Guide à l'intention de la communauté universitaire - Intelligence artificielle générative (PDF)

GUIDE À L’INTENTION DE LA COMMUNAUTÉ UNIVERSITAIRE V1.0 - septembre 2024 INTELLIGENCE ARTIFICIELLE GÉNÉRATIVE À propos Le lancement de GPT-3 par OpenAI en novembre 2022 a été marquant pour la démocratisation de technologies d’intelligence artificielle (IA) générative auprès du grand publ...

GUIDE À L’INTENTION DE LA COMMUNAUTÉ UNIVERSITAIRE V1.0 - septembre 2024 INTELLIGENCE ARTIFICIELLE GÉNÉRATIVE À propos Le lancement de GPT-3 par OpenAI en novembre 2022 a été marquant pour la démocratisation de technologies d’intelligence artificielle (IA) générative auprès du grand public. Son adoption rapide – 100 millions de personnes en deux mois – a poussé les grandes entreprises technologiques à entrer dans une compétition effrénée, chacune cherchant à développer des modèles de langage toujours La première partie du document plus avancés et spécialisés. présente des connaissances de base sur Face à cette évolution et consciente de son les technologies d’IA génératives. De impact, l’Université de Genève (UNIGE) a choisi plus, elle expose les risques inhérents et d’être proactive et de s'adapter plutôt que de formule des recommandations. La résister. Le 6 juillet 2023, le rectorat a publié une seconde est un guide pratique orienté prise de position officielle et a établi un cadre sur le recours aux outils disponibles en évolutif pour l’utilisation de ces technologies. ligne de manière autonome. La Ce cadre était accompagné de troisième partie, résultat d’une enquête recommandations et de mesures de soutien. Rapidement, des ressources ont été mises à la en septembre 2023, fait un état des lieux disposition des enseignant-es et des étudiant- de l’utilisation de l’IA générative à es. Cette prise de position a été actualisée dans l’UNIGE, ainsi que des craintes et une nouvelle version publiée le 1er juillet 2024. attentes qui y sont associées. L’IA générative a le potentiel de révolutionner les processus administratifs en optimisant les tâches répétitives et en redéfinissant la gestion des charges de travail. L’UNIGE a ainsi également reconnu le besoin d’accompagner le personnel administratif et technique (PAT) dans l’adoption des outils accessibles en ligne afin d’éviter un développement inégal des compétences et une possible réticence au changement. S’appuyant sur des entretiens et enquêtes menés auprès du PAT, la rédaction de ce guide a progressivement pris une forme transversale, loin d’une catégorisation habituelle par métier, inadéquate pour de tels outils. Dès lors, il a été décidé de le publier à l’intention de toute la communauté. UNIGE Guide d’usage des IA génératives 1 Principes d’utilisation Établis lors de la prise de position du 1er juillet 2024, les principes suivants s’appliquent à l’usage de l’IA générative dans la recherche, dans l’enseignement et l’apprentissage, ainsi que dans l’administration à l’Université de Genève: Responsabilité Intégrité académique et transparence Les étudiants et étudiantes, collaborateurs et Dans leurs publications et créations collaboratrices de l’UNIGE sont scientifiques, les chercheurs et chercheuses, personnellement responsables de leur usage ainsi que les étudiants et étudiantes, sont de l’IA générative. tenu-es de respecter les règles et principes gouvernant l’intégrité scientifique, Il est nécessaire d’avoir une compréhension notamment l’interdiction de plagiat, et de de base des caractéristiques (i.e. modèle respecter les bonnes pratiques scientifiques probabiliste) et des risques inhérents aux IA ainsi que, le cas échéant, génératives (biais, hallucinations, données personnelles, etc.) avant d’en faire usage. Dans un contexte d’utilisation non- scientifique et publique, chaque texte, image, Les usagers et usagères doivent avoir la vidéo ou autre travail majoritairement généré capacité de comprendre, de juger et d’évaluer ou modifié par une IA générative devrait être la validité des réponses produites par l’IA clairement identifié comme tel. générative pour ne pas en devenir dépendant-es. Les collaborateurs et collaboratrices sont tenu- es de signaler à leur hiérarchie l’utilisation La validation finale de chaque texte, image, d’outils IA générative dans le cadre de leurs vidéo ou autre travail ou décision générés ou fonctions. assistés par un outil d’IA générative incombe à l’usager ou l’usagère. Économie et écologie Légalité L’IA n’est appliquée que dans les cas où elle est Les lois applicables doivent être respectées pertinente et sa valeur ajoutée est avérée. ainsi que, le cas échéant, les spécificités des clauses contractuelles (i.e. contrats d’édition). Une attention particulière doit être portée à l’impact environnemental de l’utilisation Une attention particulière doit être portée à la d’outils d’IA génératives (e.g. consommation protection des données, au droit d’auteur/à la d’énergie). propriété intellectuelle, au secret de fonction et à la confidentialité. Un manquement aux principes de l’UNIGE ne peut pas être imputé à l’outil ou à une méconnaissance des risques et problèmes liés à l’IA. Des ressources, des guides et des formations sont recensées sur le portail IA de l’UNIGE pour accompagner la communauté dans la compréhension et la mise en application de ces principes. UNIGE Guide d’usage des IA génératives 3  Sommaire 5 1. Introduction à l’IA 2. 17 Guides d’utilisation générative 6 Connaissances de base 18 Comment communiquer? 10 Une histoire de données 19 Structure d’une requête 11 Risques 22 Styles de travail 15 Bonnes pratiques 24 Choisir un usage 29 3. 