Tubbydev

A la suite de l’article précédent (Algorithmes, heuristique, IA : quelles différences ? ) , voici un autre petit sujet « IA » pour clarifier quelques trucs et éviter le n’importe quoi compliqué où adorent se perdre les « experts » auto-proclamés et les gens adeptes conscients ou inconscients du verbiage caractéristique de l’IA (car disons le, l’IA concrètement, c’est surtout du verbiage -« slope content »).

Le sujet ici c’est la différence entre « IA classique » et « IA générative ».

STOP ! On ne part pas, on ne délire pas sur les 3 ou 4 sortes d’IA, etc, etc.. Ca ne sert à rien, ça ne veut rien dire, c’est du slope, du verbiage du BULLSHIT.

Depuis l’explosion de ChatGPT et des outils capables de produire du texte, des images ou du code, le mot “IA” est utilisé partout. Le problème est que beaucoup de gens mélangent tout :

• algorithmes ;
• machine learning ;
• IA classique ;
• IA générative ;
• automatisation ;
• intelligence humaine ;
• statistiques ;
• créativité.

Résultat : certains imaginent que les IA “pensent”, “comprennent”, “inventent”, voire deviennent conscientes. D’autres, à l’inverse, pensent qu’il ne s’agit que de simples scripts informatiques. La réalité est plus subtile.

L’IA classique : reconnaître, classer, prédire

Pendant des années, l’essentiel de l’intelligence artificielle utilisée dans les entreprises et les logiciels n’avait rien à voir avec des robots qui parlent.

Une « IA classique », voir un algorithme (cf article précédent) sert surtout à :

• analyser ;
• classer ;
• détecter ;
• recommander ;
• prévoir ;
• attribuer une probabilité.

Exemples :

• un filtre anti-spam ;
• une banque qui détecte une fraude ;
• Netflix qui recommande un film ;
• un logiciel qui reconnaît un visage ;
• un système qui estime le risque d’un crédit.

Le principe est généralement simple : la machine regarde énormément de données passées et cherche des régularités.

Par exemple :

• des emails frauduleux ;
• des défauts de paiement ;
• des comportements clients ;
• des transactions bancaires ;
• des photos de chats ou de chiens.

Puis elle apprend statistiquement quels éléments sont souvent associés à tel résultat.

Quand une banque utilise une IA pour évaluer un risque d’impayé, la machine ne “voit” pas l’avenir. Elle ne possède pas un don de voyance. Elle dit simplement “Des profils ressemblant à celui-ci ont souvent conduit à des impayés.”

C’est une logique probabiliste, basée sur des trucs du passé.

L’IA classique ne crée rien. Elle trie, compare, rapproche et prédit à partir du passé.

L’IA générative : produire du contenu nouveau

L’IA générative fait un peu autre chose.

Au lieu de simplement répondre :

• “Ceci est un spam” ;
• “Ce client présente un risque” ;
• “Cette photo contient un chat” ;

… elle produit directement du contenu :

• texte ;
• image ;
• vidéo ;
• musique ;
• voix ;
• code informatique.

Par exemple :

• ChatGPT écrit un texte ;
• Claude résume un document ;
• Midjourney génère une image ;
• Runway produit des vidéos.

C’est ce qui donne l’impression que l’IA “devient créative” mais ce n’est pas de la création humaine au sens profond du terme.

L’IA ne crée pas comme un humain

C’est probablement le point le plus mal compris aujourd’hui.

Une IA générative ne possède :

• ni conscience ;
• ni imagination personnelle ;
• ni vécu ;
• ni émotions ;
• ni volonté ;
• ni intuition humaine.

Elle ne se réveille pas le matin avec une idée de roman ou une théorie scientifique. Quand une IA génère un texte ou une image, elle produit quelque chose de nouveau statistiquement, mais à partir :

• des structures du passé ;
• des motifs du passé ;
• des associations d’éléments du passé ;
• des corrélations du passé ;
• des styles du passé ;
• des données passées qu’elle a apprises.

Autrement dit, l’IA recombine.

Une IA peut générer “Un samouraï jouant du saxophone sur Mars dans un style proche de Van Gogh.” et l’image peut être totalement inédite. Mais pourtant, l’IA n’a pas “inventé” Mars, les samouraïs, le jazz ou Van Gogh. Elle combine des éléments appris séparément.

Le résultat peut sembler créatif parce que la combinaison est nouvelle mais le moteur qui a permis la « création » est lui STATISTIQUE.

Pourquoi cela impressionne autant les gens ?

Parce qu’à très grande échelle, les recombinaisons deviennent extrêmement sophistiquées.

