Cours Internet et Applications –
Module 1 : Introduction à Internet
Sommaire
1.1 Brève histoire d’Internet et du Web ................................................................................ 2
1.2 De la donnée brute à l’Intelligence Artificielle............................................................... 4
1.3 Pourquoi Internet a permis l’explosion de l’IA moderne ?............................................. 5
1.4 Étude de cas – ChatGPT : une IA conversationnelle accessible via Internet ................ 8
1.4.1 Fonctionnement général de ChatGPT ..................................................................... 8
1.4.2 Infrastructure technique et accessibilité via Internet ............................................ 10
1.4.3 ChatGPT et usages potentiels en humanité numérique......................................... 12
Module 1 : Introduction à Internet P a g e 1 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
Objectifs pédagogiques
À l’issue de ce module, les étudiants seront capables de :
• Décrire les origines et l’évolution d’Internet et du Web, en comprenant les grandes
étapes historiques (ARPANET, protocole TCP/IP, naissance du Web, etc.), y compris le
contexte africain (début d’Internet au Cameroun).
• Expliquer le processus qui mène de la donnée brute à l’intelligence artificielle, en
distinguant données, informations, connaissances, et en comprenant le rôle central des
données dans les systèmes d’IA.
• Analyser les facteurs par lesquels Internet a catalysé l’essor de l’IA, notamment
l’apparition des Big Data, l’émergence du Cloud computing et la démocratisation des
GPU (processeurs graphiques), et comprendre pourquoi ces éléments combinés ont
permis l’explosion actuelle de l’IA.
• Illustrer, à travers une étude de cas détaillée de ChatGPT, le fonctionnement général
d’une IA conversationnelle moderne accessible via Internet, son infrastructure technique,
et discuter de ses usages potentiels en humanité numérique, ainsi que des enjeux
spécifiques (accès, langue, créativité) dans le contexte africain.
1.1 Brève histoire d’Internet et du Web
− Naissance d’Internet : L’idée d’interconnecter des ordinateurs en réseau prend forme
dans les années 1960 aux États-Unis. En 1969, le premier réseau expérimental
ARPANET relie quatre universités américaines (UCLA, Stanford Research Institute,
UCSB et Univ. Utah) via des liaisons à commutation de paquets, posant les bases de
l’Internet[1]. Le 21 novembre 1969, un premier lien est établi entre UCLA et Stanford, et
dès décembre 1969, le réseau compte 4 nœuds opérationnels – on peut considérer que
l’Internet est né à ce stade[2].
− Dans les années 1970, le réseau s’étend (23 ordinateurs connectés en 1971, avec l’envoi
du premier courriel cette même année), et surtout se dote d’un langage commun : le
protocole TCP/IP (conçu par Vinton Cerf et Bob Kahn au milieu des années 1970).
− En 1983, ARPANET adopte TCP/IP comme standard, permettant l’interconnexion
universelle de multiples réseaux : c’est l’émergence officielle d’Internet en tant que
réseau des réseaux global.
Module 1 : Introduction à Internet P a g e 2 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
− Ouverture au grand public et Web : Durant les années 1980, Internet reste surtout
utilisé par des chercheurs et militaires, jusqu’à ce qu’une innovation change la donne : le
World Wide Web. Inventé en 1989 au CERN (Genève) par Tim Berners-Lee, le Web
est conçu pour partager facilement des informations via des pages hypertexte liées entre
elles[3]. Berners-Lee développe en 1990 le premier serveur Web et le premier navigateur
(appelé WorldWideWeb), puis ouvre la technologie au public en 1991, assurant sa
diffusion mondiale rapide[4]. Le Web, basé sur le protocole HTTP et le langage HTML,
offre une interface simple d’utilisation sur Internet. Il connaît une croissance explosive :
apparition du navigateur Mosaic en 1993, puis de Netscape, démocratisation des sites
Web, engouement commercial durant la « bulle Internet » des années 1995–2000.
Internet devient alors un réseau grand public utilisé pour le courriel, le Web, puis la
messagerie instantanée, le partage de fichiers, etc., transformant profondément les
communications à l’échelle mondiale.
Contexte africain et camerounais : L’accès à Internet s’est fait plus tardivement en Afrique que
dans les pays occidentaux.
− Au Cameroun, par exemple, la connexion initiale au réseau Internet mondial date de
février 1997, avec l’inauguration du premier nœud Internet « .cm » à Yaoundé (établi via
l’opérateur américain AT&T)[5]. À partir de cette date, Internet commence à se déployer
dans le pays.
