Billet de blog 24 décembre 2025 / Lonesome cowboy

Les arguments imparables pour faire de n'importe quel interlocuteur un hater de l'IA générative, histoire d'aborder les fêtes de Noël avec les munitions nécessaires pour parer toute discussion pro-IA.
...
ces IA, basées sur les « Larges modèles de langage » (LLM)
...
ChatGPT et les autres agents conversationnels utilisés par le grand public sont explicitement conçus pour être addictifs et manipulateurs. Ils ont déjà poussé plusieurs personnes au suicide ou au meurtre et provoqué des accidents. Sans produire la moindre remise en question. Sam Altman (OpenAI) a récemment indiqué que les prochaines versions de son chatbot seront autorisées à entretenir des relations amoureuses ou érotiques. En parallèle, il recommande aux parents d’utiliser son IA pour apprendre à élever leurs enfants au quotidien. Tout est bon pour imposer l’usage de l’IA, malgré les risques qu’elle représente.

...
aucune régulation sérieuse n’a vu le jour. OpenAI et consorts continuent de piller les données privées et sous copyright, tout en provoquant la mort de certains de leurs utilisateurs, sans que cela provoque la moindre réaction. Même l’IA Act européen ne prévoit aucune disposition contraignante. Comme l’écrit Thibeaut Prévost dans son excellent ouvrage “Les prophètes de l’IA”
...
Les principaux acteurs de l’IA (les grands patrons et financiers de la Silicon Valley) ne cachent pas leurs intentions: mettre un maximum d’entre nous au chômage (tout en proposant de nous payer un revenu universel proche du RSA, qui serait financé par leurs profits colossaux) et nous rendre accros aux chatbots désormais conçus pour être nos amants virtuels et nous “décharger” de choses aussi intimes que l’éducation de nos enfants, la gestion de nos relations amoureuses et amicales, tout en nous empêchant de faire le deuil de nos proches.
...
L’IA générative produit pratiquement autant de gaz à effet de serre que le transport aérien. Et ça ne fait que trois ans que cette technologie est disponible pour le grand public
...
Les IA génératives ne fonctionnent pas (et elles ne vont pas vous remplacer) !

Je pourrais commencer par détailler le fonctionnement de ChatGPT et autres IA génératives pour démontrer qu’il s’agit de modèles statistiques visant à prédire, en interpolant les données avec lesquelles ils ont été entrainés, le mot le plus plausible à ajouter à la suite d’une phrase. La nature probabiliste implique la faillibilité du modèle. Et le fait qu’il cherche à produire la réponse la plus plausible signifie que le modèle ne cherche pas la vérité ou l’originalité, mais la proximité avec les données d’entraînement. Autrement dit, il est impossible de mettre au point une IA générative qui ne commettrait pas d’erreurs, raisonnerait ou comprendrait ce qu’elle fait, à partir des LLM.

Cette caractéristique indépassable explique pourquoi les IA génératives se trompent souvent, semblent dépourvues de sens commun et ne pourront pas devenir conscientes ou intelligentes.
...
Du côté des entreprises, nous disposons d’une pléthore de rapports et études qui pointent l’inefficacité des IA.

• La dernière étude du MIT, portant sur un large éventail d’entreprises, a conclu que le développement de l’IA générative n’a apporté des bénéfices que dans 5 % des cas. La principale raison identifiée est directement liée aux faibles capacités de l’IA générative . Je cite : « ce qui la freine réellement, c’est que la plupart des outils d’IA n’apprennent pas et ne s’intègrent pas bien dans les processus».
• Une enquête similaire du cabinet de conseil KPMG a conclu que seulement 2 % des entreprises canadiennes ayant adopté l’IA générative observent un retour sur investissement positif (deux cas sur cent !).
• Le rapport IA 2025 de McKinsey
  ...

Et les choses ne sont guère meilleures côté grand public.
...
Les mauvais chiffres d’OpenAI, leader incontesté du marché grand public, sont antérieurs à l’irruption de Gemini 3, le modèle de Google qui dépasse ChatGPT5. Ils pointent vers une tendance globale.
...
Certes, l’IA reposant sur les réseaux de neurones artificiels et le deep learning peut offrir quelques applications intéressantes. Le prix Nobel de chimie a été attribué à deux chercheurs de Google Deep Mind dont l’algorithme a permis de prédire les structures complexes des protéines. Leurs travaux devraient permettre d’accélérer la découverte des médicaments
...
les postes supprimés ne sont pas dus à la performance de l’IA, mais au fait que les dirigeants acceptent une qualité de production inférieure. Selon Merchant, une seule chose est certaine “Le patronat utilise l’IA comme il a toujours utilisé les technologies d’automatisation depuis la révolution industrielle, pour extraire un maximum de valeur de ses travailleurs tout en profitant de l’incertitude générée par les capacités de cette technologie”. Un point de vue qui rejoint en quelque sorte celui du sociologue Juan Sebastian Carbonel qui, dans “Un taylorisme augmenté”, montre bien que l’IA sert avant tout à dégrader les conditions de travail et exploiter davantage les employés, pas à les remplacer.
Les IA génératives ne vont pas devenir intelligentes, conscientes ou toutes puissantes (l’IApocalypse est de la science-fiction pour vous manipuler)
...
l’augmentation de la taille des modèles n’améliore plus significativement leur performance. Le rendement devient décroissant, puis négatif.

