ChatGPT et autres LLM

[energy_isere]

.............
au début des LLM j'ai eu des cas très clairs où l'IA disait n'importe quoi sur son fonctionnement ; par exemple chatGPT prétendait être muni d'un module de calcul mathématique, ce qui était faux (et aisément démontrable).

ben oui, mais elles se sont améliorées.

Maintenant certaines IA arrivent au niveau des Olympiades de mathématiques. Je n'ai pas dis toutes les IA. Nuance.

https://www.science-et-vie.com/sciences ... 18363.html

[GillesH38]

je ne te parle pas de résoudre des problèmes de mathématiques, pour lesquels des modules sont spécialement entraînés (modules qui ne sont PAS des LLM, qui sont assez mauvais si ils ne sont pas couplés à de tels modules justement).

je te parle de connaissances de l'IA sur elle même.

pourquoi et comment sauraient elle comment elles sont programmées ?

L'idée que "si l'IA arrive a faire des trucs compliqués, alors elle sait surement faire des trucs plus simples" est en fait complètement fausse. Des le début, les LLM faisaient des choses relativement complexes et échouaient à des trucs bien plus simples comme prendre les initiales des mots d'une phrase. Les capacités ne sont pas ordonnées sur une échelle quantitative linéaire.

[energy_isere]

L’IA Mistral a-t-elle une chance face à OpenAI ? Son fondateur Arthur Mensch répond vidéo 20 mn https://www.youtube.com/watch?v=bvX5m4wRiZM

Quotidien
774 k abonnés
413 925 vues 10 sept. 2025

Mistral passe dans une nouvelle dimension. ASML, le géant néerlandais des équipements de semi-conducteurs, a décidé d’investir 1,3 milliard d’euros dans la start-up française d’intelligence artificielle générative et deviendra ainsi son principal actionnaire. Désormais valorisée à plus de 10 milliards d’euros, Mistral AI devient la première start-up d’IA en Europe. Son président et co-fondateur, Arthur Mensch, 33 ans, revient sur ce moment décisif pour son entreprise.

[supert]

Je vais considérer la réponse d'energy/copilot comme vraie.

Question suivante :
Comment les IA déterminent-elles ce qui est académique et ce qui est du domaine du vulgum pecus ? Est-ce qu'on les a programmé en leur disant "ça y'a bon mais ça c'est du site populaire, cela ne vaut rien", ou est-ce le robot qui, en fonction de je ne sais quels critères, détermine quels sont les sites fiables et ceux qui le sont moins ?


Supertomate qui a plus confiance en son copain qu'en l'AFP

[tita]

Je vais considérer la réponse d'energy/copilot comme vraie.

Question suivante :
Comment les IA déterminent-elles ce qui est académique et ce qui est du domaine du vulgum pecus ? Est-ce qu'on les a programmé en leur disant "ça y'a bon mais ça c'est du site populaire, cela ne vaut rien", ou est-ce le robot qui, en fonction de je ne sais quels critères, détermine quels sont les sites fiables et ceux qui le sont moins ?


Supertomate qui a plus confiance en son copain qu'en l'AFP

Les données utilisées pour l’entraînement sont généralement filtrées et hiérarchisées. Les publications académiques, les médias reconnus ou les corpus validés ont plus de poids que des forums ou des contributions isolées.

Les données d'entraînement sont très certainement "étiquetées" par des humains. Un peu comme si tu ordonnais tout ça dans des dossiers. "Livres", "publications scientifiques", "réseaux sociaux", etc. Il y a des étiquetages très laborieux réalisés par des humains, en particulier sur des images. D'ailleurs, c'est fait là où la main d'oeuvre est bon marché.

Je me base sur ce reportage pour dire ça:
https://www.youtube.com/watch?v=b0a6M5SaQQM

[energy_isere]

Il semblerait que la sortie de Gemini3 de Google en IA soit une avancée majeure par rapport aux concurrents. Chat GPT serait loin derrière maintenant.

