L’intelligence artificielle générative suscite autant d’enthousiasme que d’inquiétude, aussi bien dans la sphère professionnel, que personnel, que politique. Pourtant, les technologies derrières les IA ne sont pas aussi mystérieuses qu’elles en ont l’air. En observant des situations familières de notre quotidien, nous pouvons mieux comprendre comment fonctionne les modèles génératifs, ce qu’ils peuvent réellement faire, et surtout ce qu’ils ne peuvent pas faire, ou font mal. Je vous propose dans cet article de réfléchir autrement sur l’IA : non pas comme une menace ou une solution miracle, mais comme un outil aux multiples facettes qu’il convient d’apprivoiser progressivement.
L’IA est un sujet vaste et complexe, (bien trop) souvent source de désaccords et de tensions. Mais que vous soyez enthousiaste, hostile ou attentiste vis-à-vis de l’IA, les modèles génératifs progressent à grands pas, sans que l’on s’en rende forcément compte, d’où l’intérêt d’en comprendre les tenants et aboutissants. C’est d’ailleurs le message qu’essaye de faire passer l’éditeur de ChatGPT : AI progress and recommendations.
Most of the world still thinks about AI as chatbots and better search, but today, we have systems that can outperform the smartest humans at some of our most challenging intellectual competitions.
La compréhension de l’IA et des modèles génératifs (leur fonctionnement, points forts / faibles, avantages, inconvénients…) est essentielle pour nous préparer au monde qui vient, car nous n’en sommes qu’au début d’une phase de transformation systémique : Du Web4 à la Société 5.0.
J’ai déjà eu de nombreuses occasions de vous expliquer que l’IA est le principal moteur de la 4e Révolution Industrielle, celle qui donne un second souffle à la transformation numérique. Voilà pourquoi il est essentiel d’en avoir une bonne compréhension : car c’est le seul chemin qui mène à sa maitrise. Le seul qui vous mettra à l’abri des bouleversements à venir, ceux que l’on a encore du mal à anticiper, mais qui seront certainement très violents, avec de lourdes conséquences pour ceux qui refusent le progrès : DeepSeek researcher pessimistic over AI’s impact.
Pour vous aider à y voir plus clair et lever les doutes qui peuvent persister quant à la compréhension fine de ce qu’est l’IA, son fonctionnement et son intérêt, je vous propose cette liste de questions / réponses qui vont vous aider à mieux en appréhender toutes les subtilités.
Du moins je l’espère…
Est-ce que rouler en voiture électrique contribue au développement durable ?
Réponse : Une voiture électrique ne pollue pas directement quand elle roule, ou moins que les voitures thermiques. Néanmoins, il faut prendre en compte le bilan écologique total d’une voiture électrique (matériaux de construction, batterie…) ainsi que les ressources utilisées pour produire l’électricité (énergies fossiles ou nucléaire…). De plus, chacun a sa propre intuition de ce qui est écologique ou durable, car la définition de « Développement Durable » est large : toute personne en a son interprétation et y place ses préoccupations.
Analogie avec l’IA générative : L’IA est une notion complexe, un concept flou que chacun interprète différemment selon son expérience ou ses craintes. Voilà pourquoi les discussions sur l’IA sont compliquée : car les interlocuteurs font référence à des usages ou technologies différentes. L’IA est malheureusement un concept dont il n’existe pas réellement de définition universellement acceptée. Ceci complique les échanges et alimente les malentendus.
Est-ce qu’un avion sait voler ?
Réponse : On peut le faire voler, mais un avion ne sait pas voler par lui-même. Il n’a ni envie, ni pas envie de voler, c’est une machine qui est à notre service, elle a été conçue pour répondre aux commandes qu’on lui donne, et n’a certainement pas conscience de voler.
Analogie avec l’IA générative : L’intelligence des systèmes d’IA est artificielle au sens littéral : ce sont des systèmes informatiques qui peuvent simuler de façon extrêmement performante l’intelligence (les traitements cognitifs) si elles sont correctement exploitées, mais les IA restent des outils qui n’ont ni conscience, ni intention, ni volonté propre. L’IA reste un outil au service de l’humain, aussi performant soit-il.
