Workshop data & IA responsable
9 Avril 2026
Nicolas Rochet
Qui suis je ?
Data for Good
Senior data scientist
Activité participative
Datascience, IA & vous
Connectez vous pour participer :
https://app.wooclap.com/ABRPLX
Introduction
Démystification
&
Définition résumée
Mathématiques
Informatique
"Domain
knowledge"
Discipline utilisant des méthodes scientifiques, algorithmes et systèmes d'information pour extraire des connaissances à partir de données structurées ou non structurées
Science de l'information
IA: Une définition simplifiée
Ensemble de théories et techniques qui confèrent à des machines la capacité d'accomplir des tâches attribuées aux être intelligents
Une brève histoire de l'IA
50
>2011
93-2011
87-93
80-87
74-80
56-74
Naissance
de l'IA
1er hiver
L'age d'or
2e age d'or
2e hiver
maturité
discrète
Essor du
Deep Learning
>2019
Explosion
IA gen
Disciplines de l'IA
IA GENERALE
Systèmes Experts
RAISONNEMENT
REPRESENTATION DES CONNAISSANCES
Planification
NEURO SYMBOLIQUE
Apprentissage profond
APPRENTISSAGE AUTOMATIQUE
INTELLIGENCE SOCIALE
Modèles Génératifs
LLMs
VLMs
SYSTEMES MULTI AGENTS
Prise de décision
Apprentissage par renforcement
ROBOTIQUE
VISION PAR ORDINATEUR
TRAITEMENT DU LANGAGE
RESOLUTION DE PROBLEMES
Quelques domaines d'applications
Traitement de
l'image et du son
Traitement
du
langage naturel
Systèmes de
recommandation
Systèmes
prédictifs
Aide à la
décision
Robotique
Optimisation
& planification
Les disciplines phares de l'IA
Quelques domaines métiers
INDUSTRIE
FINANCE
COMMERCE
MEDECINE
ARTISTIQUE
MEDIA
TRANSPORT
...
Maintenance
prédictive
Robots
Gestion de flux
Scoring de crédit
Détection de fraude
Trading automatique
Marketing prédictif
Analyse de sentiment
Découverte de traitements
Prédictions de succès ou récidive
Anticipation de pannes
Robots cuisiniers
Robots
Design génératif
Synthèse de sons
Synthèse d'image
Gestion de ressources
Aide au diagnostic
Véhicules autonomes
Résumé automatique
Génération de contenu
Recommandation de produits
Recommandation de
contenus
légendage
Assistance à la veille
Chat GPT n'est pas l'IA générative !
l'IA générative n'est pas l'IA !
IA générative
deep learning
machine learning
IA
Démystifions l'IA
Chat GPT n'est pas l'IA générative !
2017
2020
2019
2018
CoVE
BERT
ELMo
T5
CVT
ULMFiT
GPT
CamenBERT
FlauBERT
ALBERT
RoBERTa
GPT-3
ELECTRA
XLNet
BART
GPT-4
Bard
> 2023
...
LLama 3
Il existe d'autres types d'IAs
que celle basée sur le machine learning !
L'algorithme du plus court chemin :
à la base du GPS
Un algorithme de système expert
Exemple : les LLMs ne sont pas bon pour les jeux
Le chat joue un coup interdit !
Du machine Learning
aux
modèles génératifs
Zoom sur le Machine Learning
Supervisé
...
Auto supervisé
Non supervisé
Semi Supervisé
Apprentissage par renforcement
"machine learning is the most popular domain of AI
0
data
label
Une partie seulement des données sont labelisées
... vers le deep learning
Transformers
...
+
Large Langage Models (LLM)
Vision Transformers (ViT)
Architecture reprise dans différents types de modèles
Modèles de raisonnement
Modèles multimodaux
...
IA générative : la génèse
Depuis l'année 2018 les progrès de la recherche ont abouti à des IAs capables de générer des données réalistes
Des images/vidéo
vidéos
dessins
illustrations
photo realistes
...
