Tous nos articles

L’intelligence artificielle ne fait plus débat, elle s’installe. Sans fracas, sans résistance visible, elle glisse dans nos flux de travail, nos navigateurs, nos processus d’écriture et d’analyse.

Paradoxalement, l’utilisateur a le sentiment de gagner en puissance et en autonomie, de piloter ou du moins « co-piloter ». Mais cette maîtrise apparente cache peut-être une délégation subtile, où l’humain croit piloter un système qui, déjà, oriente ses choix. L’IA générative n’obéit plus, elle anticipe. Elle résume, organise, « génère », discrètement. Et si, ce faisant, elle prenait le contrôle ?

Dans ce nouveau Netsources, à travers l’analyse rigoureuse du prompting, des navigateurs agentiques, de la détection de contenu généré par IA et des obstacles culturels à son adoption, émerge en toile de fond, plus que jamais, la mutation profonde du rôle de l’humain dans un environnement « de plus en plus infusé par l’IA ».

Dans la première partie de cet article, parue dans le numéro de juillet-août de Netsources, nous avons évoqué les fondamentaux et bonnes pratiques de prompt. Cette deuxième partie apporte un éclairage sur plusieurs notions complémentaires (méta-prompt, prompt injection…). Nous distinguerons des approches différenciées du prompt selon les principaux modèles, et conclurons par une réflexion sur les évolutions à l’ère de l’IA agentique.

Ne pas confondre méta-prompt et méga-prompt

Nous avons évoqué dans l’article précédent le principe du méga-prompt, c’est-à-dire un prompt de grande taille sous forme de texte long, structuré, comportant de nombreuses instructions, contextes, contraintes, rôles ou exemples.

Un méta-prompt est un prompt qui décrit la manière dont un modèle doit générer, améliorer ou analyser d’autres prompts. Le préfixe « méta » indique en effet qu’il s’agit d’une méta-instruction : ce méta-prompt est destiné à créer des instructions précises, sous forme de prompt.

En tant qu’utilisateur de longue date du navigateur Arc, l’annonce de The Browser Company de cesser son développement au profit d’un nouveau navigateur IA payant, nommé Dia, m’a laissé face à un choix. Devais-je revenir vers la familiarité d’un navigateur traditionnel comme Chrome, ou était-ce l’occasion d’adopter l’un de ces nouveaux navigateurs web dopés à l’intelligence artificielle ?

Ces navigateurs IA font actuellement la une. OpenAI vient d’annoncer Atlas, son propre navigateur IA (disponible sur Mac uniquement à ce jour). De son côté, le navigateur de Perplexity, Comet, est maintenant accessible gratuitement. Une opportunité parfaite pour tester cette nouvelle génération d’outils. Peut-il véritablement remplacer mon navigateur habituel ? Booster ma productivité au quotidien ? J’ai décidé de le découvrir par moi-même.

I. Qu’est-ce que Comet ?

Comet est le nouveau navigateur web développé par Perplexity. Initialement réservé aux abonnés de son offre «Perplexity Max» (à 200 $ par mois), il est désormais accessible gratuitement à tous les utilisateurs1. Contrairement aux navigateurs traditionnels auxquels on greffe une extension IA, Comet intègre l’intelligence artificielle au cœur même de l’expérience de navigation.

À l’heure où l’intelligence artificielle inonde le web de contenus, les moteurs de recherche redoublent d’efforts pour protéger la fiabilité de leurs résultats. Mais quels indices leur permettent vraiment de distinguer un article authentique d’un texte généré par l’IA ?

L’intelligence artificielle bouleverse la création de contenus en ligne. Articles, vidéos, posts sur les réseaux sociaux : jamais il n’a été aussi simple de générer du texte ou des images en quelques secondes. Mais cette abondance d’informations pose une question cruciale : comment les moteurs de recherche, Google en tête, parviennent-ils à différencier le contenu authentique du contenu produit artificiellement ?

Une priorité : préserver la fiabilité de l’information

Les géants du web savent que leur crédibilité repose sur la pertinence de leurs résultats. Si un moteur de recherche inonde ses utilisateurs d’articles approximatifs ou mensongers, sa réputation s’effondre. C’est pourquoi Google, Bing ou encore Baidu investissent massivement dans des systèmes capables de détecter les textes et images générés par IA.