Est-ce qu’un lave-linge est autonome ?
Réponse : Le cycle d’un lave-linge s’exécute de façon automatique une fois lancé, mais il nécessite de la préparation et des choix avant le début du cycle (collecte et tri du linge, ajout de lessive, choix du programme), ainsi que des manipulation après le lavage (séchage, pliage et rangement du linge). L’automatisation ne concerne qu’une partie du processus pour avoir du linge propre à disposition.
Analogie avec l’IA générative : Les IA sont comme les lave-linges, ce sont des machines qui exécutent des programmes. Pour fournir de bons résultats, les IA nécessitent du travail en amont (collecte des données, entrainement et affinage des modèles…) et de la réflexion en aval (vérification des informations, validation des contenus générés…). L’IA n’est donc pas autonome, elle est exploitée dans des démarches d’automatisation où l’humain garde un rôle essentiel.
Est-ce qu’il existe un logiciel général ?
Réponse : Il existe des suites logiciel comme Microsoft Office qui donnent une illusion d’unicité (un seul logiciel en différentes parties), mais aucun logiciel capable de couvrir l’ensemble des besoins informatiques. Il serait d’ailleurs contre-productif de tenter de créer un logiciel généraliste, car sa conception serait trop compliquée, et car il nécessiterait trop de ressources pour être exécuté (du fait du nombre de lignes de code). De plus, où s’arrête la prise en compte de l’ensemble des besoins informatiques ? La prise en compte de l’ensemble des besoins de chaque individu sur la planète est une utopie.
Analogie avec l’IA générative : La notion d’intelligence générale artificielle (« AGI » en anglais) est illusoire, car un tel système serait beaucoup trop complexe et couteux à concevoir et exploiter. Il est bien plus efficace et réaliste de développer des IA spécialisées dans des domaines précis et de les faire collaborer, plutôt que de chercher à créer une super-IA universelle.
Faites-vous confiance à votre calculatrice ?
Réponse : Oui, car une calculatrice applique des règles mathématiques précises et ne se trompe jamais dans ses calculs. Son fonctionnement est totalement prévisible et transparent.
Analogie avec l’IA générative : Les IA symboliques ou discriminatives sont parfaitement maitrisées, car elles reposent sur des règles et calculs statistiques dont nous comprenons parfaitement les capacités et limites. Les IA génératives reposant sur des modèles probabilistes n’offrent pas les même garanties, car les inférences ne sont pas fiables à 100% (elles proposent la réponse la plus probable, pas nécessairement la plus juste). Il n’est donc pas possible de faire une confiance aveugle à un chatbot, contrairement à une calculatrice.
Quel est le meilleur type de voiture : compact, SUV, cabriolet… ?
Réponse : Les différents types de voiture ont tous des avantages et inconvénients. L’un n’est pas meilleur que l’autre, ils correspondent simplement à des usages, besoins et contraintes différents : : une citadine pour se garer facilement en ville, un SUV pour une famille nombreuse, une berline pour les longs trajets…
Analogie avec l’IA générative : Il existe différents types de modèle (de langage, de vision, de parole, de recherche, de raisonnement, d’action…) en différentes tailles (grand, moyen, petit…). Certains modèles ne sont pas meilleurs que d’autres, tout dépend du contexte d’usage et des contraintes. Ainsi, GPT-5 n’est pas forcément meilleur que Mistral Small, tout est question de compromis (ex : performances, consommation d’énergie, confidentialité…).
Est-ce que tracer une ligne avec une règle c’est tricher ?
Réponse : Tracer une ligne parfaitement droite à la main est un exercice qui nécessite beaucoup d’entraînement et de dextérité. Utiliser une règle est simplement le choix de l’efficacité : ce qui compte, c’est d’obtenir un trait bien droit.
Analogie avec l’IA générative : Nous utilisons l’IA depuis de nombreuses années pour nous assister dans nos tâches au quotidien (ex : correcteurs orthographiques). Il n’y a, à priori, pas d’inhibition à utiliser une IA générative pour rédiger du contenu dont nous voulons garantir la qualité (orthographe, syntaxe…). Sauf dans le cas bien précis d’un devoir de rédaction à l’école.
