]
Voix off : Une autre branche de l'IA est le traitement automatique du
langage naturel (TALN), qui utilise des principes similaires à
l'apprentissage profond, mais se concentre sur le langage.
Des mots aléatoires apparaissent sur un écran. Voix off : Plus un
ordinateur apprend de données textuelles, plus il devient capable de
produire un langage semblable à celui de l'humain.
Chap_9 : Traitement automatique du langage
naturel (TALN)

[Apparition du texte : « Traitement automatique du langage naturel

(TALN) ». Un SMS disant « Wat are yuo doinh on satundai nay ?»
devient « Que fais-tu samedi soir ? »]
Voix off : Saviez-vous que chaque fois que vous demandez la météo à
votre téléphone ou que la correction automatique vous évite
d’envoyer un SMS truffé de fautes de frappe, vous interagissez avec
une branche de l’IA appelée traitement automatique du langage
naturel, ou TALN ?
Des éléments graphiques apparaissent autour des lettres « TALN ».
[Apparition du texte : « Le TALN permet aux machines de traiter et de
comprendre le langage humain tel qu’il est écrit. »]
Voix off : Le TALN peut lire, déchiffrer, comprendre et interpréter le
langage humain.
[Apparition du texte sur l’écran d’un ordinateur portable : « the
brown fox jumps far ». Apparition du texte à côté de l’ordinateur
portable : « analyse de texte, traduction, analyse des sentiments,
reconnaissance vocale ».]
Voix off : Il utilise différentes méthodes telles que l’analyse de texte,
la traduction, l’analyse des sentiments et la reconnaissance vocale.
[La barre de recherche affiche : « Brille, brille, petite étoile ». Le menu
déroulant propose les options suivantes : « Brille, brille, petite
étoile », « Brille, brille, petite étoile (chanson) », « Brille, brille, petite
étoile (en anglais) », « Brille, brille, petite étoile (accords) ».]
Voix off : Par exemple, pensez à la dernière fois que vous avez utilisé
un moteur de recherche comme Bing pour trouver les paroles de
votre chanson préférée.
[Les paroles de « Brille, brille, petite étoile » apparaissent : « Brille,
brille, petite étoile, je me demande bien ce que tu es, là-haut, au-
dessus du monde, comme un diamant dans le ciel, brille, brille, petite
étoile, je me demande bien ce que tu es. Quand le soleil flamboyant
s’est éteint, quand il ne brille plus, alors tu montres ta petite lumière,
brille, brille, toute la nuit. »] [Brille, brille, petite étoile, je me
demande bien qui tu es.]
Voix off : Vous avez saisi le titre et les paroles de la chanson, et Bing
vous a instantanément montré exactement ce que vous cherchiez.
[Texte : « Jane Taylor. « Brille, brille, petite étoile » est une berceuse
anglaise. Les paroles sont tirées d'un poème anglais du début du XIXe
siècle écrit par Jane Taylor, « L'Étoile ». Auteure : Jane Taylor. Publié
en 1806. »]
Voix off : Mais comment a-t-il su que vous vouliez les paroles et non
le clip ou des informations sur l'interprète ?
Les lettres « NLP » apparaissent. Une femme voilée parle à un
ordinateur.
Voix off : Voilà le traitement automatique du langage naturel (TALN)
en action ! Le TALN agit comme un traducteur entre nous et nos
appareils. Il aide nos appareils à comprendre non seulement les mots
que nous prononçons, mais aussi ce que nous voulons dire.
La barre de recherche pour « brille, brille, petite étoile » apparaît à
côté d'un téléphone portable. Ensuite, la phrase « le rapide renard
brun saute par-dessus le chien paresseux » est traduite en alphabet
asiatique.
Voix off : Ainsi, que vous cherchiez des paroles de chanson,
demandiez la météo à votre téléphone ou traduisiez une phrase, le
traitement automatique du langage naturel (TALN) est là, donnant
l’impression de converser avec une personne.
Des vagues colorées s’échappent d’une tablette sur laquelle travaille
un homme.
Voix off : Lorsqu’on parle des différentes branches de l’IA, comme le
TALN, on peut les classer selon le type de problèmes qu’elles
résolvent.
Des cadres rouges apparaissent sur des images d’aliments. Les lettres
« TALN » s’affichent. La phrase « le rapide renard brun saute par-
dessus le chien paresseux » est traduite en alphabet asiatique. Une
femme sourit en regardant son téléphone.
Voix off : Certains algorithmes d’IA excellent dans la reconnaissance
d’images, d’autres dans la compréhension du langage, et d’autres
encore dans la prédiction des tendances.
Une femme utilise son téléphone, une autre un ordinateur portable.
[Les mots « intelligence artificielle » apparaissent.]
Voix off : Alors, la prochaine fois que vous utiliserez votre téléphone
ou votre ordinateur, n’oubliez pas que l’IA travaille en coulisses pour
vous rendre plus connecté que jamais.