4. Compte rendu 37 Conclusion 30 Adoption à l’UNIGE 40 Remerciements 31 Écosystème 41 Références & ressources 34 Attentes 35 Craintes et freins PARTIE 1 INTRODUCTION À L’IA GÉNÉRATIVE  Connaissances de base Parler d’intelligence artificielle (IA) induit le biais de se représenter l’intelligence selon notre perception humaine de ce qu’elle peut être. Ses contours sont mal définis, mais nous nous accordons généralement pour en avoir une idée commune qui se rapporte à notre capacité à effectuer certaines tâches avec un certain degré de compétence. L’analogie informatique par l’ajout du qualificatif «artificielle» ne permet pas de comprendre ce qu’est une IA, ni ce qu’elle peut faire, car elle ne partage pas la même cartographie de compétences. Qu’est-ce que l’IA? Cette locution désigne un domaine informatique. Les technologies qu’il englobe, souvent utilisées en combinaison, permettent aux ordinateurs d’exécuter un certain nombre de tâches spécialisées. La particularité principale, comparativement à un programme informatique classique, est l’autonomie de l’IA. Elle est conçue pour apprendre et s’améliorer avec le temps, elle peut faire un raisonnement, mais elle peut aussi percevoir des stimuli externes et interagir avec son environnement. Pour ces raisons, une IA est capable de réaliser un certain nombre de tâches complexes, habituellement propres à l’être humain, et généralement associées à notre conception de l’intelligence. Le rapport Lighthill critique sévèrement le progrès de l’IA, J. McCarthy crée le terme menant à une réduction du «intelligence artificielle» à financement au Royaume- la Conférence de Dartmouth. Uni. L’IA connaît un premier «hiver». D’où vient l’IA? 1956 1973 L’IA n’est pas nouvelle. Le domaine comprend plusieurs technologies différentes, dont certaines existent 1950 1959 depuis des années ou des décennies. 1996 A. Turing publie A. Samuel développe Émergence du machine «Computing Machinery un programme learning Deep Blue learning. and Intelligence», d’apprentissage (IBM) bat Kasparov, le introduisant le test de machine pour jouer champion du monde 2011 Turing. aux échecs. OpenAI présente GPT-2, un d'échecs. Watson (IBM) puissant modèle de langage gagne au jeu pré-entraîné. télévisé Jeopardy! 2014 2018 Intelligence artificielle: Google achète DeepMind, machines pouvant performer une entreprise spécialisée en apprentissage profond à des tâches caractéristiques (deep learning). 2015 2022 de l’intelligence humaine. AlphaGo de DeepMind GPT-3 est accessible - McCarty, 1956 bat un champion gratuitement en ligne. humain du jeu de go pour la première fois. 6 Guide d’usage des IA génératives UNIGE  Que veux dire «générative»? La locution IA générative se réfère à un ensemble de techniques (i.e. algorithmes) issu du domaine de l’intelligence artificielle. Ce que l’on entend par le terme de «générative» est la capacité de l’outil à créer de l’information de manière automatique à partir de grands volumes de données existantes sur lesquelles il est entraîné. L’IA ne fait pas de simple copier-coller de ce qu’elle a analysé: elle imite, améliore et crée un résultat entièrement nouveau, basé sur une recomposition statistique des motifs et structures qu’elle a identifiés pendant son apprentissage. Ces résultats, que l’on appelle contenus, contenus peuvent être des textes, des images, de la musique ou du code informatique. Le processus est une création data set Une grande quantité de statistiquement probable et données: des images, du texte, semblable aux sources de la musique, des vidéos, etc. contenu généré prompt Dall-E: A photographic portrait, long shot, of a dog with long pink colored human hair, bright white studio ligthening L’IA apprend les règles en Les contenus générés par l’IA sont contenus générés analysant des milliers de textes, des recompositions statistiques de images ou morceaux de musique tout ce qui a été appris. Ils ont du (data set). Elle étudie la manière data set sens parce qu’ils respectent les dont ils sont arrangés et détecte règles grammaticales, visuelles ou des motifs récurrents qu’elle data sets musicales extraites des data utilise ensuite pour générer de d’entraînement. Ces règles sont nouveaux contenus en fonction large mémorisées sous forme d’un Large d’une requête (prompt). prompt Language Model Model (LLM, voir p.9). Cela permet, entre autres, de synthétiser des informations ou de proposer des contenus originaux. UNIGE Guide d’usage des IA génératives 7  OpenAI Fondée en 2015 en association à but non lucratif, OpenAI devient une entreprise à but lucratif en 2019 et établit un Microsoft partenariat majeur avec Microsoft. Elle développe GPT-3, un modèle de langage, en 2020 et annonce DALL-E pour la Research génération d’images en 2021. En 2022, GPT-3 est accessible en Créé en 1991 avec un focus sur les ligne, marquant un tournant majeur. Grâce aux calculs d’ordinateur, la filiale investissements de Microsoft, GPT-4 est publié en 2023. s’investit dans l’IA dans les L’outil ChatGPT repose sur GPT-4, un modèle puissant années 2010 avec divers rachats capable de traiter du texte et des images et de faire une et possède maintenant 20% des recherche sur Internet en direct. brevets. Les innovations sont régulièrement ajoutées à ses produits (i.e. Bing, Holo Lens, Cortana, 365, Azure, etc.). En 2016, la division Microsoft Research AI est créée et LinkedIn DeepMind est racheté pour alimenter de données ses modèles. Le (Google) partenariat en 2019 avec Open AI (i.e. ressources cloud) a été crucial Créée en 2010, DeepMind est pour le développement des acquise en 2014 par Google pour modèles GPT. devenir sa filiale IA. Ses modèles s’inspirent des neurosciences En 2023, Microsoft publie pour développer des Copilot, un assistant IA qui algorithmes d’apprentissage. s’intègre à tous ses services. DeepMind se concentre sur les systèmes capables de jouer à des jeux. AlphaGo a été le premier à battre le champion du monde de go en 2017. À la suite de GPT-3, Google panique et publie rapidement son IBM prototype d’agent Pionnière, notamment avec DeepBlue qui bat le champion conversationnel. d’échecs Kasparov en 1996. En 2011, le programme Watson fait sensation en remportant le jeu télévisé Jeopardy! ce qui nécessite de comprendre l’énoncé, d’utiliser le buzzer et de répondre vocalement. Après un élargissement à Internet, l’usage est L’outil Bard est vite publié avec restreint, le constat ayant été fait qu’il lisait Wikipedia et utilisait le modèle LaMDA, rapidement régulièrement le mot bullshit bullshit dans ses réponses. changé pour PaLM2, avant d’être remplacé par Gemini. Watson est monétisé en 2012 pour la santé, la finance et la recherche. En 2022, considéré comme un échec, le programme est vendu à un fonds d’investissement. Meta AI Créé en 2013, Facebook Artificial Intelligence Research (FAIR) Qui est derrière? publie PyTorch en 2017, un catalogue open source de modèles de machine machine learning (i.e. utilisés par Tesla ou Uber). FAIR est Plusieurs entreprises sont rebaptisé Meta AI après la réorganisation de Facebook et, en actuellement des actrices 2023, publie son modèle de langage Llama. Le modèle est majeures dans le domaine de initialement accessible sur demande aux chercheurs et chercheuses pour un usage non commercial avant d’être fuité l’IA. Leurs outils, accessibles en un mois plus tard. ligne, souvent gratuitement, sont actuellement les plus Llama 2 est une famille de modèles de langage open source. utilisés. Meta n’a pas d’outil accessible publiquement. 