Doit-on avoir peur de l’intelligence artificielle (IA) générative ? L’IA devient-elle plus intelligente que l’intelligence humaine ? L’IA générative va-t-elle remplacer nos métiers ? Nombreuses sont les questions soulevées par les entreprises et leurs collaborateurs depuis la publication de ChatGPT ou de Dall-E, des modèles d’IA génératives ouverts au grand public.
L’IA générative est une catégorie d’intelligence artificielle qui se concentre sur la création de modèles et d’algorithmes capables de générer des données, des images, des textes ou des sons de manière autonome. Utilisant des réseaux de neurones artificiels et des techniques d’apprentissage profond à partir de données existantes, elle génère, à son tour, de nouvelles données ; à l’instar de l’intelligence humaine.
Entre évolution du numérique et révolution technique, elle est au cœur des débats depuis près d’un an. Aider les individus dans leur quotidien, appuyer les collaborateurs dans leurs tâches, gagner en productivité et renforcer les stratégies d’entreprises, ces nouvelles technologies assurent un avenir prometteur dans le monde du travail et une modification de nos méthodes et approches de ce dernier.
L’intelligence artificielle générative, en quoi ça consiste ?
Dans un premier temps, le modèle est entrainé à partir d’un ensemble de données plus ou moins vaste, disponibles en opensource ou non. Cet entrainement permet de comprendre les structures et les schémas des données pour reconnaitre les similarités et créer ensuite de nouvelles données. Vient ensuite le choix de l’architecture du modèle. Selon qu’il concerne plutôt la génération d’image ou de texte, on aura tendance à utiliser respectivement des « Generative Adversarial Networks » ou des « Réseaux de Neurones Récurrents ». Une fois le modèle formé, il utilisera des « amorces » basées sur des mots ou des phrases lui permettant d’aller puiser dans ses connaissances pour générer une nouvelle donnée la plus cohérente possible. Dès lors, plus l’IA est entrainée plus elle sera capable de créer du contenu approprié. En fonction de la catégorie de données utilisées, le modèle pourra recevoir des ajustements en cours d’utilisation ou lors de la sortie de nouvelles générations mises à jour.
Au fil du temps, on remarque un développement poussé des IA génératives et une omniprésence dans différents domaines. Elles peuvent être utilisées pour générer du texte, qu’il s’agisse d’un simple article, d’une conversation ou encore d’une ligne de code informatique ; pour générer des images reprenant des visages d’humain, des montages, d’œuvres d’art, de personnages fictifs ou un design de produits ; pour générer des vidéos et des effets spéciaux ; des présentations comme PowerPoint ; des tableurs comme Excel ou encore des musiques de différents styles.
De par les capacités citées, les IA génératives sont souvent utilisées pour la création de contenus automatisés, la création artistique, l’assistance à la rédaction ou le prototypage de design. Bien qu’il faille adapter son utilisation, nombreux sont ceux qui les intègrent dans leurs formations professionnelles pour la simulation de scénarios contextualisés et d’études de cas ; comme pour la formation de pilotes ou de médecins.
Quels impacts dans notre organisation du travail ?
En automatisant des tâches simples, répétitives ou plus complexes, les IA génératives nous permettront d’économiser du temps de travail sur certaines tâches fastidieuses afin de le replacer sur des besoins nécessaires et nous faire gagner en productivité. Ainsi, les IA génératives comme ChatGPT, Midjourney ou DALL-E offrent l’automatisation de la création de contenu, une aide dans la créativité, une réduction des erreurs et la création d’un contenu plus personnalisé.
Comment Astek s’intègre dans la révolution des IA génératives ?
Quelles limites existent au développement des IA génératives ?
Pour parler de limites, il nous faut d’abord séparer IA générative de texte et IA générative d’image ou de son.
Hallucinations
Concernant la génération de texte, nous parlons ici des LLMs ou Large Language Models. Ceux-ci sont tous basés sur le même principe de complétion de la suite d’une phrase avec les éléments les plus probables vis-à-vis de ses données d’apprentissage. Ce comportement qui fait la force de ces modèles, en est également la principale limite, c’est ce qu’on appelle les hallucinations du modèle. En effet lorsqu’on lui pose une question concernant un évènement hors du périmètre de ses données d’apprentissage, aussi large soit-il, il va alors produire un résultat qui est tout à fait plausible mais totalement faux. Il peut d’ailleurs proposer, si on lui pose 2 fois la même question, 2 résultats différents.
Absence de sources
Les IA génératives tel qu’elles sont construites, sont dans l’incapacité de rattacher les résultats qu’elles vont générer à leurs données d’apprentissage. Cela pose clairement un problème de transparence et de fiabilité des réponses.
Questions des droits d’auteur
Lorsqu’une IA va générer des images ou de la musique par exemple, elle va se baser sur des données d’apprentissage, constituées d’un corpus rassemblant des œuvres de nombreux auteurs ou artistes. L’IA par elle-même ne va pas utiliser directement les œuvres de ces artistes, mais va « copier » leur style, en générant, comme un LLM, ce qui est le plus probable vis-à-vis de la question. Le souci est de déterminer dans quelles limites, les droits d’auteur s’appliquent lorsque l’on parle de style. En effet un humain faisant cela serait certainement taxé de plagiat, qu’en est-il pour une IA ?