Technologies

Tout savoir de ChatGPT en 4 vidéos

Que cache la technologie ChatGPT ? Comment l’exploiter en entreprise ? Alexis Greenbaum (CEA), Thomas Husson (Forrester) et Arthur Millerand (Parallel Avocats) décryptent les promesses et limites de ChatGPT. (Photos Gabrielle Clare Martino/Unsplash)

100 millions d'utilisateurs en deux mois. Véritable phénomène de la fin 2022 et du début 2023, ChatGPT et ses futurs concurrents sont appelés à avoir un impact sur le fonctionnement des entreprises. Mais lequel ? Et avec quelles limites ? Décryptage.

PublicitéAprès avoir été au centre des conversations technologiques ces dernières semaines, ChatGPT, l'IA générative d'OpenAI, entre dans une nouvelle phase de son développement, une phase qui vise à accélérer ses usages en entreprise. L'outil va d'abord être proposé sur abonnement, à 20 dollars par mois, dans les prochaines semaines. Ce qui devrait permettre aux utilisateurs premium de contourner les ralentissements ou difficultés d'accès qu'ils rencontrent avec la version ouverte à tous. Dans un billet de blog, OpenAI explique que l'abonnement offrira un accès illimité au service, même pendant les heures de pointe, et avec de meilleurs temps de réponse. La version gratuite perdurera, assure l'éditeur, car elle lui permet de toucher un maximum d'utilisateurs, donc d'engranger des données sur les usages.

Comptes-rendus de réunion dans Teams

Par ailleurs, l'IA générative devrait aussi toucher les utilisateurs en entreprise via son intégration dans les outils Microsoft. La technologie d'OpenAI va en effet rejoindre Microsoft Teams, pour générer automatiquement des résumés de réunions, des recommandations ou encore des points particuliers personnalisés. « Grâce à la récapitulation intelligente, vous pouvez désormais gagner du temps lors de la révision des enregistrements de réunion. Les chapitres générés par l'IA divisent la réunion en sections afin qu'il soit facile de choisir le contenu le plus pertinent pour vous », explique Microsoft. Cette fonctionnalité sera proposée dans la version premium de la suite d'outils de communication de Microsoft d'ici à juin prochain.

Pour bien comprendre cette technologie en passe d'enrichir l'arsenal technologique à disposition des entreprises, les rédactions du Monde Informatique et des sites Enjeux (appartenant au même groupe que CIO) proposent quatre vidéos pour comprendre le potentiel et les limites de ce type d'outils :

- D'abord que se passe-t-il réellement à l'intérieur du moteur ChatGPT, comment fonctionne-t-il ? Alexei Grinbaum, directeur de recherche au CEA et président du Comité opérationnel pilote d'éthique du numérique (CNPEM), nous explique les spécificités d'une solution qui est bien plus qu'un chat ou même qu'un transformer. Tout en en dessinant les limites.

- Comment interagir avec ces outils pour obtenir des résultats probants. Touchez du doigt la simplicité d'usage de ChatGPT et de Dall-E, un générateur d'images bâti sur le même modèle, grâce à une démonstration.

- Quelle influence ce type d'outils aura-t-il sur les métiers ? C'est ce sujet qu'explore Thomas Husson, vice-président du cabinet d'analyse Forrester, dans cette vidéo où il se penche sur les usages possibles des IA génératives en environnement professionnel.

Publicité
- Enfin, qu'en est-il du droit ? Quid du plagiat, du droit d'auteur, de l'atteinte à la vie privée ou de la diffamation ? Même si le droit n'est clairement pas prêt pour le phénomène et si la technologie continue d'évoluer, Arthur Millerand, avocat associé chez Parallel avocats, livre de premières réponses.

Le lexique des IA génératives

Transformers

Il s'agit d'un type d'algorithmes apparu en 2017 et fondé sur les réseaux de neurones. Ces modèles d'apprentissage profond sont particulièrement utilisés dans le domaine du traitement du langage naturel et de la vision assistée par ordinateur. C'est la technologie de GPT-3, au coeur de ChatGPT.

Renforcement

Si les résultats d'un outil comme ChatGPT ne sont évidemment pas parfaits, son concepteur OpenAI a, malgré tout, ajouté des contrôles afin d'affiner les réponses du modèle entraîné automatiquement sur de grands volumes de données. D'abord via des superviseurs humains qui ont évalué la qualité des réponses fournies dans un premier temps, puis via un mécanisme automatisé de renforcement, consistant à propager ces retours des premiers utilisateurs à l'échelle du modèle (qui renferme 175 milliards de paramètres).

LLM

Acronyme de Large Language Model, soit un modèle d'apprentissage automatique de modélisation de la langue entraîné sur de très grands volumes de données. C'est dans cette famille que se classe ChatGPT. Un LLM, constitué d'un Transformer couplé à des contrôles et des mécanismes de renforcement, est capable de modéliser la langue, mais aussi d'effectuer de l'apprentissage par transfert (Transfer Learning), c'est-à-dire d'utiliser des compétences et connaissances acquises pour réaliser une tâche pour laquelle il n'a pas été prévu à l'origine.

IA générative

C'est la nature de la technologie sur laquelle s'appuie ChatGPT, dont la fonction clef est de générer le mot suivant le plus probable d'après le contexte (soit les mots précédents), en s'appropriant les codes d'une langue (orthographe, syntaxe, grammaire).

Prompt

Le prompt engineering, un concept d'IA utilisé en particulier en traitement du langage naturel, consiste à embarquer une description de la tâche à accomplir dans les données d'entrée. Pour ChatGPT, il s'agit de la question ou plutôt de la série de questions (car contrairement à son prédécesseur, ChatGPT conserve le contexte des précédentes questions) qu'un utilisateur entre dans le moteur et qui conditionne la qualité de ses réponses.

Hallucination

Totalement dénué de logique, un LLM peut produire des réponses complètement farfelues ou simplement fausses qu'il présente néanmoins avec aplomb. C'est ce que les spécialistes appellent des hallucinations. Les exemples concernant ChatGPT sont nombreux et ont circulé largement.

Attention

Ce mécanisme, greffé aux réseaux neuronaux utilisés dans l'apprentissage profond, est considéré comme une avancée majeure du Deep Learning permettant d'améliorer les qualités des réponses d'une IA en langage naturel (chat ou traduction notamment). Grâce à ce mécanisme, le modèle parvient à mieux appréhender le contexte dans lequel intervient chaque mot, pour bâtir une compréhension globale d'une phrase.