« Les intelligences artificielles n’oublient jamais rien… sauf, bien sûr, de vous expliquer leur jargon ! » Voilà une citation qui résume à merveille la jungle linguistique qu’est devenue l’intelligence artificielle. Alors, prêts à vous frayer un chemin entre LLMs, RAG, RLHF et compagnie ? Pas de panique, armons-nous d’humour et de bon sens pour démêler ce petit dictionnaire du futur — ou de la confusion, c’est selon.
Commençons par l’AGI, cet animal mythique du bestiaire IA. Demandez à 10 experts ce qu’est une intelligence artificielle générale, et obtenez… 10 réponses différentes. Sam Altman imagine un collègue robot efficace (et qui ne réclame jamais de vacances), tandis que DeepMind préfère parler d’un cerveau de silicium aussi doué qu’un humain moyen pour tout ce qui est compliqué. Bref, plus mousse au cerveau que boule de cristal si vous tentez d’être précis.
Puis surgit le concept d’« agent IA », qui ne porte ni cravate ni lunettes noires : c’est surtout un assistant virtuel qui sait faire bien mieux que vous oublier de réserver au restaurant. Mais, attention, les agents IA sont aussi nombreux et variés que les grains de riz d’un poké bowl branché. Entre les boutons secrets (API endpoints), chaînes de raisonnement et agents spécialisés pour écrire du code plus vite que leur ombre, il y a matière à perdre son latin… et peut-être même sa connexion internet.
Une IA, c’est parfois comme un stagiaire génial : rapide, brillant… mais il faut relire son travail sous peine de surprises.
Impossible d’évoquer l’IA sans parler de ses muscles : le fameux « compute ». En gros, sans puissance de calcul, pas d’IA qui tienne ! La vie d’un modèle d’IA, c’est d’abord ingurgiter des montagnes de données à l’aide de superprocesseurs, puis d’apprendre à marcher (ou halluciner) à force de tâtonnements dignes de votre chaton découvrant le carrelage. Et tant qu’on y est, saviez-vous que les réseaux de neurones sont inspirés de notre cerveau — mais sans la migraine ? Merci aux gamers d’avoir involontairement accéléré la science en réclamant toujours plus de GPU pour dézinguer des aliens pixellisés.
Il existe aussi de subtiles techniques pour donner du peps à l’IA sans exploser le compteur d’électricité. Parmi elles, la « distillation » consiste à faire bosser un élève modèle sur les brouillons d’un prof d’IA, et le « fine-tuning » à spécialiser ces cerveaux artificiels pour des tâches ultra-pointues, genre reconnaître un chat sur un selfie, ou optimiser le classement des emails de vos fans (ou haters, question de succès).
Bien sûr, tout n’est pas rose. Les IA ont beau être « deep learning », elles pratiquent parfois l’art de la « hallucination », c’est-à-dire affirmer avec aplomb que Napoléon jouait de la guitare électrique. C’est pourquoi on mise de plus en plus sur des modèles taillés sur mesure, et sur le « reinforcement learning », soit un dressage par la récompense : plus efficace que les croquettes, mais nettement moins mignon à regarder.
Derrière ce cirque algorithmique, se cachent d’autres notions savoureuses comme le « token » (un morceau de phrase digéré par l’IA), un système de « cache mémoire » pour éviter de refaire sans cesse les mêmes calculs, ou la triste « RAMageddon », conséquence de l’appétit vorace de l’IA pour la mémoire vive, laissant gamers et geeks du dimanche face à des prix qui donnent envie de retourner au Minitel.
Alors, la prochaine fois que quelqu’un vous glisse dans une conversation “tu ne sais pas ce qu’est un LLM ?”, hochez la tête et répondez-lui : « Oui, bien sûr… mais pour en parler, il me faut un bon cache-cerveau ! » L’intelligence, c’est surtout de savoir rigoler de la complexité artificielle.
Source : Techcrunch
