#alternate Modifier Wikipédia (fr) Flux Atom de Wikipédia Aller au contenu [ ] Menu principal Menu principal (BUTTON) déplacer vers la barre latérale (BUTTON) masquer Navigation * Accueil * Portails thématiques * Article au hasard * Contact Contribuer * Débuter sur Wikipédia * Aide * Communauté * Modifications récentes * Faire un don Langues Sur cette version linguistique de Wikipédia, les liens interlangues sont placés en haut à droite du titre de l’article. Aller en haut. Wikipédia l'encyclopédie libre Rechercher ____________________ (BUTTON) Rechercher * Créer un compte * Se connecter [ ] Outils personnels * Créer un compte * Se connecter Pages pour les contributeurs déconnectés en savoir plus * Contributions * Discussion Sommaire (BUTTON) déplacer vers la barre latérale (BUTTON) masquer * Début * 1Capacités * 2Principes sous-jacents * 3Modalités * 4Investissements financiers * 5Transparence du système d'IA ? * 6Vers une régulation, une réglementation et une gestion des risques * 7Éléments de prospective * 8Références * 9Articles connexes [ ] Basculer la table des matières Intelligence artificielle générative [ ] 19 langues * العربية * Azərbaycanca * বাংলা * Català * English * Español * فارسی * עברית * Italiano * 日本語 * 한국어 * Português * Runa Simi * Русский * Türkçe * Українська * Tiếng Việt * 中文 * IsiZulu Modifier les liens * Article * Discussion [ ] français * Lire * Modifier * Modifier le code * Voir l’historique [ ] Outils Outils (BUTTON) déplacer vers la barre latérale (BUTTON) masquer Actions * Lire * Modifier * Modifier le code * Voir l’historique Général * Pages liées * Suivi des pages liées * Téléverser un fichier * Pages spéciales * Lien permanent * Informations sur la page * Citer cette page * Obtenir l'URL raccourcie * Élément Wikidata Imprimer / exporter * Créer un livre * Télécharger comme PDF * Version imprimable Dans d’autres projets * Wikimedia Commons Un article de Wikipédia, l'encyclopédie libre. Page d’aide sur l’homonymie Ne doit pas être confondu avec Intelligence artificielle générale. L'intelligence artificielle générative ou IA générative (ou GenAI) est un type de système d'intelligence artificielle (IA) capable de générer du texte, des images ou d'autres médias en réponse à des invites (ou prompts en anglais)^[1]^,^[2]. Elle est dite multimodale quand elle est construite à partir de plusieurs modèles génératifs, ou d'un modèle entraîné sur plusieurs types de données et qu'elle peut produire plusieurs types de données. Par exemple, la version GPT-4 d'OpenAI accepte les entrées sous forme de texte et/ou d'image^[3]. Elle semble avoir des applications possibles dans presque tous les domaines, avec une balance des risques et des opportunités encore discutée : l'IA générative est en effet aussi source d'inquiétudes et des défis éthiques, techniques et socioéconomiques à la hauteur des espoirs qu'elle suscite. Elle peut contribuer à des usages abusifs, accidentels ou détournés (militaires notamment), à une suppression massive d'emploi, à une manipulation de la population via la création de fausses nouvelles (fake news en anglais), de deepfakes^[4] ou de nudges numériques^[5]. Elle questionne aussi philosophiquement la nature de la conscience, de la créativité, de la paternité^[6], et crée de nouvelles interactions homme-machine. L'IA est encore peu régulée et la difficulté d’évaluer la qualité et la fiabilité des contenus générés ou l’impact sur la créativité et la propriété intellectuelle humaines est croissante. Certains experts craignent que des IA génératives à venir soient capables de manipuler les humains, d'accéder à des systèmes d'armes, d'exploiter des failles de cybersécurité, voire peut-être bientôt d'acquérir une forme de conscience et/ou de devenir incontrôlable au point de menacer l'existence de l'humanité^[7]. Un premier sommet mondial en sûreté de l'IA est organisée début novembre 2023 à Londres, où la création d'un équivalent du GIEC pour informer sur les risques liés à l'IA a notamment été discutée^[8]. Capacités[modifier | modifier le code] Selon une analyse d’OpenAI