Chap_10 : Algorithmes d’IA :

[Texte : « Algorithmes d’IA »]

Une corbeille à papier, une enveloppe scellée et une boîte aux lettres
apparaissent autour d’un ordinateur portable.
Voix off : Vous êtes-vous déjà demandé comment votre messagerie
fait la différence entre les courriers indésirables et les autres ?
[Écran de téléphone : « Musique lounge ambient »]
Voix off : Ou comment votre application musicale fait-elle toujours
des recommandations parfaites ?
[Texte : « Algorithmes d’IA. Les algorithmes d’IA sont des instructions
étape par étape données à un ordinateur pour résoudre des
problèmes spécifiques ou effectuer des tâches. »]
Voix off : C’est possible grâce aux algorithmes d’IA.
Du beurre, de la farine, de l’huile et des œufs apparaissent autour
d’un ordinateur portable. Puis, une recette de gâteau aux abricots
apparaît.
Voix off : Imaginez ces algorithmes comme un ensemble
d’instructions qui guident un ordinateur dans la résolution d’un
problème, un peu comme une recette vous guide pour faire un
gâteau.
L’écran de l’ordinateur portable affiche « IA ». [Texte :
« L’apprentissage automatique est une technique d’analyse de
données qui permet aux ordinateurs d’utiliser des données existantes
pour prévoir les comportements, les résultats et les tendances futurs.
L’apprentissage profond est un sous-domaine de l’apprentissage
automatique qui s’intéresse aux algorithmes de réseaux neuronaux
inspirés par la structure et le fonctionnement du cerveau. »] Voix off :
L’apprentissage automatique, un sous-ensemble de l’IA, englobe
l’apprentissage profond. Ces sous-ensembles représentent différentes
méthodologies grâce auxquelles un système informatique peut
apprendre à partir de données pour résoudre des problèmes.
[Texte : « Apprentissage supervisé : l’algorithme est entraîné sur des
données étiquetées. Apprentissage non supervisé : l’algorithme est
entraîné sur des données brutes ou non étiquetées. Apprentissage
par renforcement : l’algorithme est entraîné en interagissant avec son
environnement pour atteindre un objectif. »]
Voix off : Parmi ces méthodes, on trouve différentes techniques
d’apprentissage comme l’apprentissage supervisé, l’apprentissage
non supervisé et l’apprentissage par renforcement.
Une liste d’instructions écrites en code binaire apparaît à côté d’un
ordinateur portable.
Voix off : utilise un ensemble spécifique d’instructions, ou
algorithmes, qui guide l’ordinateur dans la résolution d’un problème.
Et selon le problème, l'algorithme peut être très différent.
00:01:00:04 Des enveloppes apparaissent.
[Texte : « Classification, optimisation, régression, clustering ».] Voix
off : Il existe plusieurs types principaux de ces algorithmes. Imaginez
que vous triez vos e-mails.
Des fleurs sortent d'une enveloppe. Une boîte de spam sort d'une
autre.
Voix off : Certains sont importants, d'autres… beaucoup moins.
Des enveloppes apparaissent sur l'écran d'un ordinateur portable.
Certaines sont marquées d'une coche verte, d'autres d'une croix
rouge.
Voix off : Comment votre messagerie sait-elle quels e-mails placer
dans votre boîte de réception et lesquels marquer comme spam ?
[Texte : « Classification ».] Une image de Sherlock Holmes apparaît.
Voix off : C'est le travail d'un type d'algorithme appelé classification. Il
agit comme un détective, triant chaque e-mail en spam ou non.
Une maison apparaît avec un panneau « À vendre ». Des symboles
dollar apparaissent au-dessus. Voix off : Imaginons que vous
cherchiez une maison. Vous êtes-vous déjà demandé comment les
sites immobiliers estiment le prix d'une maison ?
[Texte : « Régression »]
La maison apparaît dans un cercle, tenue par des mains.
Voix off : Ils utilisent un type d'algorithme appelé régression. C'est
comme une voyante : il prédit l'avenir en se basant sur des
informations telles que la taille, l'emplacement et d'autres facteurs.
Des notes de musique apparaissent autour d'un téléphone.
Avez-vous déjà remarqué que votre application musicale préférée
trouve toujours la chanson parfaite à vous recommander ?
[Texte : « Regroupement »]
Un DJ apparaît.
Voix off : C'est le regroupement en action. C'est comme un
organisateur de soirées : il regroupe les chansons que vous aimez afin
de pouvoir vous en suggérer d'autres similaires.
Une pizza apparaît à côté d'une carte.
[Texte : « Optimisation »]
Voix off : Et lorsque vous avez faim et que vous attendez votre
livraison de repas, un algorithme d'optimisation trouve le chemin le
plus rapide pour vous l'apporter.
Une boussole apparaît. Voix off : C'est comme un navigateur, toujours
à la recherche de la meilleure solution.
Une femme est assise devant un ordinateur, sous un globe terrestre.
Voix off : Les data scientists utilisent ces algorithmes, et d'autres
encore, pour comprendre le monde qui nous entoure.
Des super-héros animés survolent le globe.
Voix off : Ce sont les super-héros secrets de l'ère numérique, qui
utilisent leurs pouvoirs pour nous simplifier la vie.
La femme, le globe et les super-héros apparaissent sur l'écran d'un
ordinateur portable.
Voix off : Et le plus intéressant ? Ces algorithmes deviennent chaque
jour plus performants, apprenant des immenses quantités de
données que nous générons.

