Intelligence Artificielle
L’intelligence artificielle (IA) est une branche de l’informatique qui vise à développer des machines capables de réaliser des tâches nécessitant habituellement l’intelligence humaine. Ces tâches incluent le raisonnement, l’apprentissage, la compréhension du langage naturel, la perception visuelle, et la résolution de problèmes.
L’IA se compose de plusieurs technologies clés. Ces technologies sont souvent combinées pour créer des systèmes d’IA capables de réaliser des tâches variées et complexes, utilisées dans de nombreux secteurs tels que la santé, la finance, et l’automobile.
IA générative
L’Intelligence Artificielle générative est une branche de l’Intelligence Artificielle qui se concentre sur la création de nouveaux contenus à partir d’indications de départ, appelées prompt.
Elle repose sur des modèles capables d’identifier des motifs structuraux fondamentaux dans de grandes quantités d’informations (textes, images, sons, etc.) pour ensuite générer des contenus plausibles et cohérents.
Cette approche a connu un fort essor ces dernières années, porté par les avancées en deep learning et par l’accessibilité de modèles puissants, comme les gros modèles de langage – LLM (par exemple ChatGPT d’OpenAI) ou les générateurs d’images (comme DALL·E ou Stable Diffusion).
Quelques applications concrètes de l’IA générative :
- la génération de texte (rédaction assistée, génération de code, réponses automatiques…) ;
- la création d’images à partir de descriptions textuelles (utile dans la publicité, la mode, la création artistique…) ;
- l’augmentation ou la création de données pour l’entraînement d’autres modèles (data augmentation) ;
- ou encore les agents autonomes, capables de collecter des informations et d’agir sur leur environnement pour atteindre un objectif (comme répondre automatiquement à un service client, générer et tester du code logiciel ou automatiser la veille).
Les fournisseurs de modèles de langage propriétaires proposent généralement des API pratiques, avec un paiement à l’usage. Cependant, ces solutions soulèvent des questions importantes en matière de confidentialité des données et de souveraineté numérique.
En alternative, les modèles open weights, déployables en local ou via des opérateurs souverains, offrent :
- une maîtrise totale des données ;
- une meilleure conformité réglementaire ;
- une adaptabilité aux besoins métiers ;
- et une réduction de la dépendance technologique.
Le CATIE accompagne les acteurs publics et privés dans le choix et l’adoption des technologies les plus pertinentes selon leurs besoins, en veillant à concilier performance, souveraineté, maîtrise des usages et budget.