C'est quoi, un modèle d'IA ?
Un modèle, ce n'est pas un cerveau ni une base de données. C'est une machine à repérer des régularités, et on peut en entraîner un en cinq minutes.
Une définition sans jargon
Un modèle est un programme qui a appris à associer des entrées (une image, un texte, une pose) à des sorties (une catégorie, un mot, une autre image). Il n'a pas reçu de règles écrites à la main : il les a déduites d'exemples.
Si on montre à un modèle 500 photos de chats et 500 photos de chiens, il ne « sait » pas ce qu'est un chat. Il a repéré des motifs qui reviennent plus souvent d'un côté que de l'autre.
Les trois étapes
- Collecter des exemples : c'est le jeu de données. Sa qualité compte plus que tout le reste.
- Entraîner : le modèle ajuste des millions de petits réglages (les paramètres) pour se tromper de moins en moins.
- Prédire : face à une nouvelle entrée, il donne sa meilleure réponse, avec un certain degré de confiance.
Ce qu'un modèle ne fait pas
- Il ne comprend pas le sens de ce qu'il voit.
- Il ne sait pas quand il se trompe.
- Il reproduit les déséquilibres de ses exemples : si toutes les photos de chats sont prises en intérieur, il risque de confondre « chat » et « canapé ».
À tester en classe
Dans l'atelier de Guillaume, vous entraînez vous-mêmes un modèle avec vos propres poses. Essayez de le piéger : que se passe-t-il si une seule personne a fourni tous les exemples d'une catégorie ?
| Expérience | Ce qu'on observe |
|---|---|
| Peu d'exemples par catégorie | Le modèle hésite beaucoup |
| Exemples très variés | Il généralise mieux |
| Une catégorie « vide » oubliée | Il force toujours une réponse |
Pour aller plus loin
- L'article Comment une IA génère une image
- La ressource Teachable Machine dans la biblio