Du texte
Code
paragraphes
questions / réponses
Listes
résumés
...
Les Large Language Models (LLM)
Des sons
voix
musique
...
assistant vocaux
Posts
IA générative ?
L'architecture des Transformers
Générer/modifier des images
Architecture reprise dans différents types de modèles
Des capacités qui permettent de réaliser des tâches de plus en plus complexes
Extraction d'information
Résumer des infomations
Retranscrire du texte
Décrire une image
Produire un raisonnement
Résoudre des problèmes mathématiques
Coder des logiciels
...
...
Les capacités des IAs génératives
Des capacités croissantes qui permettent de réaliser des tâches de plus en plus complexes
Différentes "tailles" de modèles
On rencontre souvent 3 tailles
Petit
Moyen
Grand
1.5b - 5b
> 100b
10b - 15b
Capacités croissante
Pages des modèles de Hugging Face
Comment cela fonctionne ?
De très gros réseaux de neurones
Entrainés très longuement sur des jeux de données gigantesques ...
... à prédire chaque prochain token d'un texte
Exemple simplifié de la génération de texte
Conception & Entraînement
"L'apprentissage automatique est une branche de l'IA
Bonnes capacités de généralisation
Mais pas pour tous les problèmes !
Le réseau entrainé a appris des représentations généralisables
Exemple simplifié de la génération de texte
Inférence
Génération de texte token par token
Ré-entrainement sur des données spécifiques
Sélectionner un ensemble de documents à donner en contexte
fine tuning
En tant qu'expert de la data science programmant en python ...
contexte : prompt
Retrieval Augmented Generation (RAG)
+
De très gros réseaux de neurones pré-entrainés capables d'être utilisés pour différentes tâches
Les modèles de fondation
On leur ajoute quelques composants
Un prompt système
Des gardes fous et protections
Un entraînement supplémentaire : apprentissage par renforcement à partir de feedback humain (RLHF)
Ils sont à la base de pleins d'applications connues
Chatbot
IA pour l'image/vidéo
IA pour le raisonnement
...
La chaîne de pensée (CoT)
Articuler une succession d’étapes de raisonnement, pour mieux orienter le modèle dans la génération de réponses
La chaîne de pensée (CoT)
Résoudre un problème de maths
Réaliser de la veille
A la base de nombreux modèles de raisonnement aujourd'hui !
DeepSeek
GPT 4o
Claude Sonnet
...
Utile pour certaines tâches:
Comment bien prompter ?
Il n'y a pas de méthode absolue !
Choisir le bon modèle/service pour sa tâche
Avant de commencer
Benchmark de performance
Taille du modèle
Inspecter les conditions d'utilisations
Quelques conseils
Utiliser L'IA
Agentique
In programme capable d'interagir avec son environnement, utiliser des données, pour accomplir des tâches
Tour d'horizon d'agents
Quelques exemples
Falcon
Llama 3
Le chat Mistral
IA fermées
IA open source
...
AllenAI
code
desktop
Notebook LM
Les sites de benchmark
Ils mesurent des indicateurs sur différents aspects des modèles d'IA
Performance
Consommation d'énergie
Toujours évaluer les IAs par des métriques !
Générique
Spécialisés
Aspects
Ethiques
Limitations
L'IA générative se base sur le machine learning
L'IA générative n'est pas la solution à tout !
elle peut se tromper
présente des biais
son empreinte totale est non négligeable
L'IA générative se base sur le machine learning
L'IA générative fait des erreurs
les hallucinations
Donner des informations incorrectes
Inventer une source qui n'existe pas
Donner une réponse incorrecte a un problème
Exemple : l'IA générative n'est pas bonne pour les jeux
Le chat joue un coup interdit !
Limitations du machine learning
La qualité des données conditionne celle du modèle
Ces modèles sont statistiques par nature !
