Du CM1 à l'université

Comprendrel'intelligenceartificielle

Des leçons courtes pour comprendre ChatGPT, Claude, Gemini ou Le Chat, et pour en rester maître. Chaque leçon repose sur des expériences à manipuler. Aucune formule mathématique, aucun code.

Choisis ton niveau

Aucun compte, aucun cookie, aucune donnée collectée.

kAIros campus, par Glokus. Aucune donnée personnelle n'est collectée : pas de compte, pas de traceur, pas de requête vers un service tiers. Le niveau choisi figure seulement dans l'adresse de la page.
Les valeurs marquées « illustratives » sont simplifiées. Le principe décrit est exact.

Est-ce de l'IA ?

Pour chaque exemple, réponds oui ou non.

Le mot « IA » n'a pas de limite précise.

Quand une technique devient courante, on cesse souvent de l'appeler IA. Le tableau suivant présente les grandes familles.

La carte de l'IA

Les familles sont incluses les unes dans les autres. Clique sur un cercle.

Intelligence artificielle Machine learning Deep learning IA générative LLM

    Où ranger chaque exemple ?

    Ce cours porte sur les modèles de langage

    ChatGPT, Claude, Gemini et Le Chat sont des modèles de langage, appelés LLM. Les leçons suivantes expliquent leur fonctionnement.

    LLM

    Compléter une phrase

    Lis le début de la phrase. Dis la fin à voix haute, puis affiche-la.

    Prédire le mot suivant

    Probabilités illustratives.

    Le modèle écrit seul

    Chaque mot choisi est ajouté au texte. Le texte complet sert ensuite à prédire le mot suivant.

    le texte entrele mot choisi est ajouté
    Probabilités du mot suivant0 mot
    Clique pour ajouter un mot.
    Probabilités illustratives.

    À retenir

    Le découpage du texte

    Le modèle ne lit pas des mots entiers. Il découpe le texte en morceaux appelés tokens. Choisis une phrase.

    Découpage et numéros réels, obtenus avec le tokenizer o200k de GPT-4o. Le petit crochet représente une espace.

    Le numéro d'un token n'a pas de sens

    Deux de ces mots ont un sens proche. Leurs numéros le montrent-ils ?

    chat↓7999
    chien↓76860
    pizza↓27941

    L'espace des mots

    Chaque token reçoit des coordonnées. Les mots de sens proche ont des coordonnées proches. Clique sur un mot ou fais tourner le nuage.

    Mots les plus proches de

    …

      Autres mots à essayer

      Ces coordonnées sont apprises. Les mots qui apparaissent dans des phrases semblables finissent proches.

      Représentation simplifiée en trois dimensions. Les modèles réels en utilisent plusieurs milliers. Terme technique : embedding.

      Calculer avec le sens

      Dans cet espace, un déplacement d'un mot à un autre peut correspondre à une idée.

      roi − homme + femme ≈ reine
      Dans les modèles réels, ces relations sont approximatives.

      Les images et les sons

      Les modèles récents traitent aussi les images et la voix. Ils les découpent en morceaux, comme le texte.

      Voici une image.
      Nombre de morceaux illustratif. Une photo réelle en donne de quelques centaines à quelques milliers. On parle de modèles multimodaux.

      Un mot, deux sens

      avocat
      🥑 le fruitle métier ⚖️
      Sans contexte, on ne peut pas savoir s'il s'agit du fruit ou du métier.

      Chaque mot tient compte des autres

      Clique sur un mot pour voir les mots dont il tient compte. Plus le trait est épais, plus le lien est fort.

      Poids illustratifs. Terme technique : mécanisme d'attention.

      Un mot change le sens de la phrase

      À quoi renvoie « il » ? Choisis le dernier mot de la phrase.
      Poids illustratifs.

      Plusieurs calculs en parallèle

      Un modèle effectue des dizaines de calculs d'attention en même temps. Il les répète sur des dizaines de couches successives.

      Huit calculs d'attention d'une même couche (animation illustrative)
      Cette architecture s'appelle le Transformer. Elle a été publiée en 2017. C'est le T de GPT.

      Ces liens entre les mots ne sont pas programmés à la main. Ils sont appris pendant l'entraînement.

      Un modèle avant l'entraînement

      Avant l'entraînement, les réglages du modèle sont aléatoires. Demande-lui de compléter la phrase.

      Le chat dort sur le ___
       
      Programme classiqueChaque règle est écrite à la main. Pour une langue entière, il faudrait trop de règles.
      Modèle de langageOn fixe sa structure. Il s'ajuste ensuite en lisant un très grand nombre de phrases.

      Se tromper, puis corriger

      Il enfila son manteau car il faisait très ______.
      Lecture 1
      Erreur du modèle…
      Un seul réglage L'erreur est un calcul : ici, 100 moins la probabilité donnée au bon mot. Dans quel sens faut-il tourner ce réglage pour la réduire ?
      erreur : 80 %
      Valeurs illustratives. Les réglages s'appellent des paramètres. L'erreur s'appelle la fonction de perte.

