Cet article permet de comprendre l’univers de l’Intelligence Artificielle (IA) de manière générale et les méthodes d’apprentissage avec lesquelles elle se développe.

Rappelons avant tout le concept même de l’Intelligence Artificielle, une technologie programmée de manière à pouvoir réaliser des actions de manière autonome. Le tout, inspiré des méthodes d’apprentissage de nous, êtres humains.

Beaucoup d’entre nous n’y voit encore qu’un concept beaucoup trop abstrait ou trop idéalisé par rapport aux réels bénéfices que cela pourrait nous apporter. 

Pourtant, dans un certain nombre de domaines, comme la médecine ou l’écologie, l’IA peut tout changer.

Mais plutôt que d’essayer de convaincre en citant des projets IA impactful, ou des projets IA crypto qui ont du sens, voyons le sujet d’un autre oeil.

Essayons de comprendre comment les machines utilisant l’IA fonctionnent, de manière globale, et sur quelle méthode d’apprentissage elles se fondent. Essayons également de faire un état des lieux des différentes branches de l’IA, comme le machine learning ou la robotique.

Vous l’aurez compris, l’IA désigne une technologie bien spécifique, qui se divise en sous-catégories selon son application et ses méthodes d’apprentissage.

Comprendre les différentes catégories d’Intelligence Artificielle : IA faible, IA forte et super IA

Tout d’abord, on distingue un type d’IA en fonction de ses capacités de pouvoir réfléchir et penser comme un être humain ou non. 

De là, on distingue 3 catégories : l’IA faible, l’IA forte, et la “super” IA. 

L’IA faible (appelée aussi l’IA étroite/l’IA spécialisée)

Elle est utilisée pour la réalisation de tâches simples. Fonctionne selon des algorithmes programmés par des humains. Ici on accomplie une tâche prédéfinie. Pas de pensée autonome pour ce type de machine.

Exemple : l’assistance vocale Siri d’Apple, Google Assistant ou Amazon avec Alexa. Ces derniers utilisent l’IA pour les commandes vocales et fournir aux utilisateurs les réponses appropriées. On trouve encore des exemples, dans la détection de fraude ou la traduction automatique.

L’IA d’intelligence générale (IA forte ou IA complète)

Dans ce cadre, l’IA dispose de la capacité de pouvoir penser et prendre des décisions comme un humain. Avec cette précision que pour le moment, il n’existe pas encore d’IA forte.

Exemple hypothétique : une IA capable de résoudre des problèmes que les êtres humains ne peuvent pas résoudre comme des raisonnements scientifiques ou mathématiques. 

Un débat existe sur la possibilité même de son existence avec 2 écoles distinctes. ?

La super IA (ASI ou Artificial Super Intelligence)

On est ici dans un scénario de science-fiction, la super IA désigne le fait pour une IA de surpasser l’intelligence des êtres humains avec toutes les théories que cela comporte.

Les méthodes d’apprentissage au cœur des machines d’IA

A. Machine Learning : exploration des méthodes d’apprentissage essentielles

Le machine learning (aussi appelé l’apprentissage automatique) représente cette partie de l’IA qui permet aux machines d’interpréter, de traiter et d’analyser un certain nombre de données pour résoudre les problématiques du monde réel. 

En bref, on donne beaucoup de données à digérer à une machine pour qu’elle puisse ensuite analyser le tout. 

Le machine learning dispose de différentes méthodes d’apprentissage programmées selon qu’il s’agisse de : l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement.

1/ La méthode d’apprentissage supervisé du machine learning fondé sur des exemples étiquetés  

Ici, les ordinateurs doivent réaliser des tâches spécifiques à partir d’exemples qui ont été étiquetés (des données d’apprentissage). 

Exemple : sur la reconnaissance d’images. 

L’idée étant que la machine puisse déterminer si l’image qu’on lui montre, appartient à la même catégorie que celles qu’on a pu lui montrer dans des exemples précédents. ?

Si on prend l’exemple d’images de chats, on va montrer d’abord des milliers d’images étiquetées comme “chat” à cet ordinateur. Ce dernier analyse ensuite ces images et apprend à identifier les caractéristiques qui les distinguent des autres animaux.

Une fois que l’ordinateur a appris à reconnaître les images de chats à partir de ces exemples, on va lui donner de nouvelles images, des images jamais vues auparavant. Puis on va lui demander s’il s’agit ou non d’une image de chat. ?

L’ordinateur utilise alors ce qu’il a appris à partir des exemples pour faire une prédiction.