Un DJ fait-il de la musique ?
Réponse : Si un DJ n’a pas lui-même créé les morceaux de musique qu’il utilise dans ses mix, il sait en revanche parfaitement « sentir » l’ambiance d’une soirée afin de choisir le bon morceau au bon moment pour faire danser un maximum de personne et leur faire passer un bon moment (ressentir des émotions positives). Son talent réside dans la sélection et l’agencement, pas dans la création initiale. En revanche, si un DJ utilise toujours les mêmes morceaux de musique, il va finir par lasser son public. Il est donc essentiel qu’il puisse trouver de nouveaux morceaux.
Analogie avec l’IA générative : Les IA génératives ne sont pas capables de créer des contenus originaux, car elles ne font qu’utiliser des calculs probabilistes pour générer de nouveaux contenus à partir de contenus existants (ceux qui ont servi à son entrainement). Néanmoins, tous les artistes s’inspirent ou sont influencés par le travail de leurs prédécesseurs. De plus, la créativité n’est pas forcément le seul critère à prendre en compte pour évaluer la production d’un modèle génératif. La priorité peut ainsi être donné à la qualité des contenus générés.
Utiliser un appareil photo fait-il de vous un photographe ?
Réponse : Si n’importe qui peut déclencher l’obturateur d’un appareil photo, les photographes mobilisent des compétences particulières pour créer des photos de qualité (cadrage, composition, éclairage, capture du mouvement ou d’une émotion particulière…). Le savoir-faire d’un photographe est acquis grâce à de nombreuses années de travail, il ne peut en aucun cas être reproduit ou émulé par un appareil photo, même le meilleur du monde.
Analogie avec l’IA générative : Utiliser le modèle génératif le plus performant dans un domaine ne fera pas de vous un expert de ce domaine. Si les modèles génératifs peuvent apporter aux utilisateurs des connaissances et compétences très précieuses, les résultats obtenus par un expert seront toujours meilleurs, car il saura parfaitement formulé la demande, interpréter le résultat, puis l’affiner. Ce qui n’est pas le cas d’un néophyte qui ne connait pas forcément ou ne comprend pas les subtilités d’un domaine.
Est-ce que marcher avec une béquille c’est quand même marcher ?
Réponse : Nous pouvons considérer que marcher en s’aidant d’une béquille ou d’une prothèse est de la marche (un mode de locomotion constitué d’une suite de pas). L’outil compense une difficulté et permet d’accomplir l’objectif en toute efficacité et sécurité (éviter les chutes). L’important est de se déplacer librement, et pas forcément de le faire avec du style, sauf dans le cas bien précis d’un défilé de mode.
Analogie avec l’IA générative : S’aider d’une IA pour réaliser des tâches est tout à fait légitime dans un contexte de recherche de performance et/ou de qualité. C’est la même chose que d’utiliser un exo-squelette : l’important est d’abattre plus de travail en se fatiguant moins, ou en s’exposant moins au risque de blessure. En ce sens, l’IA est comme un cerveau externe (ou secondaire), un exo-cerveau.
Si une recette est ratée, est-ce la faute du four ?
Réponse : Un four ne fait qu’appliquer une température pendant un certain temps. Si la recette est mal écrite, si les ingrédients sont mauvais ou si on se trompe de réglage / minutage, le résultat sera raté, même avec un four de très bonne qualité.
Analogie avec l’IA générative : L’IA n’est pas responsable de la qualité des données ou des consignes qu’on lui fournit. Si les contenus d’entraînement sont biaisés ou incomplets, ou si la demande est mal formulée, la réponse pourra être trompeuse. L’outil exécute, mais la responsabilité de son utilisation reste humaine.
Est-ce qu’un GPS sait où vous allez ?
Réponse : Un GPS calcule un itinéraire entre deux points selon des critères (rapidité, péages, trafic…). Il ne connaît pas votre destination finale réelle ni pourquoi vous y allez. Si vous cherchez une boulangerie, il vous emmène à une adresse de boulangerie, sans savoir si elle est ouverte ou si le pain y est bon.
