YouTube2Text

IA appartement 1 — Transcript

by williams · 1,771 words · 263 segments · language en · Watch on YouTube

Full transcript

  1. 0:00Cette intelligence artificielle va
  2. 0:02estimer le prix d'un appartement. Je
  3. 0:04vais volontairement lui donner des
  4. 0:06mauvaises données et vous allez voir que
  5. 0:09l'intelligence artificielle peut donner
  6. 0:11une réponse complètement incohérente.
  7. 0:14Regardez ceci et ensuite, on s'en parle
  8. 0:16après.
  9. 0:17Un développeur présente fièrement son
  10. 0:19nouveau modèle d'intelligence
  11. 0:20artificielle devant les investisseurs.
  12. 0:22Tout semble parfait. Alors les
  13. 0:24caractéristiques 80 m² 3 chambres,
  14. 0:26quartier calme et puis il lance la
  15. 0:28prédiction.
  16. 0:3012 millions d'euros. Les investisseurs
  17. 0:32restent sans voix. Le développeur
  18. 0:34comprend que quelque chose ne marche
  19. 0:36pas.
  20. 0:36Moi c'est William, ingénieur logiciel
  21. 0:38basé en Allemagne. Je suis le fondateur
  22. 0:40de cette chaîne J'aime le code. Dans
  23. 0:42cette chaîne, on parle de l'école, de
  24. 0:44l'intelligence artificielle, de
  25. 0:45l'éducation et de tous les métiers qui
  26. 0:47touchent au numérique. Depuis 2
  27. 0:49semaines, aujourd'hui c'est le 3e mardi,
  28. 0:51on a commencé cette aventure,
  29. 0:53c'est-à-dire ensemble mettre en place
  30. 0:56une IA, un modèle IA avec le langage de
  31. 0:59programmation Python et ensemble, on va
  32. 1:01chercher les données, épurer les
  33. 1:03données, les entraîner et puis voir si
  34. 1:07notre modèle IA peut faire une
  35. 1:10estimation de prix excellente. Alors
  36. 1:14aujourd'hui, je viens avec un sujet qui
  37. 1:16est simplement le garbage in, le garbage
  38. 1:19out qui veut dire tout simplement que
  39. 1:21lorsque tu entraînes ton modèle IA avec
  40. 1:25des mauvaises données, des données
  41. 1:27corrompues, alors ne t'attends pas au
  42. 1:30miracle. Alors ce qu'on va faire sans
  43. 1:32tarder, regardons cette démo et ensuite,
  44. 1:35on s'en parle après. Alors quand on
  45. 1:36travaille
  46. 1:38sur la [raclement de gorge] machine
  47. 1:38learning, alors on va beaucoup
  48. 1:40travailler Excel, ? Alors regardons un
  49. 1:42peu ce document. Ici, on peut l'analyser
  50. 1:45pour voir la qualité des données, ? Bon,
  51. 1:47regardons très important les noms des
  52. 1:49colonnes. On peut voir les noms des
  53. 1:50colonnes ici. Je peux mettre ici par
  54. 1:53exemple en
  55. 1:54gras comme ça pour voir et que ça
  56. 1:55facilite un peu la lecture. Tu peux
  57. 1:58mettre aussi je peux mettre une couleur
  58. 1:59rapidement là. Je sais pas si Non, ça
  59. 2:01c'est pas une très bonne couleur. Je
  60. 2:02vais mettre une couleur juste pour que
  61. 2:03ce soit facile à lire. Je sais pas si on
  62. 2:05peut lire ou pas. Bon bref, euh on a la
  63. 2:07superficie, ? En mètre carré, ? On a
  64. 2:10l'éloignement, ? Qui va de 1 à 20 km
  65. 2:13d'éloignement du centre-ville. On a
  66. 2:15l'état du bien. Quand il est petit, euh
  67. 2:17quand l'état du bien est est euh plus
  68. 2:19c'est petit, l'état, et euh plus c'est
  69. 2:22petit, moins c'est bien. Plus ce nombre
  70. 2:24c'est petit, ça veut dire que c'est
  71. 2:27c'est pas bon. Et euh plus ça augmente,
  72. 2:29ça veut dire que c'est excellent. Voilà.
