Formation documentaire Droit Economie et Management

Cadre général

Dans le cadre d'un travail de recherche et de rédaction, il peut être tentant de s'aider d'une IA générative. Néanmoins, vous devez impérativement vous renseigner auprès de votre directeur.ice de mémoire afin de connaître les consignes d'utilisation de tels outils.

En l'absence de directives claires de la part de votre directeur ou directrice de mémoire l'usage de l'IAg n'est, par défaut, pas autorisé, et peut être traité de la même manière qu'un cas de plagiat (Charte d'usage de l'IA générative à l'Université Paris-Saclay, section "Bonnes pratiques par les étudiantes et les étudiants", p. 7.)

Dans le cas où l'usage d'une IA générative a été explicitement autorisé, il est important de garder en tête les éléments qui vont suivre.

Vous pouvez demander par exemple à une IAg de :

• vous aider dans votre recherche de vocabulaire,
• vous aider à définir des termes,
• vous aider à structurer et styliser un document.

Ce qui n'est pas recommandé

Il n'est pas recommandé de déléguer à une IAg :

• la recherche de l'information précise et/ou scientifique,
• la synthèse d'idées très différentes l'une de l'autre,
• l'imagination d'idées originales.

Principes élémentaires de fonctionnement des IAg de textes

Quelques mots sur les principes de base à connaître au sujet du fonctionnement des IA génératives de textes (les IA génératives d'images fonctionnent sur d'autres principes) :

Une IAg de texte, c'est avant tout un modèle, c'est-à-dire un ensemble gigantesque d'instructions, les algorithmes. On entraîne ce modèle sur un ensemble non moins gigantesque de données textuelles issues pour une grande part d'Internet. On y trouve l'intégralité de Wikipédia, les interactions humaines sur les réseaux sociaux, les codes sur GitHub, les blogs, etc.

Le but de cet entraînement, c'est d'avoir un modèle capable de prédire, à partir d'une séquence linguistique incomplète, la suite de la séquence d'une manière qui ne dépareillerait pas avec le contenu des données textuelles de l'entraînement. Cet entraînement n'a pas besoin de la supervisation d'un humain, le modèle se corrige seul, c'est ce qu'on appelle l'entraînement auto-supervisé (ou non supervisé) par renforcement.

Il s'agit de la première phase de l'entraînement d'une IAg textuelle : la phase de pretraining.

Dans le cas d’une IAG générant du texte, elle produira au fur et à mesure une suite de tokens, qui peuvent être des morceaux de mots, des mots, des éléments de ponctuations, etc, en les enchaînant de façon la plus probable en lien avec le prompt donné en entrée.

Vous pouvez tester et voir en direct le fonctionnement de plusieurs IAg textuelles sur le site Vittascience (sans nécessité de création de compte).

Il ne s'agit que de la première phase d'entraînement à l'issue de laquelle on obtient un modèle de fondation qu'il faut ensuite entraîner à tenir des conversations respectueuses et utiles avec des humains.

Plusieurs phases d'entraînement supplémentaires (fine-tuning) sont alors nécessaires pour aboutir aux différents modèles que nous connaissons aujourd'hui, et de nouvelles méthodes de fine-tuning sont régulièrement élaborées comme le fine-tuning par raisonnement.