___________________________________________________________________________

GEMINI 3 : Google vient de jouer un coup de maître. Ce que ça change pour votre carrière. vidéo 29 mn https://www.youtube.com/watch?v=xylySp_r_RI

Le SamourAI | IA et Stratégie
45,9 k abonnés
28 693 vues 19 nov. 2025 #Gemini3 #IA #IntelligenceArtificielle
Gemini 3 vient de sortir. Et pendant que vous lisez cette phrase, l'échiquier de l'intelligence artificielle est en train de basculer complètement.

Ce n'est pas juste "un bon modèle de plus". C'est le premier modèle depuis un an sur lequel tout le monde s'accorde. Le numéro un incontesté.

Mais le vrai danger est ailleurs. Pendant que tout le monde regardait OpenAI, Google a construit quelque chose de bien plus dangereux qu'un simple modèle performant : un empire vertical complet avec 650 millions d'utilisateurs.

CE QUE VOUS ALLEZ DÉCOUVRIR DANS CETTE ANALYSE :

La domination technique : Pourquoi Gemini 3 écrase les benchmarks (73% sur Math Arena Apex, 72.7% sur ScreenSpot Pro vs 3.5% pour GPT).
Le deal du siècle : Comment Apple a capitulé face à Google pour 1 milliard $ par an (et pourquoi c'est brillant).
Le piège financier : Le chiffre qui change tout (OpenAI projette 115 milliards $ de cash burn d'ici 2029).
Le sniper silencieux : Pourquoi Anthropic gagne le marché entreprise (300 000+ clients) pendant que les géants se battent.
La nouvelle géographie du pouvoir : Comment Google devient "Intel Inside" pour l'intelligence artificielle.
Votre carrière : Ce que la fin de la "monoculture OpenAI" change concrètement pour votre stratégie lundi matin.

[energy_isere]

Gemini 3 est disponible : voici tout ce qu'il faut savoir sur ce modèle qui nous rapproche d'une AGI

Nassim Chentouf Publié le 19/11/25

https://www.lesnumeriques.com/intellige ... 45801.html

----------------------------------------------------------------------------------------------------

Google Gemini 3 est le meilleur modèle IA de tous les temps. vidéo 20 mn https://www.youtube.com/watch?v=QNKOkqObenM

Vision IA
216 k abonnés
66 824 vues 20 nov. 2025

[supert]

Merci tita pour la réponse. Bon, j'ai arrêté le reportage au bout de 4 minutes, je ne suis vraiment pas un homme d'image mais bien d’écrits...

J'ai eu le temps d'apprendre que l'on payait royalement (1 euro/3h) le lumpenprolétariat mondial pour faire "à la main" des tâches qui permettront à l'IA d'être "plus performante". Il s'agit de reconnaître un cygne ou un parasol. Moi je croyais que le Robot savait tout seul grâce au contexte qu'un cygne était un cygne. Visiblement, il faut le lui susurrer à l'oreille. Quel con ce robot !

Donc, la super IA automatisée tout ça a besoin que des petites mains lui expliquent qu'un parasol n'est pas une pieuvre.
Et il semblerait que d'autres mains (peut-être un peu moins petites) expliquent au Robot que tel site vaut telle confiance.

Je trouve que ça fait beaucoup de main d’œuvre pour un truc qui marche tout seul.


Supertomate qui a une pensée pour les piques hardies aujourd'hui

[GillesH38]

c'est sur qu'on est assez loin de la petite graine qu'on met dans le ventre de la maman et qui pousse toute seule ....

[energy_isere]

Moi je croyais que le Robot savait tout seul grâce au contexte qu'un cygne était un cygne. Visiblement, il faut le lui susurrer à l'oreille. Quel con ce robot !

Toi aussi quand tu était petit on t'a expliqué le cygne. Que c'était un peu comme un canard ou une oie mais un peu différend tout de même et qu' on le reconnaissait grâce à ......
Ou bien tu as eu un joli livre illustré et tes parents t'on rabâché ''cygne'', canard, chien.....

Mais pour un petit humain il n'y a pas besoin de lui montrer 100 images différentes de cygnes.

