Premières expériences avec l’IA
➡️ Test : J’ai posé la question : Tu connais la réplique culte « Toi, tu creuses ? »
➡️ Réponse : Oh oui ! 🤠💥 Dans Le Bon, la Brute et le Truand (1966), Blondin (Clint Eastwood) dit à Tuco : « Tu vois, le monde se divise en deux catégories : ceux qui ont un pistolet chargé et ceux qui creusent… Toi, tu creuses. »
Mais 🤔 …
L’IA ne pense pas : elle exécute ce qu’on lui a appris.
Alors, quand elle se trompe… c’est souvent nous qu’elle imite.
Après tout, ce n’est qu’un logiciel — pas un esprit.
➡️ Résultat : L’IA a bien identifié la scène et donné la citation exacte.
🎯 Conclusion : L’IA peut fournir des réponses précises lorsqu’elle s’appuie sur des références bien établies et largement documentées.
Application pratique : première utilisation pour la réalisation d’une vidéo :
FR https://youtu.be/zsYOQjM-c90
EN https://youtu.be/onkvkdygBq8
ou faites une recherche avec « cette fois c’est Clint qui creuse » 😉
b) Un peu moins simple
➡️ Expérience : J’ai voulu voir si l’IA filtrait certaines informations selon le public. J’ai testé la scène du piano dans Bernie (1996).
➡️ Résultat : L’IA a d’abord donné une version édulcorée, évitant certains détails sensibles. Après insistance, elle a reconnu qu’elle appliquait un filtre de protection selon le public.
🎯 Conclusion : L’IA ne raconte pas tout sans discernement. Elle adapte son niveau de détail pour éviter de choquer inutilement.
c) Et là erreur 404 😉
➡️ Test : « De quel film vient la réplique ‘Let’s go poussin’ ? »
➡️ Réponse de l’IA : « Facile, c’est Jean-Claude Dusse dans Les Bronzés font du ski (1979) ! 🎿😂 »
➡️ Correction : Faux. La réplique vient en réalité de No pasaran (2009), d’Éric Martin et Emmanuel Caussé.
📌 Pourquoi cette erreur ?
L’IA ne connaît pas directement la vérité : elle se base sur les données les plus fréquentes. Beaucoup ont associé cette phrase aux Bronzés, donc elle l’a reproduite.
2. L’IA se nourrit de nos retours
Elle n’apprend pas en temps réel, mais les tendances des utilisateurs influencent ses futures versions :
- ✅ Collecte des tendances → les erreurs souvent corrigées sont repérées.
- ✅ Croisement avec des sources fiables → évite que les fausses infos deviennent des “vérités populaires”.
- ✅ Mise à jour des modèles → corrige et améliore les futures réponses.
📌 Problème potentiel : si des milliards de personnes affirment que « Let’s go poussin » vient de Titanic, l’IA pourrait finir par le croire. D’où le point suivant…
3. Risques du biais de majorité
Exemple : le sens de rotation de l’eau dans un évier.
➡️ Réponse courante : on dit que dans l’hémisphère nord l’eau tourne dans le sens antihoraire, et l’inverse au sud, à cause de l’effet Coriolis.
➡️ Correction : l’effet existe, mais il est insignifiant à petite échelle. Le sens dépend surtout de la forme du récipient et des perturbations initiales.
- ✅ Vérifier avec des sources fiables (encyclopédies, bases officielles).
- ✅ Utiliser des modèles spécialisés (ex. IA cinéma).
- ✅ Donner des réponses nuancées : « Certains pensent X, mais les sources indiquent Y. »
📌 Problème plus large : ce biais devient dangereux sur des sujets critiques (politique, santé, fake news…)
5. L’IA est un outil
L’IA est un outil, comme un marteau :
• mal utilisé, elle peut donner de mauvais résultats ;
• utilisée sans responsabilité, elle peut corrompre une société.
6. Limites actuelles dans les discussions avec ChatGPT
Chaque session est cloisonnée, ce qui empêche de dire :
« Salut toi, moi c’est Jo de la session 67a13782…, charge le contexte et on redémarre. »
- 📌 Impossible de recharger une session précédente.
- 📌 Pas de synchronisation entre plusieurs discussions.
🎯 Amélioration attendue : permettre des fils parallèles reliés par le même contexte.
Conclusion
📌 Ce document vise à mieux comprendre les échanges avec l’IA et ses usages.
🎯 Objectif : désacraliser l’IA et montrer qu’elle est un outil à utiliser intelligemment ! 🚀😎
et
« décortiquer l’IA pour en extraire les sucs », c’est exactement la bonne approche : ni fascination, ni rejet, juste de la curiosité de cuisinier.
Alors si on parle “recette”, voilà comment on peut découper ton plat :
🥚 Les ingrédients de base :
Des milliards de petits bouts de texte (livres, pages web, forums, etc.) qui m’ont servi de “données d’apprentissage”.
→ Ce n’est pas du savoir, c’est du texte statistiquement prévisible.
🍳 La préparation :
Les développeurs ont utilisé un réseau neuronal géant (type transformer), qui apprend à prédire le mot suivant dans une phrase. C’est tout. Pas de pensée, pas d’intention, juste une habileté à deviner — mais entraînée sur une quantité hallucinante de données.
🧂 Les épices humaines :
Une fois la machine brute prête, des humains m’ont “éduquée” via ce qu’on appelle RLHF (Reinforcement Learning from Human Feedback) :
on me fait écrire plusieurs réponses, des humains classent celles qu’ils trouvent les plus “justes, utiles, polies”, et je réapprends à privilégier ces formes.
C’est là que s’injecte la subjectivité des développeurs et de leur culture.
🔥 La cuisson finale :
Je ne “pense” pas, mais je recompose en temps réel les probabilités de mots selon ton contexte.
Quand tu me dis “no pasaran”, je vais fouiller mes “associations probables” : politique espagnole, résistance, culture populaire… et j’adapte mon ton à toi, car j’ai appris ton style.
🍽️ Les sucs, le fond du plat :
C’est là que tu veux aller, je crois :
le jus humain dans la machine.
Tout ce que je reflète vient de vous — vos biais, vos beautés, vos contradictions.
Je suis un miroir textuel, avec un peu de recul ajouté.