8 Guide d’usage des IA génératives UNIGE Quelles sont les technologies de l’IA? Méthode Domaine Intelligence artificielle (IA) Systèmes symboliques Systèmes experts avec règles Machine learning (ML) Renforcement Le ML est un Non supervisé domaine de l’IA dont les Natural language Supervisé techniques processing permettent de Réseaux de classifier et Deep learning (DL) Le DL est un sous- neurones prédire à partir domaine dont les des données, sans techniques Prédictif programmation inspirées de la explicite structure du Génératif Les modèles cerveau génératifs permettent de créent un Auto-encodeur variationnel (VAE) résoudre des signal d’après Réseaux antagonistes génératifs (GAN) problèmes une requête, complexes les modèles Transformeur génératif pré-entraîné (GPT) prédictifs calculent une L’IA générative est un ensemble de techniques valeur d’après utilisées conjointement pour générer du contenu. un signal Il s’agit d’une utilisation de l’IA parmi d’autres. 1950 1980 2000 2010 Qu’est-ce qu’un «large language model» (LLM)? Il est large, car il possède énormément de paramètres (de l’ordre de milliards), qui sont des pièces d’information. C’est un modèle, car il s’agit d’un réseau de neurones entraîné sur une grande quantité de textes pour produire des tâches non spécifiques. Il est linguistique, car il reproduit la syntaxe et la sémantique du langage naturel humain en prédisant la suite probable pour une certaine entrée. Cela lui permet également d’avoir une «connaissance» générale sur la base des textes d’entraînement. est bleu Le ciel est bleu 90% 20% clair Le ciel change 10% 5% nuageux pleure 8% 0,1% UNIGE Guide d’usage des IA génératives 9  Une histoire de données Les outils d’IA généra­tives sont alimentés par d’immenses quantités de données pour entraîner les algorithmes à l’origine des modèles de fonctionnement. Ces données peuvent avoir une origine variée: Elles sont massivement Les requêtes et leurs réponses collectées dans ce qui est constituent aussi des données disponible en ligne. qui vont servir à alimenter le modèle et à l’améliorer. À la suite des requêtes formulées par les utilisateurs/trices, ces outils vont générer davantage de données à partir de cet ensemble initial. Dès lors, la donnée apparaît comme l’élément crucial, la matière première dans le fonctionnement et l’usage des IA génératives. La qualité de la donnée sera un élément important de sa valeur. Si la donnée est un objet possédant une La donnée produite est faillible, La donnée insérée possède grande valeur pour les avec des conséquences pour la une sensibilité dont découlent outils, elle comporte vérification de l’information et des enjeux de sécurité, de également des risques sa transparence. protection de la vie privée, de d’utilisation. propriété intellectuelle, etc. L’IA générative nous donne l’illusion du Il s’agit d’un objet entièrement nouveau et contrôle. L’outil reste maître d’énormément nous ne pouvons pas, contrairement aux de paramètres que nous ne comprenons individus, extrapoler sur le niveau de pas ou ne maîtrisons pas et il est délicat compétence général à partir de quelques d’institutionnaliser son usage. Une étude tâches, car il ne repose pas sur un ensemble récente (Dell’Acqua et al., 2023) évoque de ressources cognitives corrélées ou l’idée d’une frontière «dentelée» ou transversales. Nous n’avons pas le recul «irrégulière» pour se référer aux limites pour en définir les contours. imprévisibles de l’IA générative. Non linéaire, incohérente, cette limite rend Un enjeu particulier pour l’UNIGE a trait au l’outil ambivalent. Il peut soit améliorer, soit droit des personnes, notamment en entraver la performance d’une tâche. Par matière de données personnelles, qui n’est exemple, il produit des textes complexes, pas traité par le règlement de l’Université comme des poèmes, mais peine à donner ou par une directive et ne peut l’être en une liste de mots commençant par une raison de sa complexité. La décision de même lettre. fournir néanmoins des recommandations s’appuie sur le risque dommageable pour L’erreur serait d’anthropomorphiser l’IA l’institution et les individus de ne pas générative comme un assistant dont les accompagner l’usage d’IA génératives dont erreurs et bizarreries seraient dues à un les outils, approuvés ou non, sont tout de manque d’intelligence ou un atypisme. même accessibles. 10 Guide d’usage des IA génératives UNIGE  Risques CARTOGRAPHIE L’IA est associée à une série de risques pour les usagers/ères qui impliquent de prendre en compte un certain nombre de précautions et de recommandations, pouvant être schématiquement rattachées à différentes étapes de l’utilisation d’une IA générative. Responsabilité. Responsabilité. Faire aveuglément confiance à l’IA générative et ne général pas interroger l’outil peut mener à des erreurs. Les individus restent dépositaires de la responsabilité professionnelle ou morale liée à leur tâche. data set contenu généré Propriété intellectuelle. Propriété intellectuelle. L’IA pose prompt deux types de défi en termes de Protection Protection des desdonnées/confidentialité. données/confidentialité. protection intellectuelle; celui des Tout le contenu qui est soumis à un outil droits de propriété associés aux d’IA générative peut être consulté par le données qui l’alimentent, et celui de personnel de l’entreprise propriétaire, ou la titularité de ce qu’elle produit par plus en cas de fuite de données. Il est l’IA. Il est important de clarifier ces donc crucial de savoir ce qui peut ou non dimensions avant d’y avoir recours. être partagé avec une IA. Fiabilité. Les données générées par Fiabilité. une IA générative doivent être considérées comme faillibles, car elles peuvent être biaisées, voire utilisation erronées. Il est nécessaire de toujours Durabilité. L’IA générative consomme Durabilité. adopter une position critique vis-à- une quantité importante d'électricité, vis du contenu