L’IA est définie par l’encyclopédie Larousse comme étant « l’ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine ». Quel meilleur exemple que de demander à une IA, en l’occurrence Perplexity AI1, une rapide définition de l’IA ?

Un prompt (instructions) rapide :

J’ai besoin d’expliquer facilement et concrètement pour un mémoire de licence en immobilier ce qu’est l’IA : son origine, les différentes IA qui existent et celle qui est arrivée depuis 2 ans : l’IA générative. Peux-tu m’aider à rédiger un texte d’une page sur le sujet ?

Deux dialogues de plus pour recadrer, un peu de réécriture, et voici le résultat obtenu en quelques minutes :

L’intelligence artificielle (IA) est un domaine de recherche et de développement technologique qui vise à créer des systèmes capables de réaliser des tâches qui nécessitent habituellement de l’intelligence humaine. Ses origines remontent aux années 1950, lorsque des pionniers comme Alan Turing, John McCarthy et Marvin Minsky ont commencé à explorer les moyens de doter les machines de capacités cognitives.

Les différents types d’IA

« Au fil des décennies, l’IA a pris de multiples formes, chacune avec ses propres approches et objectifs :

• les systèmes experts : ces programmes informatiques sont conçus pour résoudre des problèmes spécifiques en s’appuyant sur une base de connaissances et des règles de raisonnement ;

• les réseaux de neurones artificiels : inspirés du fonctionnement du cerveau humain, ces modèles sont capables d’apprendre et de s’adapter à partir de données, notamment pour des tâches de reconnaissance de formes ou de prédiction ;

• l’apprentissage automatique (machine learning) : cette branche de l’IA permet aux machines d’apprendre et de s’améliorer de manière autonome à partir d’expériences, sans être explicitement programmées ;

• l’IA symbolique : cette approche se concentre sur la représentation formelle des connaissances et le raisonnement logique pour résoudre des problèmes. »

L’IA générative : une nouvelle ère

« Plus récemment, l’émergence de l’IA générative a suscité un vif intérêt. Contrairement aux autres formes d’Intelligence Artificielle, l’IA générative telle que GPT-3 ou DALL-E, a la capacité de produire de manière autonome du contenu original sous forme de textes, d’images, de musique, de code informatique et même de vidéos, en s’appuyant sur de vastes ensembles de données. Cette prouesse technologique ouvre de nouvelles perspectives dans de nombreux secteurs, de la rédaction à la conception artistique, en passant par la programmation. Cependant, elle soulève également de nombreuses interrogations quant à l’évolution des métiers et à l’impact potentiel sur l’emploi. [1][2][4] En effet, l’IA générative est susceptible de remplacer certaines tâches effectuées par les humains, notamment dans les domaines du savoir, comme la rédaction, la traduction ou l’analyse de données. Certains métiers, comme ceux de journaliste, d’avocat ou de trader, pourraient être profondément transformés, voire menacés à terme. [2][4] Néanmoins, l’IA générative pourrait aussi créer de nouvelles opportunités en permettant aux professionnels de se concentrer sur les aspects les plus créatifs et analytiques de leur métier, grâce aux gains de temps et d’efficacité qu’elle apporte. De nouveaux rôles émergent également, comme celui de « prompt engineer » ou de « coach de robot », visant à optimiser l’interaction entre l’IA et les utilisateurs. [1][3]

Face à ces changements, les entreprises et les travailleurs devront s’adapter rapidement, en se formant aux nouvelles technologies et en réinventant leurs pratiques. L’IA générative représente ainsi un défi majeur, mais aussi une opportunité de repenser le travail et de valoriser les compétences humaines complémentaires à celles des machines. »

Fin de la proposition de Perplexity… proposée en deux secondes et que nous avons retravaillée pendant quelques minutes supplémentaires !

Cette interface d’IA, Perplexity AI, se présente davantage comme un moteur de résultats que comme une IAg. Son avantage est de chercher l’information, de l’agréger et de la rédiger tout en indiquant les sources sur lesquelles elle s’appuie, limitant quelque peu le risque d’erreur appelée « hallucination ». Ces sources sont disponibles car sur internet ; articles de presse et articles scientifiques, publiés sur Cairn, par exemple.

Ainsi, voici les sources citées pour le texte proposé ci-dessus.

• [1] ISDI France. (s. d.). Impact de l’IA sur le marché du travail : quels emplois demain ?

• [2] Reltien, P. (2023, 15 décembre). ENQUÊTE - L’intelligence artificielle a déjà commencé à transformer les métiers. France bleu.

• [3] Hadak, A. (2023, 06 décembre). Les métiers de l’intelligence artificielle : de nouvelles carrières, pour tout le monde. Actu IA.

• [4] Robert, M. (2019, 5 août). Intelligence artificielle et évolution des métiers : quels impacts ? 28 racine.

• Golden Bees. (s. d.). 10 jobs qui vont évoluer avec l’Intelligence Artificielle.

