Pourquoi l’IA générative aujourd’hui ?
- Frise chronologique retraçant l’évolution des différents courants de l’IA, des grandes inventions ou innovations.
- Rappel des concepts clés dont le deep learning et les réseaux de neurones (dont nombre de paramètres d’un modèle).
- Comment ChatGPT a été construit : différence fondamentale entre la partie Large Language Models (LLM) et la partie conversationnelle.
- Limites et biais possibles liés à la nature des données d'entraînement.
- Limites liées à la modération de contenu ou à la politique d’OpenAI.
- Modes de facturation à l'usage en fonction du nombre de tokens traités, leurs avantages et inconvénients.
Techniques de base du prompt engineering
- Qu'est-ce que le prompt engineering ? Pourquoi est-ce essentiel pour optimiser l'utilisation des modèles de langage ?
- Structures des prompts : prompts ouverts, fermés, préremplis, à choix multiples, prompts de confirmation, d’erreur.
- Création de prompts efficaces en partant d’exemples de tâches à accomplir.
- Rôle et dirigeabilité. Contexte et tâches. Longueur de contexte. Méthode Randomized Controlled Trial (RCT).
- Analyser les avantages et inconvénients de la prise de décision assistée par l'IA.
- Identifier les principaux biais possibles (femme/homme). Problèmes liés aux hallucinations.
- Identifier les sujets interdits par ChatGPT. Analyser la sensibilité au contexte.
Démonstration
Création et tests de prompts sur diverses tâches proposées et en appliquant la dirigeabilité ou pas. Comparaison des réponses. Analyser diverses réponses d'une IA et identifier leurs incohérences ou erreurs.
Améliorer la qualité des interactions avec une IA
- Générer des prompts avec ChatGPT.
- Exploration de cas d'utilisation avancée dont exemple avec l’utilisation d’un arbre de pensée.
- Détailler les techniques pour formuler des prompts efficaces (précision, contexte, relances).
- Méthode React de Princeton.
- Comment utiliser une IA pour l’aide à la rédaction, à l'apprentissage ?
- L’automatisation de la collecte de données avec ChatGPT.
Démonstration
Expérimenter les techniques de prompts complexes dans des cas d’usage concrets. Comparaison de performances de prompts sur des tâches données et sensibilisation à la vulnérabilité des chatbots (Gandalf.AI).
Reconnaître et évaluer les limites d'une IA
- Apprendre à reconnaître les marqueurs d'un texte généré (style, cohérence).
- Proposer des améliorations constructives plutôt que de discréditer.
- Définir une grille d'évaluation multidimensionnelle.
- Génération du code d'une page web à partir d'un croquis.
- Notion d'IA faible versus IA forte et avenir de l'IAG.
- Différence de réponses selon l'outil entre ChatGPT et d'autres outils avec moins de paramètres.
Démonstration
Analyse comparée : sur la base de textes écrits par des humains et par une IA, identifier lesquels sont générés par une IA et pour quelles raisons. Amélioration d’un texte généré par une IA à partir d’exemples. Évaluation de réponses selon des critères établis.
