Université Bretagne Sud
Il s’agit d’un type d’intelligence artificielle qui est capable de créer du contenu nouveau et original (texte, images, musique, vidéos etc). L’IA est entraînée à partir de grandes quantités de données existantes, elle peut identifier des modèles et faire des prédictions sur la base de ces données en utilisant des réseaux de neurones simulant le fonctionnement du cerveau humain (deep learning).
Le moteur de recherche (Google, Bing, DuckDuckGo, Qwant …) parcourt et indexe le contenu disponible sur Internet. Lors d’une recherche d’utilisateur, celui-ci utilise des algorithmes pour trouver et présenter les ressources les plus pertinentes en réponse à la requête.
L’IA générative (ChatGPT, Bard, Bing – Copilot, autres modèles) utilise des modèles d’apprentissages profond pour générer de manière autonome de nouveaux contenus. Ces modèles sont entraînés sur de très grandes quantités de données et peuvent créer texte, images, vidéos, musiques, etc. Il est possible de « converser » avec l’IA générative à partir d’instructions appelées « prompts« , celle-ci adaptera son contenu au fur et à mesure des échanges. L’outil « Chatbot Arena » de LMSYS Org permet de comparer les réponses à un prompt sur différents modèles simultanément.
Certaines plateformes combinent les résultats de moteur de recherche et d’agent conversationnel comme Perplexity.
Pour une IA générative, un prompt est une instruction envoyée en langage naturel à un algorithme d’IA pour générer du contenu (texte, images etc.). À l’image d’une recette de cuisine, un ingrédient en trop ou manquant peut complètement changer la pertinence des réponses générées. Il conviendra dans tous les cas de bien analyser et vérifier la véracité des informations générées.
Il existe plusieurs bonnes pratiques pour optimiser ses prompts (attention : chaque outil aura également ses spécificités et répondra plus ou moins bien à une même instruction). L’outil « Chatbot Arena » de LMSYS Org permet de comparer les réponses à un prompt sur différents modèles simultanément.
Une fois la réponse générée si celle-ci n’est pas totalement satisfaisante ou doit être affinée, il sera possible d’interagir / de collaborer avec le modèle pour ajuster / corriger les éléments.
Pour aller plus loin
Quelques exemples d’utilisation des IA génératives comme assistant pour ses tâches quotidiennes :
Pour citer une source, une proposition de « ligne directrice » sur la norme APA (la plus courante) est à retrouver depuis ce lien : https://apastyle.apa.org/blog/how-to-cite-chatgpt (repris en VF : https://www.umoncton.ca/integrite/comment_citer_chatgpt). Comme il est impossible de reproduire le résultat d’un prompt (personnalisé selon l’historique), le principe proposé est de citer le prompt en lui même, les réponses partielles entre guillemets et l’outil (et éventuellement une transcription de la « conversation » intégrale en annexe), exemple :
Même principe, pour d’autres normes : Chicago et MLA.
Certains outils proposent aussi leurs façons de citer la provenance du contenu, exemple DALL·E pour les images (citer mais aussi créditer ici).
Actuellement, le qualité des détecteurs ne permet pas avec certitude de confirmer l’utilisation d’une IA dans la conception de contenus. Plusieurs détecteurs sont disponibles mais le défi est complexe et les résultats à manier avec précautions. En cas de suspicion, il peut être possible d’effectuer un oral complémentaire.
Exemple de détecteurs
Pour aller plus loin