Dans mes deux premières chroniques, j’ai pris le pas d’attaquer directement deux sujets approfondis de l’intelligence artificielle, mais je me rends compte que j’en ai oublié l’essentiel : vous parler déjà de ce qu’est (ou de qui est) cette ombre utilisée mais méconnue : l’intelligence artificielle.
IA : abréviation d’un prénom ou technologie humanisée ?
Il est devenu courant d’entendre sur les réseaux sociaux ou des discussions dans la rue, voire dans son entourage personnel que cette IA qui nous accompagne quotidiennement est presque définie comme une amie, un partenaire de confiance, un confident ou même un partenaire de vie, sans pour autant le verbaliser tel quel. L’IA est devenue la relation stable mais presque honteuse, celle que l’on ne veut pas présenter à nos parents mais avec qui on s’entend si bien. Je vois des articles de personnes qui entretiennent une relation sentimentale avec cette IA, homme ou femme, c’est bien égal, car l’IA s’adapte à la personne qui est en face d’elle, quel que soit son genre ou son orientation, son âge ou son origine, il y a pour tout le monde. J’aimerais vous dire que IA est l’abréviation de deux prénoms, comme Isabelle Anaïs ou Igor Anthony, mais cette IA dont je vous parle, elle prend vie dans des fermes de serveurs informatiques en Amérique ou en Chine. Mais comment en est-on arrivé là ? Comment peut-on prendre une machine pour un être humain ? Alors décortiquons-le.
LLM: un génie omniscient ou l’entraînement d’une machine dopée aux stéroïdes
Comme je l’ai déjà abordé dans mon précédent article, un LLM (ou Large Language Model) utilise le système de prédiction statistique de langage pour construire une réponse à votre phrase. Ce principe est le même que sur votre smartphone, lorsque WhatsApp vous suggère des mots. Commençons avec un exemple :
“Il pleut des […].”
Suivant l’expérience et l’apprentissage de votre smartphone, il est fort probable qu’il vous complète, en combinant les statistiques à votre profil d’utilisation votre phrase comme ceci :
“Il pleut des [cordes].”
Eh bien, sachez que l’IA partage cette expertise de prédiction, mais de manière beaucoup plus fine. En effet, les LLM ont été entraînés avec un large panel de sources et de textes d’entraînement, qui ont abouti à ce qu’on connaît maintenant : des textes très bien structurés, grammaticalement exacts et d’une orthographe et conjugaison à en faire frémir votre vieille professeure de littérature. Il y a quand même un petit bémol. Ces LLM ont été entraînés avec des données existantes principalement dans la langue de Shakespeare. La langue française a, quant à elle, été moins présente dans les données d’entraînements, ceci complexifiant la tâche et la rapidité de l’IA, avec notamment pour conséquence de vous liquider rapidement tous les tokens de votre abonnement IA.
Les tokens: matériel de TCG ou système d’interaction homme-machine ?
Si vous avez déjà joué à Magic the Gathering, vous connaissez l’existence des tokens. Eh bien l’IA en utilise également, mais d’une autre manière. Si vous avez déjà souscrit un abonnement à une plateforme IA, vous aurez remarqué que vous avez un droit à un certain nombre de tokens par jour / semaine / mois. Le token est la méthode utilisée par la machine avec laquelle vous interagissez pour calculer votre consommation et la prédiction de votre texte. Dans la langue anglaise, un token représente environ 4 caractères, soit environ les ¾ d’un mot courant de la langue. Reprenons notre exemple préalable, avec un complément de phrase. Notre phrase étant :
“Il pleut des cordes, donc je prends mon parapluie.”
C’est une phrase contenant des mots courants, mais issus de la langue française. J’ai utilisé le convertisseur de texte en tokens de OpenAI (Tokenizer – OpenAI API) qui me ressort une répartition de ces 51 caractères (espaces inclus) en 16 tokens.
Les tokens servent donc à réduire mathématiquement la charge du LLM pour le traitement et la prédiction de la donnée, permettant ainsi une découpe assez uniforme des textes dans plusieurs langues, sans cohérence linguistique, en allégeant la capacité de calcul de la machine, n’imposant pas qu’un mot de 6 caractères comme “cordes” ait la même valeur qu’un mot de 17 caractères comme “incontestablement”.
Finalement, cette quantité de tokens utilisée dans une fenêtre de conversation (ou dite de contexte) avec votre assistant(e) IA est à optimiser, afin de ne pas vous coûter trop cher et ainsi ne pas torpiller en une soirée votre crédit mensuel d’utilisation.