en 2018 : « depuis 2012, la quantité de calcul utilisée dans les plus grands entraînements d’IA a augmenté de manière exponentielle avec un temps de doublement de 3,4 mois (en comparaison, la loi de Moore avait une période de doublement de 2 ans). Depuis 2012, cette métrique^[9] a augmenté de plus de 300 000 fois (une période de doublement de 2 ans ne donnerait qu’une augmentation de 7 fois). »^[10]. Cette augmentation de la puissance de calcul a facilité l’émergence d’IA génératives pouvant créer des choses originales comme des images, des tableaux, de la musique ou du texte, en s'inspirant de données existantes sans les copier. Elles ne se contentent pas de classer les données d'entrée qu'on leur a fourni, ni de prédire des données statistiquement probables ; elles génèrent des contenus nouveaux dont les bases ne sont qu'en partie similaire aux bases issues de données d'apprentissage qu'on leur a fourni^[11]. Les versions publiques de grands modèles d'IA générative disponibles en 2022/2023 produisent des contenus modulés et filtrés de manière à limiter leurs biais, les contenus mésinformant, dangereux, racistes, biaisés, choquants, haineux, non sollicités, les images pornographiques ou sexuellement explicites^[12]^,^[13]^,^[14]^,^[15]. Au début des années 2020, la puissance de calcul de l’IA a doublé tous les six à dix mois, permettant aux modèles d’IA de monter en capacités à un rythme exponentiel. Les anglophones parlent de « Frontier AI » pour désigner les modèles d'IA aux capacités les plus élevées et générales, et qui pourraient présenter des risques nouveaux^[16]. Ce type d'IA s'est faite connaitre du public par ChatGPT (et sa variante Bing Chat), un chatbot (agent conversationnel programmable) construit par OpenAI à partir de ses grands modèles de langage de fondation GPT-3 et GPT-4^[17], ainsi que par Bard, un chatbot de Google basé sur LaMDA. D'autres modèles d'IA générative incluent des systèmes artistiques d'intelligence artificielle tels que Stable Diffusion, Midjourney et DALL-E^[18]. Ces IA ont un très large spectre d'applications potentielles dans des domaines créatifs (arts plastiques, cinéma, musique, écriture, design, météo, architecture...), mais aussi dans les secteurs de la santé, de la finance, des jeux vidéo et des simulateurs, dans tous les domaines des sciences et techniques, des sciences sociales, de l'industrie et de la connaissance. Elles ont récemment permis un bond en avant en biologie moléculaire et en compréhension de phénomènes physiques complexes. Elles permettent de synthétiser des visage et des voix humaines réalistes. Elles offrent de nouveaux modes d'exploration d'hypothèses et de scenarii (notamment depuis peu grâce à la production de données synthétiques sophistiquées, issues du domaine de la recherche générative assistée par IA)^[réf. nécessaire]... Principes sous-jacents[modifier | modifier le code] Les cadres technologiques et conceptuels les plus importants pour aborder l'IA générative sont en cours d’élaboration depuis un certain temps^[6], mais ils n'ont vraiment abouti que dans les années 2020 à plusieurs types de modèles d'IA particulièrement efficaces : * les réseaux antagonistes génératifs (GAN), composés de deux parties : un réseau générateur créant de nouveaux échantillons de données, et un réseau discriminateur qui évalue si les échantillons sont réels ou faux. Les deux réseaux sont formés ensemble dans le cadre d'un processus concurrentiel, le réseau générateur essayant continuellement de produire des échantillons de meilleure qualité et plus réalistes, tandis que le réseau discriminateur s'efforce d'identifier avec précision les faux échantillons ; * les auto-encodeurs variationnels (VAE) ; * les modèles de diffusion (ex. : Dall-e, Stable Diffusion)^[19] ; * les transformeurs génératifs pré-entraînés (Generative Pretrained Transformers, ou GPT en anglais)^[20]^,^[21], qui sont des réseaux de neurones artificiels fondés sur l'architecture du transformeur, pré-entraînés sur de grands ensembles de données de texte non étiqueté, équipés d'un « mécanisme