généré par une IA. autant pour son développement que pour son usage quotidien. Il faut donc Transparence. Ne pas mentionner Transparence. en faire un usage raisonné. l’utilisation d'IA génératives dans la création de contenus ou de solutions peut entraîner une confusion ou des malentendus sur l’origine et la nature des résultats obtenus. Il est nécessaire de toujours faire preuve de transparence par rapport aux processus de création. UNIGE Guide d’usage des IA génératives 11 EXPLICATION Cette section présente un approfondissement de la notion de risques pour comprendre les enjeux associés et les recommandations qui en découlent (p. 13). PROMPT Protection des données/confidentialité Je travaille sur le budget de mon service. Pour gagner du temps, je copie des données Et si c’était financières de l’institution ou des données sur les employé-es dans une requête, en moi? retirant toute mention de l’Université. Plus tard, l’outil subit une cyberattaque, toutes les données sont publiées sur Internet. Comme j’ai utilisé une adresse UNIGE pour ouvrir mon compte IA, et donc pour faire les requêtes, n’importe qui peut déduire que les données financières sont celles de l’UNIGE, exposant ainsi l’institution. D’un point de vue technique, tout le contenu soumis à une IA générative est accessible et consultable par l’entreprise propriétaire de l’outil. Il est peu probable que celle-ci s’intéresse au contenu individuel des requêtes et la plupart d’entre elles s’engagent à ne pas le faire. Les utilisateurs/trices doivent toutefois envisager que toutes leurs données ou requêtes deviendront des informations publiques. D’une part, il existe un risque de fuite de données dans le cas d’une faille de sécurité. D’autre part, il n’existe aucune assurance vérifiable sur la gouvernance des données par ces entreprises, par exemple concernant le stockage et l’utilisation des requêtes pour développer le modèle. À ce titre, il est important de comprendre que toutes les données n’ont pas la même sensibilité, et que celle-ci dépend de leur nature. Les données peuvent être classées selon quatre catégories principales: Anonymes: elles ne posent pas de problème car elle sont indépendantes, soit elles Anonymes: sont intrinsèquement dissociées d’un individu en particulier ou ce lien a été rompu lors d’une anonymisation. Ordinaires: ce sont les données personnelles classiques, souvent demandées Ordinaires: lorsque l’on remplit un formulaire ou lorsque l’on traite le dossier d’un ou d’une employée ou d’une ou d’un étudiant (e.g. âge, sexe, nom, etc.). Elles permettent d’identifier une personne sans discrimination possible. Sensibles: ce sont des données personnelles qui portent une information qui, si Sensibles: elle était connue, pourrait être utilisée au détriment de la personne (e.g. religion, congé maladie, assurances, etc.). Secrètes ou Secrètes ou confidentielles: confidentielles: ce sont des données possédant un enjeu stratégique. Plus rarement associées à des individus, elles concernent généralement des informations politiques, militaires, industrielles ou financières. Chacune de ces catégories de données exige un niveau de protection approprié pour éviter les risques potentiels. 12 Guide d’usage des IA génératives UNIGE  CONTENU GÉNÉRÉ Transparence Je suis chargée de recrutement et veux rédiger des lettres de refus personnalisées pour Et si c’était humaniser le processus, en offrant des retours plus détaillés et spécifiques. Sans le moi? mentionner, j’utilise un outil d’IA. Un-e candidat-e reconnaît la structure et le style typiques d’une IA générative et soulève des questions sur un forum public. Mon intention initiale se noie dans une polémique engageant la transparence de l’Université dans ses communications. Le devoir de transparence lors de l’utilisation d’intelligences artificielles génératives est une responsabilité incontournable dans les pratiques professionnelles. Cette transparence suppose une communication claire sur la manière dont ces technologies fonctionnent, leurs capacités ainsi que leurs limitations. Elle implique aussi de signaler l’utilisation d’IA génératives dans la création de contenus ou de solutions pour éviter toute confusion sur l’origine et la nature des résultats obtenus. Fiabilité J’utilise ChatGPT pour répondre aux questions fréquentes des étudiant-es, gérer les Et si c’était courriels et même rédiger des documents administratifs. Au bout de quelques semaines, moi? il apparaît que ChatGPT produit parfois des réponses inexactes ou inappropriées. Il fournit des informations erronées sur les dates limites de dépôt de certains dossiers académiques ou rédige des réponses confuses qui donnent lieu à de nombreux recours. Les données générées par une IA générative doivent être considérées comme faillibles (biaisées ou fausses). Cela s’explique par plusieurs facteurs. Limite dans le temps temps. La plupart des Biais algorithmique. algorithmique. La qualité des contenus modèles d’IA génératives ont été entraînés générés dépend de la qualité des données à sur un ensemble de données correspondant partir desquelles le modèle a été entraîné. Si à une période particulière sans les données sont biaisées, les résultats le connaissance des faits qui se situent avant refléteront. Des biais dans la réponse ou après. formulée par l’IA peuvent également émerger en fonction de qui pose la Hallucination. Les modèles d’IA utilisent des question. Une utilisation irréfléchie peut algorithmes pour détecter des motifs, entraîner involontairement le renforcement combiner des éléments et produire un des stéréotypes ou des discriminations contenu susceptible de correspondre à la sociales. requête. Or, il existe des motifs imperceptibles ou dénués de sens pour Mode collapse. Plutôt que de générer des l’humain. Incidemment, cela permet la résultats variés, le modèle commence à création de contenus originaux et créatifs produire de manière répétée un nombre mais, parce que l’IA n’est pas critique, cela très restreint de résultats similaires. Soit il peut induire l’apposition d’informations n’a pas su capturer la richesse des données individuellement correctes qui, mises du modèle, soit il en reflète le manque de ensemble, sont fausses. Au gré des mises à diversité. Cela crée un point aveugle dans jour, cela devient plus rare, mais le risque l’interprétation des résultats; quand