Qu'est-ce que l'intelligence artificielle (IA) ?

Qu'est-ce que l'intelligence artificielle (IA) ?

L'intelligence artificielle (IA) désigne la capacité d'une machine construite, telle qu'un ordinateur, à simuler ou à reproduire des tâches relevant des facultés intellectuelles humaines. Une machine dotée d'une IA peut effectuer des calculs, analyser des données afin d'établir des prédictions, identifier différents types de signes et de symboles, converser avec des humains et contribuer à l'exécution de tâches sans intervention manuelle.

Par exemple, une automobile traditionnelle ne réagit qu'aux sollicitations de son conducteur humain  : elle accélère lorsque le conducteur voit que le feu est passé au vert et appuie sur l'accélérateur, et elle s'arrête à un panneau d'arrêt lorsque le conducteur voit le panneau et appuie sur la pédale de frein. Une automobile dotée d'une IA pourrait être capable d'identifier seule les panneaux et les feux de signalisation, et de s'arrêter ou d'accélérer sans l'intervention du conducteur.

L'IA trouve ses racines dans les tout premiers ordinateurs, et le mathématicien Alan Turing a été l'un des premiers à décrire le fonctionnement d'une machine artificiellement intelligente. Tous les ordinateurs construits depuis lors sont artificiellement intelligents à un certain niveau, car ils sont capables d'effectuer des calculs qui, auparavant, ne pouvaient être réalisés que par des humains. Cependant, au cours des dernières décennies, les capacités, la vitesse et la capacité de stockage des ordinateurs ont rapidement pris de l'ampleur. Aujourd'hui, le terme « AI » fait référence aux tâches cognitives les plus avancées que les ordinateurs peuvent accomplir.

Comment fonctionne l'IA ?

La plupart des IA sont construites à partir de l'analyse d'ensembles massifs de données, trop volumineux pour qu'un être humain puisse les analyser seul dans un délai raisonnable.Un modèle d'IA est conçu pour identifier des logiques dans ces ensembles de données, puis pour utiliser ces logiques dans le but de prédire les suivants.Pour ce faire, les modèles d'IA utilisent des probabilités et des analyses statistiques.Certains modèles d'IA sont suffisamment performants pour imiter les comportements humains.

En théorie, l'IA pourrait un jour aller plus loin et être capable d'« imaginer » des pensées originales. Lorsqu'il s'agira de déterminer à quel moment ce point est atteint, la question sera plus philosophe que technique.

Qu'est-ce que l'apprentissage automatique ?

L'apprentissage automatique est une branche de l'IA qui consiste à fournir à un programme des données structurées ou étiquetées afin de l'entraîner à identifier ces données sans intervention humaine. Par exemple, un modèle d'apprentissage automatique consacré à la recherche de bouteilles de ketchup dans des photos de réfrigérateurs ouverts est au départ incapable de distinguer le moindre condiment, et encore moins le ketchup. Il reçoit ensuite des millions d'images de bouteilles de ketchup dans différents réfrigérateurs et des informations lui indiquent que chacune d'entre elles correspond à une bouteille de ketchup. Pour finir, il est capable d'identifier automatiquement les bouteilles de ketchup, même sur des photos qu'il n'a jamais vues auparavant.

L'apprentissage automatique repose sur l'utilisation de processus prédéfinis appelés algorithmes. Un programme d'apprentissage automatique « apprendra » de manière légèrement en fonction de la configuration de l'algorithme.

L'apprentissage automatique repose également sur l'accès à de vastes ensembles de données. Un programme d'apprentissage automatique auquel on n'aurait montré que trois ou quatre photos de ketchup ne parviendrait certainement pas à identifier correctement les bouteilles de ketchup de manière régulière, ou identifierait du ketchup sur des photos où il n'y en a pas. Plus le modèle reçoit de données, plus il est précis.

Une grande variété de logiciels et de solutions technologiques utilisent aujourd'hui l'apprentissage automatique. Des solutions de sécurité qui ont recours à l'apprentissage automatique pour détecter les fraudes et identifier les bots, aux plateformes de médias sociaux qui utilisent l'apprentissage automatique pour recommander du contenu ou des comptes à suivre, l'apprentissage automatique s'est révélé être un outil de développement extrêmement utile.

Qu'est-ce que l'apprentissage en profondeur (Deep learning) ?

L'apprentissage automatique est un type d'IA et l'apprentissage en profondeur est un type d'apprentissage automatique. Les modèles d'apprentissage en profondeur sont capables d'utiliser l'analyse probabiliste pour identifier les différences dans les données brutes.Un modèle d'apprentissage en profondeur pourrait potentiellement apprendre ce qu'est une bouteille de ketchup et comment la distinguer d'autres condiments à partir de photos de réfrigérateurs ouverts, sans qu'on lui dise ce qu'est une bouteille de ketchup.

À l'instar des autres types d'apprentissage automatique, l'apprentissage en profondeur exige l'accès à de vastes ensembles de données. Même un modèle d'apprentissage en profondeur très perfectionné aurait probablement besoin d'analyser des millions de photos de réfrigérateurs ouverts pour être en mesure d'identifier le ketchup.

Qu'est-ce que l'IA générative ?

L'IA générative est un type de modèle d'IA qui peut créer du contenu, y compris du texte, des images, du son et de la vidéo. Un modèle d'IA générative peut, par exemple, recevoir une photo d'un réfrigérateur vide et le remplir de manière cohérente, avec un contenu inspiré des photos qui lui ont été montrées par le passé. Si le contenu généré par un tel modèle peut être considéré comme « nouveau », il repose en réalité sur le contenu qui a alimenté le modèle.

