Une devinettePour commencerCas d'ouverture
Réfléchis une secondeEssaie de répondrePosez votre intuition
Comment une machine peut-elle reconnaître un chat sur une photo qu'elle n'a jamais vue ?
Pense à ta réponse, même si tu n'es pas sûr. La suite te dira si tu avais vu juste.
Ton application vidéo préférée te propose pile ce qui te plaît. Qui, ou quoi, a deviné ça ?
Prends dix secondes pour répondre dans ta tête. Tu compareras avec la suite.
Un collègue affirme que « l'IA comprend nos documents ». Que répondriez-vous, et sur quoi vous appuieriez-vous ?
Formulez d'abord votre réponse, même approximative : la comparer à la suite fixe bien mieux les acquis.
Regarde ça bougerVois-le en actionLe concept en mouvement
Regarde l'IA réfléchir, étape par étape
Une vraie IA ne fait pas de magie : elle devine. Suis une phrase qui se transforme à l'intérieur de la machine, du premier mot jusqu'à la réponse choisie. Change le nombre d'exemples vus pour voir comment l'apprentissage la rend plus sûre.
Lechatdortsurle?
On va deviner le mot qui manque, comme un jeu de devinettes.
L'IA, c'est comme un élève super champion au jeu des devinettes, pas un cerveau magique.
L'IA, c'est un joueur de devinettes ultra-rapide parce qu'il s'est entraîné sur un album géant d'exemples.
L'IA, c'est un joueur de devinettes devenu très rapide parce qu'il s'est entraîné sur un immense album d'exemples.
Comment ça marcheComment ça marcheLa mécanique
Une étape à la foisLe mécanisme, étape par étapeLe mécanisme, étape par étape
Une machine super forte aux devinettes
Elle regarde des milliers d'exemples avant de répondre, comme toi qui apprends à reconnaître les chats et les chiens.
Elle repère ce qui revient souvent dans ces exemples.
Quand tu lui poses une question, elle devine la réponse qui ressemble le plus à ce qu'elle a déjà vu.
Plus elle a vu d'exemples, mieux elle devine, mais elle peut quand même se tromper.
Elle apprend des habitudes, puis devine la suite
Tes messages, tes photos ou tes sons sont d'abord transformés en nombres que la machine peut calculer.
Le modèle compare ces nombres à tout ce qu'il a vu pendant son apprentissage pour trouver la réponse la plus probable.
Il te renvoie une sortie : une réponse, une suggestion, une image ou un classement.
C'est l'idée du clavier qui devine le prochain mot quand tu tapes, mais en beaucoup plus puissant.
Apprendre des régularités, puis produire la sortie la plus plausible
L'entrée (texte, image, son, document) est d'abord encodée en nombres avant tout calcul.
Le modèle s'appuie sur des paramètres appris pendant l'entraînement pour estimer la sortie la plus probable.
Il produit une sortie : réponse, résumé, image, code ou classement, en fonction de ces régularités apprises.
La fluidité d'une réponse n'est pas une preuve d'exactitude : le système peut être convaincant et faux.
Des exemples pour toiDes exemples concretsExemples concrets
Tu l'as déjà croiséOù tu le retrouvesOù vous le retrouvez en situation
Un exemple pour toi
Tu montres mille dessins de chats à la machine. Après, tu lui montres un nouveau chat qu'elle n'a jamais vu. Elle dit « c'est un chat ! » parce qu'il ressemble aux autres. Comme toi au jeu des devinettes.
C'est comme au jeu des devinettes à la récré : à force d'y jouer, tu devines de mieux en mieux.
C'est comme reconnaître ton dessin animé préféré juste avec la petite musique du début, parce que tu l'as entendue plein de fois.
Cas concret
Quand TikTok ou YouTube t'enchaîne « la vidéo pile pour toi », une IA a repéré ce que tu regardes d'habitude et a deviné ce qui allait t'accrocher. Elle ne te connaît pas vraiment : elle calcule ce qui te retient le plus longtemps.
Quand une appli te propose la prochaine vidéo « pile pour toi », une IA a repéré ce que tu regardes d'habitude et a prédit ce qui te plairait.
Quand ton clavier de smartphone devine le mot suivant pendant que tu écris à un pote, c'est exactement le même mécanisme de prédiction.
Quand un filtre reconnaît ton visage pour poser des oreilles de chat, l'IA compare ton image à des milliers d'autres déjà vues.
Cas concret
Un assistant qui vous rédige un brouillon d'e-mail professionnel ne « connaît » pas votre dossier ni votre interlocuteur. Il génère le texte le plus plausible à partir de votre consigne. D'où l'intérêt de toujours relire avant d'envoyer.
Un filtre anti-spam classe un message en s'appuyant sur des milliers d'e-mails déjà vus comme légitimes ou indésirables.
Une suggestion de produit en ligne prédit ce qui vous intéresse en comparant votre comportement à celui d'autres acheteurs.
