Objectifs :
- Connaitre les principes et les principaux mécanismes par lesquels fonctionnent l’IA et l’IA générative, et en particulier la représentation des connaissances et l’apprentissage machine
- Sur la base de ces éléments, pouvoir se faire un avis informé sur les intérêts et les risques de ces outils
- Savoir s’en servir quand il le faut ou les éviter si ce n’est pas utile

Programme :
Première partie : Présentation générale de l’IA
- Définitions et bref historique
- Distinction entre IA discriminative et IA générative, entre numérique et IA symbolique
- Exemples simples (comment différencier un chat et un chien avec un arbre symbolique ou avec un réseau de neurones) et plus élaborés (applications médicales)
- Focus une notion importante : l’apprentissage, avec différentes illustrations
- Présentation et définition de différentes notions importantes comme les deep neural networks
- Conclusion : il n’y a pas une seule IA, mais une diversité et toutes gardent un contrôle humain

Deuxième partie : Les usages et les risques de l’IA
- Evocation de quelques domaines d’application (si possible liés aux domaines des doctorantes et doctorants présents), en présentant quelques exemples de grande taille
- Premier type de risques : biais de données et biais algorithmiques
- Enjeux liés aux données privées et publiques, le RGPD, les données ouvertes
- Responsabilité, évaluation du risque et AI Act
- Autres exemples de risques : les Captcha, le rôle des GAFAM, la vidéosurveillance algorithmique
- Impact environnemental et énergétique
- Quelques réflexions philosophiques sur ces sujets et discussion avec les doctorantes et doctorants

Troisième partie : l'IA générative
- Comment définir l’IA générative et autres aspects proches ? IA agentique, IA autonome
- Présentation des mécanismes associés : réseau Encodeur/Decoder, Transformer, auto-attention, plongement lexical
- Exemple de Cambridge Analytica
- Bases du traitement automatique de la langue pour les agents conversationnels
- Présentation de ChatGPT (et autres LLMs), phases d’entrainement humain
- Taille de ces modèles, cout économique et environnemental

Quatrième partie : Usages et risques de l’IA générative
- Exemples d’usage classique (adaptés aux domaines des doctorantes et doctorants si possible) : comptes-rendus de réunion, traduction, correction de la langue…
- Aller plus loin : comment faire un bon prompt (cf exemples de requêtes proposées par HEC Montréal)
- Présentation des générations à enrichissement contextuel (RAG) : principe et intérêt, notamment pour le contrôle des sources et la qualité des réponses
- Exemples d’erreurs et leur analyse (qui montrent qu'il faut toujours vérifier)
- Exemples de mésusages
- Conclusion : importance de développer son esprit critique et le lien avec la démarche scientifique

Pré-requis :
- Aucun, sinon de la curiosité et de l’ouverture sur le monde numérique

Equipe pédagogique :
Dr Frédéric Alexandre, directeur de recherches, et Dr Chloé Mercier, chargée de recherches, Institut national de recherche en sciences et technologies du numérique (Inria), Centre de Bordeaux

Méthode pédagogique :
- Exposé illustré et accessible ne nécessitant pas de connaissances en informatique
- Exemples nombreux, exemples de logiciels d’IA en fonctionnement
- Méthode participative

Compétences acquises à l'issue de la formation :
- Savoir comment fonctionnent les grands outils de l’IA (vidéosurveillance, aide au diagnostic médical, ChatGPT...)
- Connaitre quelques principes importants pour bien s’en servir
- Connaitre et comprendre leurs risques, développer un regard critique sur ces sujets

Les Compétences et capacités visées à l'issue de la formation (fiches RNCP)

Arrêté du 22 février 2019 définissant les compétences des diplômés du doctorat et inscrivant le doctorat au répertoire national de la certification professionnelle. https://www.legifrance.gouv.fr/loda/id/JORFTEXT000038200990/

Bloc 1 : Conception et élaboration d’une démarche de recherche et développement, d’études et prospective

- Disposer d'une expertise scientifique tant générale que spécifique d'un domaine de recherche et de travail déterminé

- Faire le point sur l’état et les limites des savoirs au sein d’un secteur d’activité déterminé, aux échelles locale, nationale ou internationale

Bloc 2 : Mise en œuvre d’une démarche de recherche et développement, d’études et prospective

- Garantir la validité des travaux ainsi que leur déontologie et leur confidentialité en mettant en œuvre les dispositifs de contrôle adaptés

Bloc 3 : Valorisation et transfert des résultats d’une démarche R&D, d’études et prospective

- Respecter les principes de déontologie et d’éthique en relation avec l’intégrité des travaux et les impacts potentiels

Bloc 4 : Veille scientifique et technologique à l’échelle internationale

- Acquérir, synthétiser et analyser les données et informations scientifiques et technologiques d’avant-garde à l’échelle internationale

- Disposer d’une compréhension, d’un recul et d’un regard critique sur l’ensemble des informations de pointe disponibles

- Développer des réseaux de coopération scientifiques et professionnels à l’échelle internationale

La formation participe à l'objectif suivant :conforter la culture scientifique des doctorants dans leur champ disciplinaire ou en interdisciplinaire