− Ce déploiement reste d’abord limité : de 1997 à 1999, on ne compte qu’un seul cybercafé
à Douala (le « Web-Café ») pour accéder au Web[6]. Ce n’est qu’à partir de 1999–2000
que l’usage d’Internet se répand davantage au Cameroun, avec la multiplication des
cybercafés dans les grandes villes (Douala, Yaoundé, Buéa…), malgré les faiblesses des
infrastructures télécom de l’époque[7][8]. Au fil des deux décennies suivantes, l’accès
s’est amélioré grâce aux réseaux mobiles et à la fibre optique. Néanmoins, des défis
persistent (coût élevé, couverture inégale, débits parfois limités).
− En 2023, on estimait environ 12,9 millions d’internautes camerounais, soit un taux de
pénétration d’environ 45,6 % de la population[9]. Ceci illustre la progression, mais aussi
la fracture numérique persistante entre zones urbaines connectées et zones rurales plus
isolées.
Module 1 : Introduction à Internet P a g e 3 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
Malgré ces défis, Internet en Afrique ouvre l’accès à une information mondiale et permet
l’émergence d’innovations locales (e-commerce, mobile money, services en ligne) ainsi que la
participation aux grandes tendances technologiques comme l’intelligence artificielle.
Lien YouTube : L’histoire d’Internet en 6 minutes (Deux gouttes de culture) :
[Link]
1.2 De la donnée brute à l’Intelligence Artificielle
Internet a engendré une quantité phénoménale de données brutes. Mais comment passe-t-on de
ces données brutes à de la « sagesse » numérique ou à des services d’IA ? Cette section explique
le cheminement « de la donnée brute à l’intelligence artificielle », en clarifiant les notions de
donnée, information, connaissance et la manière dont les systèmes d’IA transforment des
données en décisions ou en actions intelligentes.
Données brutes : Une donnée brute est une observation ou un fait élémentaire n’ayant subi
aucune transformation ou interprétation depuis sa collecte[10]. Il peut s’agir par exemple
d’une mesure capteur, d’un texte tel quel, d’une image non annotée, etc. À ce stade, la donnée est
souvent non structurée et désordonnée. Par exemple, un ensemble de messages postés sur les
réseaux sociaux, pris tels quels, constitue des données brutes. De nos jours, nous générons tous
des masses de données brutes, souvent sans nous en rendre compte (posts, clics, position GPS,
transactions, etc.). Sans traitement, ces données brutes ont une utilité limitée, car elles n’ont pas
encore de signification exploitable.
De la donnée à l’information : Pour tirer de la valeur des données brutes, il faut les traiter. La
première étape est souvent de nettoyer et structurer ces données. Cela implique de filtrer les
erreurs ou valeurs aberrantes, d’éliminer les doublons, de compléter les données manquantes et
de les organiser dans un format cohérent (par exemple un tableau avec des colonnes bien
définies). Une fois les données fiabilisées, on peut les enrichir en leur ajoutant du contexte ou des
étiquettes (métadonnées). Par exemple, associer à une image brute le label « chien » ou « chat »
est une étape d’annotation qui transforme la donnée en information. L’information est donc une
donnée interprétée ou mise en contexte, qui a du sens pour un utilisateur. On dit parfois que « les
données sont le pétrole brut, et l’information l’essence raffinée ». Dans le domaine de l’IA, une
base de données nettoyée et étiquetée (par ex. des milliers d’images de chats avec le tag “chat”)
constitue de l’information structurée prête à être exploitée par des algorithmes.
Module 1 : Introduction à Internet P a g e 4 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
De l’information à la connaissance : Lorsque les informations sont agrégées, analysées et
assimilées, elles produisent de la connaissance. La connaissance représente une compréhension
plus large, des modèles ou des règles générales qui se dégagent des informations. Par exemple,
en analysant des millions de transactions (informations), on peut extraire des tendances
générales de comportement d’achat : cette connaissance permet alors de faire des prédictions ou
de prendre des décisions avisées. Dans le contexte de l’IA, la phase d’apprentissage correspond
justement à faire passer l’information (jeux de données étiquetés) dans des algorithmes (par ex.
des réseaux de neurones) afin de produire un modèle entraîné. Ce modèle encapsule une forme
de connaissance : il a capté des patterns (motifs) à partir des données d’entraînement, par
exemple la « connaissance » de ce qui distingue globalement un chat d’un chien après avoir vu
des milliers d’images de chaque.