  73. 2:31Donc il faut d'abord comprendre euh
  74. 2:33comprendre ces ces voilà, comprendre ces
  75. 2:35données-ci d'abord. Voilà. On a euh
  76. 2:38l'éloignement, on a le
  77. 2:40[musique]
  78. 2:40le nombre d'étages, ? Donc à zéro, ça
  79. 2:43veut dire que ce serait du sous-sol. À
  80. 2:45cinq, ça veut dire que c'est c'est c'est
  81. 2:47aussi au au cinquième étage. On a le
  82. 2:49nombre de pièces, ? Ça c'est facile. On
  83. 2:51a le prix, le prix ou le base, ? Donc
  84. 2:54[musique]
  85. 2:54euh et ensuite euh bon, on a la
  86. 2:55localisation. La localisation ici, bon,
  87. 2:58ça veut dire ici le quartier. Donc euh
  88. 3:01quand c'est 1, ça veut dire que c'est
  89. 3:03très plus attractif. Quand c'est 5, bon,
  90. 3:05plus le nombre est petit, ça veut dire
  91. 3:06que c'est pas attractif. Plus le nombre
  92. 3:08est grand, ça veut dire que c'est très
  93. 3:09attractif. Là, ça nous permet déjà de
  94. 3:11regarder un peu la qualité des données.
  95. 3:13Alors ce que moi je vais faire, c'est
  96. 3:14que je vais mettre un filtre parce que
  97. 3:16ce filtre parfois c'est plus facile de
  98. 3:17filtrer. Et je vais un peu regarder
  99. 3:19directement comme ça là, très vite.
  100. 3:21Permet de filtrer. Je je regarde un peu
  101. 3:23rapidement. Franchement, je regarde un
  102. 3:25peu je regarde un peu rapidement. Je
  103. 3:27viens ici, je vois un 5000. ? Comment on
  104. 3:29peut avoir un appartement de 5000 ? Donc
  105. 3:32je peux avoir ici que il y a quelque
  106. 3:34chose qui ne va pas. Et puis son prix,
  107. 3:365000 m 1000 m² euh l'état du bien, bon,
  108. 3:40c'est moyen. Euh la localisation est
  109. 3:43excellente. Ça n'a pas d'étages,
  110. 3:45sous-sol de sous-sol. C'est à trois
  111. 3:46pièces et puis temps et c'est à 5000 m².
  112. 3:49On voit bien que le prix c'est euh même
  113. 3:51pas 400000 euros. Donc on peut voir
  114. 3:53aussi dire que ça c'est déjà quelque
  115. 3:55chose qui nous alerte quoi. Comment on
  116. 3:56peut avoir un truc de 100000 ? Bon, un
  117. 3:59appartement de 21 m² OK, l'état des
  118. 4:02biens puisque on a dit que plus le
  119. 4:04nombre est petit donc l'état des biens
  120. 4:05il est excellent. La localisation, c'est
  121. 4:07super, c'est le 3e étage, ça a 2 pièces
  122. 4:10et regardez le prix, 21 m². Regardez son
  123. 4:13prix, 292000. Donc voilà tant de choses
  124. 4:16qui nous alertent déjà nous disant que
  125. 4:17OK, hmm euh quelque chose n'est n'est
  126. 4:20pas c'est pas clair. Donc prenons encore
  127. 4:22quelque chose comme ça 90, voilà un peu,
  128. 4:24voilà un peu 90. Ou bien ce qu'on peut
  129. 4:27faire c'est que bon, je peux désactiver
  130. 4:28tout donc je peux réactiver tout et puis
  131. 4:31je regarde plutôt par ici. Donc en fait
  132. 4:32que dans ce travail, il faut être un peu
  133. 4:35vraiment il faut être minutieux parce
  134. 4:37qu'on sait que la qualité de la donnée
  135. 4:39quelque chose de très important.