[kercoz]

y'a qd même du boulot :
https://www.google.com/search?client=fi ... 5wrB-CcWmM

[energy_isere]

Mais pour un petit humain il n'y a pas besoin de lui montrer 100 images différentes de cygnes.

J'étais loin du compte. Il faut bien plus d'images de cygnes pour entrainer une IA ! Compter 10 fois plus.

Ma question à Copilot :
Pour l'apprentissage d'une IA pour les images, combien de photo différentes de cygnes faut il pour que l'IA reconnaissent une nouvelle photo de cygne avec 99 % de certitude ?

Réponse :

image dataset size for 99% swan recognition
There isn’t a fixed number that guarantees 99% certainty on new images. The required count depends on variability in the data (species, poses, lighting, seasons, backgrounds, distances) and the model + training setup. Here are realistic ranges.

Practical ranges by training approach
Transfer learning on a strong pretrained CNN (e.g., ResNet/EfficientNet):

Baseline: 200–500 images of swans, well‑labeled and diverse, plus a roughly similar number of “non‑swan” negatives.

For near‑99% under controlled conditions: 800–2,000 images of swans with high variability, balanced negatives, and careful validation.

Works best if your deployment environment matches training (same cameras/backgrounds).

From-scratch training (no pretraining):

Order of magnitude: 10,000+ images of swans and a large negative set; otherwise you risk overfitting and poor generalization.

Usually unnecessary unless you have unique sensor data or constraints.

Classical detection pipelines (e.g., fine-tuning YOLO/Detectron):

Object detection with bounding boxes: 500–1,500 annotated images can be sufficient for high precision in stable environments; scale higher if scenes vary widely.

What actually drives hitting 99%
Data diversity: Include different species (mute swan, whooper, black swan), angles (head tucked, wings spread), juveniles vs adults, water vs land, reflections, motion blur, weather, and lighting.

Negative hardness: Use “confusers” (geese, ducks, herons, white plastic bags, boats) so the model learns discriminative features.

Split discipline: Strict train/val/test separation by capture session/day/location to avoid leakage.

Evaluation metric clarity: 99% “certainty” can mean classifier confidence, accuracy, precision, or recall. For safety‑critical use, target high precision at a set recall and measure on a truly unseen test set.

Augmentation: Random crops, color jitter, flips, blur, and exposure changes help approach 99% with fewer real images.

Direct answer
With transfer learning and good practice, plan for roughly 1,000–2,000 diverse swan images plus a matched set of negatives to have a realistic shot at 99% accuracy/precision on new photos in your target environment.

If your scenes are highly controlled, you might reach it with ~300–600 images, but it won’t generalize well.

From scratch, expect 10k+ images.

[energy_isere]

Vous avez l’habitude d’utiliser l’IA à tout va ? Voici le vrai coût écologique des questions que vous lui posez

24 nov 2025

https://www.ouest-france.fr/leditiondus ... 87cd6766d6

[supert]

Puisqu'on est dans les images, je me pose encore une question.

Choisissons une photo de quelqu'un. Cheveux courts. Si je dis à une super IA : "modifie les oreilles et tailles-les en pointe". Le Robot saura déterminer où est l'oreille ou faudra-t-il que je les entoure ?


Supertomate qui a le ventre plein, donc peut-être des oreilles

[Jeuf]

Puisqu'on est dans les images, je me pose encore une question.

Choisissons une photo de quelqu'un. Cheveux courts. Si je dis à une super IA : "modifie les oreilles et tailles-les en pointe". Le Robot saura déterminer où est l'oreille ou faudra-t-il que je les entoure ?


Supertomate qui a le ventre plein, donc peut-être des oreilles

Chat GPT n'a aucun mal à décrire une image, donc à repérer les éléments. Je lui ai demandé une fois, sur une vieille photo avec peu d'éléments, il me l'a très bien décrite. Après, je n'ai pas multiplié les tests parce que le traitement d'image est bien plus lourd que le traitement de test, ça m'a suffit.