Vous êtes ici
Mouvement actuelS’orienter
Trouver une entrée par une question ordinaire tout en voyant le rôle de chaque résultat.
inAiLoading page content...
…
inAiTrouver une entrée par une question ordinaire tout en voyant le rôle de chaque résultat.
inAiLoading page content...
Recherche universelle
La recherche renvoie des objets d’apprentissage, pas seulement des pages. Les résultats affichent le format, le niveau de profondeur, la durée et la provenance.
Tous les objets d’apprentissage actifs
Apprentissage guidé
Parcours, unités et leçons conçus pour être suivis dans un ordre.Huit segments actifs construisent une carte de l’IA en langage courant, des règles de jugement et une prochaine direction choisie.
orient · understand · try · 30 min · inai-originalPourquoi capacités, interfaces, infrastructures, investissements et adoption ont rendu un ancien domaine soudainement nouveau.
orient · 4 min · inai-explanationUne définition pratique fondée sur les capacités, les comportements appris ou conçus et le produit autour du modèle.
orient · understand · 4 min · inai-explanationUne carte séparant perception, prédiction, génération et action tout en montrant comment les produits les combinent.
orient · understand · 4 min · inai-explanationUne distinction débutante entre entraîner des paramètres à partir d’exemples et exécuter le modèle sur une nouvelle entrée.
understand · 4 min · inai-explanationUne séparation pratique entre plausibilité, soutien, actualité et enjeux pour les résultats générés.
understand · try · 5 min · inai-explanationUne comparaison entre modèle, chatbot, workflow et agent selon objectifs, outils, état, permissions, approbations et récupération.
orient · understand · 4 min · inai-explanationUne limite de partage fondée sur autorisation, sensibilité, fournisseur, minimisation et conséquences.
orient · try · 3 min · inai-explanationUn choix transparent entre explication approfondie, expérimentation, pratique et cours externe substantiel.
orient · 2 min · inai-originalUn premier parcours compact, de la génération de contenu à la vérification pratique en quatre objets connectés.
orient · understand · try · build · 40 min · inai-originalUn modèle utile de génération, contexte, soutien, actualité et enjeux, suivi d’un jugement actif et d’un transfert.
understand · learn · 12 min · inai-explanationConstruisez une compréhension reliée pour suivre les débats ordinaires sur l’IA, examiner systèmes et affirmations, décider en matière de confidentialité et de vérification, et continuer sans dépendre des titres, du marketing ou de la peur.
understand · learn · try · examine · 310 min · inai-originalLe domaine est ancien ; la combinaison actuelle de capacités, échelle, interfaces, infrastructures, investissements et déploiements est nouvelle. Un bon jugement garde ces deux faits visibles.
understand · learn · try · examine · 25 min · inai-explanationL’IA se comprend mieux comme un chevauchement de capacités, méthodes, couches système et domaines d’application que comme une échelle unique allant du simple à l’intelligent.
understand · learn · try · examine · 30 min · inai-explanationUn comportement appris reflète exemples, représentation, objectifs, feedback, évaluation et déploiement — pas des données brutes agissant seules.
understand · learn · try · examine · 30 min · inai-explanationUn modèle entraîné n’est qu’un composant. Développement, évaluation, inférence, intégration, exploitation, suivi et usage humain créent le comportement et les conséquences rencontrés.
understand · learn · try · examine · 25 min · inai-explanationLes modèles génératifs produisent de nouvelles séquences ou médias à partir de motifs appris et du contexte actuel. Cela explique fluidité et variation sans transformer le résultat en mémoire, intention ou connaissance vérifiée.
understand · learn · try · examine · 35 min · inai-explanationUn résultat change avec la demande, le contexte disponible, les preuves recherchées, les outils, les instructions système ou le workflow. Ces couches n’améliorent les capacités que dans leurs limites de qualité et de permission.
understand · learn · try · examine · 30 min · inai-explanationNe demandez pas si l’IA est fiable en général. Identifiez affirmation, soutien, actualité, incertitude, décision, personnes affectées et coût de l’erreur, puis choisissez une vérification proportionnée.
understand · learn · try · examine · 35 min · inai-explanationUn système utile n’annule ni confidentialité, vie privée, sécurité, devoir professionnel ni responsabilité. Le contrôle commence avant que les données quittent vos mains et continue à travers actions et conséquences.
understand · learn · try · examine · 30 min · inai-explanationLes systèmes de type agent continuent plusieurs étapes vers un objectif et peuvent choisir outils ou actions. Les questions importantes concernent autorité, état, observation, approbation, échec et récupération — pas une identité humanisée.
understand · learn · try · examine · 30 min · inai-explanationL’IA évolue par institutions, travail, éducation, médias, infrastructures, droit, marchés et choix publics. Les futurs exigent preuves et points de vue pluriels — pas fatalité, panique ou score unique d’intelligence.
understand · learn · try · examine · 40 min · inai-explanationReconnaissez l’IA déjà présente autour de vous, choisissez des outils pour un but réel, demandez une aide utile, vérifiez les résultats importants, protégez la vie privée ordinaire et gardez la responsabilité de la décision finale.
understand · try · use · 165 min · inai-originalL’IA peut classer un fil, détecter une fraude, prévoir un trajet, transcrire la parole, recommander un produit ou générer une image. Identifier la capacité et le système qui l’entoure est plus utile que deviner depuis une interface brillante.
understand · try · use · 25 min · inai-explanationL’outil le plus connu ou le plus performant sur un benchmark n’est pas automatiquement adapté à votre tâche. Un bon choix relie but, preuves, conditions de données, coût total, accessibilité et conséquences des échecs.
understand · try · use · 30 min · inai-explanationUne demande utile rend la tâche lisible : but, contexte pertinent, contraintes, besoins de preuve et forme du résultat. Elle améliore les conditions d’une réponse sans garantir vérité, jugement ou sûreté.
understand · try · use · 30 min · inai-explanationTout résultat n’exige pas une enquête. La vérification augmente avec conséquence, incertitude, nouveauté et irréversibilité — et examine l’affirmation elle-même plutôt que de demander au générateur de se rassurer.
understand · try · use · 30 min · inai-explanationLes décisions de confidentialité arrivent avant de coller, charger, connecter, enregistrer ou autoriser. La question n’est pas seulement si l’information semble secrète, mais si elle est nécessaire, permise, identifiable, conservée et porteuse de conséquences.
understand · try · use · 25 min · inai-explanationL’IA peut élargir les options, réduire la friction et aider à examiner un problème. Elle n’hérite pas de vos relations, devoirs, valeurs ou responsabilités parce que sa réponse est fluide ou pratique.
