Une introduction
à l'« Intelligence Artificielle »
Fondements et usages
Anas Ghrab · 3 et 4 juillet 2025
Programme - Jour 1
| Heure | Durée | Activité |
|---|---|---|
| 9h30–11h00 | 1h30 | Concepts fondamentaux / Principaux types d'IA / Les 3 Ingrédients de l'IA (I et II) |
| 11h00–11h20 | 20 min | Pause |
| 11h20–12h50 | 1h30 | Les 3 ingrédients de l'IA (III. Éléments théoriques / Modèles IA) |
| 12h50–13h30 | 40 min | Pause déjeuner |
| 13h30–15h00 | 1h30 | Exploration IA générative multimodale : Suno AI |
Programme - Jour 2
| Heure | Durée | Activité |
|---|---|---|
| 9h30–11h00 | 1h30 | Initiation Python & premières manipulations IA |
| 11h00–11h20 | 20 min | Pause |
| 11h20–12h50 | 1h30 | Applications génératives : texte, image, son |
| 12h50–13h30 | 40 min | Pause déjeuner |
| 13h30–15h00 | 1h30 | Enjeux éthiques, conclusion |
Concepts fondamentaux
Introduction
- L'IA (machine learning) transforme les pratiques culturelles, sociales, citoyennes, industrielles, etc.
- Outil d'émancipation, de création, mais aussi de vigilance éthique
- Un enjeu qui concerne toutes les générations et tous les milieux
Applications du machine learning
- Traitement du texte (traduction, analyse de sentiments, génération de texte)
- Reconnaissance d'images et de vidéos (classification, détection d'objets, génération d'images)
- Traitement de la voix et du son (reconnaissance vocale, synthèse vocale, analyse d'émotions, etc.)
- Prédiction et recommandations (moteurs de recommandation, prévisions financières, détection de fraudes…)
- Applications génératives (création d'images, musique, vidéos, texte…)
Les systèmes de recommandation
Algorithmes qui suggèrent des contenus, produits ou contacts pertinents à chaque utilisateur.
Autres exemples
de système de recommentation
- Vidéo & musique : Netflix, YouTube, Spotify
- E-commerce : Amazon, Cdiscount
- Réseaux sociaux : Facebook, Instagram, TikTok, LinkedIn
- Actualités & articles : Google News, Medium
- Voyages & idées : TripAdvisor, Airbnb, Pinterest
Principes de fonctionnement
- Suggestions selon l'historique et les intérêts de l'utilisateur => filtrage basé sur le contenu
- Recommandations basées sur les préférences d'utilisateurs similaires =>filtrage collaboratif
- Systèmes hybrides : combinaison des deux approches
Objectif : Nous aider à découvrir ce qui nous intéresse parmi une grande quantité de choix
=> mais...
