L’IA, une thématique propice à l’utilisation des produits DOTS (article-1)

Série de webinaires Swissquote à but éducatif

Cette année nous allons explorer l’univers des titres liés à l’intelligence artificielle ayant des produits sur la plateforme DOTS.

Contexte

L’intelligence artificielle (IA) est une technologie qui permet aux ordinateurs et aux machines de simuler l’apprentissage, la compréhension, la résolution de problèmes, la prise de décision, la créativité et l’autonomie de l’être humain.

Les applications et les appareils dotés d’IA peuvent voir et identifier des objets. Ils peuvent comprendre le langage humain et y répondre. Ils peuvent apprendre à partir de nouvelles informations et expériences. Ils peuvent faire des recommandations détaillées aux utilisateurs et aux experts. Ils peuvent agir de manière autonome et se passer de l’intelligence ou de l’intervention humaine (l’exemple classique étant la voiture autopilotée).

Mais en 2024, la plupart des chercheurs et des praticiens de l’IA – et la plupart des titres sur l’IA – se concentrent sur les percées de l’IA générative (gen AI), une technologie capable de créer des textes, des images, des vidéos et d’autres contenus originaux. Pour bien comprendre l’IA générative, il est important de comprendre d’abord les technologies sur lesquelles les outils d’IA générative sont construits: l’apprentissage machine (ML) et l’apprentissage profond (deep learning).

Infrastructure

La principale raison pour laquelle les projets d’IA nécessitent une infrastructure sur mesure est la quantité de puissance nécessaire pour exécuter les charges de travail d’IA. Pour atteindre cette puissance, l’infrastructure d’IA dépend de la faible latence des environnements en nuage et de la puissance de traitement des unités de traitement graphique (GPU) plutôt que des unités centrales de traitement (CPU) plus traditionnelles, typiques des environnements d’infrastructure informatique traditionnels.

En outre, l’infrastructure d’IA se concentre sur le matériel et les logiciels spécialement conçus pour le cloud et les tâches d’IA et de ML, plutôt que sur les PC, les logiciels et les centres de données sur site que l’infrastructure informatique privilégie. Dans un écosystème d’IA, les piles logicielles comprennent généralement des bibliothèques et des cadres de ML comme TensorFlow et PyTorch, des langages de programmation comme Python et Java, et des plateformes de calcul distribué comme Apache Spark ou Hadoop.

Mais encore

Modèles ML: L’infrastructure d’IA repose sur des modèles d’apprentissage machine (ML), qui reconnaissent des modèles et font des prédictions sur des ensembles massifs de données. Pour fonctionner efficacement, ces modèles ont besoin d’une grande puissance de calcul et de stockage. Ils constituent les éléments fondamentaux des systèmes d’intelligence artificielle et alimentent diverses fonctions, de la vision par ordinateur au traitement du langage naturel.

Charges de travail liées aux données: Le succès de l’intelligence artificielle dépend de la qualité et de la quantité des données. Les systèmes d’IA doivent être capables de gérer des ensembles de données énormes, variés et souvent non structurés. Cela nécessite des solutions d’entrée, de prétraitement et de stockage des données pour rendre disponibles les données d’entraînement et d’inférence.

Matériel: Les tâches d’IA évolutives nécessitent un matériel très performant. Les GPU, les TPU et les processeurs spécialisés accélèrent le traitement des données et l’apprentissage des modèles. Ces accélérateurs matériels optimisent les activités de calcul parallèle pour les opérations de ML, aidant les entreprises à former efficacement des modèles complexes.

Logiciels: L’infrastructure d’IA utilise de nombreux outils et cadres pour concevoir, déployer et gérer les applications d’IA. La construction et le déploiement de modèles de ML nécessitent des bibliothèques de ML telles que TensorFlow et PyTorch, des langages de programmation tels que Python et des plateformes d’IA telles que TensorFlow Serving. La surveillance des modèles, le contrôle des versions et les outils de communication simplifient le développement de l’IA.

Mise en réseau: L’architecture d’IA basée sur le cloud nécessite une mise en réseau robuste pour le transfert des données.

Univers de titres

Pour appréhender cet univers nous nous baserons sur les titres suivants :