understand · try · use · 25 min · inai-explanationAnalysez le travail au niveau des tâches, des responsabilités, des relations et des processus de travail ; distinguez automatisation et augmentation ; placez la revue selon les enjeux ; et préparez des échanges concrets entre travailleurs et responsables.
understand · try · use · examine · 180 min · inai-originalUn intitulé de poste contient de nombreuses tâches, responsabilités, relations, contraintes et formes de jugement. Une capacité IA peut en modifier certaines sans déterminer l’avenir de tout l’emploi.
understand · try · use · examine · 30 min · inai-explanationL’IA peut remplacer une étape, l’accélérer, changer la façon de l’exécuter, créer du travail ou faire plusieurs choses à la fois. La question utile est comment le système de travail change et pour qui.
understand · try · use · examine · 30 min · inai-explanationAjouter l’IA à un processus inconnu peut accélérer la confusion et pousser les pannes en aval. La refonte commence par le but, les personnes, transmissions, preuves, exceptions et contrôles existants.
understand · try · use · examine · 30 min · inai-explanationLa supervision humaine n’est pas une personne placée après un résultat IA. C’est la capacité conçue de comprendre les preuves, intervenir avant conséquence, identifier la responsabilité et récupérer après panne.
understand · try · use · examine · 30 min · inai-explanationL’IA ne produit pas une liste universelle des compétences futures. Elle augmente souvent la valeur du jugement métier, de la communication, de la vérification, de la compréhension des workflows et de l’usage critique des systèmes.
understand · try · use · examine · 30 min · inai-explanationUn dialogue utile dépasse « L’IA va-t-elle nous remplacer ? » pour poser des questions précises sur but, tâches, données, suivi, preuves, charge, attentes, soutien, responsabilité et recours.
understand · try · use · examine · 30 min · inai-explanationApprenez à examiner ce que fait réellement un système agentique : comment il poursuit un travail, utilise des logiciels, conserve un état, reçoit des autorisations et se rétablit lorsqu’une action échoue.
understand · try · use · examine · 165 min · inai-originalClasser les systèmes sans se fier aux étiquettes marketing
understand · try · use · examine · 25 min · inai-explanationComprendre la continuité à travers le travail
understand · try · use · examine · 25 min · inai-explanationExpliquer comment les agents agissent à travers des logiciels
understand · try · use · examine · 25 min · inai-explanationDistinguer le contexte temporaire de l’état durable
understand · try · use · examine · 30 min · inai-explanationÉvaluer ce qu’un agent peut consulter et modifier
understand · try · use · examine · 30 min · inai-explanationConcevoir approbation et récupération pour les actions lourdes de conséquences
understand · try · use · examine · 30 min · inai-explanationConstruisez une pratique de la preuve pour les affirmations générées et les médias synthétiques, puis reliez la vérification individuelle aux biais, à la vie privée, aux institutions, aux droits et au contrôle public.
understand · try · use · examine · 170 min · inai-originalReconnaître un résultat fluide mais non étayé
understand · try · use · examine · 25 min · inai-explanationSuivre une affirmation au-delà du texte généré
understand · try · use · examine · 30 min · inai-explanationÉvaluer les preuves dans un environnement de médias synthétiques
understand · try · use · examine · 30 min · inai-explanationLocaliser les biais dans les données, l’objectif, le déploiement et l’institution
understand · try · use · examine · 30 min · inai-explanationDistinguer la commodité personnelle du risque systémique lié aux données
understand · try · use · examine · 25 min · inai-explanationComprendre pourquoi contexte, droits, risque et contrôle comptent
understand · try · use · examine · 30 min · inai-explanationApprenez à utiliser l’IA pour expliquer, recevoir des retours, explorer et créer, tout en préservant la réflexion, la pratique, l’attribution d’auteur et le jugement partagé qui donnent du sens à l’apprentissage et à la création.
understand · try · use · examine · 165 min · inai-originalLe même outil peut poser une question utile, expliquer une idée difficile, suggérer une direction ou accomplir discrètement le travail. L’effet sur l’apprentissage dépend du but, de l’action de l’apprenant et de ce qui suit le résultat.
understand · try · use · examine · 25 min · inai-explanationL’accès aux explications générées change les soutiens disponibles, pas le besoin de construire connaissances, méthodes, valeurs et jugement. La bonne question porte sur les capacités à posséder pour remarquer, questionner, relier et agir sans dépendance aveugle.
understand · try · use · examine · 25 min · inai-explanationUn produit soigné fournit une preuve plus faible lorsque l’assistance est facile à obtenir et difficile à observer. L’évaluation peut recueillir plusieurs preuves du processus, de l’explication, de l’application, des sources, des décisions et de la révision.
understand · try · use · examine · 30 min · inai-explanationL’IA peut élargir les variations et réduire le coût des brouillons, mais le jugement créatif concerne toujours but, sélection, transformation, contexte, attribution, droits et responsabilité. Un bon compte rendu nomme la contribution de chacun et du système.
understand · try · use · examine · 30 min · inai-explanationLa dépendance ne se réduit pas à un usage fréquent. La question pratique est de savoir si la capacité à commencer, juger, récupérer, expliquer et choisir grandit ou diminue lorsque l’aide disparaît, se trompe ou devient indisponible.
understand · try · use · examine · 30 min · inai-explanationUn accord utile transforme les inquiétudes abstraites en décisions partagées sur buts, confidentialité, preuves d’apprentissage, déclaration, soutien humain et révision. Il est écrit avec les personnes concernées et testé sur des situations réalistes.
understand · try · use · examine · 25 min · inai-explanationExplications
Sujets et réponses rapides pour comprendre une question.Un environnement thématique connecté pour comprendre utilité, affirmation non étayée, actualité, preuves et enjeux.
orient · understand · try · examine · build · 35 min · inai-explanationUne distinction en deux minutes entre utilité, soutien factuel, actualité de l’information et conséquences.
orient · 2 min · inai-explanationL’intelligence artificielle désigne des systèmes fondés sur des machines qui, à partir d’entrées, infèrent comment produire des prédictions, des contenus, des recommandations ou des décisions. C’est un vaste domaine, et non un modèle unique.
orient · 4 min · inai-explanationL’IA existe depuis des décennies. L’attention récente s’explique par les progrès des méthodes d’apprentissage, de la puissance de calcul, des données, des investissements et des systèmes capables de générer du texte, des images, de l’audio ou du code.
orient · 4 min · inai-explanationL’apprentissage automatique est une branche de l’IA dans laquelle le comportement d’un modèle est ajusté à partir de données, d’exemples ou de retours, au lieu de spécifier manuellement chaque règle.
orient · 4 min · inai-explanationL’IA générative crée du texte, des images, de l’audio, de la vidéo, du code ou d’autres contenus en produisant des structures probables, apprises pendant l’entraînement et conditionnées par l’entrée actuelle.
