ChatGPT, Midjourney, LLM… Mais qu’est-ce que l’IA générative ?

ChatGPT en porte-étendard, mais aussi MidJourney ou Dall-e, ont vulgarisé l’usage de l’intelligence artificielle générative auprès du grand public, tout en suscitant des confusions. Les technologies d’IA générative englobent ainsi un large périmètre d’outils et d’usages dont les entreprises doivent se saisir. Décryptage et démystification.

Fin 2022, ChatGPT était lancé par OpenAI, permettant rapidement à 100 millions d’utilisateurs de se familiariser avec l’intelligence artificielle et ses possibilités. Au 4^e trimestre 2024, la startup franchissait le cap des 200 millions d’utilisateurs actifs chaque semaine. L’outil conversationnel et ses désormais multiples alternatives, dont par exemple le Chat de Mistral AI, réussissent là où les applications précédentes du Deep Learning ou du Machine Learning restent encore souvent complexes à appréhender ou simplement invisibles du grand-public.

ChatGPT, mais aussi DALL-E et Midjourney pour la génération d’image (parmi une multiplicité d’autres solutions payantes ou gratuites, propriétaire ou open source), ont donc largement participé à la démocratisation de l’intelligence artificielle, et plus spécifiquement encore d’une catégorie de l’intelligence artificielle, à savoir l’IA générative.

Une nouvelle étape a été franchie depuis novembre 2022 avec le passage d’une IA qu’on pourrait qualifier de silencieuse à une IA tonitruante car omniprésente, médiatisée, compréhensible et exploitable par le plus grand nombre. Et si l’IA générative s’ancre de plus en plus dans le quotidien professionnel, c’est grâce notamment à ses fonctionnalités embarquées dans les applicatifs bureautiques et collaboratifs via, entre autres, Microsoft Copilot et Gemini dans l’environnement Google.

Mais qui dit irruption tonitruante dit aussi parfois assourdissante. La large médiatisation de ces modèles d’intelligence artificielle depuis plus de deux années, si elle participe à la démocratisation, contribue dans le même temps à des confusions, voire à des fantasmes. Tentons donc d’éclaircir quelques concepts et de clarifier ce qu’est véritablement – et n’est pas – l’IA générative.

Qu’est-ce que l’IA générative ?

Et pourquoi ne pas poser la question à ChatGPT ?

“L’IA générative est une branche de l’intelligence artificielle qui se concentre sur la création de modèles et d’algorithmes capables de générer des données, des images, des textes ou des sons de manière autonome. Elle utilise souvent des réseaux de neurones artificiels et des techniques d’apprentissage profond pour apprendre à partir de données existantes et générer de nouvelles données qui ressemblent à celles qu’elle a apprises. L’IA générative est utilisée dans de nombreux domaines tels que la création d’art, la musique, la vidéo, la publicité, la mode, les jeux vidéo et la simulation.”

C’est donc ainsi que ChatGPT définit l’IA générative, soulignant la capacité de ce large écosystème technologique à créer du contenu, sous différents formats et depuis des sources multiples. Cette dernière caractéristique est qualifiée de multimodale. Par exemple, GPT-4 d’OpenAI est ainsi une IA générative et multimodale. Cela signifie qu’elle associe plusieurs sources de données (texte, voix, image, données) et algorithmes de traitement. Sa version précédente, GPT-3.5 se limite au texte.

Les IA génératives peuvent être spécifiques à certaines sources de données. GPT 3.5, exploitée par ChatGPT, a été entraînée uniquement grâce à du texte, une donnée non structurée. Sa réponse s’effectuera donc seulement sous forme textuelle. D’autres modèles sont en revanche spécialisés sur l’image ou la vidéo. Enfin, et c’est une rupture, l’IA multimodale a la capacité de traiter des sources multiples.

L’IA générative est pour les entreprises un levier potentiel majeur d’amélioration de la productivité.

La licorne américaine est loin aujourd’hui d’être le seul acteur sur le marché à proposer des technologies multimodales ou LLM multimodaux (Large Language Model). Nouveaux entrants et historiques du numérique ont rejoint la course à la GenAI, comme Meta avec Llama 3.2 (décliné en 4 modèles 11B, 90B et les versions texte 1B et 3B), Google avec Gemini 2.0, Anthropic avec Claude 3, Mistral AI au travers de Pixtral (12B), etc.