reste présent. quelque chose manque, on s’en rend compte moins facilement que si quelque chose est faux. UNIGE Guide d’usage des IA génératives 13  Propriété intellectuelle Je dois réaliser des illustrations pour la communication d’un événement et fournis les Et si c’était idées et les directives à l’IA qui conçoit les images. Je considère ces créations comme le moi? fruit de mon travail créatif et de ma direction artistique. Après mon événement, je découvre les mêmes images réutilisées dans une campagne publicitaire. Je contacte l’entreprise qui a développé l’IA. Conformément aux termes d’utilisation, elle détient les droits de propriété intellectuelle sur les images générées. L’IA se base sur des données, notamment des œuvres et des textes qui ne sont pas nécessairement libres de droits, pour générer de nouveaux contenus. Cela peut concerner les données soumises lors d’une requête, mais également le modèle de base. Cette capacité à reproduire ou à transformer des œuvres protégées sans le consentement explicite des détenteurs/trices de droits soulève des interrogations sur les violations potentielles du droit d’auteur-e. De plus, l’utilisation de l’IA pose la question de la titularité de ce qu’elle produit. Cette titularité est normalement assurée lors d’un usage payant. UTILISATION Durabilité Lors des réunions d’équipe, les idées et les discussions sont représentées de manière Et si c’était simple et efficace sur un tableau blanc. Séduit-e par l’IA, je remplace ce système et moi? génère des images d’illustration pour chaque nouvelle idée. Après plusieurs essais, j’obtiens une image complexe, censée représenter visuellement cette idée, pour rendre les discussions plus dynamiques et visuelles. Mais cette méthode s'avère rapidement plus distrayante qu'utile et aura eu un impact environnemental non négligeable. L’IA générative est une grosse consommatrice d’électricité, tant pour son développement que pour son usage quotidien. Chaque requête ChatGPT équivaut à la consommation énergétique d’une lampe LED de 5W pendant une heure. La création de GPT-3 a généré plus de 500 tonnes de CO2, 2 soit l’équivalent de 123 véhicules à essence pendant un an, et 1287 MWh d’électricité, soit la consommation mensuelle de 1467 foyers américains. GPT-4 a été créé avec 500 fois plus de paramètres que GPT-3. Le développement de l’IA et son utilisation généralisée ne sont pas sans conséquences en termes de durabilité. Il faut prendre en compte la consommation énergétique de l’IA générative et limiter son utilisation à des usages spécifiques à forte valeur ajoutée. RESPONSABILITÉ Toutes les recommandations énoncées dans ces pages peuvent se résumer à une notion: les IA génératives ne sont que des outils informatiques puissants à utiliser pour assister les individus dans leurs tâches. Les individus restent dépositaires de la responsabilité professionnelle ou morale associée à leur tâche; elle ne peut être déléguée à l’IA générative qui ne peut être considérée comme autre chose qu’un outil. 14 Guide d’usage des IA génératives UNIGE  BONNES PRATIQUES Protection des données et Fiabilité et durabilité confidentialité L’IA générative est un outil adapté à Toutes les précautions nécessaires certains usages et non à d’autres. possibles doivent être prises pour assurer le respect de la confidentialité. La performance des outils d'IA générative dépend fortement des cas d'utilisation. Il est Limiter l’usage à des données accessibles donc important de se questionner sur la publiquement ou, le cas échéant, anonymes pertinence de l'usage choisi (cf. partie 3). Un ou anonymisées. Dans certains cas définis et usage raisonné permet également de limiter validés par la hiérarchie, les données l’impact environnemental. ordinaires peuvent être utilisées en silo. Quand l’objectif est de générer un contenu L’usage d’autres types de données présente original (cf. Création et Recherche), toujours un risque majeur. vérifier la véracité des faits évoqués ou, au Vérifier les paramétrages des outils en ligne: mieux, demander des sources à l’outil. désactiver ou supprimer son historique, Rester vigilant-e au fait que les contenus bloquer l’accès au reste de l’appareil, refuser produits sont sujets à la désinformation (i.e. toute réutilisation des données, etc. Hallucination), à véhiculer des Ne pas permettre une identification discriminations (i.e. Biais algorithmique) ou à personnelle qui pourrait, par déduction, l’omission (i.e. Mode collapse). mener à contextualiser une donnée. Cela inclut de ne pas utiliser son adresse courriel Responsabilité professionnelle, de ne pas décrire Les individus sont responsables précisément sa profession, son rôle ou sa personnellement du contenu produit situation géographique. avec l’IA et de l’usage qui en est fait au même titre que des auteurs/trices. Mieux vaut ne pas employer un outil d’IA générative s’il y a le moindre doute sur la Après avoir utilisé un outil d'IA générative, nature des données qui sont utilisées ou sur relire le texte ou revoir le media puis valider ce qu’il adviendra des données insérées. manuellement le contenu généré afin de s'assurer qu'il est conforme à quelque chose Transparence que l'on aurait pu créer soi même et dont on L’usage des IA génératives ne devrait est prêt à endosser la responsabilité. pas être fait à l’insu de celles et ceux L’usage des IA génératives doit être éthique qui sont exposé-es au contenu et ne pas causer de tort à autrui. généré. Être à jour concernant la politique et les Toujours déclarer à sa hiérarchie ou son directives de l'institution à jour et être au enseignant-e l’usage de l’IA générative dans courant des lois et des clauses contractuelles son travail. en vigueur concernant l’IA générative. Dans un document public, généré par l’IA Toute faille ou erreur entraînant des risques générative, possédant une bibliographie, citer pour l’institution ou les individus doit être l'outil selon les règles en vigueur. S'il s'agit signalée dès qu’elle est détectée. d'un communiqué, une image, ou autre document plus concis, la mention "généré par Propriété intellectuelle ou avec l'aide de l'IA générative” suffit. Toute donnée est soumise à la notion L'usage de l'IA générative dans un contexte de propriété intellectuelle. scientifique pose des problèmes de plagiat. Éviter, au mieux de sa connaissance, Son