orient · 4 min · inai-explanationUn modèle d’IA est une structure de calcul dont les paramètres encodent des régularités apprises pendant l’entraînement. À partir d’une entrée, il produit une estimation, une classification, un classement ou une continuation générée.
orient · 3 min · inai-explanationPendant l’entraînement, un système ajuste les paramètres du modèle à partir de données, d’objectifs et de retours. Pendant l’inférence, le modèle entraîné reçoit une nouvelle entrée et produit un résultat.
orient · 4 min · inai-explanationUne invite est un texte, une image, de l’audio, du code ou une autre entrée fournie à un système génératif. Elle peut préciser une tâche, un contexte, des contraintes, des exemples et le format souhaité.
orient · 3 min · inai-explanationLe contexte comprend l’invite actuelle et peut inclure des instructions système, des messages précédents, des fichiers téléversés, des passages retrouvés, des résultats d’outils, des métadonnées ou un état fourni au modèle.
orient · 4 min · inai-explanationLa recherche documentaire trouve du contenu pertinent dans une base de données, un ensemble de documents, un système de recherche ou un outil, puis l’ajoute au contexte de la tâche. L’ancrage consiste à contraindre ou à étayer un résultat par des éléments de preuve ou un environnement définis.
orient · 5 min · inai-explanationUn agent d’IA désigne généralement un système qui poursuit un objectif au fil de plusieurs étapes, maintient un état et peut choisir ou utiliser des outils pour observer ou modifier un environnement.
orient · 5 min · inai-explanationUn chatbot peut répondre à une question sans poursuivre d’objectif ni agir. Un système agentique poursuit une tâche en plusieurs étapes, maintient un état et peut choisir des outils ou des actions.
orient · 3 min · inai-explanationLes modèles de langage représentent et manipulent des relations suffisamment bien pour répondre, traduire et raisonner dans de nombreuses tâches. Cette réussite fonctionnelle est réelle.
orient · 5 min · inai-explanationNe collez pas de mots de passe, de clés secrètes, de dossiers privés, de travail confidentiel, de données de santé ou financières protégées, de données d’enfants ni d’informations sur autrui sans que cet usage précis soit autorisé et protégé.
orient · 5 min · inai-explanationL’IA peut automatiser ou accélérer certaines parties du travail ; certains métiers peuvent se réduire, se développer ou changer. Un emploi comporte aussi des relations, des exceptions, des responsabilités, du travail physique et un contexte organisationnel.
orient · 5 min · inai-explanationLes deepfakes utilisent l’IA pour créer ou modifier des images, du son ou des vidéos de façon à faire croire qu’une personne dit ou fait quelque chose. Un média synthétique peut être trompeur, signalé comme tel, artistique ou servir d’assistance.
orient · 4 min · inai-explanationLe comportement d’un système d’IA reflète la sélection des données, les étiquettes, les objectifs, la conception du modèle, les seuils, le déploiement, les institutions et les boucles de retour. Certaines disparités mesurables peuvent être réduites.
orient · 5 min · inai-explanationUn modèle ouvert peut mettre à disposition les poids, le code, l’architecture, des informations sur les données ou de la documentation, afin que d’autres puissent inspecter, exécuter, modifier ou redistribuer certaines de ses parties.
orient · 5 min · inai-explanationL’intelligence artificielle générale désigne habituellement une IA dotée de compétences larges et adaptables dans de nombreux domaines, plutôt que spécialisée dans une seule tâche étroite. Il n’existe aucun test, seuil, architecture ou calendrier faisant consensus.
orient · 6 min · inai-explanationFormulez précisément l’affirmation : capacité, version du produit, population, comparaison, date et condition. Trouvez ensuite la source originale et examinez la méthode, le périmètre, les incertitudes, les intérêts en jeu et les éléments qui la contredisent.
orient · 7 min · inai-explanationPartagez seulement les informations nécessaires, autorisées, réduites au minimum et adaptées au service concerné comme aux conséquences possibles.
orient · understand · learn · try · examine · build · 35 min · inai-explanationUn système de type agent poursuit un objectif grâce à un état, des étapes, des outils et des actions encadrées.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’IA transforme d’abord les tâches, avant de modifier les emplois dans leur ensemble, et ce sont les organisations qui déterminent la manière dont ces changements sont répartis.
orient · understand · learn · try · examine · build · 35 min · inai-explanationÉvaluez les médias à partir de leur source, de leur provenance, de leur contexte et de leur corroboration, plutôt qu’à leur réalisme ou à un seul détecteur.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’IA change la façon dont les élèves écrivent, résolvent, expliquent, s’exercent et reçoivent des retours, sans dispenser de décider ce que l’école doit leur permettre d’apprendre.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’IA peut supprimer des efforts routiniers, élargir l’accès et soutenir la création, ou remplacer les tentatives, la mémoire, le jugement et la pratique qui permettent aux personnes de conserver leurs capacités.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’IA dépend de puces, de centres de données, de réseaux, d’électricité, de refroidissement, d’eau, de matériaux, de construction et de travail, tandis que certaines applications peuvent aussi soutenir certains volets du système énergétique.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’équité relève des systèmes et des institutions ; elle ne se prouve pas en retirant un seul champ de données ni en affichant une seule métrique.
orient · understand · learn · try · examine · build · 35 min · inai-explanationL’AGI est un terme controversé désignant une capacité d’IA large et adaptable ; sa définition, les limites du système, les tests et le calendrier restent non stabilisés.
orient · understand · learn · try · examine · build · 35 min · inai-explanationMise en pratique
Laboratoires et outils de pratique pour tester une idée ou produire une décision.Un laboratoire déterministe où la prédiction précède la révélation pour montrer l’effet du contexte et des sources.
try · 15 min · inai-originalUn outil pratique en huit questions qui produit une liste de vérification locale et imprimable, sans score.
build · 8 min · inai-originalComparez des formes d’affirmations convaincantes sans confondre l’assurance, le prestige ou la répétition avec des éléments de preuve.
try · 18 min · inai-originalClassez des informations concrètes selon leur sensibilité, le contexte du fournisseur, leur finalité et les conséquences possibles, plutôt que d’appliquer une règle universelle.
try · 15 min · inai-originalAssemblez les capacités, le contexte, les outils, l’état, les autorisations et le contrôle humain pour voir pourquoi un système opérationnel dépasse son seul modèle.
try · 20 min · inai-originalDéfinissez les accès, les limites, les validations, les journaux et les mécanismes de reprise d’un système fictif capable d’agir au travers de logiciels.
try · 18 min · inai-originalDécomposez le travail en tâches, relations, jugement et responsabilité avant de faire des prévisions sur un métier dans son ensemble.