Un modèle moderne a absorbé :

• des milliards de phrases ;
• des millions d’images ;
• des milliers de styles ;
• une immense partie de la culture humaine numérisée.

Le modèle peut produire des résultats qui donnent parfois une impression réelle d’intelligence. Or cette “intelligence” reste très différente de l’intelligence humaine.

Un humain peut lui imaginer un concept totalement abstrait, remettre en cause les règles existantes, créer à partir d’une souffrance, d’une intuition ou d’un désir.

L’IA actuelle ne fait pas cela; elle se « contente » de faire ses gammes, de faire ses devoirs et d’exploiter les combinaisons possibles à partir de ses données d’entrainement.

Le futur est-il seulement une répétition du passé ?

D’une certaine manière, oui : l’IA moderne repose énormément sur cette hypothèse implicite.

Une IA prédictive suppose que certaines structures du passé resteront valables dans le futur, certaines régularités continueront d’exister car sinon, elle ne peut quasiment plus prédire.

C’est pour cela que les IA peuvent être très efficaces dans des environnements stables :

• recommandation ;
• publicité ;
• reconnaissance d’images ;
• fraude bancaire ;
• météo ;
• logistique.

Mais elles deviennent beaucoup plus fragiles quand le monde change brutalement :

• crise financière ;
• pandémie ;
• guerre ;
• rupture technologique ;
• changement politique majeur.

L’IA n’a pas une compréhension profonde du réel car elle ne fait qu’exploiter des statistiques et corrélations statistiques.

Pourquoi le mot “intelligence” crée de la confusion

L’IA actuelle vient du monde anglo-saxon or en anglais, le mot “intelligence” possède plusieurs sens.

Il peut désigner :

• la capacité intellectuelle ;
• mais aussi la collecte et l’exploitation d’informations.

On voit ce sens dans « military intelligence”, “business intelligence” et la très connue CIA pour « Central Intelligence Agency ».

Dans ces cas-là, “intelligence” signifie surtout renseignement, analyse d’informations ou exploitation de données.

Or en français, le mot “intelligence” évoque beaucoup plus la conscience, la compréhension, l’esprit humain et la réflexion profonde.

Quand les Français entendent “intelligence artificielle”, beaucoup imaginent donc inconsciemment “une intelligence comparable à celle d’un humain.” alors que le terme anglais porte historiquement une dimension beaucoup plus liée au traitement de l’information, à l’analyse de données et à l’exploitation statistique.

Cela crée énormément de malentendus d’autant plus que le marketing et le langage commun aggravent l’affaire avec ce qu’on voit et entend de partout (sauf ici :-))))):

• “l’IA pense” ;
• “l’IA comprend” ;
• “l’IA remplace les humains” ;
• “l’IA devient consciente”.

Ces formulations sont souvent exagérées et les modèles actuels (Prenons nos précautions au cas où une IA lise ça :-))) restent avant tout :

• des systèmes mathématiques ;
• entraînés sur des données massives ;
• capables de produire des résultats impressionnants ;
• mais sans compréhension humaine du monde.

Pourquoi l’IA générative semble parfois “penser”

Parce qu’elle manipule le langage humain et que le cerveau interprète et « projette » une compréhension qui est comme si LUI avait écrit, dit ce que l’IA « fournit ». Donc le cerveau pense que l’IA pense.

C’est un phénomène psychologique puissant.

Mais encore une fois, derrière les réponses d’un LLM moderne, il y a essentiellement :

• des probabilités ;
• des représentations mathématiques ;
• des corrélations gigantesques ;
• et des mécanismes statistiques extrêmement complexes.

Et surtout il y a le mot d’après alors que quand un véritable cerveau PENSE, hormis pour converser de manière quasi automatique « Comment ça … » –> « va » –> « Ca va et .. » –> « toi » .. etc.. les humains n’utilisent pas le mot d’après (sauf les 2 neurones qui donnent « non mais allô quoi » ou « ouais non mais t’a vu .. » et tous ces trucs qui nous font marrer et qui sont « automatiques » .. Ceci dit ça serait très intéressant de savoir combien de % de gens parlent de manière automatique ou combien de paroles, par jour, on dit de manière automatique ET si l’utilisation de l’IA « aggrave » ceci ou au contraire en fait prendre conscience..).

En résumé, ce qui précède n’enlève rien à la puissance pratique de ces outils mais cela aide à comprendre ce qu’ils sont réellement : non pas des cerveaux artificiels conscients mais des machines performantes pour exploiter et recombiner les structures présentes dans les données humaines.