d'attention » et capables de générer un nouveau texte de type humain^[22]^,^[23]. L'IA générative est encore loin de répondre « de manière fiable ou digne de confiance, et il reste encore beaucoup de travail à faire pour rendre ces sources fiables et impartiales »^[6], mais elle a des applications (actuelles ou potentielles) dans des domaines aussi variés que l’art, l'industrie, le jeu vidéo, la musique, la médecine, le développement logiciel, le marketing, les biotechnologies, la finance, la mode^[24]^,^[25]... Modalités[modifier | modifier le code] A detailed oil painting of figures in a futuristic opera scene Théâtre d'Opéra Spatial, une image générée par Midjourney Un système d'IA générative est construit en appliquant un apprentissage automatique non supervisé ou auto-supervisé à un ensemble de données. Les capacités d'un système d'IA générative dépendent de la modalité ou du type d'ensemble de données utilisé. * Texte : les systèmes d'IA générative formés sur des mots ou des jetons de mots (tokens) incluent GPT-3, LaMDA, LLaMA, BLOOM, GPT-4 et d'autres. Ils sont capables de traiter du langage naturel, de faire de la traduction automatique et de générer du langage naturel et peuvent être utilisés comme modèles de base pour d'autres tâches. Les principaux ensembles de données sont BookCorpus, Wikipédia et d'autres. * Code : Outre les textes en langage naturel, de grands modèles de langage peuvent être entraînés sur du texte en langage de programmation, ce qui leur permet de générer du code source de nouveaux programmes informatiques. * Images : Les systèmes d'IA générative formés sur des ensembles d'images avec des légendes textuelles comprennent Imagen, DALL-E, Midjourney, Stable Diffusion et autres. Ils sont couramment utilisés pour la génération de texte en image et le transfert de style neuronal^[26]. Les jeux de données sont notamment LAION-5B et d'autres. * Molécules : Les systèmes d'IA générative peuvent être entraînés sur des séquences d'acides aminés ou des représentations moléculaires telles que SMILES représentant l'ADN ou les protéines. Ces systèmes, comme AlphaFold, sont utilisés pour la prédiction de la structure des protéines et la découverte de médicaments^[27]. Les ensembles de données comprennent divers ensembles de données biologiques. * Musique : les systèmes d'IA générative tels que MusicLM peuvent être formés sur les formes d'ondes sonores de la musique enregistrée avec des annotations textuelles afin de générer de nouveaux échantillons musicaux fondés sur des descriptions de texte telles qu'« une mélodie de violon apaisante soutenue par un riff de guitare distordu ». * Vidéo : L'IA générative entraînée sur une vidéo annotée peut générer des clips vidéo cohérents dans le temps. Des IA comme Gen1 par RunwayML^[28] et Make-A-Video de Meta^[29] peuvent générer des vidéos de cette manière. * L'IA générative est dite « unimodale » quand elle ne peut accepter et créer qu'un seul type de données (du texte par exemple) ; et « multimodale » quand elle peut traiter ou générer plusieurs types de contenus (par exemple du texte, des images et/ou du son)^[30]. Investissements financiers[modifier | modifier le code] L'investissement dans l'IA générative a bondi, à partir du début des années 2020, principalement avec de grandes entreprises telles que Microsoft, Google et Baidu, mais aussi avec de nombreuses petites entreprises développant des modèles d'IA générative^[1]^,^[31]^,^[32]. Transparence du système d'IA ?