Leur objectif n’est pas de bannir l’IA, mais de s’assurer que le contenu réponde à des critères de qualité : exactitude, originalité, et surtout valeur ajoutée pour l’internaute.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra Conseil), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Celui qui a inventé cette formule mnémotechnique pour rassembler en une seule expression les conjonctions de coordination, terme barbare de grammairien, reçoit ce jour la gratitude de celui qui s’en souvient de nombreuses années après son apprentissage initial. Sortes de mots-ponts entre deux éléments de phrase, les conjonctions de coordination associent dans la parole et l’écriture des noms : « Michel et Augustin » ; des objets : « la peste ou le choléra » ; une causalité : « il n’y a pas école donc j’ai droit aux dessins animés » ; une explication : « j’ai droit aux dessins animés car il n’y a pas d’école » ; une justification : « j’ai regardé beaucoup de dessins animés, mais pas de film » ; le désarroi : « je n’ai vu ni Sam le pompier ni les Enquêtes sauvages » ; etc., ad lib. »

Quand les professionnels de l’information doivent réinventer leur métier à l’aune de l’intelligence artificielle

Nous avons convié Mathieu Andro à nous partager son parcours et ses perspectives sur l’intégration de l’intelligence artificielle générative dans les pratiques professionnelles, en particulier dans le domaine de la veille informationnelle.

CHRISTEL RONSIN : Mathieu, depuis quand utilisez-vous l’intelligence artificielle générative dans votre métier ?

MATHIEU ANDRO : Avant de parler de l’« IA générative », si l’on inclut des technologies comme l’OCR (Reconnaissance Optique de Caractères) ou la structuration de corpus à partir de langage naturel, alors j’en utilise depuis mes premières expériences de numérisation à la Bibliothèque Sainte-Geneviève. Pour moi, la constitution de corpus numériques a constitué une première étape vers l’IA générative, en préparant le terrain à des traitements automatisés du langage.

Dans notre dernier numéro, nous avons introduit l’offre LexisNexis® en matière d’information brevet, dont l’un des éléments clé est PatentSight® qui propose une méthode d’évaluation de la qualité d’une famille de brevets, basée sur plusieurs indicateurs.

Ces indicateurs sont : la Technology Relevance, basée sur les citations, le Market Coverage, basé sur la couverture pays de la famille de brevets, la combinaison des deux donnant le Competitive Impact, pour une famille de brevets, et la somme des Competitive Impact d’un lot de familles de brevets donnant pour ce lot le Patent Asset Index.

Dans ce numéro de BASES, nous traiterons de la mise en œuvre de ces indicateurs dans une démarche d’évaluation du potentiel d’une famille ou d’un groupe de familles de brevets.

Comme indiqué précédemment, PatentSight® génère divers graphes à partir d’indicateurs, regroupés par défaut dans le « Playbook » selon leur objectif (recherche de licenciés, rachat d’entreprises, gestion de portefeuilles, analyse concurrentielle, etc.). L’interface permet aussi à l’utilisateur de créer des graphes adaptés à ses besoins.

Examinons donc quelques exemples de graphes produits par PatentSight®, et les enseignements que l’on peut en déduire. Nous allons le faire en prenant des questions très basiques que peut se poser une entreprise.

L’arrivée de PubMed.ai s’inscrit dans un écosystème en pleine expansion d’outils d’intelligence artificielle dédiés à l’exploration de la littérature scientifique biomédicale. Face à ces innovations technologiques, les enjeux demeurent la sélection rigoureuse des sources et la fiabilité des réponses par rapport aux pratiques manuelles traditionnelles supervisées par des experts humains.

Une concurrence féroce dans l’IA biomédicale

Peu après le lancement remarqué d’Embase AI par Elsevier, la NCBI (National Center for Biotechnology Information) a riposté en déployant PubMed.ai en version bêta. Cet outil propose des résumés générés par IA et des analyses synthétiques.

Cependant, face au déluge de références bibliographiques, ces solutions représentent-elles véritablement l’assistant idéal pour les chercheurs, ou constituent-elles plutôt un mirage technologique ?

La mortalité élevée des outils spécialisés

L’histoire récente révèle une hécatombe d’outils alors prometteurs : AskMEDLINE lancé en 2004 par la NLM), Semantic MEDLINE (NLM 2011-12), et FACTA+ (Université de Tokyo - 2023)… Nombreux sont ceux qui ont disparu avec l’évolution technologique accélérée. Parmi les survivants comme LitVar ou LitSense, lesquels parviendront à révolutionner la recherche sur les variants génétiques sans sombrer dans l’oubli ?