Doctorat Toulouse - script/catalogue.pl?mod=3780564&site=EDT

Revenir à la liste

Au delà des outils : comprendre le fonctionnement des intelligences artificielles génératives (LLM), maîtriser les usages et en évaluer les limites - URFIST

Contact :: D'ALMEIDA BOIT Nicolette
docteur-metier@univ-toulouse.fr

Catégorie :: Méthodologie de la thèse, recherche documentaire et publication

Nombre d'heures :: 6

Min participants :: 2

Max participants :: 4

Public prioritaire :: Aucun

Public concerné :: Tout doctorant de Toulouse

Langue de l'intervention :: français

Mots clés :: Recherche : méthodes, outils, évaluation de l'info, usages de l'information, sources et ressources disciplinaires scientifique, propriété intellectuelle

Objectifs :

Cette formation :
• Vise à comprendre, en toute généralité, le fonctionnement réel des intelligences artificielles génératives et des grands modèles de langage (LLM) au-delà des usages grand public.
• Apporte les clés nécessaires pour expliquer comment un algorithme peut « apprendre », comment les LLM génèrent des contenus, quels sont leurs usages possibles dans l’ESR, ainsi que leurs limites techniques, juridiques et éthiques, afin de permettre des usages éclairés et critiques.

Programme :

• Distinguer les divers usages de l’IA générative : chatbot, copilote, RAG (documents privés), agents et chaînes d’automatisation
• Expliquer comment un algorithme peut « apprendre» à partir de données
• Décrire très généralement le fonctionnement d’un réseau de neurones artificiels et de l’architecture Transformer. Pourquoi cela a permis l’émergence des grands modèles de langage ?
• Découvrir concrètement le fonctionnement interne d’un LLM à travers une activité, en identifiant toutes les étapes de génération et leurs limites le tout sans programmation.
• Identifier les caractéristiques techniques des LLM : tokens, embeddings et représentation du sens, proximité du sens, fenêtre contextuelle. Voir les implications sur la qualité et la fiabilité des réponses.
• Concevoir et structurer son contexte et ses interactions avec un LLM
• Identifier les limites techniques structurelles des LLM : hallucinations, biais, empoisonnement de données, dépendance aux corpus d’entraînement et aux acteurs privés
• Présenter les enjeux juridiques, éthiques et institutionnels liés à l’usage des LLM : données personnelles, RGPD, souveraineté numérique, manifeste de l’Atécopol, etc.
• Comprendre pourquoi la notion d’« IA open source » est ambiguë, en identifiant les critères d’ouverture (très) rarement remplis
• Mettre en place une veille critique et autonome sur l’IA, adaptée aux missions de l’ESR et loin du marketing.

Equipe pédagogique :

Rémi BOULLE