try · 18 min · inai-originalPlacez un contrôle humain au point où un flux de travail assisté par l’IA devient conséquent, incertain, sensible ou difficile à inverser.
try · 16 min · inai-originalÉvaluez l’origine, le contexte, la corroboration, la provenance et les conséquences sans supposer que l’apparence seule permet de distinguer le vrai du faux.
try · 18 min · inai-originalConstruisez une liste de vérification pour les contextes sensibles avant de donner un texte, un fichier, une image ou un dossier à un système d’IA.
try · build · 8 min · inai-originalTransformez une promesse générale en fiche de comparaison entre l’affirmation et les éléments de preuve.
try · build · 10 min · inai-originalClassez un système d’après son comportement observable plutôt que selon le discours marketing.
try · build · 8 min · inai-originalProduisez une liste de vérification des accès, des actions et de la réversibilité avant qu’un agent puisse avoir des effets sur des logiciels ou des personnes.
try · build · 10 min · inai-originalTransformez « une personne est impliquée » en une carte d’approbation du flux de travail indiquant le moment, les éléments de preuve, l’autorité et la récupération.
try · build · 10 min · inai-originalCréez un inventaire des tâches et des responsabilités sans extrapoler une capacité isolée à l’ensemble d’un métier.
try · build · 12 min · inai-originalCréez un cadre de règles internes évolutif, fondé sur les tâches réelles, les données, la vérification, les responsabilités et l’apprentissage.
try · build · 15 min · inai-originalCréez un guide de méthode d’étude qui utilise l’IA pour les retours et les explications, tout en préservant la récupération active, l’effort, les éléments de preuve et la paternité du travail.
try · build · 10 min · inai-originalÉtablissez une liste de vérification des éléments de preuve et de corroboration pour une image, un contenu audio, une vidéo ou une capture d’écran.
try · build · 10 min · inai-originalCréez un tableau de comparaison des objectifs, des données, des capacités, des coûts et des risques pour un cas d’usage réel.
try · build · 12 min · inai-originalÉlaborez un plan de contexte, de contraintes, d’éléments de preuve et de format de sortie sans traiter la formulation d’une demande comme de la magie.
try · build · 8 min · inai-originalConstruisez une explication en cinq phrases qui distingue l’IA, les modèles, les produits, les limites actuelles et la responsabilité humaine.
try · build · 8 min · inai-originalCréez une fiche de travail consignant la date, la version, la source et la pertinence d’une affirmation concernant l’IA susceptible d’évoluer.
try · build · 10 min · inai-originalCréez un modèle d’attentes communes concernant l’apprentissage, la confidentialité, la paternité du travail, l’équité, l’aide et le réexamen.
try · build · 15 min · inai-originalÉlaborez un arbre de décision intégrant la valeur, le risque, la réversibilité, les éléments de preuve et les responsabilités avant de modifier un flux de travail.
try · build · 12 min · inai-originalRéférence et contexte
Définitions, profils, jalons, collections et registres.Une étagère de sources et de preuves montrant soutien, portée, révision, incertitude et correction.
examine · 10 min · inai-curationL’intelligence artificielle désigne un domaine et une famille de systèmes qui infèrent comment produire des résultats à partir d’entrées selon des objectifs explicites ou implicites.
orient · 2 min · inai-explanationUn algorithme est une procédure définie qui transforme des entrées en résultats par une suite d’opérations ou de règles.
orient · 2 min · inai-explanationL’apprentissage automatique est une approche où le comportement d’un modèle est façonné par des motifs trouvés dans des données ou expériences plutôt que seulement par des règles fixes.
orient · 2 min · inai-explanationL’apprentissage profond est un apprentissage automatique fondé sur des réseaux de neurones comportant plusieurs couches de transformations apprises.
orient · 2 min · inai-explanationUn réseau de neurones est une structure de calcul paramétrée qui fait circuler l’information entre unités et transformations pour apprendre une relation entre entrée et résultat.
orient · 2 min · inai-explanationUn modèle est une représentation apprise ou conçue qui associe des entrées à des résultats pour une tâche ou famille de tâches définie.
orient · 2 min · inai-explanationLes paramètres sont des valeurs numériques internes qu’une procédure d’entraînement ajuste pour façonner le comportement d’un modèle.
orient · 2 min · inai-explanationL’entraînement est le processus d’ajustement d’un modèle pour améliorer sa performance selon un objectif avec des données, du feedback ou des interactions.
orient · 2 min · inai-explanationL’inférence consiste à exécuter un modèle entraîné sur une entrée pour produire une prédiction, génération, note ou autre résultat.
orient · 2 min · inai-explanationUn jeu de données est une collection organisée d’exemples ou d’enregistrements utilisée pour l’entraînement, l’évaluation, l’analyse ou l’exploitation.
orient · 2 min · inai-explanationUne étiquette est une valeur cible ou catégorie attachée à un exemple pour entraîner ou évaluer un modèle supervisé.
orient · 2 min · inai-explanationUne caractéristique est une propriété ou représentation d’entrée qu’un modèle utilise pour produire un résultat.
orient · 2 min · inai-explanationUne prédiction est le résultat estimé d’un modèle pour une entrée, par exemple une classe, valeur, probabilité, séquence ou élément suivant.
orient · 2 min · inai-explanationLa classification attribue une entrée à une ou plusieurs catégories définies, souvent avec une note ou probabilité pour chacune.
orient · 2 min · inai-explanationLa régression est une tâche de modélisation qui prédit une valeur numérique plutôt qu’une catégorie discrète.
orient · 2 min · inai-explanationLa généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.
orient · 2 min · inai-explanationL’évaluation est la mesure et l’enquête structurées sur la performance d’un modèle ou système face à des questions, critères et contextes définis.
orient · 2 min · inai-explanationUn benchmark est une tâche, un jeu de données, une procédure et une métrique standardisés pour comparer des modèles ou systèmes.
orient · 2 min · inai-explanationLe surapprentissage apparaît lorsqu’un modèle épouse trop les exemples d’entraînement ou leur bruit et réussit moins bien sur de nouveaux cas pertinents.
orient · 2 min · inai-explanationUn changement de distribution est une différence significative entre les données ou conditions de développement d’un modèle et celles rencontrées plus tard.
orient · 2 min · inai-explanationL’IA générative produit texte, images, son, vidéo, code ou autre contenu en réponse à un contexte et à des contrôles.
orient · 2 min · inai-explanationUn modèle de fondation est entraîné assez largement pour être adapté ou utilisé dans plusieurs tâches et applications en aval.
orient · 2 min · inai-explanationUn grand modèle de langage, ou LLM, est un modèle riche en paramètres entraîné sur des séquences linguistiques pour prédire et générer des jetons en contexte.