[modifier | modifier le code] En 2023, il est reproché aux systèmes d’ IA et notamment d'IA générative de ne pas être transparents, autrement dit d'être des « boites noires » dont même les développeurs de l'IA ne comprennent pas le fonctionnement interne. De grands concepteurs d’IA comme OpenAI^[12] et Meta^[33] ont commencé à publier des « Fiches Système »^[34] (ou « System Cards », inspirées des « Model Cards », une norme largement acceptée pour la documentation des modèles d’IA). Ces fiches contiennent des informations sur l’architecture et le fonctionnement de leurs IA : objectifs, composants, données, performances, impacts potentiels d’un système d’IA et mesures d’atténuation… C’est une première étape vers une documentation des systèmes d’IA, lesquels combinent souvent plusieurs modèles et technologies interagissant pour accomplir des tâches spécifiques. Une étude récente laisse penser qu'il semble cependant possible de rendre plus transparente cette boite noire, grâce à l’analyse de Fourier appliquée aux réseaux de neurones profonds. En effet, des chercheurs de l’Université Rice, après avoir formé un réseau de neurones profonds à reconnaître les flux complexes d’air ou d’eau et prédire comment ces flux changeraient avec le temps, lui ont ensuite appliqué une analyse de Fourier (sur les équations régissant le réseau de neurones). Cette méthode a révélé ce que le réseau de neurones avait appris, et surtout comment il était parvenu à ces connaissances^[35]. Vers une régulation, une réglementation et une gestion des risques[modifier | modifier le code] Différents tests comme HELM^[36] ou MMLU^[37] permettent d'estimer les capacités ou les comportements indésirables (réponses biaisées, fausses, hallucinations, reprise de contenu protégé par le droit d’auteur...) de grands modèles de langage. L'Union européenne, les États-Unis et la Chine ont commencé à se doter de législations sur le numérique commençant à prendre en compte l'IA, mais qui s'est avérée dépassée par les progrès rapides de l'IA générative. En 2023, de nombreuses alertes ont été lancées par des pionniers du deep learning (ex. : Geoffrey Hinton, Yoshua Bengio, Sam Altman ou Demis Hassabis). Notamment via une demande de moratoire de 6 mois dans le développement de l’IA (lancé le 28 mars par le Future of Life Institute qui sera signée par plus de 30 000 personnes dont beaucoup de sommités de l’IA telles que le lauréat du prix Turing Yoshua Bengio et Elon Musk). Puis, en mai 2023, une déclaration du Center for AI Safety (« Centre pour la sûreté de l'IA ») affirmant que « l’atténuation du risque d’extinction de l’humanité lié à l’IA devrait être une priorité mondiale au même titre que la prévention des pandémies et des guerres nucléaires » est signée par d'éminents chercheurs ainsi que par les dirigeants de OpenAI, Google DeepMind et Anthropic^[38]. Selon Heidy Khlaaf (directrice chargée de l’assurance de l’apprentissage automatique chez Trail of Bits, une société de recherche et de conseil en cybersécurité), les centrales nucléaires ont des milliers de pages de documents pour prouver que le système ne cause de tort à personne, et pour Melissa Heikkilä : « la chose la plus importante que la communauté de l’IA pourrait apprendre du risque nucléaire est l’importance de la traçabilité »^[39], deux choses encore peu développées dans le secteur de l'IA. La réglementation de l'IA est parfois comparée à la réglementation du secteur nucléaire^[40]. Sam Altman (PDG d’OpenAI) a suggéré la mise en place d'un système de licences, dans lequel l'entraînement de systèmes d'IA ayant des capacités élevées nécessiterait l'octroi d'une licence, et pour ce faire de se conformer à des exigences de sécurité (de même que les opérateurs d’installations nucléaires sont tenus d’être licenciés par un régulateur nucléaire)^[40]. Aidan Gomez (cofondateur de Cohere) a jugé cette formule excessive et détournant l'attention de risques - selon lui plus réels - de l'IA mal utilisée dans les médias sociaux et la médecine^[41], de même que Yann LeCun (embauché comme scientifique en chef de l’IA chez Meta, le groupe qui détient Facebook et travaille à la création d'un Métavers) et Joelle Pineau (vice-présidente de la recherche en IA chez Meta) qui jugent ces craintes ridicules et déraisonnables, affirmant que les IAs comme ChatGPT ne sont pas encore conscientes et ne peuvent donc pas selon eux manipuler ou détruire l'humanité^[42]. Mais en 2023, des chercheurs d’Oxford, de Cambridge, de l’Université de Toronto, de l’Université de Montréal, de Google DeepMind, d’OpenAI, d’Anthropic, de plusieurs organismes de recherche à but non lucratif sur l’IA et Yoshua