      Chercher l'erreur la plus basse

      Avec deux réglages, chaque combinaison est un point de ce relief. La hauteur représente l'erreur.

      Glisser pour tourner
      Erreur … Aucun pas

      Pose la bille sur le relief.

      Relief illustratif. Un vrai modèle a autant de dimensions que de réglages, soit des milliards. La méthode est la même. Terme technique : descente de gradient.

      L'effet de la quantité de lecture

      0mots lus
      « Pour son anniversaire, Léa a reçu… »
      aucun motdes milliers de milliards de mots
      Phrases illustratives. Ordres de grandeur réels. Les traits représentent des connexions du réseau : elles se renforcent (en bleu-vert) ou s'affaiblissent (en orange) pendant l'entraînement.

      Apprendre à répondre

      Après cette première phase, le modèle sait continuer un texte. Il ne sait pas encore répondre à une question.

      « Quelle heure est-il ? »

      Un tirage au sort

      En leçon 2, on choisissait toujours le mot le plus probable. En pratique, le modèle tire au sort. Chaque mot a une chance proportionnelle à sa probabilité.

      … et annonce un ___

      La température

      Un réglage modifie les probabilités avant le tirage. Déplace le curseur.

      1.00normale
      bassehaute
      Les barres suivent la formule réelle. Ce réglage porte le nom de température dans la plupart des outils.

      Une question, trois températures

      Demande : « Invente un titre de film avec un chat. » Génère plusieurs fois avec chaque réglage.

       
      Titres préparés à l'avance. Le tirage au sort est réel.

      À retenir

      Même avec une température basse, beaucoup de services gardent un peu de hasard.

      Le modèle répond toujours

      « Quelle est la capitale de la France ? »
      Le modèle calcule les probabilités des mots qui peuvent suivre.
      Probabilités illustratives.

      Probable ne veut pas dire vrai

      Dans le roman de Mary Shelley, Frankenstein est le nom du ___
      Probabilité…
      Faux
      L'erreur « Frankenstein est le monstre » est très répandue dans les textes. Sa fréquence la rend probable.

      Vrai ou inventé ?

      Six affirmations produites par une IA. Certaines sont vraies, d'autres inventées.

      Même en sachant que certaines affirmations sont fausses, il est difficile de les repérer.

      Ces erreurs s'appellent des hallucinations.

      La date de fin des données

      Le modèle a été entraîné sur des textes écrits jusqu'à une certaine date. Il ne sait rien de ce qui s'est passé ensuite. Pose-lui ces questions.

      Cette date s'appelle la date de coupure (en anglais, knowledge cutoff). Les éditeurs l'indiquent en général.

      À retenir

      Les modèles récents disent plus souvent qu'ils ne savent pas. Ils peuvent aussi chercher sur Internet et citer leurs sources. Une source citée doit quand même être vérifiée.

      Des comportements qui ne viennent pas d'Internet

      Les textes d'Internet ne sont ni toujours polis, ni toujours prudents. Les assistants le sont en général. Retourne chaque carte.

      Il refuse d'écrire une dissertation à ta place la veille d'un contrôle.D'où vient ce comportement ?
      ExplicationInternet contient beaucoup de dissertations toutes faites. Ce refus a été appris lors d'une autre étape.
      Il s'excuse quand il se trompe.D'où vient ce comportement ?
      ExplicationOn s'excuse rarement sur Internet. Ce comportement a été appris lors d'une autre étape.
      Il conseille de consulter un médecin au lieu de poser un diagnostic.D'où vient ce comportement ?
      ExplicationInternet contient beaucoup de conseils médicaux faux. Cette prudence a été apprise lors d'une autre étape.

      Noter des réponses

      Réponse A
      Réponse B
      Choisis la meilleure réponse.
      Il faut des millions de comparaisons de ce type.

      On entraîne donc un second modèle à prévoir les choix des annotateurs. Ce second modèle note ensuite les réponses à leur place, en très grand nombre.

      Ce second modèle s'appelle un modèle de récompense. Les entreprises utilisent aussi des règles écrites et des exercices corrigés automatiquement, en mathématiques ou en programmation.

      Répondre ou refuser

      Pour chaque demande, devine si un assistant grand public répond ou refuse.

      Ces choix sont fixés par les entreprises qui développent les modèles.

      Elles n'appliquent pas toutes les mêmes règles.

      Plaire n'est pas la même chose qu'aider

      Question : « Mon exposé est très bon, non ? » Laquelle de ces deux réponses reçoit le plus souvent une bonne note ?

      Réponse AExcellent travail, vraiment impressionnant, bravo.
      Réponse BIl y a de bonnes idées. Le plan pourrait être plus clair, et il manque une conclusion.

      Écrire des étapes intermédiaires

      Une raquette et une balle coûtent 1,10 € en tout. La raquette coûte 1 € de plus que la balle. Combien coûte la balle ?
      Réponse directe
      ?
      Faux
      Réponse avec étapes
      Exemple illustratif. Ces étapes sont souvent cachées à l'utilisateur. Elles rendent la réponse plus lente et plus coûteuse, et elles peuvent contenir des erreurs.