orient · 2 min · inai-explanationUn jeton est une unité dans laquelle l’entrée ou le résultat d’un modèle est découpé pour être traité.
orient · 2 min · inai-explanationUn plongement est un vecteur numérique qui représente un élément afin de mesurer ou apprendre des relations utiles.
orient · 2 min · inai-explanationUne fenêtre de contexte est la quantité limitée d’informations tokenisées qu’un modèle peut considérer ensemble pendant une génération ou inférence.
orient · 2 min · inai-explanationUne invite est une entrée fournie à un modèle ou système génératif pour façonner tâche, contexte, contraintes ou résultat souhaité.
orient · 2 min · inai-explanationUne instruction système est un contexte de configuration destiné à guider le comportement d’un modèle pendant une session ou tâche, souvent prioritaire sur l’entrée ordinaire.
orient · 2 min · inai-explanationLa température est un réglage de génération qui change la préférence de l’échantillonnage pour les jetons les plus probables.
orient · 2 min · inai-explanationUn modèle multimodal traite ou produit plusieurs types de données comme texte, image, son, vidéo ou signaux de capteurs.
orient · 2 min · inai-explanationUne hallucination est un contenu généré non soutenu, inexact ou inventé qui reste souvent fluide et plausible.
orient · 2 min · inai-explanationL’ancrage relie le résultat d’un modèle à des informations, observations, règles ou preuves externes sélectionnées pour la tâche.
orient · 2 min · inai-explanationLa génération augmentée par recherche, ou RAG, retrouve du contenu pertinent et le place dans le contexte d’un modèle génératif.
orient · 2 min · inai-explanationL’ajustement fin est un entraînement supplémentaire qui adapte un modèle préentraîné à des tâches, domaines, exemples ou objectifs de comportement choisis.
orient · 2 min · inai-explanationL’alignement est l’effort pour faire correspondre le comportement d’un système IA à des intentions, valeurs, règles ou objectifs humains définis.
orient · 2 min · inai-explanationUne fiche de modèle est une documentation structurée des usages visés, évaluations, limites, contexte de développement et risques pertinents d’un modèle.
orient · 2 min · inai-explanationUn agent IA est un système qui continue plusieurs étapes vers un objectif et peut choisir ou utiliser actions, outils ou informations sous des contrôles définis.
orient · 2 min · inai-explanationUn système agentique est l’ensemble technique et organisationnel qui permet une continuation et des actions orientées vers un objectif.
orient · 2 min · inai-explanationL’utilisation d’outils est la capacité d’un système à invoquer une fonction, un service, une interface ou un appareil externe et intégrer son résultat.
orient · 2 min · inai-explanationL’appel de fonction permet à un modèle de proposer un nom de fonction et des arguments structurés que le logiciel valide puis exécute éventuellement.
orient · 2 min · inai-explanationUn workflow est une suite organisée de tâches, décisions, transferts, informations et contrôles qui produit un résultat.
orient · 2 min · inai-explanationL’automatisation utilise la technologie pour accomplir tout ou partie d’un processus avec moins d’exécution humaine directe.
orient · 2 min · inai-explanationL’orchestration coordonne tâches, modèles, outils, services, agents ou personnes afin que leurs résultats forment un même processus.
orient · 2 min · inai-explanationLa mémoire est l’information qu’un système conserve ou peut retrouver pour un usage au-delà de l’étape ou du contexte immédiat.
orient · 2 min · inai-explanationL’état est l’information décrivant un système ou une tâche à un moment donné et transmise aux étapes suivantes.
orient · 2 min · inai-explanationUne permission est une capacité autorisée d’accéder à une information, utiliser un outil ou accomplir une action sous des conditions définies.
orient · 2 min · inai-explanationL’humain dans la boucle décrit un processus où une personne effectue revue, décision, correction ou validation définie dans le cycle du système.
orient · 2 min · inai-explanationLa supervision humaine est la capacité plus large de personnes et institutions responsables à comprendre, gouverner, suivre, contester et interrompre un système IA.
orient · 2 min · inai-explanationUn garde-fou est un contrôle préventif, détectif ou correctif destiné à maintenir le comportement dans des limites définies.
orient · 2 min · inai-explanationLa récupération est la capacité d’arrêter, contenir, inverser, réessayer, compenser ou reprendre sûrement après une panne ou interruption.
orient · 2 min · inai-explanationL’observabilité est la capacité de comprendre l’état et le comportement pertinents d’un système à partir de traces, signaux et dossiers conçus.
orient · 2 min · inai-explanationL’autonomie est le degré de liberté d’un système pour choisir, continuer ou agir sans qu’une personne dirige chaque étape.
orient · 2 min · inai-explanationUn biais est une tendance systématique dans les données, mesures, choix de conception, comportements du modèle ou institutions qui oriente les résultats.
orient · 2 min · inai-explanationL’équité est la qualité contextuelle d’un traitement des personnes ou groupes selon des critères, droits, besoins et procédures justifiés.
orient · 2 min · inai-explanationL’explicabilité est le degré auquel les personnes concernées reçoivent un compte rendu utile de la manière ou raison d’un résultat.
orient · 2 min · inai-explanationLa transparence rend disponibles aux personnes concernées les informations pertinentes sur le système, son usage, ses preuves, limites et sa gouvernance.
orient · 2 min · inai-explanationLa provenance est l’origine, la garde, les transformations et l’historique enregistrés de données, médias, preuves ou artefacts.
orient · 2 min · inai-explanationUn média synthétique est un texte, une image, un son, une vidéo ou autre média créé ou substantiellement modifié par génération informatique.
orient · 2 min · inai-explanationUn deepfake est un média synthétique ou manipulé très réaliste qui représente faussement une personne, une voix, un événement ou une action.
orient · 2 min · inai-explanationLa mésinformation est une information fausse, inexacte ou substantiellement trompeuse partagée sans que l’intention de tromper soit nécessaire.
orient · 2 min · inai-explanationLa vie privée concerne contrôle, attentes et risques appropriés autour de la collecte, inférence, utilisation, diffusion, conservation et suppression d’informations sur les personnes.
orient · 2 min · inai-explanationLes données personnelles sont des informations relatives à une personne identifiée ou raisonnablement identifiable, directement ou par combinaison et inférence.
orient · 2 min · inai-explanationLes données sensibles sont des informations dont l’exposition, l’abus, l’inférence ou l’altération peut causer un dommage important ou exige une protection renforcée.
orient · 2 min · inai-explanationLa sécurité protège systèmes et informations contre accès, modification, divulgation, interruption ou destruction non autorisés.
orient · 2 min · inai-explanationUn incident IA est un événement où un système cause, favorise ou crée un risque crédible de dommage, panne ou atteinte aux droits.