Attention aux piègesÀ éviterÀ éviter
Ce qu'on croit, et ce qui est vraiIdées reçues et pièges à éviterIdées reçues et risques à anticiper
-
On croit que
On croit que la machine pense comme nous.
En vrai
En vrai non : elle ne ressent rien, elle devine juste ce qui ressemble le plus.
-
On croit que
On croit qu'elle a toujours raison.
En vrai
En vrai elle peut se tromper, comme toi quand tu devines mal au jeu des devinettes.
-
On croit que
On croit que c'est de la magie.
En vrai
En vrai c'est juste une machine qui s'entraîne très fort avec plein d'exemples.
Les pièges à retenir
- Elle ne comprend pas la vraie vie comme toi, elle repère juste ce qui revient souvent.
- Elle peut bien deviner une fois et se tromper juste après.
- Elle peut dire une chose qui a l'air vraie, mais qui est fausse.
-
On croit que
« L'IA réfléchit comme un humain. »
En réalité
Non. Elle ne réfléchit pas : elle compare des nombres et prédit la sortie la plus probable à partir d'exemples.
-
On croit que
« Si la réponse est bien écrite, c'est qu'elle est juste. »
En réalité
Faux. La fluidité n'est pas une preuve d'exactitude : une IA peut être convaincante et complètement à côté.
-
On croit que
« L'IA ne se trompe jamais. »
En réalité
Si. Elle peut être brillante sur un exemple et se planter sur le suivant.
Les pièges à retenir
- Elle ne comprend pas le monde comme un humain, elle repère seulement des motifs.
- Elle peut donner une réponse très convaincante sans qu'elle soit vraie.
- Elle peut réussir un cas et rater le suivant, même très proche.
-
Idée reçue
« L'IA, c'est un cerveau humain dans un ordinateur. »
Réalité
Non. C'est une machine statistique : elle calcule des probabilités à partir d'exemples, sans conscience ni vécu.
-
Idée reçue
« Si une IA répond avec assurance, c'est qu'elle a raison. »
Réalité
Faux. La fluidité n'est pas une preuve d'exactitude : un système peut être convaincant et se tromper.
-
Idée reçue
« Une IA va chercher la bonne réponse dans une base, comme dans une bibliothèque. »
Réalité
Pas exactement. La connaissance est distribuée dans des milliards de paramètres ; elle reconstruit une réponse, elle ne lit pas une fiche.
Points de vigilance
- Une IA ne comprend pas le monde comme un humain : elle repère des régularités.
- Elle peut être brillante sur un exemple et se tromper sur le suivant.
- Elle peut donner une réponse très convaincante sans qu'elle soit vraie.
Ce que je retiensÀ retenirÀ retenir
L'essentiel, en quatre idéesL'essentiel, en quatre idéesL'essentiel, en quatre points
La phrase à garder
La machine ne réfléchit pas comme toi : elle devine ce qui ressemble le plus à ce qu'elle a déjà vu.
- Elle regarde plein d'exemples Avant de répondre, la machine a vu des milliers d'images et de mots.
- Elle repère ce qui revient Elle remarque ce qui va souvent ensemble, comme les chats qui se ressemblent.
- Elle devine Elle choisit la réponse qui ressemble le plus à ce qu'elle connaît.
- Elle peut se tromper Même si elle devine bien, elle se trompe parfois.
La phrase à garder
Une IA ne pense pas comme toi : elle apprend des motifs, puis prédit ce qui est le plus probable.
- Apprendre puis prédire L'IA voit énormément d'exemples, puis devine la suite la plus probable.
- Tout devient des nombres Tes textes, photos et sons sont transformés en nombres avant le moindre calcul.
- Fluide n'est pas vrai Une réponse bien tournée peut quand même être fausse : reste critique.
- Pas un cerveau humain Elle ne ressent rien et ne comprend pas comme toi, elle calcule des probabilités.
Message clé
Une IA moderne ne pense pas comme nous : elle prédit à partir d'exemples.
- Apprendre des régularités Elle extrait des motifs mathématiques d'un grand nombre d'exemples, sans rien « vivre ».
- Encodage numérique Toute entrée est transformée en nombres avant le moindre calcul.
- Sortie la plus plausible Elle ne récupère pas une fiche toute faite : elle reconstruit la réponse la plus probable.
- Plausible n'est pas vrai Une réponse convaincante peut être fausse ; sur les sujets sensibles, on vérifie.
Je m'entraîneJe valideÉvaluation
Je teste ce que j'ai comprisJe teste ce que j'ai comprisValidez vos acquis
Valider : C'est quoi l'IA ?
4 questions. Il faut 70 % de bonnes réponses pour maîtriser la fiche. Tu as le droit de te tromper et de réessayer.
