Il est encore fréquent que le "prompt" ou instruction générative, comme le veut l’Académie Française, gardienne des bonnes règles, soit considéré comme une simple expression libre, un texte en langage naturel émis à destination d’un LLM, un grand modèle de langage dont l’objectif est de générer un résultat, du texte, des programmes, des informations techniques, des images, une vidéo, etc. C’est vrai, sauf qu’il faut respecter quelques idées de base… On est ici en plein cœur de l’Intelligence Artificielle, car le "prompt" est bien autre chose. C’est une nouvelle spécialité, aussi importante que la programmation, qui permet de "piloter" une LLM, dans de bonnes conditions de réussite, fondée sur des bonnes pratiques et des modèles. Ici le moyen d’expression est le langage naturel, l’anglais et le français étant évidemment mieux placés que le mandarin ou le créole haïtien. Mais ce n’est pas une science exacte, car il n’existe aucun moyen d’obliger une LLM à fournir quelque chose de précis. Il peut y avoir de nombreuses formulations différentes pour un même besoin, les LLM eux-mêmes (GPT, Claude, Gemini, DeepSeek…) pouvant réagir différemment à une invite identique. Nous évoquerons dans ce webinaire les compétences qui nous paraissent utiles et qui dépendent de l’objet souhaité, le texte n’ayant pas les mêmes contraintes qu’une image ou une vidéo. Pour une génération de texte, par exemple, des compétences en termes de linguistique seront très utiles, de même que la connaissance du contexte technique, social, historique… dans lequel les LLM interrogés vont devoir s’exprimer. Générer un code de programmation n’aura aucun intérêt, si nous n’avons pas une connaissance suffisante du langage de programmation concerné. Bienvenue donc dans ce webinaire et nul doute qu’après, vous ne considèrerez plus le "prompt" comme un simple bout de texte sans importance.

Les fabricants de véhicules, les équipementiers, certains grands opérateurs Internet comme Google, se sont lancés dans la bataille, à savoir proposer des véhicules autonomes qui sauront se déplacer sans notre expertise. L'idée étant bien que le ou les passagers puissent se consacrer à des tâches plus "valorisantes", pendant que le véhicule obéissant, les emmènera à destination, sans s'énerver dans les embouteillages et sans insulter les autres automobilistes. Ce qui est pourtant délassant... Google a été l'un des premiers sur le marché et ce dès 2010. L'idée venait de Sergey Brin qui constatait qu'aux Etats-Unis, il y avait 10 millions d'accidents chaque année, dont 95 % étaient provoqués par des fautes humaines. Et qu'il fallait donc éliminer le maillon faible, en l'occurence la présence humaine. Il en est résulté un véhicule électrique à 2 places, de 130 km d'autonomie, doté d'une vitesse maximale de 40 km/h, bourré de radars, de connexions GPS, de caméras vidéos, etc. En mai 2025, Google disposait de 1 500 véhicules de ce type et effectuait 250 000 trajets "accompagnés" chaque semaine. Evidemment, on n'était pas sur un circuit de F1 et nous connaissons beaucoup de conducteurs qui auraient eu tendance à se sentir frustrés... A vrai dire, on ne parle plus que de ça. Mais nous maintenons notre scepticisme quant à une technologie qui ne nous semble pas avoir franchi les nombreux obstacles dressés sur sa route, d'autant plus délicats, qu'ils conditionnent notre sécurité. Ce qui n'empêche pas les Mercedes-Benz, Toyota, Renault et bien entendu Tesla d'être confiants et de tout faire pour animer un marché, qui pour l'instant ne décolle pas. Sur le fond, on peut certes faire plus confiance à un algorithme qu'à un être humain. C'est vrai pour la chirurgie microscopique et le pilotage d'un avion. Ca le sera aussi pour les véhicules autonomes. A condition de résoudre les problèmes latents et de répondre à la seule question qui compte : à quoi cela va-t-il servir ?

Les gens du TI ne sont pas différents des autres. Ils ont aussi des convictions personnelles que l’Intelligence Artificielle bouscule, sans nécessairement les remettre en cause. Convictions qui contribuent à ce qu’ils sont et ne peuvent pas être écartées, sous prétexte que l’on est dans le domaine personnel et intime. "Curieusement", le sujet est rarement traité. On l’évoque à mots couverts, alors que les questions sont nombreuses, qui devraient être évoquées en toute liberté et sans arrière-pensée. Car l’IA est là, ce qui n’aura échappé à personne et contrairement à ce que l’on pourrait croire, les religions ont une perception très précise et cohérente de ce qu’elle est et devrait être. Comme on évoque à longueur de journées les Kurzweil et sa singularité, le "dataïsme", la religion des données, etc, comme s’il n’y avait plus qu’une seule doxa, alimentée par les nouveaux penseurs, qui ont tous élu domicile en Californie, on ne voit pas pourquoi on ne chercherait pas à avoir d’autres point de vue, plus traditionnalistes, catholique, hébraïque et musulman et comment ces religions s'adaptent à ce tsunami que constitue l’IA. Il sera intéressant de savoir comment elles perçoivent certains débordements, si elles croient réellement à l’avènement d’une intelligence artificielle à côté d’une intelligence humaine (à côté ou à la place de), si elles font une différence philosophique entre la foi religieuse et les croyances fabriquées par l’IA, etc. Le sujet est évidemment très sensible et il faudra veiller à ne pas heurter les sensibilités de chacun. Cela dit, la prudence n’exclut pas l’effort que nous devons faire pour comprendre le monde dans lequel nous nous engageons. Car ce monde, comme l’a dit André Malraux, "sera religieux ou ne sera pas".