Les réseaux de neurones sont des boites noire :
manque d'interprétabilité
Les gros modèles nécessitent d'importante puissance computationnelle
Possible dépendance à des fournisseurs (cloud) souvent peu éthiques
Les biais sont presents dans tout le cycle de vie !
from kaggle
Bias
Biais dûs au design
L'apprentissage par renforcement (RLHF) encourage les réponses qui s'accordent avec les croyances de l'utilisateur (plutôt que la vérité)
prompt
réponse
feedback
RLHF
Stockage
IoT
Empreinte écologique
Calcul algorithmiques
Big Data
Data centers
Entrainement des IA
internet : appels aux APIs
Réseaux
5G
ordinateurs
téléphones
Equipements
Une grande quantité de donnée !
tendeance à 5 à 8 % de l'empreinte mondiale !
serveurs
Inférence (utilisation)
Données générées
ecrans
Empreinte écologique
Pour l'entrainement Large Langage Models
370 BMW
Consommation annuelle du Danemark !
L'usage massif de l'IA génerative
coût pour GPT-3 : des millions de $
120 foyers américains pendant 1 an
L'usage massif de l'IA génerative
Empreinte écologique
L'essentiel de l'empreinte vient de l'usage !
Interagir avec 25 prompts
0.5 L
Data & IA responsable
Interprétabilité
Transparence
Frugalité
Equité
Investiguer les biais (données & modèles)
Respecter la vie privée
Connaître les impacts sur les utilisateurs
éviter les boites noires
Minimiser l'empreinte ecologique :
à l'entraînement
Favoriser l'ouverture :
Données d'entraînement, modèles, code
Comprendre les décisions des modèles
à l'usage
Aspects
Réglementaires
Règlements
en application depuis mai 2018 !
Des régulations se développent également par pays
les systèmes d'IA sont classifiés suivant 4 niveaux de risques pour les utilisateurs
En application cette année !
Inacceptable
Elevé
Limité
Minimal
IAs considérée comme une menace pour les personnes
impact négatif limité sur la vie des personnes
8 domaines sensibles identifés
Certaines applications de l'IA gen
IA qui devront satifsfaire à des exigences de transparence
devront être enregistrée sur le portail de l'UE
services en ligne, assistant vocaux, etc ...
IA de jeux vidéos, anti-spam, ...
manipulation sociale
classement social
AI Act : 4 niveaux de risques
pas d'impact significatif sur les persionne
Certifications
Des normes pour choisir vos outils ou garantir la qualité de services utilisant l'IA
Ethique
Environnemental
Sécurité
Manifestes
Depuis Novembre 2017
Chartes & labels
Il existe de nombreuses chartes et principes hétérogènes mais je recommande l'approche de LabelIA
Vers une IA
souveraine & responsable
Vers la souveraineté ?
Auto hébergement
Software as a Service
Prêt à l'emploi
Préocupations éthiques
Personnalisation limitée
Nécessité de construire une infrastructure
Maintenance : partielle ou totale
Pas de maintenance
Meilleur controle de vos données
Open source & Open data permettant la personnalisation
Utiliser une IA prêt a l'emploi
ou
Une IA ouverte déployée par un tiers
...
Fournisseurs européens
Un service d'IA pré déployée par un fournisseur
...
5.L'intégrer dans votre logiciel
2. Choisir un modèle ouvert
Mettre en place sa propre IA
4. Ré-entrainer le modèle
3. Le déployer dans une infrastructure
1. Identifier un cas d'usage
4. Spécialiser un modèle
avec des données spécifiques
Bases de données
Machine de calcul
API
Les technologies évoluent vers plus de facilitation de mise en place
Faites appel a un.e expert.e !
IA souveraine et de confiance
Les questions à se poser
Quelles garanties de sécurité sont mises en place ?
Quelles données sont utilisées ?
Ou sont elle hébergées ?
Les recommandations
Services européens
Pas de données brutes ni d'interaction
Pour quel usage ?