2/ L’apprentissage non-supervisé par comparaison

L’apprentissage non-supervisé s’oppose à l’apprentissage supervisé, car l’appareil ne fera pas appel à des exemples étiquetés pour réaliser son analyse.

Il procèdera par comparaison, en fonction des caractéristiques des divers éléments. 

Exemple : la segmentation d’image. Le but étant de pouvoir regrouper des images similaires en fonction de leurs similitudes, sans avoir de réponse pré-établie. 

Très utile dans la recommandation de produits sur internet par exemple ou sur les apps.

3/ Méthode d’apprentissage par renforcement, l’expérience

Cette forme d’apprentissage correspond à celle que l’on retrouve finalement chez nous, êtres humains.  Ainsi, on se base sur les expériences et sur les interactions avec l’environnement. 

De la même façon, l’ordinateur explore les prises de décisions ou les commandes, il reçoit soit une récompense soit une pénalité en fonction de ses choix. 

Le but étant bien entendu, que l’ordinateur avance en récoltant le plus de récompenses et ainsi, améliorer ses futurs choix.  

B/ Le Deep Learning : l’apprentissage qui plonge dans les réseaux de neurones 

Le deep learning est une sous-catégorie du machine learning qui utilise des réseaux de neurones artificiels pour traiter des données plus complexes et des modèles plus profonds.

En somme, le deep learning est une technique plus avancée et puissante de machine learning, capable d’analyser des données plus complexes grâce à des réseaux de neurones plus profonds et sophistiqués.

C’est l’image d’un enfant en plein apprentissage qui apprend tout d’abord les formes. Et qui peu à peu, se sert de ce qu’il voit et comprend pour réaliser des constructions à partir de ces formes (voir ce qui fonctionne ou non). 

Ainsi, avec le deep learning, un réseau de neurones virtuels se développe sur des données de grandes dimensions afin d’obtenir des informations et de créer de nouvelles solutions. 

Plus ces réseaux de neurones virtuels explorent les couches, plus les données deviennent de plus en complexes à analyser. 

C/ L’apprentissage à partir du traitement du langage naturel 

L’apprentissage de l’IA reposera sur la méthode scientifique qui consiste à tirer des enseignements du langage humain naturel pour créer des machines capables de communiquer, et in fine, de développer des entreprises 

D/ Les autres branches de l’IA : la robotique, les systèmes d’experts, la logique “floue”

Sans entrer dans les détails, on retrouve parmis ces autres méthodes d’apprentissage :

• La robotique qui est l’application de l’IA sur des robots ;
• Les systèmes experts qui reprennent les expertises d’un être humain afin de développer une capacité réflexion bien spécifique ;
• La technique de la logique floue, une manière pour les ordinateurs de comprendre des choses qui ne sont pas seulement “vrai” ou “faux”, mais qui peuvent être un peu des deux. Ça aide les machines à prendre des décisions plus proches de celles que nous, les humains, pourrions prendre dans des situations un peu compliquées (ex : la médecine). 

En bref. 

1. On retient surtout 2 types d’IA : l’IA faible (spécialisée) et l’IA forte (générale). L’IA faible est conçue pour réaliser des tâches spécifiques, tandis que l’IA forte peut penser et prendre des décisions comme un humain (n’existe pas encore). La “super” IA est une 3e hypothèse de type d’IA, un peu science-fiction, qui dépasse l’intelligence humaine.
2. Il y a plusieurs branches de l’IA dont le machine learning, le deep learning, le traitement du langage naturel, la robotique, les systèmes experts et la logique floue.
3. Il existe trois méthodes d’apprentissage dans le machine learning : l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement.

Alors que l’on sortait à peine du torrent chatGPT qui a inondé absolument tous nos réseaux sociaux, c’est au tour de Google de nous sortir sa carte joker. 

En effet, Google se présente avec Google Bard (“Bard” pour les intimes).

Un outil permettant d’exploiter les capacités avancées de ce qu’on appelle l’IA générative, l’intelligence Artificielle génératrice de contenus. 

Inutile de revenir sur la conférence donnée à cette occasion le 8 février 2023 (“Google Live from Paris”) et des quelques déboires qui ont été constatés, mais tâchons plutôt de comprendre la valeur ajoutée de Bard. 

Hormis son mode de fonctionnement, nous allons également étudier sa position par rapport aux autres projets d’Intelligence Artificielle, notamment dans le domaine de l’IA médicale.

1/ Google Bard, la révolution de l’IA générative selon Google

Avant de vous donner un avant-goût de ce que sera Google Bard, revenons d’abord sur le concept d’IA générative.