  136. 4:40Regardez un peu ça, c'est quelque chose
  137. 4:41qui m'intéresse. On a carrément un
  138. 4:43appartement qui coûte 1200000 et son son
  139. 4:47m² c'est 157 m². L'état des biens est il
  140. 4:50est très bien, il est bien. Localisation
  141. 4:525 donc c'est dans un bon quartier, c'est
  142. 4:54au 2e étage, ça a une seule pièce et ça
  143. 4:56a 1200000. 1200000 euros donc ce qui
  144. 4:59fait que ici ce n'est pas possible, ce
  145. 5:01n'est pas possible du tout. Donc voilà
  146. 5:02les choses qui qui nous alertent quoi,
  147. 5:05qui se dit OK, euh franchement est-ce
  148. 5:08que je veux vraiment entraîner mon mon
  149. 5:11intelligence artificielle avec ce genre
  150. 5:13de avec ce genre de de ? Voilà, voilà.
  151. 5:16Donc voilà un peu comment on regarde.
  152. 5:18Franchement, il faut regarder il faut
  153. 5:20surélever tous les doublons, il faut
  154. 5:21regarder tout ce qui ne fait pas sens.
  155. 5:23On essaie d'abord de les retirer parce
  156. 5:25que ça ne sert vraiment à rien à
  157. 5:28entraîner son modèle son modèle avec ce
  158. 5:30genre de choses. C'est quoi le lien avec
  159. 5:32J'aime le ? Voilà. Comme je dis souvent,
  160. 5:34coder c'est penser. Sur J'aime le code,
  161. 5:37on voilà, on écrit pas que les bouts de
  162. 5:39programme ou on fait ça aussi, ça dit
  163. 5:42que quand on reçoit les données, quand
  164. 5:44on veut entraîner notre modèle, c'est
  165. 5:47aussi ça le travail d'un développeur de
  166. 5:49regarder la qualité des données, de
  167. 5:50comprendre ça, pourquoi les données
  168. 5:53qualitatives sont tellement importantes
  169. 5:55dans ce processus d'entraînement d'une
  170. 5:57[musique] intelligence artificielle.
  171. 5:59C'est en fait, le plus important c'est
  172. 6:01pas l'algorithme. L'algorithme peut être
  173. 6:03aussi puissant, en fait tout peut être
  174. 6:04parfait, [musique]
  175. 6:05mais si les données sont de mauvaise
  176. 6:07qualité, à la fin tu auras ton milliard
  177. 6:10qui va complètement se planter. Donc ça
  178. 6:13c'est mon interface Python. ? C'est mon
  179. 6:15interface Python, mon interface que j'ai
  180. 6:18essayé de faire rapidement parce que
  181. 6:20c'est je crois que c'est mieux, c'est
  182. 6:21meilleur ici. [musique] Alors je vais
  183. 6:23télécharger d'abord les données, les
  184. 6:26data set sales, ? Que j'ai montré tout à
  185. 6:28l'heure pour comprendre. Alors je
  186. 6:30télécharge rapidement là. Une fois que
  187. 6:32je l'ai téléchargé, on peut voir tout de
  188. 6:34suite comment mon modèle me renvoie
  189. 6:37quelques valeurs déjà très
  190. 6:38intéressantes, notamment je vais Non, il
  191. 6:41faut que je clique ici sur d'abord là, ?
  192. 6:43Je clique ici, je vois ici, ça s'appelle
  193. 6:46l'erreur moyenne. Ça c'est l'erreur
  194. 6:48moyenne et ça veut tout simplement dire
  195. 6:52ici que mon mon modèle se trompe de
  196. 6:56environ 317491
  197. 7:00euros, soit en pourcentage 34 %. Donc le
  198. 7:03prix qu'il va estimer, on peut se dire
  199. 7:05qu'il y a une erreur incroyable, ? C'est
  200. 7:08pour cela tout à l'heure je parlais
  201. 7:10[musique] de la qualité des données.