Les avancées en matière de multimodalité ne sont nullement achevées en 2025. L’IA multimodale s’annonce en effet comme une des grandes tendances de l’année dans le champ de la GenAI, aux côtés notamment des agents autonomes ou IA agentique.

La multimodalité sera un facteur majeur de diffusion plus large des IA, dans le grand public, et de l’expérience avec les machines grâce à de nouvelles interfaces d’échange. Sora d’OpenAI, comme ses alternatives, traduit quant à lui les possibilités dans l’univers de la vidéo.

L’IA générative est-elle une révolution ou une évolution ?

ChatGPT a en fait rassemblé et démocratisé des technologies préexistantes, dont les LLM (Large Language Model), les modèles de langage de grande taille. Pour le texte, citons GPT-3 et GPT-4 d’OpenAI ou BERT de Google (redéveloppé depuis par le Français LightOn pour concevoir ModernBERT). En ce qui concerne GPT-3, son lancement remonte à 2020. L’IA générative n’est donc pas une nouveauté de 2022 et 2023.

Par ailleurs, ces modèles s’appuient sur des techniques testées depuis plusieurs années déjà. GPT est en effet l’acronyme de Generative Pre-trained Transformer. Les origines des Transformers, qui sont des modèles de Deep Learning, datent de fin 2017. Leur fonctionnement est présenté dans un document de recherche intitulé « Attention Is All You Need ».

On pourrait donc considérer que la révolution est d’abord celle des Transformers et des LLM, dont l’émergence a été permise par des travaux antérieurs sur le Deep Learning et les réseaux de neurones. Pour la figure éminente de l’IA qu’est Yann LeCun, « ChatGPT et d’autres grands modèles de langage ne sont pas sortis de nulle part. Ils sont le résultat de décennies de contributions de diverses personnes. »

Le chercheur, titulaire du prestigieux prix Turing, souligne que les travaux sur l’apprentissage auto-supervisé, une approche adoptée par OpenAI, sont antérieurs à la création de la startup. Il en va de même des transformers, comme du recours à un feedback humain (RLHF ou Reinforcement Learning from Human Feedback).

Si révolution il y a, celle-ci a pour origine des contributions multiples. Yann LeCun nuance l’apport d’OpenAI et l’innovation de ces solutions. En revanche, il ne minimise pas la valeur de l’intelligence artificielle générative, que son employeur, Meta, développe intensivement.

Évolution ou révolution, la question peut être débattue par les experts. Pour les entreprises et les utilisateurs de l’IA, le génératif et sa démocratisation constituent bien un bouleversement. L’IA générative est pour les entreprises un levier potentiel majeur d’amélioration de la productivité, par exemple dans les fonctions du développement logiciel.

Sur ce segment du coding assisté par l’IA, des éditeurs spécialisent leurs modèles pour améliorer toujours plus leurs performances. En mai 2024, Mistral AI diversifiait son portefeuille de modèles ouverts en lançant Codestral. L’éditeur a poursuivi l’amélioration de sa solution pour introduire en janvier 2025 la version 25.01 de Codestral.

L’IA générative ne se cantonne pas au texte, même si pour la plupart des entreprises, c’est dans ce secteur que le potentiel semble le plus important.

La GenAI constitue un facteur de changement dans le logiciel. Mais elle est aussi l’opportunité pour les entreprises de valoriser un patrimoine largement sous-exploité à ce jour, celui des données non structurées (texte, image, son, vidéo). Elles ont donc tout intérêt à accélérer pour passer de la veille à l’idéation en termes de cas d’usage, puis à leur mise en œuvre.

L’accélération a bien eu lieu en 2023, et plus encore en 2024, tout en mettant en lumière la complexité du déploiement à l’échelle des technologies d’IA générative et par conséquent la difficultés à créer de une valeur durable et mesurable pour les organisations.

ChatGPT, DALL-E, GPT, Midjourney, LLM, transformers… pourquoi ne pas tout confondre ?

