Les défis techniques de l'intelligence artificielle (IA) englobent plusieurs aspects cruciaux pour son développement et son efficacité. L'optimisation des ressources vise à réduire la consommation de puissance de calcul et de mémoire tout en maintenant des performances élevées, ce qui est essentiel pour les applications embarquées et les environnements à ressources limitées. La qualité des données joue un rôle fondamental, car des données biaisées ou incomplètes peuvent nuire à la précision des modèles. La robustesse et la fiabilité des systèmes d'IA doivent garantir des performances stables même face à des situations imprévues, et la consommation d'énergie doit être minimisée pour des raisons écologiques et économiques.

De plus, l'automatisation des tâches répétitives nécessite des solutions pour assurer une exécution fiable et sans erreur dans des contextes variés. Enfin, l'amélioration des données passe par des techniques comme la data augmentation pour enrichir les ensembles de données et ainsi améliorer les performances des modèles. Ces défis techniques sont interconnectés et doivent être surmontés pour rendre l'IA plus efficace, fiable et accessible dans diverses applications.

• Qualités des données : L'efficacité de l'IA dépend de la qualité et de la quantité des données disponibles. Des données incomplètes ou incorrectes peuvent mener à des résultats peu fiables.

• Robustesse et Fiabilité : Les systèmes d'IA peuvent parfois produire des erreurs imprévisibles ou se comporter de manière inattendue.

• Consommation d'énergie : Les modèles d'IA avancés, comme les grands modèles de langage, nécessitent une puissance de calcul élevée, ce qui a un impact environnemental.

• Optimisation des ressources : L'IA permet d'utiliser les ressources de manière plus efficace, par exemple en optimisant les chaînes d'approvisionnement ou en réduisant le gaspillage énergétique.

• Automatisation des tâches répétitives : Elle libère du temps pour les humains, leur permettant de se concentrer sur des tâches plus créatives ou stratégiques.

• Amélioration des données : L'IA aide à nettoyer, structurer, et enrichir les données, augmentant ainsi leur valeur pour l'analyse.

• Floryan Onfroy
• Lucas Marie
• Maxence Etienne
• Gaëtan Boissier
• Maxime Leu
• Pauline Mahoungou
• Valentin Alcala