Bibliographie & annexes
Quiz & test
Présentation
RÉSUMÉ
L’intelligence artificielle transforme en profondeur de nombreux domaines : recherche scientifique, ingénierie, médecine, agriculture, industrie, commerce ou encore environnement. Cette technologie, de plus en plus performante, rencontre cependant différentes limitations, notamment en matière de fiabilité. Cet article explore les différents défis principaux à relever dans ce sens : l’explicabilité des algorithmes, la qualité des données, la consommation énergétique, sans oublier les questions éthiques et impacts sociétaux à anticiper afin de bâtir la confiance dans cette technologie émergente.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean-François SIGRIST : Ingénieur, journaliste scientifique - eye-π – Tours, France
INTRODUCTION
Technologie des plus prometteuses du XXIe siècle, l’intelligence artificielle (IA) s’impose comme une révolution technologique majeure, transformant des secteurs aussi divers que la recherche scientifique, la médecine et le secteur de la santé, l’industrie et l’agriculture, le commerce et le secteur de la finance, ou encore l’éducation… et la création artistique : le spectre quasi total des activités humaines peut faire appel à l’intelligence artificielle ! Dans les articles compagnons [AG 296] et [AG 297], nous avons respectivement présenté les principes de certaines techniques d’intelligence artificielle et évoqué des exemples qui illustrent la variété de ses applications.
Le développement rapide de l’IA soulève cependant des défis complexes, qui peuvent aujourd’hui limiter ses usages. Parmi les enjeux les plus importants figurent la compréhension des algorithmes que l’intelligence artificielle met en œuvre, l’impact environnemental des infrastructures qu’elle mobilise pour le stockage des données ou les opérations informatiques, la fiabilité et la sécurité des données, et les questions d’éthique que soulèvent ces nouveaux usages. Cet article, qui complète les deux articles cités précédemment, explore succinctement les principaux enjeux de fiabilisation liés aux usages de l’intelligence artificielle ainsi que quelques pistes de recherche actuelles pour dépasser certaines limitations.
Le lecteur trouvera ces références dans la rubrique « Pour en savoir plus » associée à cet article. Une bibliographie supplémentaire et des liens vers des sites internet lui proposent des ressources utiles afin d’approfondir ses connaissances sur le sujet.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Éthique et politique2. Sécurité et sobriété
2.1 Consommation énergétique et impact environnemental
Les modèles d’IA les plus performants, tels que les grands modèles de langage, nécessitent une puissance de calcul considérable et des coûts élevés en matière d’infrastructure de calcul et de consommation énergétique (figure 2). On estime ainsi qu’en 2022, les centres de données et l’intelligence artificielle (ainsi que les cryptomonnaies) représentent presque 2 % de la consommation électrique mondiale, soit une consommation électrique de 460 TWh (ce qui est un peu plus que la consommation électrique française, qui s’est élevée à 445 TWh en 2023 !).
Les besoins en calcul de l’IA se situent au niveau des phases d’apprentissage et d’inférence. La phase d’entraînement a longtemps retenu l’attention des chercheurs et des ingénieurs, étant la plus consommatrice en énergie ; cependant, avec l’adoption massive des modèles d’IA (comme l’IA générative), la consommation d’énergie de la phase d’inférence est devenue prépondérante (des données communiquées par les grandes entreprises du numérique indiquent que l’inférence représente de 60 à 70 % de la consommation énergétique contre 30 à 40 % pour l’entraînement). Cependant, l’évaluation des émissions imputables à l’IA reste encore à ce jour incertaine, en partie à cause des différents mécanismes par lesquels elles se produisent (élaboration des algorithmes, mobilisation des infrastructures, utilisation des technologies, etc.). La communauté scientifique s’engage dans des recherches permettant de consolider les données d’émissions de gaz à effet de serre (GES) dont serait responsable l’apprentissage machine.
Il n’en demeure pas moins que l’intensité énergétique de l’IA contribue...
L'expertise technique et scientifique de référence
TEST DE VALIDATION ET CERTIFICATION CerT.I. :
Cet article vous permet de préparer une certification CerT.I.
Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.
de Techniques de l’Ingénieur ! Acheter le module
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Sécurité et sobriété
BIBLIOGRAPHIE
-
(1) - GUNNING (D.) et al - XAI-Explainable artificial intelligence. - Science Robotics, 4, 7120 (2019).
-
(2) - DENIS (C.), VARENNE (F.) - Interprétabilité et explicabilité de phénomènes prédits par de l’apprentissage machine. - Revue Ouverte d’Intelligence Artificielle, 3, pp. 287-310 (2022).
-
(3) - GIOT (R.) - Un (petit) pas vers l’explicabilité de l’intelligence artificielle. - Habilitation à Diriger les Recherches, université de Bordeaux (2024).
-
(4) - LIN (Y.T.), HUNG (T.W.), HUANG (L.T.L.) - Engineering equity: How AI can help reduce the harm of implicit bias. - Philosophy & Technology, 34, pp. 65–90 (2021).
-
(5) - TILMES (N.) - Disability, fairness, and algorithmic bias in AI recruitment. - Ethics and Information Technology, 24, p. 21 (2022).
-
...
DANS NOS BASES DOCUMENTAIRES
-
Qualité des données
-
Comment protéger ses données et bases de données ?
-
Explicabilité en Intelligence Artificielle : vers une IA responsable
-
Intelligence artificielle et innovation. Exemples d’applications
Canva
Copy
Claude
DeepL
DeepSeek
DuckDuckGo
i-Ask
Leonardo AI
Midjourney
NotebookLM
OpenAI
Perplexity
SciSummary
Stable Diffusion
https://www.stable-diffusion-france.fr/
Sofa
https://www.sofa-framework.org
Social...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
1/ Quiz d'entraînement
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
2/ Test de validation
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