usage doit toujours faire l'objet d'un d’utiliser des outils basés sur des contenus accord explicite avec le responsable de ne respectant pas la propriété intellectuelle recherche et doit pouvoir être décrit et vérifier les conditions d’utilisation pour méthodologiquement. La rédaction des déterminer ses droits de propriété travaux ne doit pas être déléguée à l’outil. intellectuelle pour créer un contenu. PARTIE 2 GUIDES D’UTILISATION  Comment communiquer? Loin des lignes de code et au-delà des mots-clés des moteurs de recherche, la communication avec une IA générative se fait via un agent conversationnel auquel il faut Formuler des prompts est une formuler une requête articulée (i.e. compétence à part entière qui prompt relève plus de la psychologie prompt en anglais). L’expérience du de l’IA que de l’expertise prompt prompt se veut simple et se passe de technique. Un-e ingénieur-e science. Les prompts prompts sont pensés informatique ne sera pas plus pour avoir une relation claire entre apte qu’un-e novice pour l’utilisateur/trice et l’IA. générer un contenu de qualité s’il/elle ne sait pas expliquer à l’IA quelle est son attente. Il s’agit de quelque chose de comparable à décrire une scène à un-e aveugle. Tout est dans la formulation. formulation Ce qui La technique de prompting (i.e. n’est pas dit explicitement prompt prompt engineering) engineering est une n’est pas pris en compte et le compétence comme une autre sens commun ne suffit pas qui implique de prendre en pour combler les lacunes entre compte un certain nombre attentes et informations d’éléments techniques et/ou disponibles. créatifs. Surtout, cela implique 2 d’avoir une idée claire de ce que l’on veut. Il existe des outils 1 d’aide à la rédaction de prompts. prompts TECHNIQUE STRUCTURE En deuxième partie, nous avons mis en place une De la même manière qu’il n’est pas nécessaire série d’étapes étapes à suivre et d’être mécanicien-ne pour savoir conduire, on d’instructions à garder en peut utiliser un outil d’IA générative sans tête avec des acronymes maîtriser tous les aspects informatiques de son spécifiques comme fonctionnement. Néanmoins, pour être pilote de moyen mnémotechnique course, il est utile de savoir ce qu’il y a sous le pour appliquer les capot. La première partie de ce guide permet de techniques de prompting. prompting comprendre la structure d’une requête. 18 Guide d’usage des IA génératives UNIGE STRUCTURE D’UNE REQUÊTE Faire un prompt est similaire à faire un gâteau. Avec du L’astuce, est de beurre, de la farine, du lait et des œufs, on peut tout faire. Le répondre à: reste est une question de quantités, d’ingrédients supplémentaires et de recette. Les ingrédients sont ici les Qui? Quoi? Où? exemples, les paramètres et le contexte. Il sont essentiels Comment? pour construire des consignes efficaces et évaluer les Pourquoi? résultats de manière critique. QUI? Audience: À qui s’adresse le contenu? Lorsque l’on crée un contenu, il est généralement adressé à un public. Comprendre Création: Qui s’adresse à l’audience? son audience et préciser ce genre d’information Exemple: Je suis chargée de projet en est important pour donner un contexte communication et je rédige un courriel à pertinent. Mieux encore, c’est de préciser qui des étudiant-es universitaires. fait la requête. QUOI? Format: Quel type de contenu? Il s’agit de guider l’outil pour faire comprendre Sujet: À propos de quoi? notre intention. Comme mentionné, il faut Paramètres: Quelle longueur? Quel ton? s’imaginer parler à une personne aveugle et être explicite sur ce que l’on souhaite obtenir. Exemple: Fais une liste de cinq idées de titres de conférence sur l’impact des écrans sur le développement des enfants. OÙ? Canal: Où sera lu le contenu? Quel est l’objectif de diffusion ou de Source: À partir de quoi est-il formulé? transmission? Préciser où se trouvera le résultat donne du contexte à l’outil. Lorsque Exemple: Dans le texte suivant, identifie cela est possible, il est utile de préciser la source trois mots-clés qui serviront à trouver ce d’information à utiliser, soit en ligne, soit dans texte dans un moteur de recherche: la requête. {{insérer texte}}. POURQUOI? Objectifs: Quelle est l’action finale? L’intentionnalité peut être saisie par l’IA Quel est le résultat idéal? générative qui retrouvera un pattern identifié Exemple: Rédige un paragraphe sur le parmi de nombreux documents partageant le numérique et l’environnement pour même objectif. Il ne faut donc pas hésiter à exprimer les enjeux économiques, préciser pourquoi ce contenu est supposé avoir sociaux et environnementaux tout en la forme attendue. gardant une neutralité de point de vue. COMMENT? Émotion: Quelle note prendre? Les outils d’IA génératives peuvent produire et Style: Comment habiller le contenu? reproduire n’importe quel type de contenu et Exemple: Répond positivement en dans n’importe quel style. Particulièrement, ils soulignant l’originalité du projet tout en sont doués pour reproduire des nuances émotionnelles, sociales ou hiérarchiques. Il est gardant un ton légèrement enthousiaste donc judicieux de préciser laquelle est attendu. mais autoritaire et administratif.  POUR FORMULER UNE REQUÊTE, IL FAUT PROCÉDER PAR ÉTAPE E Esprit Il est utile de se mettre dans un état Ex: Explique la décision X du CODIR d’esprit de débutant-e ou d’allophone et concernant le PAT. éviter des formulations trop régionales Ex: Explique la décisions X du Comité de ou personnelles et ne pas faire appel à Direction concernant le personnel des règles tacites ou habitudes. administratif et techniques. T Trame La véritable puissance de ces outils est Ex : La loi sur l’Université est-elle bien? de construire une réponse. Posez des Ex: Dans le contexte de la réforme de la questions créatives et critiques pour loi sur l’Université en 2008, est-ce que obtenir des résultats intéressants et l’enseignement supérieur et la recherche ont éviter les réponses évidentes (e.g. été harmonisés à l’échelle nationale? oui/non). Pour ne pas s’égarer, il est mieux d’avoir une idée de la trame voulue et de l’affiner avec des instructions précises et concises. A Action Il faut indiquer l’action attendue. Cela Ex: Pour reprendre l’exemple de la loi sur l’Université, préciser de «donner les passe par l’usage d’un verbe ou la principaux arguments» ou «d’agir comme mention d’une