Vers l’intelligence artificielle : L’intelligence artificielle apparaît lorsque cette connaissance
modélisée est utilisée pour prendre des décisions autonomes ou effectuer des prédictions
d’une manière proche de la cognition humaine. En poursuivant l’exemple, une fois le modèle
entraîné sur la base d’images étiquetées, il peut recevoir en entrée une nouvelle image non vue
auparavant (donnée brute nouvelle), l’analyser grâce à la connaissance apprise, et fournir en
sortie une décision (« c’est un chat » ou « c’est un chien ») – ce qui est une action « intelligente »
du point de vue de la machine. Notez qu’à chaque étape, la qualité du résultat final dépend
étroitement de la qualité de l’étape précédente : des données brutes peu fiables donneront des
informations erronées, menant à des connaissances biaisées et donc à une IA peu efficace. On
retrouve l’adage « garbage in, garbage out » (des entrées de mauvaise qualité produisent des
sorties de mauvaise qualité).
Discussion : Est-ce que l’IA remplacera l’humain ?
1.3 Pourquoi Internet a permis l’explosion de l’IA moderne ?
On observe depuis environ 2010 une explosion des progrès en intelligence artificielle,
particulièrement dans le machine learning et le deep learning (apprentissage automatique et
profond). Cette accélération spectaculaire n’est pas un hasard : elle est le fruit de la convergence
de plusieurs facteurs technologiques majeurs, tous liés de près à l’essor d’Internet.
Les principaux éléments souvent cités sont : l’émergence des Big Data, le développement du
Cloud computing, et la disponibilité de matériels de calcul comme les GPU à grande échelle.
Module 1 : Introduction à Internet P a g e 5 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
Nous analysons ci-dessous comment chacun de ces facteurs, rendu possible ou amplifié par
Internet, a contribué à l’essor de l’IA.
1. Big Data : L’Internet grand public (Web, réseaux sociaux, smartphones connectés…) a
fait exploser la quantité de données numériques produites chaque jour par l’humanité.
Par exemple, on estime que le volume mondial de données est passé de 2 zettaoctets en
2010 à 64 zettaoctets en 2020, et pourrait atteindre 180 zettaoctets en 2025[15]. Cela
représente une multiplication presque exponentielle : 180 zettaoctets équivalent à
180 000 milliards de gigaoctets ![16]. Chaque minute, des millions de contenus sont
postés en ligne (textes, images, vidéos), des capteurs IoT transmettent des mesures, des
transactions sont enregistrées… On parle de Big Data pour décrire ces masses de
données volumineuses, variées et en flux rapide.
Cette explosion quantitative a une importance décisive pour l’IA : les méthodes d’apprentissage
automatique actuelles, notamment le deep learning, ont besoin de beaucoup de données pour
entraîner des modèles performants. Plus de données signifient en général une meilleure
couverture des cas possibles et donc des modèles plus précis. Internet est le vecteur qui a permis
de collecter et centraliser ces données massives – par le biais des plateformes web, des services
cloud où sont stockées les informations, etc. Un exemple marquant : la base d’images ImageNet
(10 millions d’images annotées) qui a fait faire un bond à la vision par ordinateur en 2012,
n’aurait pu être constituée sans Internet (les images provenaient du web).
De même, les modèles de langage actuels sont entraînés sur des corpus géants de textes
collectés en ligne (pages web, Wikipédia, forums…). Sans le web, ces corpus n’existeraient pas.
En somme, Internet a fourni le « carburant » (fuel) de la nouvelle IA : des données en quantité
sans précédent. « L’explosion des données » alimente directement les avancées de l’IA[17].
2. Cloud computing : Disposer de tonnes de données n’est utile que si l’on peut les stocker
et les traiter. Là encore, Internet a joué un rôle clé via le développement du cloud
computing. Le cloud, c’est la disponibilité, via Internet, de ressources informatiques
distribuées dans des centres de données (data centers) partout dans le monde. Plutôt que
d’acheter des serveurs coûteux, aujourd’hui une entreprise ou un chercheur peut louer à la
demande des milliers de cœurs de calcul ou de stockage sur des services cloud (tels
qu’AWS, Azure, Google Cloud, etc.).