A. L’IA générative, l’intelligence artificielle à votre service

Si vous avez toujours rêvé de pouvoir faire apparaître à peu près tout ce que vous vouliez rien qu’à l’aide d’une baguette magique, et bien sachez que l’IA générative c’est à peu près tout ça (dans une certaine mesure, bien entendu). ?

Tel artiste, une IA générative créé de nouvelles choses, toute seule. En l’occurrence, elle génère du contenu.

L’IA générative est donc une sorte de programme informatique utilisant des règles et des exemples trouvés à partir d’une base de données pour créer de nouveaux contenus, tels que des images, de la musique, du texte ou même de la voix. 

En utilisant ces règles et ces exemples, l’IA générative peut créer des choses que personne n’a jamais vues auparavant, comme une nouvelle chanson ou une nouvelle image.

Imaginez que vous donnez des instructions à un robot pour qu’il dessine un chat, mais vous ne lui donnez pas d’exemple à copier. 

Au lieu de cela, le robot utilise des règles pour dessiner un chat unique, comme s’il créait un nouveau chat à partir de zéro. 

L’IA générative fonctionne de la même manière, sauve qu’elle suit des règles dans le but de créer de nouvelles choses.

B. Comment fonctionne l’IA générative de Google Bard ?

Bard est un programme informatique qui se base sur la technologie des moteurs de recherche.

1/ Bard, une version réduire du LaMDA

Google Bard est une version adaptée d’une autre technologie appellée le LaMDA (pour Language Model for Dialogue Applications). 

Il s’agit là d’une combinaison de modèles de langage neuronaux conversationnels entraînés sur plus d’1.56 trillion de mots (million de milliards)*.

*1,56 trillions de mots peut s’exprimer aussi en “pétaoctets”. Sachant qu’un octet est une unité de stockage informatique contenant un seul caractère, comme une lettre ou un chiffre. Un pétaoctet est égal à un million de milliards d’octets, ce qui est équivalent à 1,56 million de milliards de mots.

Pour comprendre ce dernier concept, il vous suffit de vous imaginer un professeur qui enseignerait à un ordinateur comment recevoir toutes les informations données par un humain. 

Une sorte de décodeur capable de comprendre à la fois les mots exprimés et les questions posées afin de répondre le plus naturellement possible.

Bard est entraîné à partir de la base de données “Infiniset“. 

Cette dernière étant ni plus ni moins la colonne vertébrale de Google Bard, composée d’une multitude de données provenant par exemple de boîtes de dialogues ou de forums publics, de textes web, de données C4 (technique graphique permettant de comprendre le fonctionnement et l’architecture de logiciels)…etc. 

2/ La valeur ajoutée de GoogleBard ?  

Pour le moment, on ne peut pas réellement déterminer si Google Bard concurrence ou non d’autres IA génératives comme chatGPT. 

Les représentants du projet avancent le fait que cet IA permettra de passer au peigne fin des informations beaucoup plus à jour, de les analyser et de les reformuler de manières encore plus précises. 

Ce qui est certain, c’est la capacité qu’offre Google Bard en tant qu’outil de compréhension du langage naturel avec une grande précision. 

En ce sens, Google Bard innove dans le domaine de la synthèse vocale, ne nécessitant pas de répétition ou de reformulation de la part de l’utilisateur.

3/ Google Bard, l’IA accessible au grand public

Il est important de noter la différence entre l’IA générative de Google et celle d’OpenAI qui visent à répondre à des questions à partir de données qui ont été validées ou non initialement, d’une IA spécialement conçue pour résoudre des problématiques techniques. 

On pense notamment à tous les projets naissants qui développent de l’IA pour des modèles de prédictions par exemple, notamment dans les secteurs de l’assurance, la finance ou encore en météorologie. 

Google Bard est là pour répondre à des questions à partir de l’apprentissage supervisé. 

Dans le domaine médical par exemple, il serait dérisoire de compter simplement sur Google Bard pour obtenir des réponses ou réaliser des diagnostics. 

Tandis que l’IA médicale comme développée par Galeon par exemple, permettra de soulever de nouvelles problématiques à partir d’un ensemble de données ultra structurées et spécifiques. 

Ainsi à terme, cette technique appelée le blockchain swarm learning permettra de faire avancer la recherche médicale. 

Conclusion

• Google Bard est une nouvelle IA générative développée par Google reposant sur la technologie des moteurs de recherche (version réduite du LaMDA). 

• Cette technologie peut comprendre et répondre au langage naturel de manière plus précise et plus efficace. 

• La base de données Infiniset est la colonne vertébrale de Google Bard.