Uniquement ceux nécessaires
Certifications & normes ?
Souveraineté + protection
Les failles de sécurité des IAs
L'exfiltration de données
Les IAs qui tiennent des propos dangereux
Les agents IA qui peuvent faire des actions nuisibles
...
Des gardes fous
Faire des audits de sécurité
Filtrer les réponses
Mettre en place une charte d'utilisation
Etapes pour le déploiement
Collecte de données
Structuration de données
Transformations de donnée
Exploration de donnnées
Modèlisation
Entraaînement
Pipelines & automatisations
Documentation
Inférence
Fine tuning
specialisation
Déploiement
Gouvernance
Mutualisation
Déployer l'IA : tout un parcours !
Propose un méthode pour implémenter l'IA responsable dans les organisations
Collecte de
données
Différents types de données
...
IMAGES
LANGUAGE
SERIES DE NOMBRES
SONS
METIERS
photos
voix
bruits
avis
commentaires
conversations
météo
capteurs
meta données
site web
applications
logiciels
tweets
ventes
stock
logistique
vidéos
Réseaux sociaux
amis
partages
likes
abonnements
musique
forums
META DONNEES
Méthodes d'acquisition
Open Data
API
Application Programming Intefrace
Parsing de documents
Web scrapping
accessible et téléchargeables publiquement
Extraction de données à partir de documents structurés ou non
Requêtes à un service pour automatiser l'extraction
Stocker et stucturer
Local
Dossiers/Disques partagé
Bases de données
Big Data
Volume
Variété
Cas d'usages &
outils
Collecte de données
...
Traitement du langage naturel (TALN)
Clustering d'articles
Veille et revue de littérature
Extraction d'information
Résumé
Classification de documents
OCR
Fouille de données
Analyse de données
Visualisation exploratoire
Analyse de tendances
Langage parlé
Transcription automatique
Reconnaissance du locuteur
Veille & Recherche
L'assistant de recherche personnalisé de Google
Chatbot / Agents IA souverains
Complétement ouvert : data, model, code !
Trouve des informations
Analyse des données
Résume
Agents IA pour la production scientifique
Agents IA pour la production scientifique
...
Analyse de réseaux & TALN
Analyse de réseaux sociaux
Graphes de diffusion
Détection de communautés
Analyse de la désinformation
Analyse de sentiments
Analyse de discours & morphologique
Extraction de thèmes
Segmentation
Analyse sémantique
Extraction de terminologies
Extraction d'entitées nommées
Extraction de relations
Distribution de la sémantique
...
Quelques outils
Grands Modèles de Langages
...
Vision par ordinateur
Analyse d'image/vidéo
Segmentation
Détection d'objets
Génération/retouche
IA génératives de sons
Générer du son à partir d'un prompt
...
Plateforme d'IA vocale
multifonction & multi langue
IA génératives de sons
Générer de la musique
...
Dans la plupart des plateformes musicales
Des plateformes multimodales
Combinent des outils de traitement du texte, de l'image et de la vidéo
Une multitude de plateformes d'agents IA
un système informatique autonome qui interagit avec son environnement pour accomplir des objectifs spécifiques.
Généralistes
Orientée métier
...
Automatisation
Connecte des logiciels & agents IAs pour créer des chaîne de traitements automatisés
Produire des IAs / agents IA
Des infrastructures informatiques indispensables
...
Entraîner des modèles d'IA
Stocker et organiser les données
Déployer des IA
Gérer le code
Dans le cloud
Sur vos machines
Atelier
A vous de jouer !
0. Constituez des groupes
Construisez collectivement votre feuille de route pour la mise en place d'outils data/IA
1. Faites l'inventaire de vos besoins
2. Réfléchissez aux outils et infrastructures à déployer
(collecte de données, hébergement des modèles)
3.Partagez vos conclusions
Departement / Community
Individus / groupe / laboratoire