Cette démocratisation de la puissance de calcul a été déterminante pour l’IA :
Module 1 : Introduction à Internet P a g e 6 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
− elle a permis à de nombreux acteurs d’entraîner des modèles très gourmands sans
posséder eux-mêmes l’infrastructure. Par exemple, entraîner un grand réseau de
neurones peut nécessiter des semaines sur des serveurs haute performance ; grâce
au cloud, on peut mobiliser en quelques clics une ferme de serveurs pour le faire,
et ne payer que pour la durée utilisée. Internet est l’enabler du cloud : sans réseau
global fiable, impossible d’accéder à distance à ces ressources.
− le cloud offre également un espace de stockage immense, indispensable pour
héberger les pétaoctets(1015 octets) de données de Big Data.
− le cloud facilite la collaboration mondiale en IA : des équipes réparties
géographiquement peuvent travailler sur les mêmes données et modèles via
Internet.
3. GPU et hardware spécialisés : Le troisième facteur est l’amélioration du matériel de
calcul, en particulier l’essor des GPU (Graphics Processing Units) utilisés pour l’IA.
Historiquement conçus pour les jeux vidéo, les GPU sont extrêmement efficaces pour les
calculs en parallèle sur de grandes matrices, exactement ce qu’exigent les algorithmes de
deep learning. Vers 2010, des chercheurs ont commencé à utiliser des GPU pour
entraîner des réseaux de neurones, obtenant des accélérations de calcul spectaculaires (un
GPU pouvant exécuter certaines opérations 10× ou 50× plus vite qu’un CPU classique).
En 2012, l’algorithme AlexNet gagne le concours ImageNet de reconnaissance d’images
en utilisant deux GPU NVIDIA : ce résultat marque le début de la révolution du deep
learning, rendu possible par la puissance des GPU. Depuis, les progrès massifs en IA
doivent beaucoup aux GPU[18].
Internet intervient à deux niveaux ici :
− il a permis la diffusion et l’adoption rapide de ces avancées (partage de logiciels
compatibles GPU, tels que TensorFlow ou PyTorch, au sein de communautés en
ligne).
− combiné au cloud, il a permis l’accès distant à des grappes de GPU.
Aujourd’hui, on peut louer en ligne des machines virtuelles équipées de dizaines
de GPU pour entraîner un modèle complexe. Les plus grands modèles (comme
ChatGPT que nous étudierons) sont entraînés sur des fermes de calcul comptant
des dizaines de milliers de GPU interconnectés[19]. Sans la connectivité
Internet, il serait impossible de faire travailler ensemble autant d’unités de calcul
réparties.
Module 1 : Introduction à Internet P a g e 7 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
En outre, la forte demande de GPU pour l’IA a fait du matériel un enjeu stratégique mondial[20],
avec des investissements colossaux dans les data centers aux États-Unis, en Europe, et
l’apparition de « supercalculateurs IA » accessibles à distance.
Lien YouTube : Les Données : Le Carburant de l’IA [Link]
DfIzffek
1.4 Étude de cas – ChatGPT : une IA conversationnelle accessible via
Internet
Pour concrétiser les notions vues précédemment, nous étudions ChatGPT comme cas d’école.
ChatGPT est un agent conversationnel à base d’IA (chatbot avancé) développé par la société
OpenAI, lancé initialement en novembre 2022, et rendu accessible au grand public via
Internet. En quelques mois, ChatGPT est devenu un phénomène mondial, atteignant des
millions d’utilisateurs, et offrant un aperçu des capacités des IA actuelles en traitement du
langage. Nous verrons son fonctionnement général, l’infrastructure qui le sous-tend, et
discuterons de son utilisation potentielle en art numérique, notamment dans le contexte
africain.
1.4.1 Fonctionnement général de ChatGPT
ChatGPT appartient à la famille des IA dites “génératives”, spécialisées dans la production de
contenu (ici du texte) à partir de commandes en langage naturel. Plus précisément, ChatGPT est
un LLM (Large Language Model), c’est-à-dire un modèle de langage de très grande taille. Il
est fondé sur l’architecture des Transformers (un type de réseau de neurones introduit en 2017,
qui a révolutionné le traitement du langage naturel par son efficacité à modéliser les dépendances
longues dans un texte).