Pour les curieuxPour aller plus loinPour aller plus loin
Si tu veux en savoir plusCreuser le sujetApprofondir et poursuivre
Sous le capot
Sous le capot
Avant de calculer, la machine transforme tout en nombres
Le texte n'entre pas dans le modèle comme une jolie phrase humaine. Il est découpé en fragments, converti en identifiants puis en vecteurs numériques. Pour une image, on passe aussi par une représentation mathématique. L'IA calcule sur des nombres, pas sur du sens vécu.
Mémoire du modèle
La 'connaissance' n'est pas rangée comme dans une bibliothèque
Elle est surtout distribuée dans des milliards de réglages appelés paramètres ou poids. Ces poids ont été ajustés pendant l'entraînement pour que certaines associations deviennent plus probables que d'autres. Le modèle n'ouvre pas une fiche toute prête : il reconstruit une réponse au moment où tu le sollicites.
LLM
Un grand modèle de langage répond souvent token par token
Il lit le contexte, estime quel fragment de texte a le plus de chances d'arriver ensuite, puis recommence. Répété des dizaines ou des centaines de fois, ce mécanisme produit une phrase entière, un résumé, une explication, voire du code.
Comparer les modèles
Tous les modèles ne font pas la même chose ni au même niveau
Certains sont rapides et peu coûteux, d'autres plus lents mais plus solides en raisonnement. Certains lisent aussi des images, de l'audio ou de la vidéo. D'autres ont un meilleur contexte, une meilleure sécurité, un meilleur code ou une meilleure latence. Comprendre l'IA, c'est aussi comprendre ces compromis.
Sous le capot : les briques techniques
Sous le capot
Avant de calculer, la machine transforme tout en nombres
Le texte n'entre pas dans le modèle comme une jolie phrase humaine. Il est découpé en fragments, converti en identifiants puis en vecteurs numériques. Pour une image, on passe aussi par une représentation mathématique. L'IA calcule sur des nombres, pas sur du sens vécu.
Mémoire du modèle
La 'connaissance' n'est pas rangée comme dans une bibliothèque
Elle est surtout distribuée dans des milliards de réglages appelés paramètres ou poids. Ces poids ont été ajustés pendant l'entraînement pour que certaines associations deviennent plus probables que d'autres. Le modèle n'ouvre pas une fiche toute prête : il reconstruit une réponse au moment où tu le sollicites.
LLM
Un grand modèle de langage répond souvent token par token
Il lit le contexte, estime quel fragment de texte a le plus de chances d'arriver ensuite, puis recommence. Répété des dizaines ou des centaines de fois, ce mécanisme produit une phrase entière, un résumé, une explication, voire du code.
Comparer les modèles
Tous les modèles ne font pas la même chose ni au même niveau
Certains sont rapides et peu coûteux, d'autres plus lents mais plus solides en raisonnement. Certains lisent aussi des images, de l'audio ou de la vidéo. D'autres ont un meilleur contexte, une meilleure sécurité, un meilleur code ou une meilleure latence. Comprendre l'IA, c'est aussi comprendre ces compromis.
Les questions que tu te poses peut-être
- Est-ce que l'IA est vivante ?
- Non, pas du tout. Elle ne respire pas, elle ne mange pas, elle ne dort pas. C'est une machine, comme ta tablette ou la télé. Elle fait juste de super devinettes.
- Elle est plus intelligente que moi ?
- Elle connaît beaucoup d'exemples, alors elle devine vite. Mais toi, tu ressens des choses, tu joues, tu inventes pour de vrai. Ça, elle ne sait pas le faire. Tu es très fort à ta façon !
- Est-ce qu'elle peut se tromper ?
- Oui ! Même si elle a l'air très sûre d'elle, elle dit parfois des bêtises. C'est pour ça qu'il faut toujours demander à un grand quand c'est important.
Questions fréquentes
- L'IA est-elle intelligente comme un humain ?
- Non. Elle est très forte pour repérer des motifs et prédire, mais elle ne comprend pas le monde et ne ressent rien.
- Est-ce que l'IA pense ?
- Pas au sens humain. Elle calcule la suite la plus probable à partir de ce qu'elle a appris.
- Pourquoi se trompe-t-elle parfois ?
- Parce qu'elle prédit le plausible : si l'information manque ou si ses exemples étaient biaisés, elle peut donner une réponse fausse mais bien formulée.
- Faut-il avoir peur de l'IA ?
- C'est un outil. Bien utilisée et vérifiée, elle aide beaucoup ; le bon réflexe est de garder un esprit critique.
Pour continuer
-
Lis l'histoire en BD, c'est plus rigoloCette notion existe aussi en BDCette notion existe aussi en BD IA et le gros chat - Fiche à suivre Les données, la nourriture des modèles Pour voir ce que l'IA « mange » pour apprendre.
- Fiche à suivre Comment l'IA apprend La boucle d'entraînement, expliquée simplement.
- Fiche à suivre Pourquoi l'IA se trompe Comprendre ses erreurs pour mieux s'en servir.
SourcesSourcesSources vérifiées