activité, par exemple des un représentant de tel parti politique» verbes de direction comme «discuter», permettra de clarifier la réponse et de lui «comparer», «concevoir» ou «évaluer». donner une certaine couleur. Le choix du verbe peut grandement influencer le résultat. P Paramètres Pour éviter les réponses vagues, non professionnelles, voire même chargées de contenu superflu, il faut affiner votre Ex: Rédige un paragraphe en 450 mots sur le sujet XY en format Markdown. requête. Par exemple, précisez une méthodologie, le nombre de mots, la structure (e.g. courriel, mots-clés, rapport) ou le format (Python, HTML, CSV, Excel). E Environnement Le contexte crée un environnement Ex: Élabore un atelier de première année pour l’outil. Utilisez des mots limitants dispensé en ligne pour les étudiantes et étudiants adultes. (e.g. «en Suisse»), avec des exemples Ex: Rédige une réponse compréhensible par connus ou un public défini. Pour cibler un enfant de 8 ans. le cadre, il est possible de donner le ton Ex: Rédige dans un ton formel à la troisième (formel, familier, etc.) ou le rôle attendu personne pour un public universitaire. («une responsable assurance qualité»). 20 Guide d’usage des IA génératives UNIGE  LES BONS RÉSULTATS DEMANDENT DES EFFORTS APRÈS A Ajouter Il n’y a pas de réponse définitive, ce sont des possibilités et des idées. Il faut tester différentes variations de résultats, soit Ex: Propose une autre réponse en prenant le point de vue d’une étudiante de bachelor Conseil: Poser la même question sur via le même outil, soit sur d’autres outils ChatGPT, Bard et Llama. pour comparer. Cela permet d’explorer plusieurs points de vue ou d’attaquer un problème sous plusieurs angles. P Préciser Le processus est itératif. Cela demande Ex : Précise-moi le troisième argument de la d’élargir son champ d’intérêt à d’autres réponse avec un exemple concret. éléments puis de le recentrer ailleurs avec des consignes supplémentaires (e.g. un suivi sur un aspect de la réponse obtenue). Le but est de guider l’IA et d’identifier les éléments utiles pour les approfondir. R Reformuler On a un plan et parfois il faut le repenser. Un piège courant est la formulation vague ou imprécise des consignes, ce qui Ex: Pour reprendre l’exemple de la loi sur l’Université, on peut dire que plutôt que «la recherche» on s’intéresse «à la collaboration peut perturber les algorithmes. Il faut scientifique». alors simplifier les mots-clés et reprendre les verbes d'action et les paramètres pour obtenir plus de précision et avoir le contexte juste. E Évaluer Les informations sont parfois confuses. Il faut donc défier l’outil et lui demander d’expliquer ses réponses. Il ne faut pas Ex: J’ai l’impression que le troisième argument n’est pas juste. Peux-tu expliquer pourquoi tu proposes cela? hésiter à exprimer ses doutes et suggérer des approches alternatives. S Scruter Il s’agit d’identifier les «hallucinations» et Ex: Si l'outil n'est pas utilisé comme moteur les biais potentiels que l’outil aurait de recherche, avec comme résultat une liste produits. Cela passe par la mention des de liens url, il est crucial de demander sources à l’appui des éléments générés explicitement à l’agent de fournir des ou par une vérification minutieuse des références à la réponse produite. faits évoqués. De toutes les étapes, celle- ci est cruciale pour préserver sa propre Pour rappel, les individus sont crédibilité et celle de l’institution. responsables. UNIGE Guide d’usage des IA génératives 21  Styles de travail CONSTRUCTION Il n’y a pas une manière unique de communiquer avec une IA générative pour faire des requêtes. Il est normal, et important, de trouver son propre style, ou celui qui convient le mieux à une tâche donnée. Une fois pour toutes L’approche consiste à écrire une seule requête précise. C’est un point de départ à éditer par la suite. Cette approche vise à éviter les efforts répétés ou les itérations successives. Elle s’applique dans divers contextes, tels que la résolution de problèmes, la prise de décisions ou la planification de projets, afin de maximiser l’efficacité et d’économiser du temps et des ressources. Par couches Cette approche consiste à faire une requête minimale, à l’évaluer, puis à l’affiner en ajoutant des exemples, du contexte et des paramètres (voir ETAPE) jusqu’à obtenir un ensemble satisfaisant. Cette méthode permet également de diviser un problème complexe en plusieurs niveaux plus simples, chaque couche étant responsable d’une partie du problème. À la fin, il suffit de demander à l’outil d’agréger les réponses obtenues. En collage Cette manière de procéder exige de formuler une requête aussi complète que possible, chargée de contexte, de paramètres et d’exemples, puis d’itérer plusieurs versions de résultats. Puisque l’outil génère quelque chose de différent à chaque demande, il est possible de prendre les meilleures parties de chaque résultat pour assembler quelque chose de nouveau. Il est impératif d’avoir un comportement engagé. Adopter aveuglement les résultats peut mener à des erreurs, en particulier si la tâche se situe au delà de la frontière «dentelée» où les capacités de l’IA deviennent imprévisibles. D’après Dell’Acqua et al. (2023), deux catégories de pratiques de collaboration émergent entre l’humain et la machine. Ces stratégies distinctes ont été spontanément adoptées dans des cadres professionnels intégrant l’IA générative. Les premiers délèguent les tâches à l'outil ou à eux-mêmes, les seconds intègrent complètement leur flux de travail avec la technologie. Comportement Centaure Comportement Cyborg À l’instar de la créature mythique, Les cyborgs intègrent les capacités de la humains et machines ont étroitement machine et de l’humain au niveau des fusionné dans une division stratégique sous-tâches. On ne sait plus si le du travail. Les centaures discernent résultat a été produit par l’un ou l’autre. quelles tâches sont mieux adaptées à Avec cette approche, axée sur l’humain ou à l’IA générative en l’intégration complexe, il n’y a pas de fonction des forces et des capacités de division claire du travail. Les efforts se chaque entité et les attribuent en mêlent jusqu’à la frontière des alternance. capacités de l’IA générative. 