Le modèle de base de ChatGPT est une version améliorée de GPT-3 (Generative Pre-trained
Transformer 3). GPT-3 compte 175 milliards de paramètres ajustables[21], ce qui en fait un
des plus grands modèles de langage jamais entraînés (à titre de comparaison, son prédécesseur
GPT-2 en avait 1,5 milliard – on a donc deux ordres de grandeur de plus). Ces paramètres sont
les “poids” du réseau de neurones qui déterminent son comportement. L’entraînement d’un tel
modèle s’effectue en deux grandes phases :
Module 1 : Introduction à Internet P a g e 8 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
• Pré-entraînement non supervisé : on commence par faire “digérer” au modèle un
corpus colossal de textes variés afin qu’il apprenne les régularités de la langue. Pour
ChatGPT, OpenAI a utilisé des centaines de milliards de mots provenant
d’innombrables sources en ligne : pages Web, articles de presse, livres numérisés,
discussions de forums, Wikipédia, etc.[22]. En pratique, le modèle reçoit des extraits de
texte et doit prédire le mot suivant, et ce des milliards de fois, jusqu’à ce que ses
prédictions deviennent pertinentes. Cette tâche d’entraînement automatique (sans
étiquettes manuelles, les données étant le texte brut) lui fait acquérir une compréhension
statistique du langage : il capte des nuances de sens, le contexte, les tournures
idiomatiques, etc., en plus de connaissances factuelles présentes dans les textes. Le
résultat du pré-entraînement est un modèle capable de générer du texte cohérent, mais pas
forcément utile dans un cadre conversationnel précis.
• Affinage supervisé et interactif : la deuxième étape consiste à spécialiser le modèle
pour la conversation. OpenAI a appliqué une technique appelée RLHF (Reinforcement
Learning from Human Feedback), soit de l’apprentissage par renforcement avec
feedback humain. Concrètement, des entraîneurs humains ont conversé avec le modèle,
noté la qualité de ses réponses, et l’ont aidé à améliorer ses sorties. On lui a inculqué des
instructions (ne pas produire de langage injurieux, ne pas donner de conseils dangereux,
etc.) et un certain style conversationnel (être détaillé, pédagogique, éviter d’affirmer sans
preuve...). Le modèle a ainsi été affiné pour suivre les consignes de l’utilisateur et
maintenir un dialogue pertinent et poli. Cet affinage dure plusieurs mois, en parallèle de
tests et d’itérations[23].
À l’arrivée, ChatGPT est capable de répondre en langage naturel à une vaste gamme de
questions ou de consignes. Techniquement, il n’effectue pas de recherches en temps réel sur
Internet (sauf versions spéciales connectées au web, ajoutées plus tard). Il génère ses réponses
uniquement à partir de son modèle interne entraîné, en produisant le mot le plus probable
succédant au contexte de la conversation, puis le suivant, etc. Autrement dit, ChatGPT est un
grand modèle prédictif de texte : on lui fournit un prompt (par exemple : « Explique-moi la
théorie de la relativité en termes simples »), il analyse ce contexte et génère la suite de mots qui
lui semble la plus appropriée statistiquement, formant une réponse structurée. Durant une
session, il mémorise le fil de la conversation (jusqu’à une certaine limite de mémoire
contextuelle) de sorte à rester cohérent et à pouvoir revenir sur des éléments mentionnés plus
Module 1 : Introduction à Internet P a g e 9 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
tôt[24][25]. En revanche, si on démarre une nouvelle session, il ne “sait” plus ce qui a été dit
précédemment (sauf si une fonction de mémoire personnalisée est activée avec consentement de
l’utilisateur).
Il est crucial de comprendre que ChatGPT ne « raisonne » pas comme un humain : il ne fait que
reproduire les structures linguistiques apprises. Il n’a pas de conscience ni de compréhension
profonde des concepts – simplement une compétence phénoménale à imiter le langage humain
de manière plausible[26][27].
Cela explique deux de ses limites connues :
− il peut produire des erreurs factuelles (on parle « d’hallucinations » lorsqu’il invente
des réponses qui semblent crédibles mais sont fausses)[28] ;
− il peut refléter les biais présents dans ses données d’entraînement (par exemple, s’il y a
un biais pro-occidental dans les textes, il peut transparaître dans ses réponses) [27].
Malgré cela, bien utilisé, ChatGPT se révèle un outil extrêmement puissant pour générer du
texte, assister dans des tâches intellectuelles (rédaction, traduction, résumé, brainstorming,
écriture de code, etc.) et interagir en langage naturel.