La vulgarisation de l’IA générative est une tâche complexe tant elle englobe de mots clés, d’acronymes, d’outils et autres concepts. Commençons en distinguant ChatGPT des modèles génératifs. ChatGPT est une interface de type chatbot ou robot conversationnel. Celui-ci permet d’interagir avec un Large Language Model (LLM), un modèle d’IA génératif de texte, à savoir GPT. Ce dernier est un modèle de type Transformer reposant sur une architecture Deep Learning.

ChatGPT n’est pas l’alpha et l’oméga de l’IA générative. Premier entrant, OpenAI n’incarne pas ce domaine de l’IA à lui seul. La distinction entre interface de discussion et modèle peut aussi s’illustrer au travers de l’exemple de HuggingChat, le bot conversationnel fourni sur la plateforme HuggingFace. Différents LLM, hébergés sur le service, peuvent être connectés par API avec l’interface de discussion, dont depuis peu Llama 3.3 70B.

L’IA générative ne se cantonne pas au texte, même si pour la plupart des entreprises, c’est dans ce secteur que le potentiel semble le plus important. C’est particulièrement vrai dans les banques et assurances où ces formats de données sont très utilisés. Ce ne sont pas les seuls secteurs concernés. L’analyse et l’exploitation du texte sont des fondamentaux des bases de connaissances. Et ces bases sont présentes (et souvent peu ou mal utilisées) dans toutes les industries.

Des IA génératives exploitant d’autres formats de données ont été popularisées en 2022 auprès du grand public, comme DALL-E et Midjourney. Ces modèles sont des générateurs d’images. Dall-E a été conçu par OpenAI. Il permet de créer des images à partir de descriptions textuelles (prompts). Midjourney fonctionne selon le même principe. De tels outils trouvent aujourd’hui des applications multiples dans le monde professionnel, par exemple dans le marketing pour générer des visuels diffusés sur Internet dans le cadre de campagnes.

Comment fonctionnent les modèles d’IA générative ?

Comme nous l’avons introduit, l’IA générative a pour but de générer du contenu à la demande, en fonction d’une requête, appelée prompt. Pour assurer cette fonction, elle repose sur un réseau de neurones génératif. Cette typologie de réseau mobilise un processus d’apprentissage profond qui mixe des approches non supervisées, supervisées et de renforcement. Le mix des modes d’apprentissage est l’un des éléments clés de la puissance de ces modèles.

Grâce à un large corpus de données d’entraînement (composé des données du Web public pour les modèles GPT), l’IA génère de nouvelles données. Pour cela, l’intelligence artificielle va prédire la réponse la plus probable en assemblant mot à mot des phrases complètes. Le fonctionnement des IA génératives est en effet probabiliste. Cela explique pourquoi des modèles comme GPT-3 ou 4 peuvent fournir des résultats erronés ou de pures inventions, appelées hallucinations. Ces erreurs, qui résultent du fonctionnement même des modèles sous-jacents, constituent une des limites de l’IA générative. Des précautions et des adaptations sont donc indispensables pour importer les usages de ces IA en entreprise.

Pour de nombreux cas d’usage, comme dans la banque ou la santé par exemple, des erreurs telles que celles commises par ChatGPT ne sont pas tolérables.

La qualité des données fournies aux modèles constitue à ce titre un levier essentiel de réduction des hallucinations. C’est d’ailleurs pour réduire le risque de générer une réponse erronée que Mistral AI a signé le 16 janvier 2025 un partenariat mondial avec un éditeur de contenus reconnu pour la qualité de ses données d’information, l’AFP. La startup présente ce partenariat comme un moyen de renforcer la finesse et la pertinence des réponses délivrées par le modèle génératif derrière son robot conversationnel le Chat. Mistral s’arme sur le marché de façon à proposer une alternative multiculturelle et multilingue à ses concurrents.

Quelles sont les limites et risques de l’intelligence artificielle générative ?

Les erreurs, les hallucinations, la désinformation et la manipulation représentent probablement la limite et les détournements les plus tangibles des modèles d’IA générative. Dans les entreprises, pour de nombreux cas d’usage, comme dans la banque ou la santé par exemple, des erreurs telles que celles commises par ChatGPT ne sont pas tolérables. Cela explique d’ailleurs pourquoi les organisations ont privilégié jusqu’à ce jour les applications à destination des collaborateurs de la GenAI plutôt que d’exposer directement leurs clients finaux aux résultats générés par les modèles.