• Il est important de différencier l’IA générative d’autres IA qui visent à résoudre des problématiques techniques, telles que l’IA médicale développée par Galeon. 

• Google Bard est un outil innovant pour répondre à des questions de manière plus naturelle et plus fluide, ouvrant de nouvelles perspectives dans le domaine de la synthèse vocale et du traitement de langage naturel. 

Ocean Protocole, Exec RLC, Cortex, Fetch.ai…etc, les projets crypto IA ne datent pas d’hier.

Ils incarnent ce pan de la génération crypto qui utilisent à la fois la technologie de l’IA et celle de la blockchain pour développer des applications et des systèmes décentralisés.

D’un côté, on fait usage de la blockchain pour favoriser le stockage et le transfert de données de manière sécurisée et immuable.

De l’autre, on se sert de l’Intelligence Artificielle (IA), ce domaine de l’informatique où l’on créé des systèmes fonctionnant de manière autonome grâce à l’entraînement d’algorithmes.

Concrètement, quel type d’applications retrouve-t-on dans les projets crypto IA ?

Bien que leur fonctionnement soulève des questions techniques, on peut par exemple trouver un exemple d’application parmi les modèles de prédictions météorologiques, ou de finances et sportive.

Utiliser la blockchain et l’IA dans ce contexte permet d’accélérer des transactions et d’assurer plus de transparence aux utilisateurs.

En somme, des éléments qui pourraient tout à fait vous intéresser si vous souhaitez investir dans ce qui est et ce qui sera la hype* du moment. 

*À ce titre, vous avez certainement déjà entendu parler des chatbot conversationnels de type IA tels que chatGPT ou Google Bard, ou bien des générateurs d’images comme Midjourney.

Découvrons donc ensemble 9 projets crypto IA qui révolutionnent la blockchain et de manière plus générale, le monde de demain. 

1/ Le projet crypto IA d’OCEAN Protocole (OCEAN)

? L’objet : projet crypto IA qui permet l’échange et la monétisation des données entre particuliers et/ou les entreprises de manière sécurisée et privée.

Le protocole est construit sur une blockchain, ce qui signifie :

• plus de transparence ;
• une meilleure traçabilité des données ;
• l’assurance de la confidentialité des utilisateurs.

Cette nouvelle forme d’économie décentralisée prône à la fois le libre accès aux services de la plateforme, la réduction des coûts de transactions et enfin, l’idée qu’il n’est pas nécessaire de passer par un intermédiaire.  

Depuis sa création, il y a quelques années déjà, on a pu constater une belle progression. À voir sur le long-terme.

Capitalisation boursière : parmi les 250 premières crypto-monnaies ($980 millions).

Volume d’échange quotidien : $75 millions. 

2/ SingularityNET (AGIX) construit un écosystème d’IA

? L’objet : le projet se fonde sur la blockchain afin de créer un marché décentralisé et sécurisé pour les modèles d’applications d’Intelligence Artificielle. 

Ainsi, les développeurs accèdent à une multitude d’algorithmes d’IA.

L’idée étant d’inviter ces derniers à contribuer à la construction d’un écosystème d’IA ouvert, transparent et collaboratif. 

De l’autre côté, on retrouve les utilisateurs de la plateforme, qui peuvent bénéficier des services générés suite aux travaux des développeurs. Tout cela, financé par les jetons AGI. 

En récompense, les développeurs bénéficient de Loyalty Rewards.

Capitalisation boursière : $314 millions. 

Volume d’échange quotidien : $1,5 millions. 

3/ Fetch.ai (FET) pour l’IA et les objets connectés

? L’objet : en se servant de la technologie blockchain, Fetch.ai désire construire l’univers d’application de l’Intelligence Artificielle et de l’Internet des Objets (IoT ou objets connectés). 

Ajoutons également cet autre fondement, qui est de faciliter les transactions et les échanges entre les utilisateurs, grâce aux agents autonomes.

Ces derniers sont créés par des développeurs, et rendus autonomes à partir du machine learning.

Ainsi, ils peuvent prendre des décisions de manière autonome pour réaliser des tâches spécifiques. 

In fine, il faut avoir en tête l’image de l’application concrète de l’IA au sein de notre société (ex : finance, logistique, villes intelligentes, santé…etc). 

Pour utiliser la plateforme, il faudra payer en FET avec en contrepartie, le droit de pouvoir prendre part aux décisions relatives à la plateforme. 

Capitalisation boursière : $132 millions. 

Volume d’échange quotidien : $6 millions. 

