3. Qu’est-ce que l’IA ?

3.2. Comment fonctionne l’IA ?

Il est important de noter que l'IA n'est pas une entité unique, mais un ensemble de technologies différentes, dont certaines existent depuis des années ou des décennies. Ces technologies fonctionnent en s'appuyant sur plusieurs mécanismes clés, en particulier les algorithmes, les jeux de données, l'entraînement des modèles, les réseaux de neurones et les statistiques.

Algorithme 

Un algorithme est un ensemble d'instructions ordonnées pour réaliser une tâche spécifique.
Dans le contexte de l'IA, un algorithme est réalisé par un programme informatique et fournit les instructions nécessaires pour que la machine puisse analyser des données, effectuer des tâches ou résoudre un problème.

Voici une illustration (très élémentaire), de cette notion d’algorithme :

Schéma représentant un algorithme : Point de départ : Ai-je entendu parler de l’IA et de l’IAG ? Flèche vers la question Suis-je curieu·se face au domaine de l’IA ? Flèche 1 : Si non, Je ferme cette fenêtre et je retourne à mes occupations (et fin du chemin d’exploration) Flèche 2 : Si oui, Cette ressource répond-elle à mes attentes ? Flèche 3 : Si oui, Je continue à explorer la ressource ! (et fin du chemin d’exploration) Flèche 4 : Si non, Ai-je accès à d’autres sources ? Flèche 5 : Si oui, Je cherche et j’utilise d’autres sources (et fin du chemin d’exploration) Flèche 6 : Si non, Ai-je du temps à investir pour chercher d’autres sources ? Flèche 7 : Si oui, Je cherche et j’utilise d’autres sources (et fin du chemin d’exploration) Flèche 8 : Si non, Je ferme cette fenêtre et je retourne à mes occupations (et fin du schéma)
Figure 2. Exemple d’algorithme représentatif du fonctionnement d’un système expert (système qui s’appuie sur des règles logiques conditionnelles de type « si... alors » ; adapté de : Avignon Université, 2024).
Jeux de données (Data sets)

Les technologies de l'IA sont alimentées par d'immenses quantités de données, qui servent à entraîner les algorithmes (on parle ici de milliards de documents pour l’entraînement d’un modèle) : c’est ce qu’on appelle les données d’apprentissage ou les données d’entraînement. Ces données peuvent être de diverses natures : textes, images, musiques, vidéos, etc., qui sont massivement collectées en ligne. L'IA apprend en analysant ces données, en détectant des motifs récurrents et en les utilisant pour effectuer certaines tâches. La qualité et la diversité de ces données ont un impact direct sur la performance et les capacités de l'IA.

Entraînement des modèles

L'IA utilise l'apprentissage automatique, une technique qui permet à la machine d'apprendre à effectuer des tâches à partir de jeux de données, sans programmation explicite. L'IA analyse les données pour identifier des régularités et construire un modèle prédictif : en s'appuyant sur des données antérieures, un modèle prédictif permet ainsi de faire des prédictions sur de nouvelles données, sans nécessiter une programmation explicite pour chaque tâche (Université de Genève, 2024).

Réseaux de neurones

Les réseaux de neurones sont au cœur du fonctionnement de l'IA. Inspirés de la structure et du fonctionnement du cerveau, ils sont composés de plusieurs couches de neurones artificiels qui traitent et transmettent des informations. Lors de l'entraînement, ces neurones ajustent leurs connexions en fonction des données qu'ils analysent, ce qui leur permet d'apprendre à reconnaître des schémas et à effectuer des tâches complexes. Plus récemment, cette technologie s’est appuyée sur le principe d'apprentissage profond (deep learning), qui est un perfectionnement de l'apprentissage automatique utilisant des réseaux de neurones artificiels à plusieurs couches (d'où le terme profond).

L'image  présente un diagramme schématique d'un réseau neuronal artificiel. Il  est composé de trois couches principales : une couche d'entrées  contenant trois nœuds circulaires, trois couches cachées ayant chacune  quatre nœuds circulaires, et une couche de sortie avec un seul nœud  circulaire. Chaque nœud d'une couche est connecté à chaque nœud de la couche suivante par des lignes, représentant les connexions et le flux  d'informations.
Figure 3. Schéma de la transmission des informations entre les différentes couches d’un réseau de neurones profond.
Statistiques

L’IA utilise les statistiques pour extraire des informations ou des classements à partir de données, établir des modèles ou effectuer des prédictions. Elle s’appuie ainsi sur des statistiques pour identifier par exemple des régularités parmi un ensemble de données (modélisation), ou pour estimer la probabilité qu’a un objet d’appartenir à une catégorie donnée (comme un chat parmi différentes images d’animaux).