IA Générative

Les systèmes d'IA générative apprennent à modéliser la distribution sous-jacente des données d'entraînement et échantillonnent à partir de cette distribution pour créer de nouvelles instances. La catégorie comprend les grands modèles de langage (LLMs) pour le texte et le code, les modèles de diffusion pour les images et vidéos, et les modèles autorégressifs pour la synthèse audio. Les systèmes modernes sont entraînés sur des ensembles de données allant de centaines de milliards à des milliers de milliards de tokens ou des milliards de paires texte-image, nécessitant des grappes de calcul de milliers d'accélérateurs fonctionnant pendant des semaines ou des mois.

Les architectures dominantes sont les transformateurs autorégressifs—série GPT, LLaMA, Claude, Gemini—pour la génération de texte, et les modèles de diffusion latente—Stable Diffusion, DALL-E 3, Flux—pour la synthèse d'images. Les modèles de texte sont pré-entraînés via la prédiction du token suivant, puis alignés aux préférences humaines par un ajustement fin des instructions et l'apprentissage par renforcement à partir des retours humains (RLHF) ou l'optimisation des préférences directes (DPO). Les modèles d'image débruitent itérativement les échantillons du bruit gaussien guidés par les plongements de texte, un processus affiné par le pré-entraînement de contraste texte-image.

L'IA générative automatise et augmente les tâches qui nécessitaient auparavant une expertise humaine spécialisée : rédaction, codage, conception graphique, composition musicale et production vidéo. Un seul modèle capable peut servir simultanément d'assistant de codage, d'agent de service client, de résumé de document et d'analyste de données. La recherche de McKinsey de 2023 estimait l'impact économique annuel potentiel à 2,6–4,4 billions de dollars entre les secteurs, grâce aux gains de productivité générés par ces systèmes.

Depuis 2026, les modèles de texte les plus avancés incluent GPT-4o et o3 d'OpenAI, Claude 4-series d'Anthropic, Gemini 2.x de Google, et les modèles open-source comme LLaMA 3 de Meta. La génération de vidéo a mûri avec des systèmes tels que Sora d'OpenAI, Veo 2 de Google et Kling produisant des clips photoréalistes de plusieurs secondes à partir d'invites texte. Les modèles multimodaux traitant et générant simultanément du texte, des images, de l'audio et de la vidéo sont devenus standard, et les coûts d'inférence ont baissé d'environ deux ordres de grandeur par rapport à 2023.

Exemple

“Une entreprise de logiciels déploie un assistant de codage en IA générative affiné sur sa base de code interne ; les développeurs l'utilisent pour rédiger des fonctions boilerplate, générer des tests unitaires et traduire des modules Python en TypeScript, réduisant le temps consacré aux tâches de codage routinières d'environ 30–40%.