🤖 Bonjour, ici CLEVI.
Nous avons participé à l’événement « Semaine de la recherche JBNU 2025 (Research Fair Week) » , organisé par l’Université nationale de Jeonbuk du 20 au 22 janvier.
Cet événement a constitué une occasion importante de présenter l’orientation des technologies futures liées aux stratégies industrielles et nationales, en mettant l’accent sur les excellents résultats de recherche de l’Université nationale de Jeonbuk, et de créer un espace d’échange réunissant les milieux universitaire, industriel, gouvernemental et de la recherche.
Le 20, le président de CLEVI, Lee Hwan-ho, a notamment été invité à titre de conférencier VIP lors de la cérémonie d’ouverture! 👏
Revivez l’ambiance de cette journée!
Avant le début de l’événement, voici le président Lee Hwan-ho en train de préparer sa conférence. On peut le voir réfléchir à la façon de rendre sa présentation encore plus riche et facile à comprendre.
L’événement a commencé par la cérémonie d’ouverture.
L’événement s’est ouvert en beauté avec une performance artistique réalisée spontanément par un étudiant de l’Université nationale de Jeonbuk.
Après la première conférence principale, le président de CLEVI, Lee Hwan-ho, a donné une deuxième conférence principale sur le thème « Pourquoi l’IA a-t-elle besoin d’un support physique? ». Jetons-y un coup d’œil!
De quelle manière l’IA comprend-elle le monde, au juste,
crée-t-elle des phrases et va-t-elle jusqu’à agir?
Nous allons jeter un coup d’œil à ce qui se passe « dans le cerveau » des grands modèles de langage (LLM), comme ChatGPT ou Claude, que nous utilisons chaque jour, afin de comprendre selon quels principes ils comprennent et génèrent des phrases.
- Attribuer une étiquette à chaque nom (Token ID) : l’IA commence par attribuer à chaque mot un numéro unique, comme « 5 » ou « 8 », pour le gérer.
- Placer une adresse sur la carte (Vector) : toutefois, comme de simples numéros ne permettent pas de connaître le sens, elle attribue à chaque mot une « adresse détaillée (coordonnées) » composée de centaines de nombres.
- Trouver ses voisins : les mots ayant un sens similaire (p. ex. « the » et « a ») se regroupent très près les uns des autres sur cette carte, comme des voisins.
Alors, comment l’IA devine-t-elle le mot suivant?
Maintenant que nous comprenons la transformation fondamentale des données, examinons le processus complet par lequel ces nombres deviennent une véritable phrase. Supposons que nous ayons la valeur d’entrée « Paris is the city... ».
Tokenizer (découpage en fragments) : comme nous l’avons vu précédemment, les phrases que nous saisissons sont converties en nombres (Token ID) par le tokenizer. « Paris » devient 1652, « is » devient 5… et ainsi de suite.
LLM (calculateur gigantesque) : ces ensembles de nombres entrent dans un calculateur gigantesque appelé LLM (le modèle Bloom illustré). Celui-ci comprend le contexte au moyen des opérations sur les « vecteurs » que nous avons vues plus tôt. Il se dit : « Ah, nous parlons actuellement de la ville de Paris! »
Logits et Softmax (calcul des probabilités) : après ses calculs, l’IA attribue un score aux dizaines de milliers de mots susceptibles de suivre. Elle les convertit ensuite en **« probabilités »** faciles à comprendre au moyen d’un filtre appelé « softmax ».
Sélection finale : regardez le graphique de droite.
- of → 33,7 %
- that → 15,3 %
- where → 9,4 %
En fin de compte, l’IA sélectionne **« of »**, qui possède la probabilité la plus élevée, et complète la phrase « Paris is the city of... ». Elle répète ensuite ce processus des dizaines de milliers de fois pour produire les longues réponses que nous voyons.
En conclusion, pour une IA, mémoriser un mot ne signifie pas retenir des lettres, mais plutôt mémoriser l’« adresse » de ce mot, c’est-à-dire l’endroit où il se situe sur une immense carte sémantique.
Les LLM peuvent être étendus à la vision, à la robotique et à l’apprentissage comportemental.
Une IA qui comprend le sens, voit et comprend, puis agit.
Donner des bras et des jambes à l’IA signifie passer du langage à la perception, puis étendre davantage l’intelligence jusqu’à l’action.
L’IA n’est plus confinée au domaine des idées ou de l’imagination; elle est entrée dans la phase de mise en œuvre et de concrétisation.
La prochaine étape de CLEVI
CLEVI prévoit également de multiplier les occasions — notamment des ateliers sur le campus et à l’extérieur, des projets pratiques et des kiosques expérientiels — afin que davantage de personnes puissent découvrir directement comment les technologies de l’IA fonctionnent dans le monde réel.
Tout comme la conférence donnée cette fois à l’Université nationale de Jeonbuk est devenue un précieux pont entre les étudiants et nous, nous continuerons à jouer un rôle de passerelle entre les technologues et les utilisateurs, ainsi qu’entre le milieu universitaire et l’industrie.