  202. 7:13Donc quand je vois il y a ça, quand je
  203. 7:14vois si ce MAP si est supérieur à 3 % si
  204. 7:18c'est supérieur à 3 %, il faut savoir
  205. 7:20tout simplement ça ça te ça veut tout
  206. 7:22simplement dire que tu travailles sur
  207. 7:24des données horribles, données
  208. 7:26mauvaises. Voilà, donc ça peut être dit
  209. 7:28ça. Donc tout ce que tu fais là, tu peux
  210. 7:30juste pour t'amuser, si tu veux
  211. 7:32comprendre, tu peux faire des tu peux
  212. 7:33faire des simulations si ça t'intéresse,
  213. 7:35mais là tu travailles pas sur les bonnes
  214. 7:38données, tu travailles pas sur les
  215. 7:39bonnes données. Voilà, donc tu peux si
  216. 7:41ça t'intéresse, tu peux tu peux essayer
  217. 7:43de t'amuser. Et à chaque fois, tu vas
  218. 7:45avoir un prix, ça va t'estimer un prix
  219. 7:46ici. Mais dis-toi [musique] que le la
  220. 7:48marge, le taux d'erreur est de 34 % donc
  221. 7:52à chaque fois, l'erreur moyenne est de
  222. 7:54317 K, 317491.
  223. 7:58Il y a rien. OK. Donc on va je vais vous
  224. 8:00montrer un autre exemple lorsqu'on
  225. 8:02travaille avec avec les données propres.
  226. 8:04Alors, je choisis clean, je charge et
  227. 8:07tout de suite encore, on voit ici
  228. 8:09pareil, ça se trompe de 12453
  229. 8:12euros, soit 3,8 % c'est inférieur à 5.
  230. 8:15Donc quand c'est entre 3 et 5, c'est
  231. 8:17super. Donc on peut se dire que quand ça
  232. 8:20ça quand ça prédit un prix, l'erreur est
  233. 8:22d'environ 12000 euros, ce qui n'est ce
  234. 8:24qui est tellement mieux que tout à
  235. 8:26l'heure. Donc là, je peux m'amuser à à
  236. 8:29ouais, je peux m'amuser à estimer, à
  237. 8:31faire des estimations. Donc pour une
  238. 8:33superficie de 117 117 mètres carrés et
  239. 8:37euh à 13 kilomètres du centre-ville, un
  240. 8:40état de bien qui est moyen et un
  241. 8:42quartier qui est moyen aussi, au 2e
  242. 8:44étage, le nombre de pièces est deux
  243. 8:46pièces, je suis à peu près à 493015
  244. 8:50euros avec [musique] une un taux
  245. 8:52d'erreur de 3 % donc plus ce taux est
  246. 8:54petit, plus plus ce chiffre c'est petit,
  247. 8:56mieux c'est. Voilà, mieux c'est. Voilà,
  248. 8:58c'était tout pour la démo. Alors moi, je
  249. 9:00te pose la question. Toi qui me
  250. 9:01regardes, toi qui me regardes déjà
  251. 9:03l'annonce sur la prochaine vidéo, mardi
  252. 9:05prochain, ? Mardi prochain, on va
  253. 9:06continuer avec la même série. Donc je te
  254. 9:08pose la question. Toi qui utilises
  255. 9:10constamment, tu écris écris des prompts,
  256. 9:12quand à chaque fois, ton intelligence
  257. 9:14artificielle se trompe, selon toi, ça
  258. 9:16peut être quoi ? C'est qui ? Est-ce que
  259. 9:19c'est des ? Est-ce que c'est c'est la
  260. 9:22version de l'intelligence artificielle
  261. 9:23que tu utilises qui est complètement euh
  262. 9:26à la ? Ou c'est quoi selon ? J'aimerais
  263. 9:28bien avoir ta réponse en commentaire.

About this transcript

This page contains the full transcript of IA appartement 1 by williams, generated from the public captions YouTube serves with the video. The transcript has 1,771 words across 263 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.