Intelligence

Artificielle

Dr. Ilham KADI 2023/2024

Qu’est ce qu’être intelligent?
1 Apprendre : Elaborer un système de
connaissance
Raisonner, déduire, anticiper: à partir du
2 système de connaissance et de l’expérience

3 Posséder une histoire

4 Posséder une conscience

5 Posséder des sentiments

2
Intelligence?
▸ Capacité d’adaptation.
▸ Capacité de changement de conduite dans
l’environnement actuel.
▸ Capacité d’assimiler des connaissances et de les
acquérir.
▸ Capacité de comprendre les relations.
▸ Capacité d’évaluation et de jugement.
▸ Capacité de penser.

3
L’intelligence artificielle, c’est quoi ?

L'intelligence artificielle (IA) est un domaine qui permet de créer

des machines capables d'effectuer des tâches qui nécessitent
habituellement l'intelligence humaine.

Objectif: simuler l'intelligence humaine pour permettre aux

machines d'agir de manière autonome et intelligente.

4
L’intelligence artificielle, c’est quoi ?
▸ Les machines utilisant l’IA doivent être capable de:
▹ apprendre,
▹ raisonner, Décision

▹ résoudre des problèmes,

Analyse Action
▹ comprendre le langage naturel,
▹ reconnaître des formes et des objets,
▹ ou encore prendre des décisions.
Apprentissage

5
 Historique
ANNÉE ANNÉES ANNÉES ANNÉES ANNÉES
50’ – 70’ 80' 90' 2010' 2020'

Apparition des Emergence des Développement des Développement du Année de l'IA :

premières théories réseaux de systèmes experts Big 6
Déploiement à grande
et neurones capables de Data et de la échelle auprès du grand
début des premiers et de reproduire puissance public avec des outils
le fonctionnement comme ChatGPT et
développements l'apprentissage de calcul des
logique de
automatique. ordinateurs Midjourney
spécialistes
Quelles principales disciplines
englobe-t-elle?

TRAITEMENT APPRENTISS
APPRENTISS
VISION PAR DU AGE
ROBOTIQUE AGE
ORDINATEUR LANGAGE AUTOMATIQ
PROFOND
NATUREL UE

7
LA VISION PAR ORDINATEUR
▸ C’est un domaine qui se concentre sur la compréhension et
l'interprétation des images et des vidéos par les machines.

▸ Objectif: permettre aux ordinateurs de traiter, analyser et

comprendre les images de la même manière que la vision
humaine le fait.

▸ Utilisation: la sécurité, la navigation des véhicules

autonomes, la reconnaissance faciale, la surveillance, la
santé, les jeux vidéo ...

8
TRAITEMENT DU LANGAGE NATUREL
▸ Le traitement du langage naturel (TAL) est un domaine
qui se concentre sur l'interaction entre les ordinateurs
et le langage humain.

▸ Objectif: permettre aux machines de comprendre,

interpréter, et répondre au texte ou à la parole
humaine de manière naturelle et utile.

▸ Utilisation: la recherche d'informations, les interfaces

utilisateur, l'analyse de données, l'éducation, le service
Client…

9
LA ROBOTIQUE
▸ La robotique est un domaine qui se concentre sur la
conception, la construction, l'opération et l'utilisation
de robots.

▸ Ces robots peuvent être utilisés dans une multitude de

situations et pour diverses applications.

▸ Utilisation: La robotique joue un rôle crucial dans de

nombreux secteurs, notamment l'industrie, la santé, le
service, la recherche scientifique, l'éducation, et la
défense.

10
APPRENTISSAGE AUTOMATIQUE (ML)
▸ L'apprentissage automatique est une branche qui se
concentre sur le développement de systèmes
capables d'apprendre et de s'améliorer à partir de
l'expérience sans être explicitement programmés
comme pour le cas d’un système traditionnel.

▸ Utilisation: L'apprentissage automatique a

révolutionné la manière dont les données sont
utilisées pour prendre des décisions et a des
applications dans presque tous les secteurs de
l'économie et de la recherche scientifique.

11
APPRENTISSAGE PROFOND
▸ L'apprentissage profond est un sous-ensemble avancé
de l'apprentissage automatique qui utilise des
architectures complexes de réseaux de neurones.

▸ Objectif: traiter des données beaucoup plus

volumineuses et complexes qu’un programme
d’apprentissage automatique traditionnel.

▸ Son impact continue de croître à mesure que la

technologie évolue.

12
Intelligence
artificielle

13
CATÉGORIES DE L’IA

IA Forte
IA Faible
Capacités
Capacités semblables
limitées à ou
une supérieures à
seule tâche l'être humain

14
CATÉGORIES DE L’IA
▸ À l'heure actuelle, seules les IA dites 'faibles' sont une réalité.

▸ Ces systèmes sont spécialisés dans des tâches spécifiques

et ne possèdent pas de conscience ou de compréhension
générale.

▸ En revanche, l’IA forte, qui équivaudrait à une

compréhension et à une conscience humaine, reste pour
l'instant au stade théorique.

15
FONCTIONNEMENT DE L’IA

▸ Actuellement, le type d'intelligence artificielle le plus en vogue est l'IA

générative.

▸ Cette forme d'IA se compose de modèles mathématiques développés sur

la base de l'apprentissage automatique, souvent en utilisant des
techniques d'apprentissage profond.

▸ Ces modèles sont capables de créer du contenu – qu'il s'agisse de textes,

d'images, de fichiers audio, de vidéos ou de code – en s'inspirant de
contenus existants de même nature.

16
FONCTIONNEMENT DE L’IA
▸ La formation de ces modèles s’effectue sur la base de 3 éléments clés :
▹ Des données
▹ Un modèle mathématique contenant des paramètres de calculs
initialisés
▹ Un algorithme d’apprentissage qui modifie les paramètres du
modèle pour l’entrainer dans sa tâche.