L'IA générative
Les trois ingrédients
de l'IA actuelle
À partir de 2012
(= Deep Learning)
I. Internet
=> Les données massives
(= Big Data)
II. Le matériel informatique
=> Les cartes graphiques (GPU)
=> Les cartes graphiques (GPU)
III. La théorie mathématique
=> Les réseaux de neurones
Ordre de grandeur des nombres
| Préfixe SI | Valeur | Échelle pratique | Échelle longue (EU) | Échelle courte (US) |
|---|---|---|---|---|
| kilo (k) | 10³ | mille | mille | mille |
| méga (M) | 10⁶ | million | million | million |
| giga (G) | 10⁹ | milliard | milliard | billion |
| téra (T) | 10¹² | mille milliards | billion | trillion |
| péta (P) | 10¹⁵ | million de milliards | billiard | quadrillion |
| exa (E) | 10¹⁸ | milliard de milliards | trillion | quintillion |
| zetta (Z) | 10²¹ | mille milliards de milliards | trilliard | sextillion |
| Domaine | Utilisation bots | Bases de données (★) |
|---|---|---|
| Vision | Reconnaissance objets/scènes (robots mobiles, surveillance) | ImageNet ★★★★★ COCO ★★★★☆ |
| Parole | Reconnaissance/parole (assistants, robots accueil) | LibriSpeech ★★★★☆ Common Voice ★★★★☆ |
| Langage | Dialogue/texte (chatbots, robots sociaux) | Wikipedia ★★★★★ Cornell Dialogs ★★★☆☆ |
| Manipulation | Manipuler objets (bras robotisés) | YCB ★★★★☆ KITTI ★★★★☆ |
| Navigation | Se déplacer (robots exploration, domestiques) | Matterport3D ★★★★☆ AI2-THOR ★★★★☆ |
| Geste | Gestes humains (robots interactifs, jeux) | MPII Pose ★★★★☆ Human3.6M ★★★★☆ |
| Multimodal | Comprendre scènes complètes (robots compagnons) | VQA ★★★★☆ AVSD ★★★☆☆ |
Caractéristiques des modèles les plus récents
| Modèle | Société | Open Source | Taille (paramètres) | Multilingue | Date de création |
|---|---|---|---|---|---|
| Gemma 3 | Google Mind | Oui | Non divulgué (~Trillion*) | Oui | Février 2025 |
| GPT-4o | OpenAI | Non | Non divulgué (~Trillion*) | Oui | Mai 2024 |
| Gemini 1.5 Pro | Google DeepMind | Non | Non divulgué | Oui | Février 2024 |
| Llama 3 | Meta | Oui | 8B, 70B | Oui | Avril 2024 |
| Claude 3 Opus | Anthropic | Non | Non divulgué | Oui | Avril 2024 |
| Mixtral 8x22B | Mistral AI | Oui | 141B (MoE) | Oui | Décembre 2023 |
| Gemma | Oui | 2B, 7B | Oui | Février 2024 | |
| Qwen2-72B | Alibaba | Oui | 72B | Oui | Mai 2024 |
| Yi-34B | 01.AI | Oui | 34B | Oui | Novembre 2023 |
| Mistral 7B | Mistral AI | Oui | 7B | Oui | Septembre 2023 |
| BLOOM | BigScience | Oui | 176B | Oui | Juillet 2022 |
* La taille exacte de GPT-4o n'est pas publique, mais les estimations évoquent plusieurs centaines de milliards à un trillion de paramètres.
MoE = Mixture of Experts (architecture hybride).
Les erreurs systémiques
Biais
- Données d'entraînement déséquilibrées
- Décisions injustes ou discriminatoires
Hallucinations
- Génération de contenu inventé
- Apparaît surtout dans les modèles de langage
- Solutions : vérification, récupération d'information
L'IA & la manipulation des masses
IA & manipulation des masses
- Deepfakes politiques – Vidéos truquées diffusées lors d’élections
- Bots sur réseaux sociaux – Amplification artificielle de messages ou hashtags
- Fake news automatisées – Génération d’articles ou de commentaires trompeurs
- Micro-ciblage électoral – Messages personnalisés pour influencer le vote
- Phishing avancé – Arnaques adaptées à chaque profil grâce à l’IA
- Recommandations extrêmes – Algorithmes poussant des contenus polarisants
Le « fake » sur Facebook ?
