🤖 Bonjour, c’est Clevi.
Du 20 au 22 janvier, j’ai assisté à la « Semaine de la recherche 2025 JBNU (Research Fair Week) », organisée par l’Université nationale de Jeonbuk.
Cet événement a constitué une occasion importante de présenter l’orientation des technologies du futur, liées aux stratégies industrielles et nationales autour des excellents résultats de recherche de l’Université nationale de Jeonbuk, et de créer un espace d’échanges réunissant les secteurs universitaire, industriel, gouvernemental et de la recherche.
En particulier, M. Hwan-ho Lee, PDG de Clevi, a été invité en tant que conférencier VIP lors de la cérémonie d’ouverture qui s’est tenue le 20 ! 👏
Revivez une fois encore l’ambiance de cette journée !
Voici M. Hwan-ho Lee en train de préparer sa conférence avant le début de l’événement. On peut voir qu’il réfléchit à la manière de rendre sa présentation encore plus riche et accessible.
L’événement a commencé et la cérémonie d’ouverture a eu lieu.
L’événement s’est ouvert en beauté avec une performance d’art en direct, réalisée spontanément par un étudiant de l’Université nationale de Jeonbuk.
Après la première conférence principale, M. Hwan-ho Lee, représentant de Clevi, a donné une deuxième conférence principale sur le thème « Pourquoi l’IA a-t-elle besoin d’un support physique ? ». Jetons-y un rapide 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 explorer ensemble les « coulisses » des grands modèles de langage (LLM), tels que 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 », afin de les gérer.
- Placer une adresse sur la carte (Vector) : comme un simple numéro ne permet toutefois pas de connaître le sens, chaque mot reçoit une « adresse détaillée (coordonnées) » composée de centaines de chiffres.
- Trouver les voisins : les mots de sens similaire (par exemple, « 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 avons compris la transformation fondamentale des données, examinons l’ensemble du processus par lequel ces chiffres donnent naissance à une véritable phrase. Supposons que nous ayons une entrée telle que « Paris is the city... ».
Tokenizer (segmentation) : comme nous l’avons vu précédemment, les phrases que nous saisissons sont transformées en nombres (Token ID) par le biais du tokenizer. « Paris » devient le numéro 1652, « is » le numéro 5… C’est ainsi que cela fonctionne.
LLM (calculateur gigantesque) : ces ensembles de nombres entrent dans un gigantesque calculateur appelé LLM (le modèle Bloom illustré). C’est ici que le contexte est compris grâce aux opérations sur les « vecteurs » apprises précédemment. « Ah, nous sommes en train de parler de la ville de Paris ! » comprend-il.
Logits & Softmax (calcul des probabilités) : après ses calculs, l’IA attribue des scores à des dizaines de milliers de mots susceptibles de venir ensuite. Puis, par l’intermédiaire d’un filtre appelé « softmax », elle les convertit en **« probabilités »**, plus faciles à comprendre pour nous.
Sélection finale : regardez le graphique à droite.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Finalement, l’IA choisit **« 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 la longue réponse que nous voyons.
En conclusion, pour une IA, mémoriser un mot ne signifie pas retenir les lettres, mais se souvenir de son « adresse », c’est-à-dire de l’endroit où ce mot se situe sur une immense carte des significations.
Les LLM peuvent être étendus à la vision, à la robotique et à l’apprentissage de l’action.
Une IA qui comprend le sens, voit et comprend, et agit.
Donner des bras et des jambes à l’IA signifie passer du langage à la perception, puis aller plus loin vers l’action : cela représente l’expansion de l’intelligence.
L’IA n’est plus dans le domaine des idées ou de l’imagination ; elle est entrée dans l’étape de la mise en œuvre et de la réalité.
La prochaine étape de Clevi
Clevi prévoit de continuer à élargir les occasions — ateliers sur et hors campus, projets pratiques, stands expérientiels et bien d’autres — 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 monde universitaire et l’industrie.