      Utiliser des outils

      Le modèle calcule mal (leçon 3) et ne connaît pas l'actualité (leçon 7). Il peut faire appel à des outils. Choisis une question.

      🧮Calculatrice
      🌐Recherche web
      ✍️Aucun outil
      Résultats de recherche illustratifs.

      Les agents

      Un agent est un modèle qui enchaîne plusieurs actions pour atteindre un objectif. Objectif : « Réserve une séance de cinéma samedi pour quatre personnes. »

      Réfléchir→Agir→Observercycle 0
      Scénario illustratif. Risque connu : une page web peut contenir des instructions cachées destinées à l'agent. On appelle cela une injection de prompt. C'est une raison de ne pas donner à un agent un accès sans contrôle à ses comptes.

      À retenir

      Ajouter du bruit

      imagebruit
      Déplace le curseur pour ajouter du bruit à l'image.
      Le bruitage suit la méthode réelle : on ajoute à chaque pixel une petite valeur aléatoire, étape par étape.

      Apprendre à retirer le bruit

      Pendant l'entraînement, le modèle dispose de l'image d'origine. Il propose une image, on mesure l'erreur, puis on corrige ses réglages, comme en leçon 5.

      Image bruitée
      Proposition du modèle
      Image d'origine
      Essai 1
      Erreur…
      Valeurs illustratives. Ce type de modèle s'appelle un modèle de diffusion.

      Générer une image à partir d'une consigne

      Les trois consignes partent du même bruit. Choisis une consigne, puis avance pas à pas avec le curseur.

      Pas 0 sur 30
      Représentation simplifiée. Les générateurs réels utilisent de 20 à 50 pas, sur des millions de pixels. Des méthodes proches servent aussi à générer des vidéos.

      À retenir

      Un appel téléphonique

      Appel entrant Numéro inconnu
      👤
      FinOui
      Numéro inhabituel
      Demande d'argent
      Urgence
      Cette voix peut être une imitation. Quelques secondes d'enregistrement public, une vidéo ou un message vocal, suffisent aujourd'hui pour imiter une voix, avec des outils gratuits ou peu coûteux. Le tableau 3 présente les vérifications à faire.

      Le problème de l'échelle

      Produire un faux ne coûte presque plus rien. Retourne chaque carte.

      Des photos d'une émeute, prises sous six angles différents.Quel est le risque ?
      Le risqueAucune de ces photos n'est réelle. Six images différentes peuvent être produites en quelques minutes.
      Une déclaration choquante d'un candidat, diffusée la veille d'une élection.Quel est le risque ?
      Le risqueLe démenti arrive souvent trop tard. Le faux n'a besoin d'être cru que quelques heures.
      Des images d'une manifestation dans un pays lointain.Quel est le risque ?
      Le risqueTu ne peux vérifier toi-même ni le lieu, ni les personnes. Il faut s'appuyer sur la source qui rapporte l'information.

      Les vérifications utiles

      Pour savoir si un contenu est authentique, il faut vérifier sa source et passer par un autre canal.

      À retenir

      Les indices visuels, comme des mains déformées ou un texte flou, ne sont plus fiables. Certaines images portent un marquage d'origine (filigrane, Content Credentials), mais ce marquage n'est pas généralisé et peut être supprimé.

      Les données que tu partages

      Ce que tu écris est envoyé sur les serveurs de l'entreprise qui fournit le service. Range chaque élément.

      Selon les réglages, des conversations peuvent être relues par des employés ou servir à entraîner de nouveaux modèles.

      Certains services conservent aussi des informations d'une conversation à l'autre. On parle de mémoire.

      Dans les réglages, tu peux en général refuser que tes conversations servent à l'entraînement.
      En Europe, le RGPD te donne le droit d'accéder à tes données, de t'opposer à leur utilisation et de demander leur suppression.

      Récapitulatif

      Retourne chaque carte pour revoir l'idée principale de chaque leçon.

      Vue d'ensemble

      Les modèles de langage occupent le centre de cette carte. Leur principe est simple : prédire le mot suivant, à partir de ce qu'ils ont appris sur de très grandes quantités de texte.

      Connaître ce principe permet de mieux utiliser ces outils, d'en voir les limites, et d'en rester maître.

      Est-ce de l'IA ?

      Pour chaque objet, réponds oui ou non.

      Apprendre avec des exemples

      Personne n'a écrit à la machine comment reconnaître un chat. On lui montre des exemples. À chaque erreur, elle corrige sa règle : la ligne qui sépare les chats des chiens.

      taille →oreilles pointues →
      0exemples montrés
      0erreurs corrigées

      Les vraies machines utilisent des milliers de mesures et des millions d'exemples. Le principe est le même : on l'appelle l'apprentissage automatique.

      À retenir

      À retenir

      À retenir

      Vrai ou inventé ?

      Voici six phrases écrites par une machine. Certaines sont vraies, d'autres sont inventées.

      À retenir

      — probabilité « écrit par une IA »

      mots différents
      de couleurs

      jamais5 heures par jour

        Signature : ……………………
        Fin du parcours