L'idée d'IBN ("Intent Based Neteworking") revient à considérer les ressources d'un réseau : routeurs, switchs, frontaux, etc, comme des objets dont le comportement peut être programmé via un langage spécialisé. Une architecture réseau programmée de cette manière intervient à 4 niveaux : la traduction des recommandations en contraintes, le "quoi" en "comment", l'implémentation automatique de la stratégie, la détection en temps réel d'évènements qu'elle fait remonter et la surveillance courante du réseau pour s'assurer qu'il ne dérive pas. Il existe des langages dédiés à cette surveillance, tel NEMO de l'IETF qui s'applique à la NBI, la "North-Bound Interface", autrement dit les aux liens entre les outils d'administration de haut niveau et les équipements, laissant l'interfaçage avec les SBI ("South-Bound Interface") aux contrôleurs SDN. Il ne faut pas s'y tromper. Il s'agit là d'une voie très moderne que les architectes empruntent désormais, parfaitement en phase avec le découpage entre ressources "on premise" et Cloud. Les responsables réseaux auraient tort de ne pas s'y intéresser...

Les applications de génération IA, quelle que soit la nature des objets à fabriquer, passent nécessairement par 2 phases spécifiques. La "tokenization" revient à découper des objets à analyser en tokens, ceux-ci pouvant être des pixels en niveaux de gris dans une image, des "morceaux" de texte en analyse NLP du langage naturel, des descriptions hétérogènes de ressources, etc. Quant à l’intégration "embeddings", il s’agit de la traduction de la numérisation des tokens en bases de données, le plus souvent vectorielles, susceptibles de stocker des objets à N dimensions. Il y a beaucoup de concepts nouveaux dans cette approche, ce qui explique sans doute qu’un pourcentage très élevé d’applications de ce type n’aboutissent pas. Notre webinaire a pour vocation de débroussailler le sujet, à détecter ce qu’il faut savoir, les connaissances à acquérir et le marché dans lequel tout cela s’insère. Nous ne sommes pas convaincus qu’une application lourde de génération IA portant sur des données privées, mais en utilisant un modèle de génération IA existant, comme les LLM Gemini, ChatGPT ou Claude, soit à réaliser en interne. Les risques sont encore très élevés et peut-être faut-il faire confiance à des prestataires spécialisés -mais il n’y en a pas beaucoup- ou attendre que les expériences se multiplient. Cela dit, entendons-nous bien, il ne s’agit pas ici de "développer" du code, mais de mettre en place la chaîne de génération, dans laquelle il y aura à traiter les aspects "tokens" et "embeddings". Si on veut, par exemple, développer une chaîne de recommandation, à la suite de l’achat d’un produit ou effectuer une classification particulière dans notre périmètre de compétences, il faudra traiter les objets, les découper et les stocker en numérique. C’est exactement ce que nous vous proposons d'aborder dans ce webinaire.

Connaissez-vous François Gernelle, Alan Emtage, Dan Bricklin Douglas Engelbart, Jean Morlet ou Robert Cailliau. Autant de personnages qui ont eu une influence décisive dans la vie de notre TI en inventant un procédé, un équipement ou en imaginant un concept, qui par la suite aura fait fureur. Tout s’est décanté à partir de 1981, année du lancement du PC d’IBM. Alors qu’auparavant, la recherche était phagocytée par IBM, sans aucune possibilité d’innovation de la part des utilisateurs, pieds et mains liées dans le carcan voulu par le constructeur, à compter de cette date tout a changé, n’importe quel usager, un peu débrouillard et imaginatif, étant susceptible de proposer des extensions, des périphériques originaux et des logiciels révolutionnaires, à condition, bien entendu, de maîtriser les outils pour cela. Avec l’espoir ensuite que le marché fasse bon accueil à ces idées et que les organismes de normalisation les intègrent dans leurs standards. C’est à ces aventuriers de la technologie que nous vous proposons de nous intéresser, ceux qui ont inventé la souris, le premier moteur de recherche, le tableur, sans doute l’une des idées les plus extraordinaires de l’ère moderne, le premier navigateur, voire même le premier micro-ordinateur. Nous allons cheminer en compagnie de ces inventeurs, des gens attachants et généralement modestes, qui non seulement ont eu l’idée du siècle, mais ont su la faire partager et adopter.