4/ Numeraire (NMR) pour les modèles de prédictions

? L’objet : développement de modèles de prédictions d’Intelligence Artificielle pour prédire les mouvements sur des résultats sportifs, météorologiques ou de performances financières …etc

Pour ce faire, Numeraire va utiliser d’une part, les techniques du machine learning (apprentissage automatique). Ce qui vise à améliorer les prédictions.

D’autre part, le projet va compter sur la blockchain pour à la fois : sécuriser la transaction des données ; assurer leur traçabilité ; garantir la confidentialité des utilisateurs.

Encore un bel exemple d’un projet crypto IA sur la création d’un marché décentralisé pour les services de prédictions. 

Capitalisation boursière : $41 millions. 

Volume d’échange quotidien : $3,5 millions. 

5/ DeepBrain Chain (DBC) et les marchés décentralisés de l’IA

? L’objet : DeepBrain cherche à répondre à plusieurs problématiques rencontrées sur les marchés de l’IA centralisés. 

Ainsi, dans le cadre d’un marché décentralisé, et sans remettre en question la question de la sécurité des marchés de l’IA, DeepBrain parvient à réduire les coûts de services.

On utilisera également la blockchain pour assurer la transparence des échanges, tout en protégeant la confidentialité des utilisateurs.

Pour accéder aux services d’IA de DeepBrain, il faudra posséder des jetons DBC.

Capitalisation boursière : $19 millions. 

Volume d’échange quotidien : $500 000. 

6/ Galeon (GALEON), IA médicale et machine learning

? L’objet : Galeon se présente comme la solution en termes d’IA médicale pour les prochaines années. 

Sur l’aspect sécurité, dans le stockage et le transfert des données médicales, Galeon se sert de sa propre blockchain.

Avec cette précision que les données patient sont conservés par les professionnels de santé et les chercheurs dans le respect du consentement. 

Il y a aussi l’utilisation de l’IA en combinaison avec la technologie du blockchain swarm learning.

L’idée étant de pouvoir utiliser efficacement la donnée médicale et de faire avancer la recherche.

Pour investir dans le projet, il suffit de choisir l’une des solutions disponibles sur le site internet : 

• Programmes de staking ; 
• Programmes d’achat par carte bleu. 

La solidité du projet repose à la fois sur le soutien de sa communauté (notamment composée de personnes du milieu médical), et le sujet tellement actuel de l’IA médical et du futur de la santé.  

7/ Iagon (IAG) et sa marketplace décentralisée

? L’objet : Iagon souhaite créer la marketplace décentralisée en matière de stockage de données, et tout cela en utilisant la blockchain et l’Intelligence Artificielle.

Pour faire en sorte que ce stockage soit de qualité, le projet se sert aussi du machine learning pour optimiser le traitement de données ; et de réseaux de noeuds décentralisés pour assurer l’évolutivité de la plateforme.

Dans cette organisation, on retrouve les différents acteurs : 

• Ceux qui apportent la capacité de stockage, les storage providers ; 
• Et ceux qui vont utiliser cette capacité de stockage, les storage consumers.

En plus de cette collaboration, les utilisateurs peuvent bénéficier d’autres services de l’IA comme celui du machine learning, de l’analyse de données…etc. Bref, des opérations liées à la donnée qui sont optimisées. 

Capitalisation boursière : $2,5 millions. 

Volume d’échange quotidien : $10 000. 

8/ Cortex (CTXC)

? L’objet : permet aux utilisateurs de la plateforme de bénéficier des services d’IA et autres outils tels que le machine learning notamment pour améliorer les modèles de prédictions (ex : que l’on utilise dans la reconnaissance d’image, la classification de texte ou la détection de fraude…etc). 

Le côté blockchain assure à la fois la sécurité, la confidentialité des utilisateurs et la transparence des données échangées sur la plateforme. 

Le plus de ce projet IA ? Mettre à disposition des moyens comme le machine learning afin de permettre aux développeurs d’accélérer le développement de leurs modèles d’IA, tout en réduisant les coûts de transaction. 

Capitalisation boursière : $49 millions. 

Volume d’échange quotidien : $6 millions.

9/ Exec RLC (RLC), la rencontre entre développeurs

? L’objet : cette blockchain optimise la rencontre entre développeurs pour créer et échanger des modèles d’IA. Le tout, sur fond d’échange de services de calcul. 

Là encore, la blockchain est utilisée pour garantir la sécurité, la transparence et la confidentialité des utilisateurs. 

Capitalisation boursière : $384 millions. 

Volume d’échange quotidien : $38 millions. 