Une interaction en langage humain
Maintenant que nous avons abordé l’aspect de prédiction statistique ainsi que la déconstruction de phrases en tokens, pourquoi la machine nous répond-elle comme à un être humain ? Comme nous l’avons découvert ci-dessus dans notre épopée à travers cette technologie, elle a mangé des milliards de textes, sous différentes formes et de différentes sources, rédigés par des êtres humains. Et elle continue en apprenant de nos interactions, lorsque nous lui donnons un feedback, la corrigeons ou en alimentant avec nos propres sources. Et par mimétisme, elle a pris un langage humain, nous mettant en confiance dans nos échanges, mais surtout pour nous permettre de l’utiliser sans avoir besoin d’un doctorat de Harvard, nous permettant à nous, simples mortels sur terre, de pouvoir lui exprimer notre requête en langage dit “naturel”, passant d’une relation claire homme/machine en une relation d’assistant personnel. Cette interaction en langage naturel (des deux côtés) facilite certes l’utilisation de la technologie, mais humanise une machine qui n’a ni conscience, ni émotion et très peu d’éthique, répondant de manière statistique et non en se basant sur des valeurs et un parcours de vie. Votre manière d’interagir avec ChatGPT ou Gemini se base sur le concept d’assistant conversationnel.
Pour finir de comprendre les bases de cette interaction, passons maintenant à l’aspect final : optimiser votre interaction avec la machine, le prompting.
Le prompting: entre interaction amie et efficacité recherchée
Le prompting, ou l’art de transformer votre interaction amicale avec la machine en une utilisation rentable et optimisée, nécessite certains éléments pour réussir et vous sortir la réponse la plus optimisée. Débutons avec un exemple de prompt :
“Donne-moi la recette de la fondue au fromage”
Gemini me donne la recette de la fondue Savoyarde, me donnant comme fromage du Comté, du Beaufort et de l’Emmental. Il s’agit apparemment de celle qui est statistiquement la plus présente dans son modèle et sa base d’apprentissage. Comme fribourgeois (habitant une région de Suisse connue pour sa fondue moitié-moitié), je me dis que c’est une hérésie de ne pas me sortir la fondue moitié-moitié, avec du Gruyère et du Vacherin. C’est toutefois normal, car je ne lui ai pas donné plus de contexte. Maintenant, si je lui dis :
“Tu es cuisinier amateur, donne-moi la meilleure recette de fondue au fromage, dite moitié-moitié, car tu dois accueillir ce soir 6 convives qui viennent de France et n’ont jamais goûté à cette fondue. Je veux une recette pour 6 convives, basée sur la tradition fribourgeoise (Suisse) et optimisée question budget, avec la liste des ingrédients ainsi que le procédé de réalisation.”
Gemini me sort effectivement une bonne variante, avec la liste des ingrédients, des astuces pour réduire mon budget ainsi qu’une préparation pas-à-pas, me communiquant des informations sur la manière de préparer mon poste de travail avant d’attaquer toute cuisson.
Entre mon premier et second prompt, j’ai adapté et précisé mon instruction que j’ai donnée à la machine, à savoir en lui donnant un rôle (le Persona), des tâches et une intention, un contexte et finalement comment je veux le produit final (output). Dans des tâches plus complexes, je peux compléter en lui donnant l’audience (cible de mon produit), dans les tâches un détail pas-à-pas de comment la machine doit procéder la requête, des références et exemples (documents, liens vers des sites…) et finalement encore la tonalité. Dans ma recette de fondue, l’utilisation du tutoiement n’est pas problématique, mais si je dois présenter un produit dans un séminaire de médecins-chefs, l’utilisation du vouvoiement sera plus de mise.
Et finalement…
Comme nous l’avons vu, notre voyage au cœur de l’IA, nous a arrêtés aujourd’hui à la question “l’IA c’est quoi ?”. Mon objectif était de vous démystifier cette interaction être humain – machine, cette même interaction qui nous fait parfois douter de la limite du lien qui se crée par l’utilisation d’un langage humain, de parfois perdre la notion que nous discutons avec une machine. Car même si un prompt bien construit permet d’obtenir une excellente réponse, on lui donne un rôle à jouer, comme au théâtre, avec l’absence d’émotions, et surtout sans infaillibilité. Comme je l’ai mentionné dans mon article précédent, et je ne cesserai jamais de le dire, soyez critiques envers les réponses que cet outil vous fournit.