Bengio (lauréat du prix Turing) suggèrent dans un article^[43] que les créateurs des modèles d'IA les plus puissants doivent pouvoir évaluer si leurs IAs ont des capacités pouvant présenter des risques « extrêmes » (planification à long terme, manipulation, auto-prolifération, conscience de la situation, capacités à mener des cyberattaques ou à acquérir des armes notamment biologiques...). Les développeurs doivent également apprendre à mesurer la propension des modèles à appliquer leurs capacités à nuire (ceci peut se faire grâce à des « évaluations d’alignement »). Selon eux, « ces évaluations deviendront cruciales pour informer les décideurs politiques et les autres parties prenantes, et pour prendre des décisions responsables concernant l’entraînement, le déploiement et la sécurité des modèles d'IA »^[43]^,^[39]. Aleksander Mądry (professeur d’informatique au Cadence Design Systems du MIT, et directeur du Center for Deployable Machine Learning du MIT) a été audité en mars 2023 par le Sous-comité sur la cybersécurité, les technologies de l’information et l’innovation gouvernementale lors d'une cession intitulée « Progrès de l’IA : sommes-nous prêts pour une révolution technologique ? »^[44]. Selon Mądry, « nous sommes à un point d’inflexion en ce qui concerne ce que l’IA du futur apportera(...) le gouvernement devrait plutôt s’interroger sur l’objectif et l’explicabilité des algorithmes utilisés par les entreprises, en tant que précurseur à la réglementation » pour s’assurer que l’IA est cohérente avec les objectifs de la société. Ce serait une erreur selon lui de réglementer l’IA comme si elle était humaine – par exemple en demandant à l’IA d’expliquer son raisonnement et en supposant que les réponses qui en résultent sont fiables. Concernant le risque de suppression massive d'emplois, dans le TIME, Altman a annoncé qu’OpenAI aborderait en 2024 le sujet de la redistribution des richesses (« OpenAI mène actuellement une étude de cinq ans sur le revenu universel », qui doit se terminer en 2024)^[45]. Rishi Sunak (premier ministre britannique) a invité la communauté internationale à Bletchey park en novembre 2023 pour un premier sommet mondial en sûreté de l'IA, abordant notamment les risques existentiels liés à l'IA^[46]. Sunak propose que soit créé un groupe d’experts internationaux, sur le modèle du GIEC, qui serait dans un premier temps chargé de publier un état des lieux de l’IA. Le 1^er novembre, la Chine, les États-Unis, l’Union européenne et une vingtaine de pays ont signé la déclaration de Bletchley pour un développement « sûr » de l’intelligence artificielle^[47]. La veille, trois de ces pays (France, Allemagne et Italie) avaient signé à Rome un accord de coopération sur l'IA « dans le prolongement des efforts globaux déployés en faveur de la transition numérique et écologique »^[48]. Éléments de prospective[modifier | modifier le code] L'IA générative, telle qu'elle se développe à partir de 2022 pourrait évoluer vers le formes suivantes d'IA : 1. L'IA interactive, déjà en cours de développement, et capable d'interagir avec le monde réel de manière plus complexe, en collaborant avec d'autres logiciels, des machines ou des robots. Pour Mustafa Suleyman (cofondateur de DeepMind et ex- vice-président des produits et des politiques d’IA de Google), interrogé par la MIT Technology Review (septembre 2023) c'est l'étape qui suivra l'IA générative, avec les mêmes risques et atouts mais plus difficile à contrôler en cas d'usage malveillant^[49]. Pour Demis Hassabis (autre cofondateur de DeepMind), elle « a le potentiel de transformer de nombreux aspects de nos vies". 2. L'IA autonome, à ses débuts avec par exemple le véhicule autonome, permettra à des machines d'accomplir des tâches sans intervention humaine. Elle semble pouvoir notamment concerner les transports, la santé et la sécurité. 