Pour aller au-delà de la définition donnée par Perplexity– juste, concise mais également limitée – nous pouvons ajouter que l’IA n’est effectivement pas une technologie nouvelle. D’ailleurs, l’expression même est questionnée :

L’expression a toujours été contestée pour sa polysémie et le fantasme de voir émerger un esprit conscient artificiel. « On ne devrait pas dire intelligence, car cela a été programmé, abonde Karine Deschinkel, enseignante-chercheuse en informatique à l’université de Franche-Comté. C’est un algorithme, presque comme une recette de cuisine, un ensemble de calculs mathématiques qui permet d’apprendre à la machine à exécuter des tâches habituellement dévolues aux humains. » Certains préfèrent parler d’« informatique avancée », d’« informatique algorithmique », d’« intelligence augmentée » ou d’« intelligence auxiliaire ». Autant de manières, tout en conservant le sigle IA, de mieux circonscrire les attentes.
(Audureau, 2024)

Les méthodes et les langages de l’IA sont déjà bien connus des informaticiens : les IA « discriminatives », par exemple, sont des algorithmes capables, après entraînement, de reconnaître (discriminer) une image ou un texte et de les qualifier. Ceux-ci ont permis d’automatiser et d’accélérer des process qui sont parfois pénibles ou qui requièrent de la haute précision comme le tri des déchets ou la détection de cancers dans l’imagerie médicale.

Laurent Escobar, cofondateur de la plateforme Realdata for Real Estate, confirme que « les modèles statistiques utilisés dans le machine learning n’ont rien de nouveau. Ce qui a changé, ces dernières années, c’est l’explosion des données et l’apparition de réseaux de neurones, le deep learning, pour les traiter » (Deloire, 2024). C’est également la vision de Luc Julia, directeur scientifique de Renault, pour qui les IA telles que ChatGPT ne sont pas si innovantes que cela : ce sont « simplement plus de données et plus de puissance de calcul. Je ne dirais pas qu’il s’agit d’une révolution, mais elle impliquera sans doute encore plus de calcul et plus de données » (Clapaud, 2024). Les logiciels sont génératifs car ils génèrent du texte en prédisant le mot qui suit selon des algorithmes très complexes (entre 1 et 500 milliards de paramètres). Et ils sont transformateurs quand ils transforment un texte en calcul (tels que ChatGPT, abréviation pour Chat Generative Pre-Trained Transformer).

Et pourtant, pour le béotien de l’IA, les nouvelles IA apportent une vraie rupture dans la digitalisation des process de travail. En effet, la grande « révolution » de l’IAg est l’ajout d’une interface en langage commun, un chat. Ainsi, les IAg proposent des textes (via ChatGPT, Claude, Gemini, Mistral AI, etc.) ou des images/vidéos (Dall-E, Midjourney, Sora…), sur la base d’un ordre en langage commun. Désormais il n’est plus nécessaire d’apprendre un langage informatique ou codé pour obtenir des résultats issus des algorithmes. Il « suffit »2 de demander une action ou une information dans la langue que l’on pratique habituellement, sous forme de dialogue, pour avoir des idées, des informations, créer du code, etc.

Les IAg ont toutefois leurs limites. Tout d’abord, le respect des données n’est pas assuré : nombre d’IA hébergent leurs données aux États-Unis. Pour limiter ce problème, certaines IA ont des politiques de règlement général de protection des données (RGPD) plus abouties (comme celle de Microsoft) ou bien les entreprises disposent d’IA « fermées » qui ne sont pas en connexion avec internet ou qui hébergent leurs données sur leurs propres serveurs. Par ailleurs, à part Perplexity AI, qui sait chercher presque seule puisqu’elle est un moteur de recherches/résultats, les IAg interagissant en langage naturel ont besoin d’instructions précises pour répondre de manière efficiente. Une question vague engendre une augmentation du risque d’erreurs et d’hallucinations. De plus, parce qu’elles « génèrent » des réponses sur la base d’un corpus existant, la qualité des réponses dépend également de la celle des données entrantes. Or, ces IA s’appuient sur le corpus intégral publié sur internet, avec les biais, les stéréotypes sous-jacents (augmentés des biais des programmateurs – pour la plupart, de jeunes geeks californiens blancs de moins de 30 ans…). Ce qui fait dire à Thierry Rayna, professeur à l’École polytechnique et directeur de la chaire Technology for Change IP Paris, que « l’IA générative est un perroquet stochastique qui répète des informations sur lesquelles il y a un consensus » (BPI France Le Lab, 2024, p. 42).

Ainsi, la qualité de restitution des IA est totalement soumise à celles des données entrantes et des instructions (prompt) qui guident l’algorithme, instructions réalisées en langage naturel, à l’écrit ou à l’oral puisque désormais les IA acceptent les vocaux. Désormais, s’il n’est plus nécessaire de coder, il faut apprendre tout de même une « nouvelle langue » ou à minima savoir donner des instructions « comme à un stagiaire » (Pavanello, 2024), et ce, en X étapes (cinq à huit selon les « experts ») pour un résultat optimum : expliquer la tâche attendue, fournir du contexte, donner des exemples, lui assigner un rôle, demander un format de restitution et spécifier le ton global de la restitution.

Après avoir introduit l’IA, avec ses différentes formes et son potentiel « révolutionnaire », nous allons aborder son intégration dans le secteur de l’immobilier. Nouvelles ou moins nouvelles, expertes, symboliques, discriminatives ou génératives… nous découvrirons quelques applications concrètes de ces algorithmes.