Les outils d'IA générative sont de plus en plus populaires. Le grand modèle linguistique (LLM ) ChatGPT et les générateurs d'images DALL-E et Midjourney ont particulièrement captivé l'imagination du public et l'attention du monde de l'entreprise. Parmi les autres outils d'IA générative populaires, citons Bard, Bing Chat et Llama.

Comment l'IA est-elle utilisée ?

Les scénarios d'utilisation de l'IA ne cessent de se multiplier. Voici quelques-unes des applications concrètes déjà explorées :

• les chatbots : les programmes basés sur l'IA peuvent produire des réponses qu'on pourrait imaginer provenant d'un humain et peuvent souvent répondre de manière réaliste à des données imprévisibles provenant d'utilisateurs humains. En d'autres termes, certains modèles d'IA peuvent converser naturellement et enrichissent les capacités des chatbots.
• Les automobiles autonomes : la capacité de l'IA à établir des prédictions lui permet de réagir aux conditions routières en situation réelle, même si elles n'ont jamais été rencontrées auparavant.
• Les algorithmes de recommandation : tels que ceux utilisés par les plateformes de streaming et les applications de médias sociaux.
• Les soins de santé : l'IA peut être utilisée comme outil pour le diagnostic de problèmes de santé, ainsi que pour d'autres tâches répétitives dans le monde de la santé.
• La finance : de nombreuses sociétés financières ont utilisé l'IA pour tenter d'identifier les tendances du marché ou de prédire quelles actions seront performantes.
• Codage : les LLM permettent de générer rapidement du code pour de nouvelles fonctions, de créer de la documentation et de rechercher des vulnérabilités dans le code existant.
• Création de contenu : les modèles d'IA générative peuvent générer du texte, des images, des vidéos, etc.
• Création de rapports :l'analyse et la synthèse des données sont des tâches répétitives qui peuvent souvent être automatisées grâce à l'apprentissage automatique.
• Utilisations expérimentales : D'autres utilisations de l'IA sont encore à découvrir et les scénarios d'utilisation continueront de s'enrichir à mesure que les capacités de l'IA continueront à se développer.

Quels sont les risques de l'IA pour les entreprises ?

Risques pour la sécurité

Fuites de données : les services d'IA utilisent des données d'entrée pour perfectionner leurs modèles ; ils ne sont pas conçus pour être des coffres-forts sécurisés pour les données. Cependant, de nombreuses personnes utilisent les LLM d'une manière qui accroît le risque d'exposition des données, notamment en traitant des informations confidentielles ou du code source propriétaire. Ces données peuvent être reproduites ou imitées dans d'autres réponses de ces LLM.

Perte de contrôle sur les données : Les données échappent à tout contrôle une fois qu'elles sont importées dans un LLM, et il y a un risque pour les utilisateurs de n'avoir aucune visibilité sur ce qu'il advient des données fournies. Par exemple, si un boulanger met sa nouvelle recette secrète de focaccia dans un LLM et lui demande de rédiger une description convaincante pour le site web de sa boulangerie, il recevra ce qu'il attend en retour, mais sa recette n'est plus secrète, car elle peut être exposée à d'autres utilisateurs du LLM, ou aux opérateurs du LLM.

Violations de la réglementation : l'utilisation d'outils d'IA externes introduit souvent un certain degré de risque pour les données. En conséquence, l'IA peut mettre une organisation défaut de conformité en ce qui concerne les cadres réglementaires tels que le RGPD.

Autres risques

Hallucinations : Il arrive que les outils d'IA générative inventent des informations afin de produire des réponses. Le terme technique désignant ce phénomène est "hallucinations." Si les entreprises acceptent ces informations sans aucun esprit critique concernant le contenu, l'image de la marque risque d'en souffrir.

Une dépendance excessive de l'IA pour la prise de décision : les informations fournies par les modèles d'IA n'étant pas toujours fiables, si l'IA pèse trop lourd dans le processus décisionnel, certaines des décisions prises risquent de nuire à l'entreprise.

Quels sont les risques de l'IA pour les consommateurs ?

• Absence de confidentialité et fuites de données personnelles : rien ne garantit aux personnes qui saisissent des données confidentielles dans des LLM que celles-ci ne seront pas répétées à d'autres utilisateurs des mêmes outils.
• Lacunes en matière de sécurité dans les applications IA : comme toute application, les outils IA peuvent présenter des vulnérabilités susceptibles de conduire à l'exposition de données personnelles.
• Hallucinations : comme il est décrit plut haut, il arrive souvent que les outils d'IA générative inventent des informations afin de produire des réponses plausibles aux demandes de l'utilisateur. Le risque est alors de diffuser des informations erronées.
• « Deepfakes » dans les attaques par phishing ou ingénierie sociale : les outils d'IA peuvent produire des imitations convaincantes de l'image, de la voix ou du style d'écriture d'une personne. Celles-ci sont ensuite utilisées dans des attaques par ingénierie sociale dans le but de se faire passer pour une personne connue et inciter la victime à donner son argent ou révéler des données.

Comment Cloudflare contribue-t-il à réduire les risques liés à l'IA ?

Cloudflare Data Loss Prevention (DLP) peut aider les organisations à maîtriser l'utilisation de l'IA par leurs employés. La solution DLP peut limiter les importations, les copier-coller et les saisies au clavier afin d'empêcher que les données confidentielles ne sortent des environnements sécurisés. Découvrir le fonctionnement de la solution DLP.

Comment Cloudflare contribue-t-elle au développement de nouveaux modèles d'IA ?

Cloudflare for AI permet aux développeurs de créer et de déployer de nouvelles applications d'IA sur le réseau mondial de Cloudflare. En savoir plus sur Cloudflare for AI.