Mais l’IA générative soulève d’autres interrogations, et en particulier d’ordre juridique. Ces modèles, dont GPT, sont entraînés grâce aux données disponibles publiquement sur Internet. Ce scrapping suggère que les IA ont vraisemblablement été entraînées grâce à des données personnelles et des contenus protégés par le droit d’auteur. De fait, plusieurs plaintes pour violation des droits d’auteur ont été déposées, à l’encontre d’OpenAI en particulier. Pour atténuer ce risque juridique, les développeurs de modèles signent des accords avec des éditeurs. Citons notamment les exemples d’OpenAI avec Le Monde en France et en 2025 de Mistral AI avec l’AFP.

Les modèles posent en outre des questions en matière de respect de la propriété intellectuelle. Aux États-Unis, Getty Images a déposé plainte contre Stable Diffusion pour violation du droit d’auteur. La banque d’image accuse la startup créatrice de l’IA générative d’avoir exploité ses données pour entraîner ses modèles sans autorisation, attribution, ou compensation financière.

Le scrapping massif peut aussi déboucher sur le siphonnage non consenti d’informations personnelles. Quid alors de la conformité avec le RGPD ? Fin mars 2023, la Cnil italienne prononçait une interdiction temporaire à l’égard d’OpenAI. Elle estimait qu’il existait un doute suffisant sur la conformité au RGPD de ChatGPT. En décembre 2024, l’autorité de protection prononçait une sanction de 15 millions d’euros à l’encontre de la startup. En France aussi, la Cnil s’est saisie de cette problématique. En octobre 2023, elle publiait ses premières réponses pour une IA innovante et respectueuse de la vie privée. D’autres publications ont suivi, comme celle d’un guide de déploiement d’un système d’intelligence artificielle générative en entreprise en juillet 2024.

En France, ChatGPT n’est pas interdit. Le député français Éric Bothorel a cependant porté plainte devant la Cnil en raison des “fausses informations” diffusées par le chatbot. Plusieurs autres personnes ont aussi déposé des plaintes. La Cnil s’est armée et mis l’accent sur l’information et les recommandations pratiques, notamment via un dossier consacré à l’IA générative. Elle s’est aussi dotée d’un service de l’intelligence artificielle et a démarré la mise en œuvre en 2024 d’un plan d’action.

Au niveau européen, les régulateurs ont pris des initiatives, dont la principale est la finalisation et l’adoption de l’AI Act. Le règlement est entré en vigueur le 1er août 2024. Il vise, selon la Commission, à favoriser un développement et un déploiement responsables de l’intelligence artificielle dans l’UE. Les dispositions de l’AI Act s’appliqueront progressivement. L’application pleine de la réglementation interviendra ainsi en 2026.

💡 Pourquoi les entreprises doivent-elles s’intéresser à l’IA générative ?

Le mouvement autour de l’IA générative est une opportunité pour l’entreprise. Sont aujourd’hui disponibles des IA pré-entraînées sur d’importants corpus de données texte. Afin de répondre précisément aux besoins des organisations, leur apprentissage nécessite d’être complété grâce à leurs propres données, qui renferment leur savoir-faire et leur connaissance métier. Cette approche réduit les coûts d’investissement et garantit une meilleure adéquation aux besoins, tout en réduisant les risques d’hallucination. Pour optimiser les résultats des modèles génératifs, les entreprises privilégient généralement l’utilisation de leurs propres connaissances, s’appuyant pour cela sur des systèmes RAG (Retrieval-Augmented Generation).

L’adoption rapide par le grand public génère des attentes dans les métiers de l’entreprise, accentuant la pression pour qu’elle fournisse des solutions de GenAI aux collaborateurs. Deux mois après son lancement, ChatGPT comptait déjà 100 millions d’utilisateurs, un record en termes d’adoption. Faute de réponses adaptées ou en raison des délais de mise en œuvre jugés trop longs par les salariés, s’est développé dans les entreprises le recours à des applications d’IA générative non gouvernées. On parle ainsi de Shadow AI.

Le déploiement de l’IA générative ne s’inscrit cependant pas seulement dans le cadre d’une stratégie offensive. La GenAI est avant tout un moyen pour les entreprises de créer de la valeur, par une hausse de la productivité, par la réduction de leurs coûts, mais aussi par la création de nouvelles sources de revenus.