orient · 2 min · inai-explanationUn usage à haut risque est une application où panne, abus ou performance inégale crée de graves conséquences pour personnes, droits, sûreté, revenus ou services essentiels.
orient · 2 min · inai-explanationLa vérification consiste à contrôler si une affirmation, sortie, action, identité ou résultat est suffisamment soutenu pour l’usage prévu.
orient · 2 min · inai-explanationUne source primaire est une preuve originale ou un dossier direct produit par les personnes, instruments, institutions ou processus concernés.
orient · 2 min · inai-explanationLe statut des preuves est une étiquette visible indiquant à quel point les sources actuelles soutiennent fortement et régulièrement une affirmation.
orient · 2 min · inai-explanationLa culture de l’IA réunit les connaissances, compétences et jugements contextuels nécessaires pour comprendre, utiliser, évaluer et façonner les systèmes de façon responsable.
orient · 2 min · inai-explanationLe calcul informatique est la capacité et le travail de traitement fournis par le matériel pour entraîner, exécuter et exploiter des modèles et systèmes numériques.
orient · 2 min · inai-explanationUn accélérateur est un matériel spécialisé conçu pour exécuter certains calculs plus vite ou efficacement qu’un processeur généraliste.
orient · 2 min · inai-explanationUn centre de données est une installation qui réunit calcul, stockage, réseau, alimentation, refroidissement et sécurité.
orient · 2 min · inai-explanationUn logiciel open source rend son code source disponible sous une licence accordant des droits définis d’utilisation, inspection, modification et redistribution.
orient · 2 min · inai-explanationUn modèle ouvert met à disposition du public certains artefacts et droits d’usage, avec un degré d’ouverture décrit explicitement.
orient · 2 min · inai-explanationUn modèle fermé ne publie pas ses artefacts clés, détails internes ou accès d’exploitation au-delà des interfaces et conditions du fournisseur.
orient · 2 min · inai-explanationUne API, ou interface de programmation, est une manière définie pour des composants logiciels de demander des fonctions ou échanger des données.
orient · 2 min · inai-explanationLa robotique est le domaine qui conçoit, construit, perçoit, contrôle et exploite des machines agissant dans le monde physique.
orient · 2 min · inai-explanationL’AGI, ou intelligence artificielle générale, est une famille contestée de termes pour une IA aux capacités larges et flexibles dans de nombreuses tâches ou environnements.
orient · 2 min · inai-explanationL’ASI, ou superintelligence artificielle, est un terme spéculatif pour une IA dépassant largement les humains dans la plupart ou la totalité des domaines cognitifs pertinents.
orient · 2 min · inai-explanationConstruisez une carte utile du domaine avant de choisir une orientation plus approfondie.
orient · understand · try · build · 60 min · inai-explanationRemplacez la peur suscitée par les gros titres par une carte des tâches, du jugement et de l’incertitude.
orient · understand · try · build · 60 min · inai-explanationUtilisez l’assistance sans confier votre identité à autrui ni exposer de données personnelles inutiles.
orient · understand · try · build · 60 min · inai-explanationDépassez à la fois la panique et l’enthousiasme non critique.
orient · understand · try · build · 60 min · inai-explanationÉlaborez un cadre d’usage en classe et d’évaluation, pas seulement une opinion de principe.
orient · understand · try · build · 60 min · inai-explanationUtilisez l’assistance tout en conservant les connaissances et le jugement dont vous avez besoin.
orient · understand · try · build · 60 min · inai-explanationIdentifiez un cas d’usage plausible, une limite de risque et une étape suivante sans être entraîné dans un tunnel de vente.
orient · understand · try · build · 60 min · inai-explanationReliez l’acculturation, la refonte des processus, les autorisations et la conduite du changement.
orient · understand · try · build · 60 min · inai-explanationCadrez le déploiement autour des personnes concernées, des éléments de preuve, de la supervision et des voies de recours.
orient · understand · try · build · 60 min · inai-explanationReliez les modèles, les outils, l’état, l’évaluation, les autorisations et les mécanismes de reprise.
orient · understand · try · build · 60 min · inai-explanationExaminez l’incertitude, les intérêts en jeu et les désaccords, au lieu d’être invité à croire.
orient · understand · try · build · 60 min · inai-explanationTuring a contribué à définir mathématiquement ce que signifie calculer, puis s’est demandé comment rendre vérifiables les affirmations sur l’intelligence des machines.
understand · examine · 8 min · inai-explanationMcCarthy a contribué à donner un nom institutionnel à l’IA et à développer des langages ainsi que des formalismes logiques pour représenter les connaissances et raisonner à partir d’elles.
understand · examine · 8 min · inai-explanationMinsky a participé à la création d’institutions majeures de l’IA et a étudié l’intelligence comme l’interaction de nombreux processus spécialisés plutôt que comme un mécanisme unique.
understand · examine · 8 min · inai-explanationHinton a maintenu et élargi la recherche sur les réseaux de neurones pendant des périodes de scepticisme, contribuant au développement de méthodes et de communautés au cœur de l’apprentissage profond moderne.
understand · examine · 8 min · inai-explanationBengio a contribué aux fondements conceptuels de l’apprentissage profond et consacre désormais une grande partie de ses recherches et de son travail public à la sûreté de l’IA avancée.
understand · examine · 8 min · inai-explanationLeCun a contribué à transformer les réseaux convolutifs en systèmes pratiques de reconnaissance visuelle et documentaire, et poursuit aujourd’hui des architectures destinées à apprendre des modèles prédictifs du monde.
understand · examine · 8 min · inai-explanationLi a dirigé avec des collaborateurs la création d’ImageNet, contribuant à faire des vastes jeux de données partagés et des benchmarks des éléments centraux du progrès en vision par ordinateur.
understand · examine · 8 min · inai-explanationPearl a développé des outils graphiques et mathématiques influents pour raisonner en situation d’incertitude et rendre explicites les hypothèses causales.
understand · examine · 8 min · inai-explanationBreazeal a ouvert la voie à la robotique sociale et à l’interaction humain-robot en étudiant la manière dont des machines peuvent utiliser des signaux expressifs et participer à des échanges sociaux structurés.
understand · examine · 8 min · inai-explanationLes recherches de Gebru relient les preuves techniques sur les jeux de données et les performances des modèles à des questions de pouvoir : qui construit l’IA, qui est concerné et quelles institutions contrôlent la recherche.
understand · examine · 8 min · inai-explanationBuolamwini a associé audit empirique, communication publique et plaidoyer pour rendre visibles les disparités de l’analyse faciale automatisée et permettre d’agir sur elles.
understand · examine · 8 min · inai-explanationHassabis a cofondé et dirige DeepMind, une institution qui associe apprentissage automatique, recherche algorithmique et grandes équipes dans des systèmes tels qu’AlphaGo et AlphaFold.
