Vous avez entendu ces termes liés à l'IA et vous avez fait semblant de comprendre ; remédions à ça

L’innovation IA ne faiblit pas, comme en témoigne cette nouvelle annonce.

Vous avez entendu ces termes liés à l’IA et vous avez fait semblant de comprendre ; remédions à ça | TechCrunch

L’intelligence artificielle est en train de transformer le monde, tout en inventant un tout nouveau langage pour décrire comment elle s’y prend. Il suffit de passer cinq minutes à se documenter sur l’IA pour tomber sur des termes tels que LLM, RAG, RLHF et une douzaine d’autres qui peuvent déstabiliser même les plus brillants esprits du monde technologique. Ce glossaire est notre tentative pour y remédier. Nous le mettons régulièrement à jour au fur et à mesure que le domaine évolue ; considérez-le donc comme un document évolutif, à l’image des systèmes d’IA qu’il décrit.

L’intelligence artificielle générale, ou IAG, est un terme assez vague. Mais il désigne généralement une IA plus performante que l’être humain moyen dans de nombreuses tâches, voire la plupart d’entre elles. Sam Altman, PDG d’OpenAI, a un jour décrit l’AGI comme « l’équivalent d’un humain moyen que l’on pourrait embaucher comme collègue ». De son côté, la charte d’OpenAI définit l’AGI comme « des systèmes hautement autonomes qui surpassent les humains dans la plupart des tâches à forte valeur économique ». La conception de Google DeepMind diffère légèrement de ces deux définitions ; le laboratoire considère l’AGI comme « une IA au moins aussi performante que les humains dans la plupart des tâches cognitives ». Vous êtes perdu ? Pas d’inquiétude : c’est aussi le cas des experts à la pointe de la recherche en IA.

Mais il désigne généralement une IA plus performante que l’être humain moyen dans de nombreuses tâches, voire la plupart d’entre elles.

Un agent IA désigne un outil qui utilise les technologies d’IA pour effectuer une série de tâches à votre place — allant bien au-delà de ce qu’un simple chatbot IA pourrait faire — telles que la gestion des notes de frais, la réservation de billets ou d’une table au restaurant, voire l’écriture et la maintenance de code. Cependant, comme nous l’avons déjà expliqué, ce domaine émergent comporte de nombreux aspects en constante évolution, de sorte que le terme « agent IA » peut revêtir des significations différentes selon les personnes. Les infrastructures sont également en cours de développement afin de permettre la mise en œuvre des fonctionnalités prévues. Toutefois, le concept de base repose sur un système autonome capable de s’appuyer sur plusieurs systèmes d’IA pour mener à bien des tâches comportant plusieurs étapes.

Considérez les points de terminaison API comme des « boutons » situés à l’arrière d’un logiciel, sur lesquels d’autres programmes peuvent appuyer pour lui faire effectuer des tâches. Les développeurs utilisent ces interfaces pour créer des intégrations — par exemple, pour permettre à une application d’extraire des informations d’une autre, ou pour permettre à un agent IA de contrôler directement des services tiers sans qu’un humain ait à actionner manuellement chaque interface. La plupart des appareils domotiques et des plateformes connectées disposent de ces boutons cachés, même si les utilisateurs lambda ne les voient jamais et n’y ont jamais recours. À mesure que les agents IA gagnent en puissance, ils sont de plus en plus capables de repérer et d’utiliser ces points de terminaison de manière autonome, ouvrant ainsi de puissantes — et parfois inattendues — possibilités en matière d’automatisation.

À noter également, face à une question simple, le cerveau humain peut y répondre sans même y réfléchir à deux fois — par exemple : « Quel animal est le plus grand, la girafe ou le chat ? » Mais dans bien des cas, il faut souvent un stylo et du papier pour trouver la bonne réponse, car il y a des étapes intermédiaires. Par exemple, si un agriculteur possède des poulets et des vaches, et qu’au total ils ont 40 têtes et 120 pattes, il vous faudra peut-être écrire une petite équation pour trouver la réponse (20 poulets et 20 vaches).

Dans le domaine de l’IA, le raisonnement par chaîne de pensée appliqué aux grands modèles linguistiques consiste à décomposer un problème en étapes intermédiaires plus petites afin d’améliorer la qualité du résultat final. L’obtention d’une réponse prend généralement plus de temps, toutefois celle-ci a plus de chances d’être correcte, en particulier dans le domaine de la logique ou du codage. Les modèles de raisonnement sont développés à partir de grands modèles linguistiques traditionnels et optimisés pour le raisonnement par chaîne de pensée grâce à l’apprentissage par renforcement.

Il s’agit d’un concept plus spécifique que celui d’« agent IA », qui désigne un programme capable d’agir de manière autonome, étape par étape, pour atteindre un objectif. Un agent de programmation est une version spécialisée appliquée au développement logiciel. Plutôt que de se contenter de proposer du code qu’un humain devra relire et copier-coller, un agent de programmation est capable d’écrire, de tester et de déboguer du code de manière autonome, en se chargeant de ce type de tâches itératives et d’essais-erreurs qui occupent généralement la journée d’un développeur. Ces agents peuvent intervenir sur l’ensemble d’un code source, détecter les bogues, exécuter des tests et déployer des correctifs avec un minimum d’intervention humaine. C’est un peu comme si l’on embauchait un stagiaire ultra-rapide qui ne dort jamais et ne se laisse jamais distraire — même si, comme pour tout stagiaire, un humain doit tout de même vérifier le travail effectué.

Bien que ce terme revête plusieurs sens, le terme « calcul » désigne généralement la puissance de calcul indispensable au fonctionnement des modèles d’IA. Ce type de traitement est le moteur du secteur de l’IA, lui permettant de former et de déployer ses puissants modèles. Ce terme désigne souvent, de manière abrégée, les types de matériel qui fournissent la puissance de calcul — notamment les GPU, les CPU, les TPU et d’autres formes d’infrastructure qui constituent le fondement de l’industrie moderne de l’IA.

Un dossier qu’il faudra continuer à observer dans les mois à venir.

Pour aller plus loin :

Article original publié par TechCrunch AI : TechCrunch AI