3. L'IA consciente, généralement considérée comme une possibilité encore lointaine, serait capable d'une forme de ressenti des émotions et d'avoir une conscience de soi. C'est une technologie controversée, qui soulève des questions éthiques et philosophiques complexes. Références[modifier | modifier le code] 1. ↑ ^a et b (en) Erin Griffith et Cade Metz, « Anthropic Said to Be Closing In on $300 Million in New A.I. Funding », The New York Times, 27 janvier 2023 (consulté le 14 mars 2023) 2. ↑ (en) Nate Lanxon, Dina Bass et Jackie Davalos, « A Cheat Sheet to AI Buzzwords and Their Meanings », Bloomberg News,‎ 10 mars 2023 (lire en ligne, consulté le 14 mars 2023) 3. ↑ « Explainer: What is Generative AI, the technology behind OpenAI's ChatGPT? », Reuters,‎ 17 mars 2023 (lire en ligne, consulté le 17 mars 2023) 4. ↑ Ahona Rudra, « Risques de cybersécurité liés à l'IA générative », sur powerdmarc.com, 26 juillet 2023 (consulté le 27 août 2023) 5. ↑ (en) Julia Dhar, Allison Bailey, Stéphanie Mingardon et Jennifer Tankersley, « The Persuasive Power of the Digital Nudge », sur BCG Global, 8 janvier 2021 (consulté le 9 novembre 2023) 6. ↑ ^a b et c (en) Rachel Gordon, « MIT CSAIL (Laboratoire d’Informatique et d’Intelligence Artificielle) researchers discuss frontiers of generative AI », sur MIT News, 12 avril 2023 (consulté le 31 octobre 2023) 7. ↑ (en) Will Douglas Heaven, « How existential risk became the biggest meme in AI », MIT Technology Review,‎ 19 juin 2023 (lire en ligne, consulté le 31 octobre 2023) 8. ↑ Alexandre Piquard, « Intelligence artificielle : au sommet de Londres, PDG et dirigeants face au défi de la régulation », Le Monde.fr,‎ 2 novembre 2023 (lire en ligne, consulté le 9 novembre 2023) 9. ↑ En général, le petaflop/jour est utilisé comme métrique. Un petaflop-jour (pf-jour) consiste à effectuer 10^15 opérations de réseau neuronal par seconde pendant une journée, soit un total d’environ 10^20 opérations. C’est une unité de mesure pratique, similaire au kW/h pour l’énergie. Plutôt que les FLOPS théoriques maximaux du matériel, on cherche à estimer le nombre réel d’opérations faites ; additions et multiplications sont comptées comme des opérations distinctes, et on ignore les modèles d’ensemble. Sur cette période, le temps de doublement pour la ligne de meilleure adéquation est de 3,4 mois. 10. ↑ (en) « AI and compute », sur openai.com, 16 mai 2018 (consulté le 9 novembre 2023) 11. ↑ (en) Adam Pasick, « Artificial Intelligence Glossary: Neural Networks and Other Terms Explained », The New York Times,‎ 27 mars 2023 (lire en ligne, consulté le 22 avril 2023) 12. ↑ ^a et b (en) « DALL·E 3 system card », sur openai.com, 3 octobre 2023 (consulté le 9 novembre 2023) 13. ↑ (en) Charlotte Bird, Eddie L. Ungless et Atoosa Kasirzadeh, « Typology of Risks of Generative Text-to-Image Models », AAAI/ACM Conference on AI, Ethics, and Society,‎ 2023 (arXiv 2307.05543) 14. ↑ (en) Abeba Birhane, Vinay Uday Prabhu et Emmanuel Kahembwe, « Multimodal datasets: misogyny, pornography, and malignant stereotypes », Arxiv,‎ 5 octobre 2021 (arXiv 2110.01963) 15. ↑ (en) Jaemin Cho, Abhay Zala et Mohit Bansal, « DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generation Models », ICCV 2023,‎ 2022 (arXiv 2202.04053) 16. ↑ (en) « World leaders gather at UK summit aiming to tackle 'frontier AI' risks », sur France 24, 1^er novembre 2023 (consulté le 9 novembre 2023) 17. ↑ (en) Cade Metz, « OpenAI Plans to Up the Ante in Tech’s A.I. Race », The New York Times,‎ 14 mars 2023 (ISSN 0362-4331, lire en ligne, consulté le 9 novembre 2023) 18. ↑ (en) Roose, « A Coming-Out Party for Generative A.I., Silicon Valley's New Craze », The New York Times, 21 octobre 2022 (consulté le 14 mars 2023) 19. ↑ (en) Prafulla Dhariwal et Alex Nichol, « Diffusion Models Beat GANs on Image Synthesis », NeurIPS,‎ 2021 (arXiv 2105.05233) 20. ↑ (en) Luhui Hu, « Generative AI and Future », sur Medium, 15 novembre 2022 (consulté le 9 novembre 2023) 21. ↑ (en) « Generative Artificial Intelligence: Trends and Prospects », sur ieeexplore.ieee.org (consulté le 9 novembre 2023) 22. ↑ (en) « Generative AI: a game-changer society needs to be ready for », sur World Economic Forum, 9 janvier 2023 (consulté le 9 novembre 2023) 23. ↑ (en) Billy Perrigo, « The A to Z of Artificial Intelligence », Time,‎ 13 avril 2023 (lire en ligne, consulté le 2 novembre 2023). 