understand · examine · 8 min · inai-explanationVingt et un jalons sourcés montrent ce qui a changé, ce qui n’a pas changé et comment se relient personnes, concepts, institutions et gouvernance.
orient · understand · examine · 45 min · inai-curationEntre 1943 et 1948, le calcul électronique, des neurones mathématiques simplifiés et la cybernétique du retour d’information ont formé plusieurs bases ensuite reprises par l’IA.
understand · examine · 3 min · inai-explanationDans son article, Alan Turing remplace la question mal définie « Une machine peut-elle penser ? » par un jeu d’imitation et examine apprentissage, objections et limites.
understand · examine · 3 min · inai-explanationLe projet d’été de Dartmouth réunit des chercheurs autour de l’hypothèse que certains aspects de l’apprentissage et de l’intelligence pourraient être décrits assez précisément pour être simulés.
understand · examine · 3 min · inai-explanationLes travaux de Frank Rosenblatt montrent un classifieur entraînable dont les poids changent après des erreurs, donnant aux premiers réseaux de neurones un algorithme et une machine concrets.
understand · examine · 3 min · inai-explanationDes projets comme DENDRAL et MYCIN organisent connaissances, règles et procédures d’inférence pour soutenir un raisonnement scientifique ou médical bien délimité.
understand · examine · 3 min · inai-explanationAprès le choc entre prédictions ambitieuses, limites techniques et examens critiques, certains soutiens institutionnels diminuent au Royaume-Uni et aux États-Unis.
understand · examine · 3 min · inai-explanationRumelhart, Hinton et Williams montrent une procédure efficace pour ajuster les poids à travers plusieurs couches afin que des unités cachées apprennent des caractéristiques utiles.
understand · examine · 3 min · inai-explanationLe coût des bases de connaissances fragiles, l’évolution du matériel spécialisé et des attentes commerciales déçues contribuent au recul d’entreprises et d’investissements liés aux systèmes experts.
understand · examine · 3 min · inai-explanationPendant les années 1990, modèles probabilistes, machines à vecteurs de support, arbres, ensembles et évaluations par benchmarks renforcent la place de la prédiction fondée sur les données.
understand · examine · 3 min · inai-explanationImageNet organise des millions d’images du web dans une vaste hiérarchie, puis soutient un défi partagé de reconnaissance à grande échelle.
understand · examine · 3 min · inai-explanationLe système ImageNet de Krizhevsky, Sutskever et Hinton associe réseaux convolutionnels, grand jeu étiqueté, GPU et techniques d’entraînement pour améliorer fortement la classification.
understand · examine · 3 min · inai-explanationDes plongements de mots efficaces rendent des régularités linguistiques utilisables sous forme de vecteurs, tandis que des réseaux apprennent des transformations entre séquences de longueur variable.
understand · examine · 3 min · inai-explanationL’architecture transformer utilise auto-attention et couches feed-forward plutôt que la récurrence ou la convolution dans son système central de traduction.
understand · examine · 3 min · inai-explanationLes membres de l’OCDE adoptent des principes reliant IA digne de confiance, droits humains, valeurs démocratiques, transparence, robustesse, responsabilité et bénéfice inclusif.
understand · examine · 3 min · inai-explanationGPT-3 montre qu’un modèle autorégressif changé d’échelle peut accomplir de nombreuses tâches à partir d’instructions ou d’exemples dans l’entrée, sans mise à jour spécialisée de ses poids.
understand · examine · 3 min · inai-explanationLa Conférence générale de l’UNESCO adopte un instrument normatif couvrant droits humains, inclusion, environnement, gouvernance des données, éducation, culture et autres domaines publics.
understand · examine · 3 min · inai-explanationLa version de recherche de ChatGPT place un modèle de langue capable de suivre des instructions derrière un dialogue simple, utilisable sans développer de logiciel.
understand · examine · 3 min · inai-explanationAI RMF 1.0 organise le travail autour de la gouvernance, de la cartographie, de la mesure et de la gestion des systèmes tout au long de leur cycle de vie.
understand · examine · 3 min · inai-explanationEn 2023, des systèmes relient des interfaces de modèles de langue à des entrées d’image et, selon les familles, à des combinaisons plus larges de texte, image, audio ou vidéo.
understand · examine · 3 min · inai-explanationDes schémas de recherche comme ReAct, des interfaces d’appel de fonctions et de nouveaux protocoles facilitent la combinaison d’un modèle avec recherche, code, API et actions en plusieurs étapes.
understand · examine · 3 min · inai-explanationLe règlement (UE) 2024/1689 entre en vigueur le 1er août 2024 et crée un cadre juridique contraignant fondé sur le risque, avec des règles sur pratiques interdites, systèmes à haut risque, transparence et modèles généraux.
understand · examine · 3 min · inai-explanationRessources externes
Cours, rapports, outils et vidéos annotés par inAi.Un parcours gratuit et structuré qui va des définitions et de la résolution de problèmes à l’apprentissage automatique, aux réseaux de neurones et aux effets sociaux.
examine · 1800 min · external-courseUn cours non technique et concis sur les possibilités et limites de l’IA, l’organisation des projets et son adoption responsable dans les organisations.
examine · 414 min · external-courseUne introduction OpenLearn de niveau 1, prévue pour six heures, qui relie l’histoire et les mécanismes de l’IA aux questions éthiques et sociales.
examine · 360 min · external-courseUn parcours débutant assez court qui présente des notions d’IA à travers l’écosystème Azure.
examine · 120 min · external-publicationUn cours technique modulaire couvrant la régression, la classification, les données, les réseaux de neurones, les plongements, les grands modèles de langage, la production et l’équité.
examine · 900 min · external-courseUne introduction courte, centrée sur des notebooks, pour construire et valider de premiers modèles d’apprentissage automatique.
examine · 240 min · external-courseUn cours gratuit de neuf leçons qui enseigne l’apprentissage profond en construisant des applications avec des bibliothèques modernes.
examine · 810 min · external-courseUn cours Python exigeant de sept semaines qui aborde les algorithmes fondamentaux de l’IA par des cours et projets de programmation.
examine · 4200 min · external-courseUn catalogue évolutif de cours sur les LLM, les agents, la robotique, l’apprentissage par renforcement, la vision, l’audio, la diffusion et les outils de modèles ouverts.
examine · 60 min · external-courseUn cours technique vivant sur la construction et l’évaluation de flux d’agents avec des frameworks open source actuels.
examine · 960 min · external-courseUne visualisation web pour expérimenter avec de petits réseaux de neurones et observer l’évolution des frontières de décision.