Lien YouTube : 7 min pour savoir comment fonctionne ChatGPT (et se la péter ensuite)
(Frandroid) [Link]
1.4.2 Infrastructure technique et accessibilité via Internet
La magie de ChatGPT est qu’un simple utilisateur muni d’un navigateur web peut dialoguer en
temps réel avec cette IA sophistiquée. Cela est rendu possible par une infrastructure dorsale
impressionnante, largement transparente pour l’utilisateur final. ChatGPT en lui-même (le
modèle) est hébergé sur des serveurs distants dans des centres de données. Lorsqu’un utilisateur
tape sa question sur le site web de ChatGPT (ou via une API), sa requête est envoyée à ces
serveurs, le modèle génère une réponse, et celle-ci est renvoyée à l’utilisateur – le tout via
Internet en quelques secondes.
Plusieurs défis techniques sont à relever pour offrir ce service à grande échelle :
• Stockage du modèle et des données : Un modèle de ~175 milliards de paramètres
occupe des centaines de gigaoctets en mémoire. Il doit être répliqué sur de nombreuses
Module 1 : Introduction à Internet P a g e 10 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
machines pour être disponible sans latence. De plus, toutes les connaissances apprises
proviennent de bases de données textuelles énormes stockées dans l’infrastructure. Il faut
donc de vastes capacités de stockage et des systèmes distribués pour charger le modèle et
les données associées en RAM rapidement.
• Puissance de calcul (inférence) : Générer une réponse avec un modèle aussi large
consomme beaucoup de calcul, notamment sur des GPU. OpenAI a dû déployer des
grappes de serveurs équipés de GPU pour servir les milliers (voire millions) de
requêtes utilisateurs simultanées. Chaque requête fait appel à des calculs matriciels
intensifs que les GPU réalisent en parallèle. Des centres de calcul spécialisés (avec des
GPU haute performance comme les NVIDIA A100 ou H100) sont mis à contribution. Il a
été rapporté que l’inférence d’un grand LLM coûte plusieurs centimes de dollar par
interaction en coût de cloud : à l’échelle de millions d’usagers, la facture s’accumule vite,
ce qui explique la nécessité d’une infrastructure optimisée et le modèle économique
freemium (une version gratuite avec limites, et une version payante plus puissante).
• Scalabilité et répartition de charge : Le service ChatGPT doit être disponible pour des
utilisateurs du monde entier, 24h/24. L’architecture cloud mise en place utilise des
systèmes d’équilibrage de charge (load balancers) pour répartir les requêtes entre
différents serveurs, et une montée en charge automatique (autoscaling) en fonction du
trafic[29]. Par exemple, si le nombre de requêtes double soudainement, la plateforme
alloue instantanément plus de serveurs pour éviter un ralentissement ou une saturation.
Cela s’appuie sur les infrastructures du cloud évoquées plus haut. OpenAI collabore
notamment avec Microsoft Azure pour déployer ChatGPT sur des centres de données
répartis (y compris en Europe, en Amérique, en Asie) afin de rapprocher le service des
utilisateurs et réduire la latence réseau.
• Déploiement continu et mises à jour : L’IA de ChatGPT est régulièrement mise à jour
(par exemple le passage de GPT-3.5 à GPT-4, l’ajout de nouvelles fonctionnalités comme
la navigation web en temps réel à partir de 2024[30], etc.). L’infrastructure doit permettre
de déployer de nouvelles versions du modèle sans interruption de service, en effectuant
des mises à jour progressives. Ceci implique des outils de conteneurisation,
d’orchestration (Kubernetes, etc.) et des tests poussés avant mise en production, pour
assurer la stabilité.
Module 1 : Introduction à Internet P a g e 11 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
1.4.3 ChatGPT et usages potentiels en humanité numérique
Dans le champ des humanités numériques, les étudiants cherchent à utiliser les technologies
numériques pour analyser, comprendre et valoriser les productions humaines : textes littéraires,
archives historiques, documents culturels, langues ou patrimoine. Dans ce contexte, ChatGPT
peut constituer un outil d’assistance intéressant pour plusieurs types d’activités liées à la
recherche, à l’analyse et à la diffusion des connaissances.
1. Analyse et résumé de textes
Les humanités numériques impliquent souvent le travail sur de grands corpus de textes : œuvres
littéraires, articles scientifiques, documents historiques ou archives numérisées.
ChatGPT peut aider à produire rapidement des résumés ou des synthèses, ce qui facilite
l’identification des idées principales d’un document.