17
 Les données
1 sont la
matière
première
EN QUOI LES DONNÉES SONT-ELLES
IMPORTANTES ?
▸ Dans le domaine de l'intelligence artificielle (IA), l'importance des
données est similaires au rôle du carburant pour les moteurs,
▸ les données alimentent et orientent le fonctionnement de l'IA.
▸ Ces données sont spécifiquement choisies en fonction de l'application
visée par le système d'IA.
▸ La collecte, le traitement et l'analyse de ces données sont des
processus clés dans l'élaboration de systèmes d'IA à la fois performants
et fiables.

19
 Le modèle
2 mathématique
est l’élément
central
QU’EST-CE QU’UN MODÈLE
MATHÉMATIQUE ?
▸ Définition : une structure ou une représentation mathématique
spécialement conçue pour l'analyse de problèmes ou l'exécution de
tâches déterminées.
▸ Ces modèles forment le noyau central des systèmes d’IA, assurant une
variété de fonctions cruciales.
▸ Exemple : ChatGPT est un exemple de modèle mathématique. Ce
dernier a été ajusté pour imiter fidèlement le langage humain,
s'appuyant sur un vaste corpus de textes issus d'Internet pour son
apprentissage.

21
 Les
3 algorithmes
sont le
moteur
UN ALGORITHME, C’EST QUOI ?
▸ Les modèles d’IA apprennent et s'améliorent grâce à des règles
spéciales appelées algorithmes d'apprentissage.
▸ Ces règles aident l'IA à comprendre et à utiliser les informations.
▸ Chaque type de règle utilise des méthodes mathématiques pour aider
l'IA à mieux fonctionner selon son objectif.
▸ Le choix et l'efficacité de ces règles sont très importants car ils
déterminent à quel point l'IA est précise et capable de s'adapter à de
nouvelles informations, ce qui affecte directement sa performance
globale.

23
UN ALGORITHME, C’EST QUOI ?
Il existe différents types de ces règles:
1. Apprentissage supervisé : prend un ensemble connu de données
d’entrée et des réponses connues au données (sortie), et forme un
modèle pour générer des prévisions raisonnables pour la réponse aux
nouvelle données d’entrée.
2. Apprentissage non supervisé: utile lorsque vous souhaitez explorer vos
données mais que vous n’avez pas encore un objectif précis ou que
vous ne savez pas quelles informations contiennent les données

24
UN ALGORITHME, C’EST QUOI ?
Apprentissage supervisé:

Données d’entrée
Modèle Prédiction

C’est une Pomme

Etiquette
Orange
Banane
Pomme
25
26
UN ALGORITHME, C’EST QUOI ?
Apprentissage non supervisé :

27
Intelligence artificielle générative
▸ Définition: un sous domaine de l’apprentissage profond qui crée
de nouveaux contenus à base de ce qu'elle a appris du contenu
existant.
▸ L'IA générative utilise des réseaux neuronaux artificiels pour
traiter des vastes données non structurés.
▸ Dans ce cas, Le processus d'apprentissage de l’IA Générative
permet la création d'un modèle statistique en tentant
d'apprendre des motifs structurés à partir d’un contenu non
structuré.

28
Intelligence artificielle générative

29
Intelligence artificielle générative
▸ L'IA générative permet de créer des ponts entre les différents
domaines tels que : le traitement du langage naturel ou le domaine
de l'imagerie.
▸ On part d'un texte pour faire une vidéo, d'une vidéo pour faire un
podcast ou bien faire des slides à partir d’un fichier audio.
▹ Il ne s'agit pas d'IA générative lorsque la sortie est un nombre,
une probabilité ou une classe, par exemple : spam ou non-
spam, ….
▹ Il s'agit d’IA générative lorsque le résultat est du langage
naturel, de la parole ou, une image par exemple.
30
Types de modèles générative
Modèles d’images génératifs Modèles de langues génératifs

• Les modèles d’images • Ces modèles apprennent à

génératifs produisent de reconnaître les schémas
nouvelles images. linguistiques grâce à des
• Ils peuvent aussi générer la données d'entraînement.
légende de l’image, • Puis, à partir d'un texte, ils
• Effectuer une recherche par prédisent le texte qui va
image comme étant le cas de suivre comme étant le cas de
CLIP. GPT ou générer des images et
• Générer la complétion d’une vidéos comme par exemple
image abimée comme le cas DALL-E
de CoModGAN.

31
Modèles d’images génératifs

32
Modèles de langues génératifs

33
Modèles de langues génératifs
▸ Les modèles de langage tels que ChatGPT, sont
des systèmes informatiques organisés selon un
schéma analogue aux réseaux de neurones
biologiques mais en utilisant des formules
mathématiques liées entre elles.
▸ Les systèmes sont entrainés sur de vastes
volumes de textes pour analyser les relations
entre les mots (ou tokens) dans le langage
humain et reproduire ces relations selon des
liens de probabilités

34
35
 Entrée de données (Input) Modèle de langage Sortie de données

La liste des probabilités en

J’aime les …
sortie est longue et non ciblée.
Ce peut être tout et n'importe
quoi : animaux, personnes…

Entrée de données (Input) Modèle de langage Sortie de données

La liste des probabilités est plus
J’aime les animaux tels que ... importante sur certaines
catégories de mots ayant un
vecteur proche du mot "animaux"
: chat, ours, chien, sauvage, etc.

Entrée de données (Input) Modèle de langage Sortie de données

La liste des probabilités est plus

J’aime les animaux tels que importante sur certaines
les félins, en particulier ... catégories de mots ayant un
vecteur proche du mot "félins" :
chat, lion, tigre, lynx, etc 36