Conclusion

Il convient de noter que le marché de la crypto est très volatile et que les prix des crypto-monnaies peuvent fluctuer considérablement en fonction de l’offre et de la demande du marché, ainsi que de facteurs externes (ex : réglementations gouvernementales ; actualités liées à la blockchain et/ou l’Intelligence Artificielle). 

Par conséquent, il est important de faire preuve de prudence lors de l’investissement dans des projets de crypto-monnaie et de réaliser une étude approfondie avant de prendre toute décision d’investissement.

Si vous vous intéressez à l’IA (Intelligence artificielle), il n’est peut-être pas nécessaire de vous présenter chatGPT. Vous avez même sans doute déjà pu tester “la bête”.

Avant que ce chatbot n’envahisse le Web3, vous pouviez encore l’utiliser librement. 

Désormais, il va falloir passer par la case payante. 

L’ère de l’IA est en marche, et que ce soit chatGPT, Google Bard ou d’autres, il deviendra évident dans les années à venir de s’adresser à ces outils pour nous faciliter la vie.

Dans le domaine médical, on peut alors imaginer le scénario suivant : vous êtes malade et plutôt que de perdre du temps à essayer de trouver un médecin, de prendre rendez-vous et de vous rendre ensuite à la pharmacie, vous décidez de vous tourner vers chatGPT.

Finalement, la réponse donnée vous semble convaincante et vous parvenez à vous procurer un traitement “alternatif”.

La conclusion de tout ça étant que vous avez gagné du temps grâce à l’IA pour une situation ne nécessitant pas de vous tourner vers un professionnel de santé.

Question : en-dehors de situations complexes, est-ce que chatGPT, et d’autres IA comme Google Bard, vont mettre fin à la médecine traditionnelle ? 

Avec un peu de recul, il est vrai que chatGPT dispose de fonctionnalités tout à fait intéressantes.

Elle fait partie de cette forme d’IA capable de générer des informations ciblées à partir d’une requête. 

ChatGPT a d’ailleurs été testé pour déterminer la qualité des diagnostics posés sur des cas d’études de patients.

Mais tempérons un peu nos propos.

Tout d’abord, rappelons que chatGPT n’est pas une IA, au sens strict du terme.

Bien qu’on l’apparente souvent à une IA de type “conversationnel“, chatGPT n’est pas une IA et on ne peut pas la considérer comme une IA médicale.

De ce fait, elle ne remplacera pas votre médecin (nous voilà rassurés).

À ce sujet, nous verrons que la solution proposée par Galeon constitue le futur de l’IA médical et plus généralement, de la santé.

La “naissance” de chatGPT, fonctionnement et versions (GPT-3)

ChatGPT n’est pas une IA

En réalité, il s’agit d’une combinaison d’outils issus de l’IA.

ChatGPT est un outil de dialogue informatique (chatbot) créé par l’entreprise Open AI et lancé en Novembre 2022, dans sa version la plus aboutie.

Il utilise l’IA pour trier une multitude de données validées ou non par des personnes physiques. C’est la combinaison de tous ces tests qui permet à chatGPT de vous constituer une réponse in fine.

Il compte notamment sur l’apprentissage supervisé (conclusion à partir de connaissances) et sur l’apprentissage dit de renforcement (à partir d’expériences). 

Les différentes versions de chatGPT :

• GPT-1, lancé en 2018, est une version light de l’outil actuel, qui prouve le fonctionnement et le potentiel futur sur un plus large panel de données ;
• GPT-2, lancé en 2019, une version à laquelle on a ajouté plus de paramètres, plus de données ;
• GPT-3, la dernière en date, qui démontre une capacité impressionnante de pouvoir répondre à des requêtes toujours plus complexes, toujours plus rapidement et sous forme de textes structurés.

Pourquoi chatGPT, Google Bard et les autres, ne remplaceront pas votre médecin

Ce qu’il manque à chatGPT en termes d’IA

Comme indiqué précédemment, chatGPT répond à vos questions à partir de son “apprentissage”.

Néanmoins, cela ne prend pas en compte les données sensibles des patients, ou bien même l’aspect émotionnel ou relationnel que peut avoir le médecin avec son patient lorsqu’il réalise une consultation.

? Typiquement, ChatGPT ne vous demandera pas (du moins, pour le moment), votre ressenti douleur sur une échelle de 1 à 10. Or, chaque patient détient sa propre vision de la douleur. Les ressentis ne sont pas les mêmes.

Ce qu’il manquait à Watson, Tay et les autres IA

ChatGPT n’y est pas encore, et pour les autres IA qui ont essayé avant, le bilan est plutôt décevant.

