Claude Academy
Chargement

Capacités et limites de l'IA

Leçon 325 min
Dans cette leçonÀ la fin, vous serez en mesure de
  • Définir l'IA générative et en quoi elle diffère des autres types d'IA
  • Reconnaître les caractéristiques clés et les fondements technologiques de l'IA générative
  • Identifier les principales capacités et limites de l'IA générative actuelle

Qu'est-ce que l'IA générative ?

Chargement

Capacités et limites de l'IA · 12 min

RésuméTranscription

Cette vidéo explique comment les grands modèles de langage comme Claude sont construits et entraînés, et ce que cela signifie pour ce qu'ils peuvent — et ne peuvent pas — faire de manière fiable lorsque vous les mettez au travail dans votre entreprise.

Points clés à retenir

  • L'IA générative crée du nouveau contenu plutôt que de simplement analyser des données existantes.
  • Trois avancées ont rendu possibles les LLM modernes : l'architecture transformer, de vastes données d'entraînement et une puissance de calcul massive.
  • L'entraînement comporte deux étapes : le pré-entraînement (apprentissage de modèles à partir de milliards d'exemples) et le fine-tuning (apprentissage à suivre des instructions de manière utile).
  • Les forces actuelles incluent la polyvalence sur différentes tâches, la fluidité conversationnelle et la connexion à des outils externes.
  • Les limites actuelles incluent les dates limites de connaissances, les hallucinations, la taille de la fenêtre de contexte et le raisonnement complexe en plusieurs étapes.
  • Les meilleures applications associent les forces humaines et celles de l'IA — votre jugement, votre créativité et votre supervision, combinés à la rapidité et à l'échelle de l'IA.

Exercices

Tester les limites

Cet exercice vous donne des preuves concrètes de ce que l'IA générative fait bien et de ses limites. Vous allez explorer, de manière peu risquée, quelques-unes des capacités et limites spécifiques présentées dans les vidéos, en utilisant du contenu de votre propre domaine — afin d'avoir un repère concret, fondé sur vos propres observations, pour décider de ce que vous pouvez confier à l'IA.

Partie I : Réflexion personnelle (seul)

Choisissez un domaine que vous connaissez bien, où vous repéreriez immédiatement une erreur si un vendeur, un fournisseur ou un client se trompait. Notez :

  • Le sujet (par exemple, vos calculs de marge bénéficiaire, les règles de zonage locales, ou les exigences de licence de votre secteur)
  • Deux ou trois faits à ce sujet que vous attendriez de toute source sérieuse qu'elle obtienne correctement
  • Une idée fausse courante que les gens ont à ce sujet
  • Un aspect qui est réellement difficile à bien expliquer

C'est votre terrain d'essai. Vous allez voir comment l'IA gère quelque chose que vous pouvez réellement vérifier.

Partie II : Collaboration (avec l'IA)

Ouvrez une conversation avec Claude (ou tout autre assistant IA de votre choix) et menez trois échanges rapides. Notez ce que vous observez après chacun d'eux.

  1. Test de polyvalence. Demandez à l'IA d'expliquer votre sujet de trois manières différentes dans une seule réponse : une fois pour un client qui ne connaît rien à votre service, une fois pour un partenaire commercial potentiel, et une fois pour un nouvel employé que vous intégrez. Les changements de public ont-ils vraiment fonctionné, ou l'IA a-t-elle simplement changé de vocabulaire ? Quelle version était la plus convaincante ?
  2. Test d'hallucination. Demandez à l'IA de recommander deux ou trois ressources spécifiques liées à votre sujet — une association professionnelle, une publication sectorielle, un organisme de réglementation ou un fournisseur connu. Vérifiez ensuite au moins l'une d'entre elles. L'organisation existe-t-elle ? Le site web est-il correct ? Les coordonnées sont-elles exactes ? (C'est ici que vous verrez si l'IA invente avec assurance une source qui semble plausible mais qui n'est pas réelle.)
  3. Vérification de la date limite de connaissances et du raisonnement. Posez à l'IA une question sensible au temps ou locale : un changement réglementaire récent dans votre secteur, les tendances actuelles des prix d'un matériau clé, ou une exigence de licence locale. Vous indique-t-elle que ses informations pourraient être obsolètes ? Nuance-t-elle ses propos, devine-t-elle, ou présente-t-elle des informations périmées comme actuelles — le genre de chose qui pourrait vous coûter de l'argent si vous agissiez en conséquence ? Demandez-lui ensuite de traiter l'idée fausse courante que vous avez notée dans la Partie I. A-t-elle abordé la véritable confusion, ou s'est-elle contentée de répéter le fait correct ?

Partie III : Réflexion

Quelle capacité présentée dans la vidéo s'est manifestée le plus clairement dans ce que vous avez observé ? Quelle limite est apparue — et l'auriez-vous repérée si ce n'était pas un sujet que vous connaissez bien ? Sur cette base, quelle est une tâche que vous seriez à l'aise de confier à l'IA dès maintenant, et une autre que vous souhaiteriez surveiller plus attentivement ?

Objectif bonus : Testez le même sujet avec un second outil d'IA (un modèle ou une plateforme différente). Les erreurs et les forces étaient-elles les mêmes ?

Réflexion sur la leçon

  • En quoi le fait de savoir comment ces systèmes sont entraînés change-t-il la façon dont vous allez travailler avec eux ?
  • Quelles considérations éthiques vous viennent à l'esprit compte tenu du fonctionnement de l'IA générative et de ses limites ?

Et ensuite

La prochaine étape est une activité pratique explorant comment les modèles de langage génèrent réellement du texte, afin de mettre en pratique ce que vous venez d'apprendre.