24. ↑ (en) « Don't fear an AI-induced jobs apocalypse just yet », The Economist, 6 mars 2023 (consulté le 14 mars 2023) 25. ↑ (en) Holger Harreis, Theodora Koullias, Roger Roberts et Kimberly Te, « Generative AI: Unlocking the future of fashion » 26. ↑ (en) Aditya Ramesh, Mikhail Pavlov, Gabriel Goh et Scott Gray, « Zero-Shot Text-to-Image Generation », Proceedings of the 38th International Conference on Machine Learning, PMLR,‎ 1^er juillet 2021, p. 8821–8831 (arXiv 2102.12092, lire en ligne, consulté le 9 novembre 2023) 27. ↑ (en) Will Douglas Heaven, « AI is dreaming up drugs that no one has ever seen. Now we've got to see if they work », MIT Technology Review, Massachusetts Institute of Technology, 15 février 2023 (consulté le 15 mars 2023) 28. ↑ (en) Cade Metz, « Instant Videos Could Represent the Next Leap in A.I. Technology », The New York Times, 4 avril 2023 29. ↑ (en) Queenie Wong, « Facebook Parent Meta's AI Tool Can Create Artsy Videos From Text », cnet.com, 29 septembre 2022 (consulté le 4 avril 2023) 30. ↑ (en) Arham Islam, « A History of Generative AI: From GAN to GPT-4 », sur MarkTechPost, 21 mars 2023 (consulté le 9 novembre 2023) 31. ↑ (en) « The race of the AI labs heats up », The Economist, 30 janvier 2023 (consulté le 14 mars 2023) 32. ↑ (en) June Yang et Burak Gokturk, « Google Cloud brings generative AI to developers, businesses, and governments », 14 mars 2023 33. ↑ ex. : (en) « System Cards, a new resource for understanding how AI systems work », sur ai.meta.com (consulté le 2 novembre 2023) 34. ↑ (en) Margaret Mitchell, Simone Wu, Andrew Zaldivar et Parker Barnes, « Model Cards for Model Reporting », ACM Conference on Fairness, Accountability, and Transparency, ACM,‎ 29 janvier 2019, p. 220–229 (ISBN 978-1-4503-6125-5, DOI 10.1145/3287560.3287596, arXiv 1810.03993, lire en ligne, consulté le 2 novembre 2023) 35. ↑ (en) Charles Q. Choi, « 200-Year-Old Math Opens Up AI’s Mysterious Black Box - IEEE Spectrum », sur spectrum.ieee.org, 25 février 2023 (consulté le 28 octobre 2023) 36. ↑ (en) Sharon Goldman, « Stanford debuts first AI benchmark to help understand LLMs », sur VentureBeat, 17 novembre 2022 (consulté le 9 décembre 2023) 37. ↑ (en) Matthew Sparkes, « Google says its Gemini AI outperforms both GPT-4 and expert humans », sur New Scientist, 6 décembre 2023 (consulté le 9 décembre 2023) 38. ↑ « L'IA pourrait poser un « risque d'extinction » pour l'humanité, affirment 350 experts », sur Les Echos, 30 mai 2023 (consulté le 9 novembre 2023) 39. ↑ ^a et b (en) Melissa Heikkilä, « To avoid AI doom, learn from nuclear safety », MIT Technology Review,‎ 6 juin 2023 (lire en ligne, consulté le 31 octobre 2023) 40. ↑ ^a et b (en) Heidy Khlaaf, « How AI Can Be Regulated Like Nuclear Energy », sur TIME, 24 octobre 2023 (consulté le 2 novembre 2023) 41. ↑ (en) George Hammond, « Aidan Gomez: AI threat to human existence is ‘absurd’ distraction from real risks », sur Financial Times, 16 juin 2023 (consulté le 1^er novembre 2023) 42. ↑ (en) Melissa Heikkilä, « Meta’s AI leaders want you to know fears over AI existential risk are “ridiculous” », sur MIT Technology Review, 20 juin 2023 (consulté le 1^er novembre 2023) 43. ↑ ^a et b (en) Toby Shevlane, Sebastian Farquhar, Ben Garfinkel et Mary Phuong, « Model evaluation for extreme risks », Arxiv,‎ 2023 (DOI 10.48550/ARXIV.2305.15324, arXiv 2305.15324) 44. ↑ (en) « Advances in AI: Are We Ready For a Tech Revolution? », sur United States House Committee on Oversight and Accountability, 25 octobre 2023 (consulté le 31 octobre 2023) 45. ↑ (en) Billy Perrigo, « OpenAI Could Quit Europe Over New AI Rules, CEO Warns », sur Time, 24 mai 2023 (consulté le 2 novembre 2023) 46. ↑ « Intelligence artificielle : « Des millions de personnes vont bientôt perdre leur travail » », sur Le Point, 3 novembre 2023 (consulté le 9 novembre 2023) 47. ↑ « Les Etats-Unis, la Chine et l'UE signent une première déclaration mondiale sur les risques de l'IA », sur BFMTV (consulté le 9 