Pour comprendre comment fonctionne l’IA, il suffit de réfléchir à la manière dont vous apprenez. Pour les systèmes d’IA, l’apprentissage se fait de manière semblable : en recevant beaucoup d’informations (données), puis en trouvant des schémas et des relations au sein de ces données.

Les systèmes d’IA apprennent souvent dans le cadre d’un processus d’apprentissage automatique qui comprend trois composants importants:

Une image illustrée d'une cheffe (ou cuisinière) en uniforme blanc, écharpe rouge et toque blanche haute. Elle tient un fouet dans sa main droite et gesticule de sa main gauche, entourée de parchemins de recettes flottants, de notes de musique et d'ingrédients frais comme des tomates, de l'ail, des oignons, du basilic et des carottes.

1. Les données

Pour apprendre, les modèles d’IA utilisent des données. Tout peut servir de données : des photos, du texte, des sons ou des nombres. Plus un modèle d’IA reçoit des données de grande qualité, plus il dispose d’informations à partir desquelles apprendre. Pensez-y comme suit : un chef cuisinier qui a appris à cuisiner en goûtant des milliers de recettes et d’ingrédients différents aura probablement un palais plus raffiné. Pour rester à jour et précis, de nouvelles données doivent souvent être fournies aux modèles d’IA au fil du temps.

Une image illustrée d'un garçon assis à un bureau, regardant un écran d'ordinateur. L'écran affiche six images de chiens et de chats. Le garçon pointe l'écran du doigt tandis qu'un réseau de lignes le relie à de plus petites images flottantes d'animaux au-dessus de l'écran, suggérant un processus d'apprentissage (ou d'entraînement). Une ampoule s'allume à droite de ce réseau.

2. Entraînement

Après avoir recueilli des données, nous les utilisons pour entraîner le modèle d’IA. C’est essentiellement ce que font les étudiants et étudiantes lorsqu’ils se préparent pour un examen. On donne au modèle d’IA des données ainsi qu’un objectif (par exemple, « trouver la différence entre un chien et un chat »). Le modèle d’IA traite les données à plusieurs reprises, effectuant des ajustements et s’améliorant à chaque essai jusqu’à ce qu’il puisse réaliser la tâche avec exactitude.

Une image illustrée d'une main tenant un smartphone. L'écran affiche le visage souriant d'une personne avec un carré numérique autour. Une bulle de discussion pointe vers la personne et dit : "Nouvel(le) ami(e)" ("New Friend"). En haut de l'écran, une icône de cerveau avec des lignes de connexion symbolise un processus numérique.

3. Inférence

Une fois le modèle d’IA entraîné, il est prêt à être testé avec de nouvelles données! Lorsque vous photographiez un nouvel ami ou une nouvelle amie et que votre téléphone utilise ce qu’il a appris au sujet de la reconnaissance faciale pour correctement l’étiqueter, l’IA effectue en fait une inférence. L’IA utilise ses connaissances pour faire une prédiction ou prendre une décision en temps réel concernant quelque chose qu’elle n’a jamais vu.