Depuis l’apparition de ChatGPT, les cas d’usage en production de l’IA générative se sont multipliés et diversifiés. Une banque cliente d’Orange Business tire profit de cette famille de modèle pour traduire ses systèmes historiques programmés en Cobol dans un langage plus simple à maintenir.

Google, géant américain du numérique et fournisseur du LLM Gemini, a recours aux solutions génératives pour la production de code logicielle. Sundar Pichai, DG du groupe californien, précisait fin 2024 que 25% du nouveau code étaient générés par l’iA.

Autre illustration du potentiel de la technologie au travers de l’exemple d’un énergéticien opérant la maintenance de multiples installations. Pour leurs missions, les techniciens de l’entreprise sont équipés de tablettes. Ils accèdent par leur intermédiaire à de la documentation. Ils utilisent aussi leur iPad pour rédiger leurs comptes-rendus.  

Les informations sont agrégées dans une base de données. Pour simplifier la lecture des documents, une IA générative déployée par Orange Business procède à une synthèse claire et intelligible des opérations menées et de la situation. Une des suites du projet pourrait être l’ajout du vocal pour les techniciens.

Avec un fonctionnement porté par le cloud et des API, les outils d’IA sont à la portée des organisations. Ils constituent en outre des atouts concurrentiels potentiels pour les pionniers de leur utilisation. L’automatisation qu’ils permettent est gage d’amélioration de la productivité. Une appropriation rapide est donc recommandée.

Comment intégrer l’IA générative dans l’entreprise ?

Depuis 2022, les organisations ont drastiquement repensé leur approche de l’IA générative pour se focaliser sur un nombre de cas d’usage plus restreint, mais identifiés comme stratégiques. Elles distinguent aussi l’adoption de solutions de productivité individuelle (Copilot, Gemini…) de projets plus structurants et transformants pour l’organisation et ses processus.

La sélection des usages est suivie des choix technologiques, pour lesquels les options sont multiples. Elles peuvent consister à exploiter directement les API d’OpenAI, à privilégier des environnements privés dont Microsoft Azure OpenAI Services ou ceux de GCP ou AWS, voire à recourir à des solutions open source (Llama/Alpaca initialement développés par Meta, HuggingFace Bloom, Dolly…) sur des environnements cloud privé ou on-premise.

Le volet technologique de ces projets nécessite aussi de définir une méthode d’entraînement ou de fine-tuning avec les données de l’entreprise, ainsi que d’arrêter la manière dont ces outils génératifs seront intégrés au SI et à ses applications. Il ne faut donc pas négliger les efforts d’industrialisation en adoptant une démarche MLOps.

La technique n’est pas tout dans les projets d’IA générative. La conduite du changement est en effet capitale compte tenu de l’impact sur les métiers et le quotidien des collaborateurs. Attention donc à ne pas négliger le change !

Il peut être préférable, dans le cadre d’une stratégie structurée et gouvernée d’IA générative, de se faire accompagner sur le déroulement de ces multiples étapes pour mettre en place des processus industriels de bout-en-bout, de l’idéation au déploiement.

Quels usages concrets de l’intelligence artificielle générative pour l’entreprise ?

Les cas d’usage se développent à très grande vitesse dans les entreprises. On citera par exemple la génération de synthèses de réunion, le tri automatisé de données, la génération de code pour des développeurs ou des citizen développeurs…

Le potentiel de ces cas d’usage est réel. Toutefois, la valeur réside certainement dans des applications plus spécifiques. Les métiers de la relation client et les centres de contact peuvent s’emparer de l’IA générative pour déployer des chabots et voicebots de nouvelle génération qui permettront véritablement d’automatiser et de selfcariser le traitement. A titre d’exemple, Gartner prévoit que l’IA conversationnelle réduira les coûts de main-d’œuvre des centres de contact de 80 milliards de dollars en 2026. Ce n’est cependant qu’une des applications de l’IA générative. Nous reviendrons en détail sur les possibilités dont peuvent s’emparer les entreprises dans un prochain article.

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈

Cet article a été rédigé en collaboration avec Christophe Auffray.