Utiliser l'Intelligence artificielle (IA) dans ses études

Icon from Flaticon

L'intelligence artificielle (IA) : " est une discipline vouée au développement d'algorithmes capables d'imiter l'apprentissage humain, comme l'apprentissage et l'autocorrection. L'IA construit des algorithmes capables d'apprendre par l'expérience, comme le font les humains, à la différence que l'« expérience » pour l'IA se limite aux informations du passé, c'est-à-dire aux données contenues dans l'ensemble d’entrainement."

(Guide des bibliothèques de l'UQAM)

Extrait de la collection Thèmes : Intelligence artificielle : définition et utilisation du Parlement européen

Icon from Flaticon

Intelligence artificielle génératife (IAG) : Les IA sont divisées en plusieurs types dont l'IA générative, qui sont des "technologies d'IA entrainées sur des données massives ("data set") et pouvant générer de nouveaux contenus (texte, images, audio, vidéo) de façon aléatoire à partir d'une information d'entrée (ou "prompt") saisie par l'utilisateur"

(Gonzalo-Brizuela & Garrido-Merchan, 2023)

Exemple : ChatGPT

Extrait du Guide pratique de l'université de Genève : https://www.unige.ch/numerique/fr/plan-daction/ia1/accueil/guide-pratique-ia/

Il existe des générateurs de :

• Texte : ChatGPT, Gemini, Perplexity AI, Microsoft Copilot,...
• Images : DALL·E 3, Midjourney, Copilot Bing,...
• Sons et de musique : MusicFX, AIVA, Soundful,...
• Vidéo : Sora, Invideo, Pika,...
• Découverte et d’analyse de la recherche : Elicit, Scite,...
• Traduction : Deepl

Néanmoins l'utilisation de la plupart des IA est payante ou a des options payantes.

Icon from Flaticon

• Algorithme: "Séquence de règles opératoires exécutées sur des données et qui permettent l'obtention d'un résultat." (Grand Dictionnaire terminologique)
• Data set (ensemble d’entrainement/d’apprentissage) : "Jeu de données (texte, sons, images, listes, etc.) utilisé lors de la phase d’entrainement / d’apprentissage : le système s’entraine sur ces données pour effectuer la tâche attendue de lui." (CNIL)
• Deep learning (apprentissage profond) : "L’apprentissage profond est un procédé d’apprentissage automatique utilisant des réseaux de neurones possédant plusieurs couches de neurones cachées. Ces algorithmes possédant de très nombreux paramètres, ils demandent un nombre très important de données afin d’être entrainés." (CNIL)
• Machine learning (apprentissage automatique) : "L’apprentissage automatique (machine learning en anglais) est un champ d’étude de l’intelligence artificielle qui vise à donner aux machines la capacité d’« apprendre » à partir de données, via des modèles mathématiques. Plus précisément, il s’agit du procédé par lequel les informations pertinentes sont tirées d’un ensemble de données d’entrainement. Le but de cette phase est l’obtention des paramètres d’un modèle qui atteindront les meilleures performances, notamment lors de la réalisation de la tâche attribuée au modèle. Une fois l’apprentissage réalisé, le modèle pourra ensuite être déployé en production." (CNIL)
• Modèle : "Le modèle d'IA est la construction mathématique générant une déduction ou une prédiction à partir de données d’entrée. Le modèle est estimé à partir de données annotées lors de la phase d’apprentissage (ou d’entrainement) du système d’IA." (CNIL)
• Requête: "Texte, séquence de programmation ou données que l'on envoie à un système d'intelligence artificielle pour lui demander d'accomplir une tâche particulière. Une invite est un terme interchangeable avec requête." (Grand Dictionnaire terminologique)