Aller au contenu

Derrière le P de ChatGPT : pourquoi une IA générative ne se met pas à jour comme un logiciel

Derrière le P de ChatGPT : pourquoi une IA générative ne se met pas à jour comme un logiciel

Le P de GPT signifie Pre-trained, « pré-entraîné ». Derrière ce mot technique se cache une nature de produit qui ne ressemble en rien à un logiciel classique. On ne corrige pas une IA générative comme on corrige un bug. Quand un éditeur passe de la version 4 à la version 5, il livre un nouveau modèle, pas un correctif. Quatre implications directes pour qui pilote un déploiement IA. Quatrième article d’une série de cinq.

Derrière le G de ChatGPT : distinguer le génératif de ce qui ne l’est pas

IA générative définition

Le G de ChatGPT signifie « Generative ». Mais ce qualificatif n’a de sens que par opposition à d’autres familles d’IA, non génératives, plus anciennes, et toujours au cœur de l’économie numérique : systèmes experts, machine learning classique, deep learning de reconnaissance. Confondre ces deux mondes est un piège fréquent dans les comités de pilotage IA. Troisième article d’une série de cinq.

Perplexity : ce que cache le nom d’un moteur de recherche IA

Perplexity

Le moteur de recherche Perplexity AI doit son nom à une notion technique précise, formalisée en 1977 par des chercheurs d’IBM. La perplexité mesure l’hésitation d’un modèle de langage face au prochain mot à prédire. Comprendre ce qu’elle dit, et surtout ce qu’elle ne dit pas, est utile pour tout professionnel qui pilote des usages d’IA générative en entreprise. Deuxième article d’une série de cinq.

Le paradoxe du charbon : ce qu’une idée de 1865 révèle sur l’IA et l’emploi

Le paradoxe du charbon : ce qu'une idée de 1865 révèle sur l'IA et l'emploi

Le chef économiste d’Apollo affirme qu’il n’existe « aucune preuve » de destruction d’emplois liée à l’IA, et convoque un paradoxe vieux de 160 ans pour l’expliquer. Le paradoxe de Jevons, né sur le charbon en 1865, énonce qu’une technologie plus efficace peut augmenter la demande au lieu de la réduire. Reste à distinguer ce que les données disent vraiment, au niveau macro comme au niveau des métiers.

Claude Shannon, le prénom discret derrière l’IA Claude

Claude Shannon

Anthropic a choisi le prénom Claude pour son assistant : un nom humain, sobre, prononçable dans plusieurs langues. Ce choix peut aussi se lire comme un clin d’œil à Claude Shannon, dont les travaux de 1948 sur la théorie de l’information continuent de structurer le fonctionnement des grands modèles de langage. Premier article d’une série de cinq.

Adoption de l’IA en entreprise, la moyenne nationale est trompeuse

adoption IA entreprise

La moyenne APEC de 50 % d’usagers réguliers de l’IA chez les cadres est exacte, mais elle agrège des situations très contrastées. Décomposée par âge et par taille d’entreprise, elle dessine une autre réalité : un tissu majoritaire en nombre (TPE-PME) en retard structurel sur la formation, la charte d’usage et la mise à disposition d’outils professionnels. Trois chantiers indissociables, dans un contexte où le shadow AI présente un profil de risque autrement plus inquiétant que les licences pirates d’autrefois. Décodage à partir des données APEC, DGSI et Cisco.

Toyota, l’IA et le retour au réel

IA data et Toyota

Toyota rappelle une règle simple : un indicateur ne remplace jamais le réel. À partir de cette leçon de management, cet article montre pourquoi l’IA ne vaut que par la qualité de la donnée, la rigueur de sa gouvernance et la capacité du manager à revenir aux faits.

Agents IA : innovation, oui ; déploiement sans garde-fous, non

alerte anssi

Les agents IA sont séduisants parce qu’ils promettent d’agir et non plus seulement de proposer. C’est justement ce qui impose aujourd’hui une grande prudence. À partir de l’alerte récente du CERT-FR, cet article défend une ligne claire : oui à l’innovation et aux assistants IA, mais non au déploiement trop rapide d’agents encore insuffisamment mûrs pour un usage professionnel large.

IA à grande échelle : les leçons d’Accenture pour les PME

accenture : passer à l'échelle en IA

Accenture montre ce que signifie industrialiser l’IA : formation de masse, incitations RH, investissement et refonte organisationnelle. À partir de ce cas, je propose une méthode réaliste pour former et faire adopter l’IA à l’échelle d’une équipe en trois ans.

900 millions d’utilisateurs contre 380 milliards de valorisation

openai verus antyhropic

ChatGPT revendique 900 millions d’utilisateurs hebdomadaires. Anthropic atteint 380 milliards de dollars de valorisation. Ces chiffres impressionnent, mais que disent-ils réellement de la solidité économique du marché de l’IA générative ? Analyse stratégique et recommandations pour les entreprises.