novembre 2023) 48. ↑ Olivier Tosseri, « L'Italie, l'Allemagne et la France renforcent leur coopération dans l'IA », sur Les Echos, 31 octobre 2023 (consulté le 9 novembre 2023) 49. ↑ (en) Will Douglas Heaven, « DeepMind’s cofounder: Generative AI is just a phase. What’s next is interactive AI. », MIT Technology Review,‎ 15 septembre 2023 (lire en ligne, consulté le 1^er novembre 2023) Articles connexes[modifier | modifier le code] * Arts de l'intelligence artificielle * Recherche générative assistée par intelligence artificielle * Réseau antagoniste génératif * Transformateur génératif pré-entraîné * Grand modèle de langage * Google Gemini * Falcon 180B * icône décorative Portail de l’informatique * icône décorative Portail de l’écriture * icône décorative Portail des années 2020 * icône décorative Portail de l’imagerie numérique v · m Intelligence artificielle (IA) Concepts * Effet IA * Grand modèle de langage * Hallucination (IA) * IA générale * IA générative Techniques * Analyse prédictive * Apprentissage automatique * Apprentissage non supervisé * Apprentissage profond * Apprentissage supervisé * Modèle de fondation * Modèle des croyances transférables * IA symbolique * Réseau bayésien * Réseau de neurones artificiels * Réseau neuronal convolutif * Transformeur Applications * Art créé par IA * ChatGPT * DeepL * Diagnostic (IA) * Écriture assistée par IA * IA dans la santé * IA dans le jeu vidéo * Perception artificielle * Planification (IA) * Robotique * Traduction automatique * Traitement automatique du langage naturel * Véhicule autonome * Vision par ordinateur Enjeux et philosophie * Alignement de l'IA * Chambre chinoise * Conscience artificielle * Contrôle des capacités de l'IA * Éthique de l'IA * IA digne de confiance * Philosophie de l'IA * Sûreté de l'IA Histoire et événements * Histoire de l'intelligence artificielle * Logic Theorist (1955) * Perceptron (1957) * General Problem Solver (1959) * Prolog (1972) * Matchs Deep Blue contre Kasparov (1996-1997) * Match AlphaGo - Lee Sedol (2016) Science-fiction * Anticipation (IA) * IA-complet * IA générale * Risque de catastrophe planétaire lié à l'intelligence artificielle générale * Superintelligence Règlementation * Législation sur l'IA * Réglementation de l'IA Organisations * Agence francophone pour l'IA * Google DeepMind * OpenAI * Partenariat sur l'IA Ouvrages * Déclaration de Montréal pour un développement responsable de l'intelligence artificielle * Lettre ouverte sur l'IA * Intelligence artificielle : une approche moderne * I.A. La Plus Grande Mutation de l'Histoire Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Intelligence_artificielle_ générative&oldid=210903244 ». Catégories : * Apprentissage automatique * Réseau de neurones artificiels * Intelligence artificielle * Culture Internet Catégories cachées : * Article à référence nécessaire * Portail:Informatique/Articles liés * Portail:Technologies/Articles liés * Portail:Sciences/Articles liés * Portail:Écriture/Articles liés * Portail:Années 2020/Articles liés * Portail:XXIe siècle/Articles liés * Portail:Imagerie numérique/Articles liés * Page comportant une illustration générée par une IA * La dernière modification de cette page a été faite le 27 décembre 2023 à 10:28. * Droit d'auteur : les textes sont disponibles sous licence Creative Commons attribution, partage dans les mêmes conditions ; d’autres conditions peuvent s’appliquer. Voyez les conditions d’utilisation pour plus de détails, ainsi que les crédits graphiques. En cas de réutilisation des textes de cette page, voyez comment citer les auteurs et mentionner la licence. Wikipedia® est une marque déposée de la Wikimedia Foundation, Inc., organisation de bienfaisance régie par le paragraphe 501(c)(3) du code fiscal des États-Unis. * Politique de confidentialité * À propos de Wikipédia * Avertissements * Contact * Code de conduite * Développeurs * Statistiques * Déclaration sur les témoins (cookies) * Version mobile * Wikimedia Foundation * Powered by MediaWiki * (BUTTON) Activer ou désactiver la limitation de largeur du contenu