Il ne faut donc pas s’attendre à des sauts qualitatifs perpétuels
...
On est loin d’une IA générale, comme l’explique depuis des mois Yann Lecun, considéré comme un des pères du deep learning. Ancien directeur de la recherche chez Facebook, il affirme depuis quelque temps que l’approche actuelle reposant sur les LLM constitue un détour ou une voie de garage pour ceux qui espèrent aboutir à une IA égale ou supérieure à l’homme.
...
Cela témoigne davantage d’une vision réductrice de ce qui fait de nous des humains plutôt que d’une vision extensive de ce que les machines peuvent produire.
...
Nous sommes déjà face à des entités intelligentes dont le but est de maximiser l’accaparement d’une chose inutile (de l’argent) en épuisant les ressources de la planète.
...
investir des milliards de dollars dans des data centers destinés à servir les IA génératives tout en refusant de réguler le secteur, laissant les entreprises californiennes agir comme bon leur semble au nom de la course à l’IA, est une aberration. Non seulement ces logiciels sont dangereux et écologiquement désastreux, mais l’idée que cette fuite en avant serait nécessaire pour maintenir notre maigre avance sur la Chine est une vue de l’esprit. Les avances technologiques en matière d'IA ne durent pas, comme l’avait montré l’irruption de l’IA chinoise DeepSeek, qui rivalisait avec les meilleurs modèles d’OpenAI, elle-même désormais dépassé par Google.

Ensuite, la Chine a largement bloqué son marché aux technologies américaines (Google, Facebook, OpenAI, Amazon, NVIDIA…) tout en développant ses propres géants et produits phares (Baidu, Alibaba, Huawei, TikTok, DeepSeek).

En clair, la Chine va continuer de développer l’IA sans se faire coloniser par la technologie américaine, et les États-Unis vont continuer d’empêcher la Tech chinoise de s’exporter sur leur territoire. Seule l’Europe accepte d’être numériquement colonisée sans condition. Quant à la France, son secteur technologique est pratiquement entièrement lié à la Silicon Valley. Rappelons que Mistral, le champion français, a été créé par d’anciens employés de Facebook avec l’aide des capital-risqueurs de San Francisco, avant de signer un partenariat avec Microsoft…
...

Un transformeur (ou modèle auto-attentif) est une architecture d'apprentissage profond introduite en 20172. Elle est principalement utilisée dans le domaine du traitement automatique des langues (TAL) en servant de base aux grands modèles de langage3, mais peut aussi servir à traiter d'autres modalités comme les images4, les vidéos ou le son, parfois simultanément5.
...
développement de systèmes pré-entraînés tels que BERT (Bidirectional Encoder Representations from Transformers) et GPT (Generative Pre-Trained Transformer), qui ont été entraînés sur d'énormes ensembles de données textuelles
...
Connu / https://tools.immae.eu/Shaarli/ind1ju?gzYvPg

Technologie : Dans le secteur extrêmement concurrentiel de l'IA, l'open source est-il condamné à être la bonne fille, utilisée à souhait mais jamais récompensée ? Détrompez-vous.
la rédaction de ZDNet
...
Sujet: Intelligence artificielle (IA) Open source Logiciel Libre Linux Deep learning Machine learning
Connu / Sujet : [April] Revue de presse de l'April pour la semaine 38 (relecture) Date : Mon, 25 Sep 2023 08:00:03 +0200

Connu / https://twitter.com/pablojensenlyon/status/1389129212968194049
"
Hervé Le Crosnier a retweeté
pablo jensen @pablojensenlyon · 14h
Quel est le lien entre l'IA, et notamment le Deep Learning, et le néolibéralisme? Voici une première vidéo sur la surprise qui a mené à "Deep Earnings", mon livre à paraître @CetFeditions 495 vues 1:25 / 1:25 - 1 - 16 - 21
"

Dans ce chapitre, nous allons découvrir les cellules à mémoire interne : les LSTM et comprendre le mécanisme des portes de contrôle. Ensuite, nous allons assimiler l'utilisation des LSTM en couches et comprendre l'intérêt des LSTM bidirectionnels et multidimensionnels, et leur fonctionnement.
...
ensemble des poids wab sont appris lors de la phase d'apprentissage
...
Aller plus loin

• Alex Graves: Supervised sequence labelling with recurrent neural networks. Technical University Munich 2008, pp. 1-117.
• Alex Graves, Jürgen Schmidhuber: Offline Handwriting Recognition with Multidimensional Recurrent Neural Networks. NIPS 2008: 545-552.
• Kyunghyun Cho, Bart van Merrienboer, Çaglar Gülçehre, Fethi Bougares, Holger Schwenk, Yoshua Bengio: Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. CoRR abs/1406.1078 (2014).
  ...