examine · 45 min · external-publicationUn outil web pour entraîner sans code de petits classifieurs d’images, de sons ou de postures à partir d’exemples.
examine · 45 min · external-publicationUne collection vidéo visuelle pour construire l’intuition sur les réseaux de neurones, la descente de gradient et les mathématiques associées.
examine · 120 min · external-publicationUn parcours illustré très utilisé pour comprendre l’architecture du transformer original et la circulation de l’attention.
examine · 45 min · external-publicationUne collection d’essais visuels consacrés à certaines méthodes d’apprentissage automatique et notions d’évaluation.
examine · 60 min · external-publicationUne unité de classe animée dans laquelle des élèves débattent de questions liées à l’IA depuis différentes positions d’acteurs.
examine · 150 min · external-publicationUn cadre international pour concevoir les compétences des élèves en IA autour des valeurs humaines, de l’éthique, des fondements, des applications et de la conception de systèmes.
examine · 180 min · external-publicationUne référence internationale pour les compétences des enseignants en IA, couvrant posture centrée sur l’humain, éthique, fondements, pédagogie et développement professionnel.
examine · 180 min · external-publicationUne initiative scolaire qui organise l’éducation à l’IA autour de la perception, de la représentation et du raisonnement, de l’apprentissage, de l’interaction naturelle et des effets sociaux.
examine · 120 min · external-publicationUne boîte à outils 2025 destinée aux autorités et établissements qui élaborent orientations, politiques et démarches de concertation sur l’IA.
examine · 180 min · external-publicationUn portail comparatif sur les politiques, indicateurs, incidents, outils et analyses thématiques liés à l’IA.
examine · 90 min · external-publicationLe cadre volontaire du NIST pour organiser la gouvernance, la cartographie, la mesure et la gestion des risques liés à l’IA.
examine · 240 min · external-publicationUn profil complémentaire qui identifie des risques de l’IA générative et des actions possibles dans la structure du NIST AI RMF.
examine · 300 min · external-publicationL’édition 2026 de la synthèse annuelle de Stanford HAI sur la recherche, l’industrie, les politiques, l’opinion et les effets sociaux de l’IA.
examine · 480 min · external-publicationUne foire aux questions officielle de la Commission européenne sur la disposition de l’AI Act relative à la maîtrise de l’IA et sa mise en pratique.
examine · 45 min · external-publicationUn rapport de l’AIE sur les relations entre IA, demande électrique des centres de données, applications au système énergétique et choix publics.
examine · 240 min · external-publicationUne note de l’OIT publiée en juillet 2026 sur l’exposition à l’IA générative, les perturbations observées et la préparation des marchés du travail de l’ASEAN.
examine · 90 min · external-publicationLa spécification technique actuelle du C2PA pour associer et valider des informations de provenance signées cryptographiquement sur des contenus numériques.
examine · 360 min · external-publicationLe cadre volontaire du NIST pour identifier et gérer le risque lié à la vie privée au moyen de fonctions et profils organisationnels.
examine · 240 min · external-publicationDes orientations du W3C WAI pour planifier sous-titres, transcriptions, descriptions audio et lecteurs multimédias accessibles.
examine · 60 min · external-publicationUn parcours rapide des premiers programmes d’échecs et des règles symboliques jusqu’aux réseaux neuronaux, aux transformeurs, aux évaluations comparatives et aux lois d’échelle. Il montre que la vague actuelle s’inscrit dans une longue histoire, sans considérer comme établies toutes les prévisions formulées vers la fin.
orient · understand · 13 min · external-videoConstruction visuelle d’un petit réseau qui reconnaît des chiffres : les pixels deviennent des activations, les couches les transforment, et poids et biais déterminent la sortie. La vidéo motive ce que l’apprentissage modifie, mais réserve l’algorithme d’entraînement au chapitre suivant.
orient · understand · 19 min · external-videoUne visite visuelle d’un transformeur de type GPT : les tokens deviennent des vecteurs, sont mis à jour par l’attention et des couches à propagation directe, puis produisent une distribution de probabilités pour le prochain token. La génération répète prédiction et échantillonnage ; ce n’est pas une simple recherche de texte stocké.
orient · understand · 28 min · external-videoUne explication accessible de 2023 sur des sorties de modèle fluides mais non étayées, avec des exemples de contradiction, de fabrication et de hors-sujet. Les conseils de formulation peuvent réduire le risque ; ils ne remplacent jamais la vérification d’affirmations importantes auprès de sources fiables.
orient · understand · 10 min · external-videoUne progression pratique claire : d’un chatbot qui répond à une consigne, à un workflow dont la logique de contrôle est définie par l’humain, puis à une boucle agentique qui choisit des outils et itère vers un objectif. Cette progression est une comparaison utile, non l’unique définition admise d’un agent.
orient · understand · 11 min · external-videoDes chercheurs de l’OIT expliquent pourquoi l’exposition se mesure à partir des tâches qui composent les professions, plutôt qu’à partir de gros titres alarmistes sur l’emploi. L’étude de 2023 modélise une automatisation et une augmentation potentielles, puis met l’accent sur la qualité du travail, le genre, l’accès, la voix des travailleurs, le redéploiement et l’écart entre possibilité technique et adoption.
orient · understand · 57 min · external-videoUne introduction concise à la provenance des médias : une capture vérifiée, l’historique des modifications et une chaîne allant de la création à la publication peuvent ajouter des éléments de preuve sur l’origine. WITNESS explique aussi pourquoi un signal d’authenticité ne doit ni devenir un badge de vérité ni exclure les personnes qui ont besoin d’appareils ordinaires, d’anonymat ou de retouches sûres.
orient · understand · 4 min · external-videoJoy Buolamwini s’appuie sur des échecs répétés de systèmes d’analyse faciale pour rendre concret le biais algorithmique, puis retrace les effets nocifs des données d’entraînement et des équipes de développement jusqu’aux services de police, au crédit, au recrutement et à d’autres institutions. Cette intervention est historiquement importante ; ses statistiques et descriptions réglementaires restent datées de 2016.
orient · understand · 9 min · external-videoQuatre minutes sur les serveurs, le refroidissement, la concentration géographique et le scénario de référence 2025 de l’AIE, qui atteint environ 945 TWh en 2030. La vidéo propose une prévision à l’échelle du système, pas un chiffre universel par requête.
orient · understand · 5 min · external-videoUne longue conversation sur les sens concurrents d’AGI, de singularité et de superintelligence ; les limites attribuées aux systèmes de transformeurs ; puis les alternatives du codage prédictif, des systèmes neurosymboliques, de l’évolution, de la mémoire et des modèles du monde. Sa valeur tient aux désaccords et à la carte des architectures, non à la prévision assurée de 2029 de l’invité.
orient · understand · 64 min · external-video