Les outils d'IA à connaître : le panorama par grandes familles

Les outils d’intelligence artificielle se multiplient à un rythme tel qu’une liste de noms est périmée en quelques mois. Plus utile : comprendre les grandes familles d’outils, ce que chacune permet de faire et à qui elle s’adresse. C’est aussi ce qui permet de lire un programme de formation et de savoir ce qu’on y apprendra vraiment.

Les assistants conversationnels

C’est la famille que le grand public connaît le mieux. Un assistant conversationnel repose sur un grand modèle de langage : on lui écrit une demande en langage courant, il répond par un texte. Pour comprendre ce qui se passe sous le capot, voyez notre article l’IA générative, comment ça marche.

Usages courants :

• rédiger ou reformuler un courriel, un compte rendu, une fiche produit ;
• résumer un long document ;
• traduire, corriger, changer de ton ;
• trouver des idées, structurer un plan ;
• expliquer une notion ou un extrait de code.

Leur limite principale : ils produisent un texte plausible, pas nécessairement exact. Ils peuvent « halluciner », c’est-à-dire affirmer avec assurance une information fausse ou inventer une source. Toute réponse factuelle doit donc être vérifiée.

Les générateurs d’images, de son et de vidéo

À partir d’une description écrite, ces outils produisent une image, une voix, une musique ou une courte vidéo. Ils servent à illustrer une présentation, tester des pistes graphiques ou créer des visuels pour les réseaux sociaux.

Points de vigilance : les questions de droits sur les contenus générés et sur les œuvres utilisées pour l’entraînement restent discutées ; il faut éviter de reproduire le style d’un artiste identifiable ou l’apparence d’une personne réelle ; et l’AI Act impose des obligations de transparence sur certains contenus générés artificiellement, présentées dans notre article sur le règlement européen sur l’IA.

Python et ses bibliothèques

Pour qui veut construire ses propres modèles, Python est le langage de référence. Il s’appuie sur des bibliothèques spécialisées :

• scikit-learn pour l’apprentissage automatique « classique » : régression, classification, regroupement de données ;
• PyTorch et TensorFlow pour l’apprentissage profond, c’est-à-dire les réseaux de neurones ;
• d’autres bibliothèques pour manipuler des tableaux de données et produire des graphiques.

C’est le socle des formations de data analyst, data scientist ou ingénieur machine learning.

Les notebooks Jupyter

Un notebook est un document interactif qui mêle du code, ses résultats (tableaux, graphiques) et du texte explicatif. Les notebooks Jupyter sont devenus l’outil standard pour explorer des données, tester un modèle et partager une analyse. La plupart des formations techniques les utilisent ; certaines plateformes permettent de les faire tourner directement dans le navigateur, sans rien installer.

Les plateformes no-code et low-code

Elles permettent de construire une application, d’automatiser un enchaînement de tâches ou d’entraîner un modèle simple par glisser-déposer, sans écrire de code ou presque. Elles conviennent bien aux profils métier qui veulent automatiser leurs propres processus : trier des demandes, extraire des informations de documents, générer des réponses types.

Leur limite : on dépend des fonctionnalités et des conditions de l’éditeur, et les projets complexes finissent souvent par nécessiter du code.

Les API de modèles

Une API permet à un programme d’interroger un modèle d’IA hébergé par un fournisseur : on envoie une requête, on reçoit une réponse. C’est ainsi que des entreprises intègrent un modèle de langage dans leur propre logiciel, leur site ou leur outil interne. Utiliser une API demande des bases en programmation, une attention aux coûts à l’usage et une vraie réflexion sur les données transmises.

Récapitulatif

Données personnelles et confidentielles : la règle d’or

Quel que soit l’outil, une question doit précéder toute utilisation : où vont les données que je saisis ? Selon le service et ses paramètres, elles peuvent être conservées, consultées par le fournisseur ou servir à améliorer ses modèles.

Quelques précautions simples :

• ne pas saisir de données personnelles (noms, coordonnées, informations de santé) sans base légale et sans cadre validé par son entreprise ;
• ne pas copier de documents confidentiels dans un outil grand public ;
• vérifier les paramètres de conservation et d’utilisation des données ;
• respecter la charte d’usage de son employeur lorsqu’elle existe.

La CNIL publie des recommandations sur l’IA et la protection des données personnelles, utiles aussi bien aux particuliers qu’aux entreprises.

En pratique

• Commencez par la famille d’outils qui correspond à votre métier, pas par la plus à la mode.
• Vérifiez systématiquement les sorties : faits, chiffres, sources, code.
• Protégez les données sensibles avant tout essai.
• Pour tirer le meilleur des assistants conversationnels, apprenez à formuler vos demandes : c’est l’objet de notre guide pour écrire un bon prompt.

Cet article peut contenir des liens partenaires. Ils n'influencent jamais ce que nous écrivons.