Les professeurs

• Romain Herault, Maître de conférences à l’INSA de Rouen-Normandie et membre de l’équipe apprentissage du LITIS.
• Clement Chatelain, Maître de conférences à l'INSA Rouen Normandie/Laboratoire LITIS : Deep Learning, Reconnaissance d'écriture, imagerie médicale, etc.

Pourlascience @PourlaScience · 4 déc.
Un réseau de neurones artificiels développé par DeepMind a fait un bond en avant vers la résolution de l’un des plus grands défis de la biologie : déterminer la forme 3D d’une protéine à partir de sa séquence d’acides aminés.
L’intelligence artificielle fait un pas de géant dans le problème de la structure des protéines
Le programme d’apprentissage profond de DeepMind pour déterminer la structure tridimensionnelle des protéines, nommé « AlphaFold », pourrait transformer la biologie.
pourlascience.fr - 0 - 6 - 10

Le deepfake, ou hypertrucage1,2, est une technique de synthèse d'images basée sur l'intelligence artificielle. Elle sert à superposer des fichiers audio et vidéo existants sur d'autres vidéos (par exemple : le changement de visage d'une personne sur une vidéo). Le terme deepfake est un mot-valise formé à partir de deep learning (« apprentissage profond ») et de fake (« faux »)3. Cette technique peut être utilisée pour créer des infox et des canulars malveillants4,5 et est également notoirement utilisée pour créer des images pornographiques de personnes à leur insu.

Connu / https://twitter.com/LimsiLab/status/1206568426447233026
"
LIMSI @LimsiLab · 2h
18/12 à 13:00 : Caroline Etienne soutient sa thèse en apprentissage profond et détection des émotions dans la voix, thèse #CIFRE en collaboration avec @DreamQuark
"

François BOCQUET a retweeté
Anne-Laure David @AnneLaure_David 9 hil y a 9 heures
L'apprentissage auto-supervisé pourrait révolutionner l'IA : "l’idée est de prendre une masse de données et d’en occulter une partie. L’algo SSL va créer lui-même les étiquettes qui lui permettront d’accomplir son apprentissage."
v/@UnivAngersDDN 0 réponse 7 Retweets 7 j'aime
"
L'apprentissage auto-supervisé, prochaine révolution de l'intelligence...
Les chercheurs sont d'ores et déjà confrontés aux limites des techniques qui ont fait les récents succès de l'intelligence artificielle. De nouvelles...
01net.com
"

7 218 vues - 52 -2
Intervenants : Béatrice Joyeux-Prunel, Alexandre Cadain et Grégory Chatonsky
Cette première séance de l’année servira d’introduction au thème qui sera abordé en 2017-2019 : l’imagination artificielle.

L’imagination artificielle (ImA) est un concept relativement nouveau dont on retrouve la trace dès les années 60 dans des textes cybernétiques sur la créativité assistée par ordinateur (Kaufmann, A. L’imagination artificielle RAIRO — Operations Research — Recherche Opérationnelle, Tome 3 [1969] no. V3, p. 5-24) et au début des années 90 (Lévy, P. [1991]. L’idéographie dynamique : vers une imagination artificielle ? La Découverte.). Mais ce sont sans doute les premières expositions d’art cybernétique qui mettent en œuvre au plus proche cette question, en particulier Cybernetic Serendipity en 1969.

Pendant l’été 2015, Google popularise la production d’images automatisées avec Deep Dream et remet sur le devant de la scène, aux côtés de Facebook, IBM, Microsoft et tant d’autres, les réseaux récursifs de neurones qui ont été inventés dans les années 80. Depuis lors les publications se succèdent et la machine semble étendre son champ de production à des domaines traditionnellement considérés comme spécifiquement humains.

Il s’agira non seulement de prendre connaissance des avancées concrètes de l’ImA, mais aussi, à travers des interventions provenant de plusieurs disciplines, de la constituer conceptuellement de façon rigoureuse. Notre approche de l’ImA sera donc restreinte à l’apprentissage profond et ne devra pas s’entendre de tous dispositifs « créatifs » ayant une part technologique plus ou moins grande.
Catégorie People et blogs 0 commentaire
connue /
https://twitter.com/elieallouche/status/1047422310444150784
"
François BOCQUET a retweeté
Elie Allouche
‏ @elieallouche
3 hil y a 3 heures
Qu’est-ce que l’imagination artificielle ? https://youtu.be/t6Uh5d9-hnY via @ENS_ULM cc #gtnum @ClaudioCimelli @fbocquet
0 réponse 2 Retweets 1 j'aime
"