Par exemple, un étudiant peut demander à ChatGPT :
« Résume en 10 lignes ce texte historique sur la colonisation du Cameroun ».
L’outil peut alors produire une synthèse qui aide l’étudiant à comprendre rapidement les
éléments essentiels du texte avant d’entreprendre une analyse plus approfondie.
De la même manière, ChatGPT peut aider à identifier les thèmes principaux d’un texte, les
concepts importants ou les arguments développés par un auteur.
2. Assistance à la rédaction académique
ChatGPT peut également servir d’assistant pour la rédaction de contenus académiques.
Par exemple, il peut aider à :
− reformuler un paragraphe,
− expliquer un concept complexe,
− structurer une introduction ou une conclusion.
Un étudiant pourrait par exemple demander : « Explique simplement ce qu’est le patrimoine
culturel immatériel. ». ChatGPT peut produire une explication claire qui aide l’étudiant à mieux
comprendre le concept avant de le reformuler dans son propre travail.
Module 1 : Introduction à Internet P a g e 12 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
Cependant, il est important de rappeler que l’étudiant doit toujours relire, vérifier et reformuler
les réponses, car l’IA peut produire des erreurs ou des approximations.
3. Analyse linguistique et étude des langues
Les humanités numériques incluent souvent l’étude des langues, de la linguistique ou de
l’évolution du langage dans les textes.
ChatGPT peut aider à :
− analyser le vocabulaire d’un texte,
− expliquer le sens de certains mots ou expressions,
− comparer différentes traductions.
Par exemple, un étudiant peut demander : « Quels sont les thèmes principaux dans ce poème ? »
ou « Explique les figures de style dans ce passage ». Cela peut servir de première étape
d’analyse, avant un travail critique plus approfondi.
4. Valorisation et diffusion du patrimoine culturel
Les technologies numériques jouent un rôle important dans la valorisation et la diffusion du
patrimoine culturel.
Dans ce contexte, ChatGPT peut être utilisé pour produire :
− des descriptions de collections de musée,
− des contenus éducatifs pour des plateformes numériques,
− des textes explicatifs pour des expositions virtuelles.
Par exemple, un musée pourrait utiliser ChatGPT pour générer des descriptions pédagogiques
d’objets culturels destinées à un site web ou à une application mobile.
Dans le contexte africain, on peut imaginer des projets où ChatGPT serait utilisé pour présenter
des récits historiques ou culturels au grand public, par exemple à travers des applications
éducatives.
5. Traduction et accessibilité des connaissances
Les humanités numériques impliquent souvent la consultation de documents écrits dans
différentes langues. ChatGPT peut aider à traduire ou reformuler des textes, ce qui facilite
l’accès aux sources internationales.
Module 1 : Introduction à Internet P a g e 13 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING
Par exemple, un étudiant peut demander : « Traduis ce passage d’un article scientifique de
l’anglais vers le français ». Cela peut aider les étudiants à accéder plus facilement à la littérature
scientifique mondiale.
Précautions et limites d’utilisation !!!
Il est important de souligner certaines limites dans l’utilisation de ChatGPT dans les humanités
numériques. Tout d’abord, les informations générées par l’IA ne sont pas toujours exactes. Les
étudiants doivent donc vérifier les données dans des sources académiques fiables.
Ensuite, ChatGPT ne remplace pas l’analyse critique du chercheur. Son rôle est d’assister la
réflexion, et non de produire directement un travail scientifique final.
Enfin, bien que ChatGPT maîtrise relativement bien les langues internationales comme le
français ou l’anglais, ses performances restent encore limitées pour certaines langues africaines
locales, car ces langues disposent de moins de données d’entraînement dans les systèmes
d’intelligence artificielle.
Cela constitue à la fois une limite actuelle et une opportunité pour les chercheurs en humanités
numériques, qui peuvent contribuer à la création de corpus numériques pour préserver et
valoriser ces langues.
Devoir ChatGPT : Demandez à ChatGPT de résumer l’histoire du Cameroun colonial et
d’identifier les thèmes principaux. Ensuite, critiquer la réponse de l’IA.
Lien YouTube : Des images créées par une IA ?! Bientôt la fin des artistes ?
([Link]). [Link]
Module 1 : Introduction à Internet P a g e 14 | 14
Djika Asmaou Houma, MSc ICT Convergence, MSc Telecommunications Engineering,
ENSPY 2025-2026, S2, HN1-ING