[AI4V] FR - 413 — Transcript

Full transcript

1. 0:11D'abord,
2. 0:12rappelons que les
3. 0:13Intelligences Artificielles sont une famille de modèles algorithmiques
4. 0:17qui permettent de traiter une immense quantité d'informations et surtout,
5. 0:21et c'est le cœur des IA, de faire des prédictions.
6. 0:24Nous nous focaliserons ici sur les outils basés sur ce qu'on
7. 0:27appelle les grands modèles de langage, comme ChatGPT,
8. 0:31Mistral, Llama et autres.
9. 0:34Ces modèles se concentrent sur le traitement automatique du langage,
10. 0:37et c'est cette capacité à comprendre le langage naturel qui les rend
11. 0:41si puissants, car, ils peuvent comprendre nos propos
12. 0:45et nous répondre dans un langage que nous comprenons.
13. 0:48Mais pourquoi est-ce que cette notion de langage naturel est importante ?
14. 0:52Tous simplement
15. 0:54parce que lorsque nous allons parler de transformation digitale des organisations
16. 0:58nous allons nous focaliser sur l’automatisation des différentes
17. 1:01tâches nécessaires à la production de la valeur ajoutée de l’entreprise.
18. 1:05Cela permettra, en théorie,
19. 1:07de gagner du temps tout en maintenant un niveau de qualité voir de l’améliorer.
20. 1:12La première révolution numérique a permis d’automatiser des tâches
21. 1:15dites de “calcul” c’est à dire des tâches quantitatives qui permettent d’analyser
22. 1:20des chiffres et des morceaux de texte d’une façon dite mécanique.
23. 1:24La seconde révolution, celle que l’on vit actuellement en 2025,
24. 1:28nous permet d’automatiser des tâches dites qualitative,
25. 1:31c’est-à-dire les tâches qui demandent un peu de “jugeote”,
26. 1:35des analyses qu’on pensait trop complexe pour qu’un programme puisse le faire.
27. 1:38En d’autres termes,
28. 1:40la majorité des tâches dans lesquelles du texte, écrit ou oral, intervient.
29. 1:44C'est pour cela que souvent la première action n'est pas de réfléchir
30. 1:48à mettre de l'IA un peu partout à travers une sorte de réflexe peu contrôlé,
31. 1:52mais bien de réfléchir à comment est-ce que les gens travaillent ? Comment est-ce
32. 1:55qu'ils veulent travailler ? Qu'est-ce qui est frustrant pour eux ?
33. 1:58Ce qui prend du temps pour rien ? De quoi ils ont besoin ? Et ainsi de suite...
34. 2:01En gros, faire ce qu'on appelle de la recherche utilisateur.
35. 2:05Une fois que vous avez toutes ces informations,
36. 2:08que vous les avez retranscrites sous forme de process et de logigramme,
37. 2:11à partir de cet instant, vous pouvez
38. 2:14vous poser la question de ce qui pourrait être automatisé,
39. 2:17de ce qui doit être automatisé ou pas et enfin, dans ces tâches,
40. 2:21là, vous vous posez la question de savoir si l'IA est nécessaire ou pas.
41. 2:27Je vous dis cela car l'IA est une technologie
42. 2:29coûteuse, tant en ressources qu'en énergie.
43. 2:32Si vous suivez l'actualité,
44. 2:34vous constaterez que les grandes entreprises tech investissent
45. 2:37massivement dans les data centers pour répondre à cette demande croissante.
46. 2:42L'IA doit être utilisée de façon réfléchie et mesurée.
47. 2:45Ce que je conseille souvent aux entreprises est
48. 2:47de bien évaluer leurs besoins :
49. 2:49parmi les tâches à automatiser, il faut se demander
50. 2:52si l'IA est vraiment nécessaire, et si oui, si un petit modèle installé
51. 2:56directement sur les ordinateurs ne suffirait pas, plutôt que de solliciter
52. 3:00des serveurs énergivores.