- Comptes fake : environ 4 à 5 % des comptes actifs mensuels sont considérés comme faux ou dupliqués (source : Meta 2024)
- Contenus fake (désinformation) : difficile à estimer, mais études indépendantes : 1 à 3 % des publications publiques pourraient être des fausses informations
- La majorité des fake news ne sont ni signalées ni supprimées ; le chiffre réel pourrait varier selon la période et le contexte
Estimations du contenu "fake" sur le web
- Pas de % unique pour tout le web, mais des tendances claires :
- 5-15% des contenus viraux sur réseaux sociaux lors de crises (élections, pandémie…) seraient faux ou trompeurs
- Jusqu’à 20-30% des infos COVID-19 sur réseaux sociaux identifiées comme fausses (OMS, 2020)
- Deepfakes : +50 000 vidéos détectées en 2020, double chaque année (Deeptrace)
- Types de contenus fake : Fake news (textes), images/vidéos truquées, faux profils, faux avis…
- Sujets les plus touchés : Politique, santé, finance
- Difficile à mesurer précisément : Le web est en constante évolution
Sources : Science (2018), WHO (2020), Deeptrace (2020), EU DisinfoLab (2024)
Contenu généré par IA (utile, non fake) : estimations
- 3 à 10 % du contenu web grand public déjà généré ou rédigé par IA (2024, tous types confondus)
- Jusqu’à 20 % des nouveaux articles publiés chaque jour sur le web seraient partiellement ou totalement créés par IA (SEO, guides, FAQ…)
- 30 % de la documentation technique et des synthèses générées par IA dans de grandes entreprises tech
- Domaines les plus concernés : blogs, tutoriels, FAQ, documentation technique, résumés, newsletters, code
- Difficile à détecter : beaucoup de contenus IA ne sont pas signalés
Sources : Originality.ai (2024), NewsGuard (2024), Europol (2024)
Souverainté numérique
Centres de données en Tunisie (2025)
- DataXion (Tunis) : Seul centre certifié Tier IV en Tunisie, offrant des services de colocation et d'hébergement sécurisé
- EO Data Center (Enfidha, Sousse) : Fournit des services Cloud, IaaS, SaaS et PaaS, ainsi que des solutions de sauvegarde et de reprise après sinistre
- Orange Data Center (Kalaa Kebira, Sousse) : Centre de données de 1 000 m², inauguré en mai 2025, supportant les services d'Orange et les besoins des clients
- CenterServ Tunis Data Center (Tunis) : Offre des services de colocation, cloud et IT managés avec des infrastructures avancées et des mesures de sécurité robustes
- [Poulina Group Holding Data Center (Tunis) : Centre de données opéré par Poulina Group Holding, participant à l'infrastructure numérique croissante de la Tunisie]
Répartition estimée des types de données hébergées
- Services Cloud & Virtualisation : 35%
Hébergement de sites web, applications métiers, services SaaS/IaaS/PaaS pour entreprises et administrations - Télécommunications & Fournisseurs d'accès Internet : 25%
Données réseau, logs internet, téléphonie pour les opérateurs tels qu'Orange, Tunisie Télécom, Ooredoo - Banques & Secteur Financier : 15%
Transactions électroniques, données clients, conformité réglementaire pour les institutions financières - Gouvernement & Secteur Public : 15%
Services e-gouvernement, dossiers citoyens, éducation, sécurité sociale - Médias & Contenus Numériques : 10%
Streaming, portails web, archives de presse et contenus multimédias
Nb datacenters/pays (2025)
| Pays | Nombre de centres |
|---|---|
| États-Unis | 5 383 |
| Allemagne | 522 |
| Royaume-Uni | 512 |
| Chine | 449 |
| France | 316 |
| Afrique (total) | 167 |
| Tunisie | 4 |
Premiers pas Python et manipulations IA
- Découverte de l'environnement Python/Notebook
- Exercices pratiques : premiers algorithmes, manipulation simple de données
- Initiation aux concepts de base de l'IA via la pratique
Réseaux de neurones, IA moderne, concepts et démo
- Explication des réseaux de neurones et de l'IA moderne
- Manipulation sur un exemple visuel (ex : MNIST)
- Discussion sur les usages et limites
IA appliquée : texte, image, son
- Découverte des modèles appliqués au texte, à l'image et au son
- Ateliers pratiques sur chaque modalité
- Analyse critique des résultats
Liens utiles
- Introduction à l'intelligence artificielle (vidéos par Roger Vandomme)
- Histoire du Deep Learning
- Dive into Deep Learning (excellent ouvrage collectif, mais très technique)