
Qu’est-ce que l’IA générative ?
Notre récent article sur l’intelligence artificielle (IA) présentait l’histoire du développement de l’IA et certains de ses principaux acteurs. Dans cet article, nous allons approfondir le sujet en explorant l’IA générative et ses liens avec l’IA.
Les technologies d’IA générative créent du texte, des images, des vidéos et d’autres types de contenus. Ce contenu est destiné à imiter la créativité humaine et les données du monde réel. L’IA générative se distingue de l’IA traditionnelle en utilisant des modèles d’apprentissage automatique pour identifier les relations, les motifs et d’autres caractéristiques au sein d’un jeu de données. L’IA générative utilise ce qu’elle a appris pour générer un contenu nouveau. Idéalement, cette production répond à la demande et constitue un élément de contenu original.
L'IA générative est l'un des nombreux sous-ensembles de l'intelligence artificielle :
- L’apprentissage automatique (ML) permet aux machines d’apprendre à partir de données pour améliorer leurs performances au fil du temps. Il comprend des sous-catégories telles que les réseaux neuronaux, l’apprentissage en profondeur (Deep Learning) et l’apprentissage par renforcement.
- L’apprentissage en profondeur est une forme d’apprentissage automatique qui utilise des réseaux neuronaux pour analyser des données complexes et identifier des motifs d’une manière qui dépasse les capacités humaines.
- Les capacités de traitement automatique du langage naturel (NLP) permettent aux machines de comprendre et de générer du langage humain. Il ne s’agit que de langage, et non de parole.
- Les technologies de reconnaissance vocale permettent aux ordinateurs de reconnaître et de traduire le langage parlé en texte. Cet ensemble de technologies est distinct du NLP.
- L’IA générative crée des contenus basés sur ce qu’elle a appris auparavant. Les grands modèles de langage (LLM) comme ChatGPT et Gemini AI sont des technologies d’IA générative.
Cette liste est loin d’être exhaustive. Il existe plusieurs autres sous-catégories d’IA, notamment la robotique, la vision industrielle et les systèmes experts. Nombre d’entre elles se chevauchent, et les fournisseurs du secteur utilisent différents noms et hiérarchies. Pour simplifier, nous utiliserons une définition large de l’IA générative.
Les origines exactes de l’IA générative sont un peu floues. Nous allons donc remonter jusqu’aux années 1950, lorsque des chercheurs développaient des algorithmes capables de créer de nouvelles données. Ces recherches ont abouti à la chaîne de Markov, un modèle statistique capable de générer de nouvelles séquences de données sur la base des entrées. Autre exemple précoce : ELIZA, un chatbot basique développé au MIT en 1966. Il avait été programmé avec des scénarios de communication et chargé de mettre en correspondance les motifs des entrées humaines avec les motifs trouvés dans ses scénarios. Cette identification de motifs sans contexte engendrait souvent des interactions cocasses :
Interlocuteur humain : Ma mère me déteste.
ELIZA : Qui d'autre dans votre famille vous déteste ?
Interlocuteur humain : Que voulez-vous dire ?
ELIZA : Quelle réponse vous plairait le plus ?
ELIZA n’était pas très bavarde, mais elle a réussi à susciter l’enthousiasme de la communauté des passionnés d’IA, qui voulaient aller plus loin.
En 2014, l’IA générative a fait un grand pas en avant lorsque les réseaux antagonistes génératifs (GAN) sont apparus. Ces GAN sont des réseaux neuronaux mis en compétition pour répondre à des entrées. Le magazine MIT Technology Review a décrit le processus de cette manière :
Les deux réseaux sont entraînés avec le même jeu de données. Le premier, appelé générateur, est chargé de produire des sorties artificielles, telles que des photos ou des textes manuscrits, aussi réalistes que possible. Le second, appelé discriminateur, les compare aux images authentiques du jeu de données d’origine et tente de déterminer lesquelles sont réelles et lesquelles sont fausses. Sur la base de ces résultats, le générateur ajuste ses paramètres pour créer de nouvelles images, et le processus se poursuit jusqu’à ce que le discriminateur ne puisse plus distinguer le vrai du faux.
Le cours de Google sur l'apprentissage automatique illustre les GAN de la manière suivante :
En travaillant les uns contre les autres de cette façon, ces réseaux contribuent à l’apprentissage et à l’amélioration continus de l'IA générative.
Les nouvelles technologies et les nouveaux concepts ont ouvert la voie à d’immenses possibilités pour l’IA générative. En 2017, Google a lancé l’idée du modèle Transformer, qui a facilité le développement d’autres outils et modèles. OpenAI a utilisé ce concept pour développer une série de transformeurs génératifs pré-entraînés (GPT) et a lancé ChatGPT en novembre 2022.
L’IA générative ne se limite pas à des discussions avec un LLM comme ChatGPT ou Gemini AI. Elle est utilisée pour dépister les patients dans le secteur de la santé, pour créer des environnements d’apprentissage élémentaire personnalisés, pour rationaliser les réservations et les itinéraires de voyage, et bien plus encore. L’IA générative est présente tout autour de nous. Nul besoin d’utiliser une invite pour être entraîné dans des conversations et des scénarios générés artificiellement. Tout comme vous pouvez demander à l’IA générative des idées de desserts et des recettes, les pirates informatiques peuvent lui demander de vous piéger en développant un code d’attaque malveillant ou en rédigeant des attaques par hameçonnage « originales ».
La promesse de l'IA générative comporte aussi des risques. Nous en reparlerons la semaine prochaine.
Saviez-vous que...
Barracuda a publié un nouvel e-book intitulé « Sécuriser demain : Guide du RSSI sur le rôle de l'IA dans la cybersécurité ». Ce nouvel e-book explore les risques de sécurité et présente les vulnérabilités que les cybercriminels exploitent avec l'aide de l'IA pour faire évoluer leurs attaques et améliorer leurs taux de réussite. Demandez dès maintenant votre exemplaire gratuit de cet e-book et découvrez les menaces, les données, les analyses et les solutions les plus récentes.

Rapport 2025 sur les ransomwares
Principales conclusions concernant l’expérience et l’impact des ransomwares sur les organisations du monde entier
S’abonner au blog de Barracuda.
Inscrivez-vous pour recevoir des informations sur les menaces, des commentaires sur le secteur et bien plus encore.

Sécurité des vulnérabilités gérée : correction plus rapide, risques réduits, conformité simplifiée
Découvrez à quel point il peut être facile de trouver les vulnérabilités que les cybercriminels cherchent à exploiter