Le cas d’IBM Watson

On pense notamment au programme d’IA IBM Watson, conçu par l’entreprise IBM à la fin des années 90.

Développé initialement pour servir d’outil conversationnel, le programme ne parvient pas à réussir plusieurs tests, dont celui de Turing. On lui trouve alors une utilité potentielle dans le milieu médical.

Malheureusement, on a vu très vite les limites de cette IA médicale, les données étant limitées au cercle d’études et de rapports de professionnels du milieu.

Or, un certain nombre de ces études publiées manque d’objectivité et de contrôles.

Ce qui impliquera par la suite, la remise en question des réponses données par Watson.

Le cas Tay

Il y a eu aussi l’histoire de Tay, développé par Microsoft sur le réseau Twitter (2016).

Sans entrer dans les détails, on s’est très vite rendu compte des limites de ce programme considérant toutes les dérives qui ont pu se produire.

Avec très peu de contrôle, les réponses du chatbot se sont retournées contre lui, lui infligeant une fermeture de rideau.

En conclusion de toutes ces expériences, on se rend compte de l’importance pour ce type d’IA d’être fournie en données de qualité, à la source (raw structured data).

Et on vous le donne en mille, c’est exactement la vision adoptée par Galeon en termes l’IA médicale.

Galeon, l’IA de référence en matière médicale

Galeon est sans aucun doute, la référence pour les années à venir en matière d’IA médicale.

Actuellement, les professionnels de santé peuvent déjà compter sur Galeon afin d’optimiser leur temps de travail, leurs consultations ou encore la constitution des dossiers patients.

Galeon, c’est aussi de l’IA médicale qui permettra de générer des réponses très précises grâce à une base de données structurée et du blockchain swarm learning (forme de machine learning).

Dans cette dynamique, il est certain que Galeon viendra appuyer les décisions des professionnels de santé. 

Là où chatGPT ou toute autre forme d’IA semblable ne se limitera qu’à de simples pistes de réflexions fondées sur des données plus ou moins bancales et en dehors du champ des données patient, beaucoup trop sensibles. 

Or, sans cela, impossible d’envisager une approche sérieuse d’une quelconque assistance médicale de la part de l’IA.

Les oracles dans la crypto sont comme des messagers, leurs programmes informatiques permettent de transmettre des informations du monde réel à la blockchain.

Concrètement, ils sont utilisés pour consolider des données déjà existantes, à partir d’informations tierces telles que des intempéries, l’influence de tel ou tel événement sur la hausse des prix…etc. 

Caractérisés de canaux directeurs, ils ont donc un impact sur la réalisation ou non d’actions tant, au niveau de la blockchain, que du monde réel. De plus en plus d’ailleurs, les oracles sont utilisés dans des domaines tels que les assurances, les objets connectés (IoT), ou encore dans la crypto. 

L’exemple assez parlant est celui d’une prime annuelle d’assurance, dont le prix dépend notamment des risques couverts prédéfinis. 

Dès lors, voyons quelles sont les applications concrètes des oracles au niveau de la blockchain.

Pourquoi les oracles utilisés en blockchain sont essentiels pour traiter les informations du monde réel en toute sécurité

La technologie blockchain permet de traiter des données de manière cryptée et sécurisée.

Néanmoins, un problème subsiste au niveau de l’approvisionnement des données. En effet, la blockchain ne s’alimente pas directement en données issues de réseaux extérieurs (off-chain), et ce, pour limiter au maximum tout contact direct avec le monde réel. 

Et considérant le nombre infini de données et de variables qui circulent et dont nous avons besoin (santé, finance, services…etc), il est impossible de pouvoir tout traiter, en un temps record, avec un simple bouclier.

Dès lors, par quel système passer ? Et pourquoi avons-nous tant besoin de variables dans le traitement des informations ? 

Les oracles, partenaires essentiels de la blockchain pour prendre en compte les variables dans le traitement des données

Données et leurs variables, une nécessité à prendre en compte

Sans variable, impossible d’envisager les perspectives d’une situation donnée. Impossible par exemple de conditionner un choix selon la réalisation de tel ou tel événement.

Or, si l’on ne pose ni conditon ni option, les offres du marché risques d’être assez linéraires. Comment prendre en compte les besoins divers ?

Devons-nous traiter, par exemple, toutes les personnes présentant la même pathologie de manière identique ? Non, car justement, chaque individu est un être à part, possédant des caractéristiques différentes. 

De la même façon, il est important d’approvisionner les blocs de données récoltées avec le plus d’éléments différentiels possibles. 

Comment transmettre directement ces variables sur la blockchain ? 