Chap_11 : L’IA en action

[Texte : « L'IA en action. Apprentissage profond, apprentissage

automatique. »]
Voix off : L'apprentissage automatique et l'apprentissage profond
utilisent des algorithmes spécifiques pour apprendre à partir
d'immenses quantités de données et accomplir des tâches.
Un robot apparaît à côté d'une montre connectée. Une voiture passe
entre eux.
[Texte : « L'Internet des objets. »]
Voix off : Mais comment tout cela s'articule-t-il dans les systèmes d'IA
comme les robots et les voitures autonomes ? Explorons cela. Vous
avez probablement déjà entendu parler de robots et de voitures
autonomes, mais connaissez-vous l'Internet des objets ?
Un téléphone est présenté à un scanner.
Voix off : En résumé, l'IdO est un vaste réseau d'appareils physiques
interconnectés, allant des objets du quotidien comme les serrures
connectées et les thermostats intelligents aux objets connectés
portables comme les montres connectées.
Un signal émis par une montre est transmis à une serrure, puis à un
ordinateur portable et à un thermostat.
Voix off : Ces appareils sont connectés à Internet, collectant et
partageant des données. [Message de la montre : « Vous avez reçu
ça ? »]
[Message du thermostat : « Reçu. »]
[Message : « On simplifie la vie. »]
Voix off : Cette connectivité permet à ces appareils de communiquer
entre eux et avec nous, simplifiant ainsi notre quotidien.
Un point d'interrogation apparaît à côté d'une femme.
Voix off : Vous vous demandez peut-être : « Quel est le lien entre tous
ces appareils ? » Des bras robotisés apparaissent.
Voix off : On voit souvent des robots effectuer des tâches répétitives
et interagir avec les humains. Mais ils sont aussi une mine d'or de
données !
Un contremaître, ordinateur portable à la main, observe les bras
robotisés.
Voix off : Chaque mouvement, interaction et tâche effectuée par un
robot peut être traduite en données précieuses. Internet ne se limite
pas à votre smartphone ou votre ordinateur portable.
Un globe terrestre apparaît. Puis, un signal est émis depuis une
maison. Un aspirateur intelligent, une serrure connectée, une
caméra, une ampoule et un thermostat intelligents apparaissent.
Voix off : C'est bien plus vaste. Internet s'est immiscé dans notre
quotidien. Des maisons connectées aux appareils intelligents, Internet
est partout.
Du lait apparaît à côté d'un réfrigérateur.
[Un écran de téléphone affiche : « Moins de lait ».]
Voix off : Imaginez un réfrigérateur équipé d'une technologie qui sait
exactement quand vous n'avez presque plus de lait et vous envoie un
rappel pour en acheter en rentrant. C'est la puissance de l'Internet
des objets.
Des carrés verts apparaissent au-dessus des voitures dans l'image
d'une rue animée.
Voix off : Puis, Prenons l'exemple des voitures autonomes. Ces
véhicules collectent d'énormes quantités de données sur leur
environnement et utilisent ces informations pour circuler sur les
routes de manière sûre et efficace.
Une voiture s'éloigne d'un arbre et de jeunes pousses.
Voix off : Ces données enrichissent non seulement nos modèles d'IA,
mais nous permettent également de stimuler l'innovation et
l'efficacité.
Une femme est allongée sur un canapé et regarde son téléphone. Des
documents apparaissent au-dessus d'elle.
Voix off : Alors, la prochaine fois que vous penserez à la connexion
entre le monde physique et le monde virtuel, souvenez-vous : il ne
s'agit pas seulement de commodité. Il s'agit d'exploiter la puissance
des données pour rendre nos modèles d'IA plus intelligents et nos
vies meilleures.