Analogie avec l’IA générative : Une IA ne comprend pas l’intention profonde derrière votre demande. Elle traite littéralement les mots que vous utilisez sans comprendre le contexte implicite, vos contraintes réelles ou vos objectifs finaux. D’où l’importance de formuler des demandes précises et complètes, car l’IA ne peut pas deviner ce que vous ne dites pas explicitement.
Un moteur de recherche vous donne-t-il toujours la bonne réponse ?
Réponse : Non, il donne les résultats les plus pertinents par rapport aux mots-clés que vous avez saisis. Si vos mots-clés sont vagues ou mal choisis, les résultats seront décevants. L’art de trouver la bonne information réside dans l’art de poser la bonne question.
Analogie avec l’IA générative : La qualité de la réponse de l’IA dépend entièrement de la qualité de votre instruction (le prompt). Savoir bien formuler ses prompts est une compétence clé : l’IA ne lit pas dans vos pensées, elle ne fera pas un bon travail si votre demande est imprécise.
Est-ce qu’un miroir vous montre la réalité ?
Réponse : Un miroir inverse votre image (la droite devient la gauche). De plus, il ne montre que ce qui se trouve devant lui, dans un angle limité, et peut déformer votre image selon sa qualité ou son usure. Ce que vous voyez est une représentation partielle et transformée de la réalité, mais nous nous en accommodons parfaitement. Les miroirs sont d’ailleurs des objets dont nous aurions énormément de mal à nous passer.
Analogie avec l’IA générative : Les IA génératives reflètent les données sur lesquelles elles ont été entraînées, avec leurs biais, leurs lacunes et leurs déformations. Si les données d’entraînement sur-représentent certains points de vue ou époques, l’IA reproduira ces déséquilibres. Elle ne produit pas la vérité mais une version partielle et orientée de ce qu’elle a appris (sur la base de calculs probabilistes)
L’invention du tracteur a-t-elle fait disparaître les agriculteurs ?
Réponse : Les tracteurs ont fait disparaître certaines tâches (labour à la main, transport de charges lourdes…). Depuis leur généralisation, l’agriculture a été bouleversé, tandis que le métier a évolué : les agriculteurs ont dû apprendre à conduire et entretenir leur tracteur, et se sont concentrés sur des tâches à plus haute valeur ajoutée (gestion des stocks, optimisation des cultures…).
Analogie avec l’IA générative : L’IA ne fera pas disparaître les “cols blancs » (les employés de bureau), mais elle les remplacera dans certaines de leurs tâches. Les fonctions des travailleurs du savoir vont évoluées, car l’enjeu de ces prochaines années est de gagner en productivité en s’appuyant sur de nouveaux outils (comme l’agriculture au 20e siècle). Les salariés devront apprendre à se servir des modèles génératifs pour pouvoir se concentrer sur ce que l’IA ne peut pas ou mal faire.
Ces quinze analogies devraient vous servir à comprendre que l’IA générative n’est ni magique ni malveillante. C’est un outil très puissant mais qui reste limité, capable d’étendre nos capacités sans nécessairement nous remplacer. Comme tout outil, il nécessite d’être compris, maîtrisé et utilisé de manière réfléchie. Les vraies questions que vous devez vous poser ne sont donc pas « L’IA va-t-elle nous remplacer ? » mais plutôt :
- Pour quelles tâches l’IA est-elle vraiment pertinente dans mon travail ?
- Comment formuler mes demandes pour obtenir les meilleurs réponses ?
- Comment vérifier et améliorer ce que l’IA me propose ?
- Comment m’adapter pour travailler efficacement avec ces nouveaux outils ?
- …
L’IA générative est un domaine plein de nuances et d’incertitudes. Il n’existe pas de vérité absolue, mais une multitude de contextes d’usage où elle peut être plus ou moins pertinente. L’important est d’expérimenter, de comprendre ses forces et ses limites, et de construire progressivement votre propre jugement.