La blockchain fonctionne ainsi : avant de pouvoir entrer dans un bloc, et d’être acceptée sur la blockchain, chaque donnée doit passer par un test de validation, au moyen des membres du réseau. 

Le smart-contract est un outil qui permet de déclencher une action sur la blockchain, en fonction des informations qu’il reçoit. 

En l’occurrence, si tous les signaux sont au vert, il se met en application. 

Mais pour que la variable puisse arriver jusque-là, il faut pouvoir assurer ce passage du monde réel à la blockchain.

C’est là qu’intervient l’oracle. 

Les oracles, canaux de diffusion de données complémentaires

L’oracle va permettre de connecter le monde réel à celui de la blockchain. 

Attention toutefois, un oracle n’est pas un “provider” direct. Il ne fournit pas directement les informations.

Avant cela, il collecte, interroge, vérifie et authentifie les données externes issues de plusieurs sources.

L’image que l’on doit avoir en tête correspond à celle d’un pont (bridge) ou d’un canal de diffusion. 

Un oracle est en somme, un outil technologique permettant de fournir des variables issus du monde réel et de les intégrer au sein de smart contracts.

Ils agissent comme des API (application programming interface) donnant un point d’accès de la blockchain au monde réel (et vice-versa). 

Différents types d’oracles 

Les oracles in-bound (entrant) : ils fournissent des données off-chain, issues du monde réel à la blockchain.

Les oracles out-bound (sortant) : ils apportent des données de blockchain au monde extérieur.

Ainsi, dans un sens comme dans un autre, les oracles participent à l’envoi et au transfert sécurisé des données.

Des oracles centralisés 

Dans un autre registre, on retrouve les oracles centralisés qui ne s’appuient que sur un seul fournisseur de données, et ne se concentrent que sur un seul smart contract.

et décentralisés

À l’inverse, les oracles décentralisés interagissent avec de multiples sources de data sans être contrôlé par une entité. 

D’autres formes 

Les oracles peuvent être des personnes physiques, des personnes de confiance. Imaginez par exemple, un groupe de plusieurs personnes, devant attester de la réalisation ou non d’un événement. Dans ce cas de figure, on retrouve notamment les oracles de consensus (l’information sera admise en fonction du nombre de personnes ayant voté); 

Oracles Hardware et oracles software : les données sont traitées au niveau de base de données, de cloud, ou encore d’objets connectés.

C’est l’exemple du capteur présent sur les terrains de foot, afin de capter les éléments météorologiques.

Bref, différentes formes qui auront un impact sur la consolidation des informations.

Quelques problématiques rattachées aux oracles  

Que se passerait-il si un des oracles venait à être compromis ? Ou que le canal de diffusion venait à être troublé par un événement quelconque ? 

On peut s’en douter, si les oracles sont des personnes de confiance, des personnes physiques, le risque est que l’une d’entre elles ne soit plus fiable. 

Dans ce cas, on peut imaginer que la personne soit amenée à quitter le réseau.

Au niveau de la blockchain, néanmoins, le smart contract associé à cet oracle se retrouve en première ligne. 

Le risque est tout de même plus élevé lorsqu’il s’agit d’oracles centralisés, car de ce fait, il est plus facile d’atteindre une cible unique.

Exemples d’applications des oracles dans le monde réel 

Dans le monde réel, les applications sont diverses, surtout pour des services qui dépendent de variables.

Prenez par exemple, le cas des assurances agricoles ou des assurances en général.

Les oracles pourront attester en temps de réel, des conditions météorologiques, des raisons qui ont causé le retard d’un train…etc. 

Dans la DeFi, on pourrait prendre l’exemple d’une personne qui ne souhaite acheter un actif que s’il atteint un prix X. 

Avec cette condition qui est que le smart contract ne mettra en place le processus d’achat que si le prix X est atteint. 

L’oracle viendra confirmer à l’instant T du prix X. Et le smart contract pourra mettre en place l’achat.

Conclusion 

Les oracles sont donc des outils intéressants, voire essentiels selon le montage de telle ou telle technologie.

Ils participent et permettent la communication entre le monde réel et la blockchain. 

La réalisation d’actions dépendra indirectement/directement de toutes les variables fournies et analysées à ce niveau. 

Néanmoins, leurs protocoles doivent être strictement établis, avec toutes les sécurités nécessaires. 

 Le but de cet article est avant tout de simplifier des concepts techniques liés à la crypto-monnaie, afin de les rendre accessibles à tous. Ces mots n’engagent donc que leur auteur. Il ne s’agit pas de conseiller le lecteur sur ses investissements.