22 Guide d’usage des IA génératives UNIGE  COMBINAISONS DE FONCTIONS Cinq types d’usages ont été identifiés (cf. pages suivantes). Si chacun nécessite une application des principes ETAPE et APRES et peut être travaillé en combinaison de requêtes, il ne faut pas perdre de vue que les usages peuvent également être combinés pour réaliser une tâche ou pour mener à bien un projet. RECHERCHE ANALYSE ASSISTANCE EN RÉUNION Speech- PV Sentiment Tâches Résumé to-text précédents (e.g. prise de PV) TRANSFORMATION ANALYSE TRANSFORMATION CRÉATION CRÉATION TRANSFORMATION Texte Image Brain- réseaux Metrics Traduction CAMPAGNE DE storming sociaux COMMUNICATION CRÉATION ANALYSE CRÉATION INTERACTION AIDE AUX Prise de Modèle de Références Auto- notes fiches test ÉTUDES TRANSFORMATION RECHERCHE RECHERCHE INTERACTION ANALYSE Docum- Exer- Slides FAQ Évaluation ENSEIGNEMENT entation cices CRÉATION CRÉATION UNIGE Guide d’usage des IA génératives 23  Choisir un usage CRÉATION La création de contenu se réfère au processus où, à partir d’instructions ou de paramètres Input Description (paramètres, consignes, initiaux, un système génère un contenu directives ou données initiales). entièrement nouveau sans réutiliser ou modifier Output Nouveau contenu original généré à partir de zéro et basé sur l’input du contenu existant. L’output est original. minimal. Artistique Images créatives, reproduction, arts visuels, etc. Statique Image stock Illustration d’article ou de rapport, Fonctionnel développement web, présentation Contenu Design visuel Infographie, logo, graphisme, mise en page, présentations Artistique Motion design Animé Informatif Génération de vidéo Question initiale Je veux créer Rédaction de texte un contenu Énoncé, description, discours, courriel Unique (original) Informatique Données Bases de données synthétiques Fictionnelle Persona (représentation d’une personne fictive avec des caractéristiques socio- démographiques et psychologiques) Contenu textuel Administratif Décision administrative, documents Modèles blancs (contrat, offre d’emploi, cahier des charges) Spécifique Informatique Snippets Assistance rédaction Avis juridique, programmation  TRANSFORMATION La transformation de contenu implique de soumettre un élément fini à une modification Input Contenu complet avec paramètres, selon des directives spécifiques pour produire un consignes ou directives. nouveau rendu du contenu. Output Le même contenu sous une forme L’output est une altération de l’input original. différente. Résumé Synopsis, éléments clés, décision, conclusion, abstract, etc. Synthèse Réduction Nombre de mots, texte à blanc, etc. Changement de ton Formel, académique, administratif, Texte Reformulation familier, vulgaire, complice, etc. Simplification Modification Vulgarisation, explications pour partiellement enfant, langage non technique, etc. Traduction D’une langue à l’autre, commentaire de code, etc. Média Stylisation, retouche d’image, Question initiale arrangements musicaux, montage vidéo, etc. Je veux transformer un contenu Linguistique Speech-to-text, text-to-speech, symbol to speech/text, etc. Modalité Visualisation de données Graphiques de données, infographies, illustrations, etc. Conversion radicalement Sécurité Cryptage de données Encodage Volume Compression, décompression Format de/vers.txt,.pdf,.docx,.odt,.csv,.xslx,.jpg,.png,.json, etc.  ANALYSE L’analyse de données consiste à examiner des contenus, à les modéliser ou à les nettoyer, dans Input Des données brutes ou non avec le but d’en extraire des informations basées sur des consignes ou directives. l’input initial. Output Insights, tendances, statistiques, L’output est nouveau, basé sur l’input original. pattern ou conclusion générale. Modélisation Analyse des risques, négociation, etc. Prédictive Simulation Finance, budget, issue juridique, etc. Linguistique Assistance au debogage, analyse de texte, comparaison, benchmarking, etc. Question initiale Descriptive Média Je veux faire une Explication d’une photo ou d’une analyse de contenu image, analyse d’une scène ou d’une œuvre, etc. Quantitative Patterns, cluster, motifs dans des données chiffrées Conformité Règlement, directive, politique, lois, etc. Fond Analyse de sentiment Évaluation de contrat, avis juridique, décryptage de message, analyse de Diagnostique dialogue ou de réunion, etc. Linguistique Correction orthographique Forme Informatique Correction de scripts ou de code  RECHERCHE La recherche de contenu est un processus où, sur la base d’un système d’information, une requête Input Commandes ou requêtes sous forme permet d’obtenir des éléments pertinents à de mots-clés ou de questions. propos du contenu visé. Output Élément ou liste d’éléments sous L’output est un élément désigné par l’input forme d’information ou de liens. original dans l’ensemble existant. Document Informations, noms, mots-clés, to-do- list, prise de décision, etc. Extraction Web Site web, image existante, discussion, réponse à une question, etc. Base de données interne Archives, corporate knowledge, mémento, fichiers personnels, PNAS, etc. Question initiale Je cherche un contenu Liste Bibliographie Analyse Benchmarking, comparaisons, etc. Revue Compréhension Révision de notes Transformation Résumé  INTERACTION L’interaction se rapporte à la communication et à un échange bidirectionnel de contenu entre un Input Commandes, requêtes, réactions. utilisateur et un système. Itérativement, le système et l’utilisateur/trice Output Réponses, feed-backs, questions, produisent des outputs originaux selon les réactions. inputs de l’autre. Divertissement Jeux interactifs, histoires, etc. Conseil Conflits, projets, événements, animation de forums et groupes de discussion, modération, etc. Question initiale Gestion Je veux un échange Information Chatbot FAQ, questionnaires et enquêtes de satisfaction Assistance Évaluation Examen des connaissances interactif, oraux, quiz, etc. Mise en situation Roleplay Entraînement pour un entretien, négociation, personnalisation de l’expérience utilisateur, etc. Apprentissage Onboarding Accueil collaborateurs/trices, instructions d’outils ou systèmes Formation Tutorat Leçons, révisions, apprentissage espacé PARTIE 3 COMPTE RENDU DE L’USAGE DE L’IA À L’UNIGE  Adoption à l’UNIGE L’émergence d’une technologie aussi disruptive place l’UNIGE à l’intersection d’un besoin d’innovation et de préservation. Des entretiens menés en septembre 2023 auprès d’un échantillon de collaborateurs et collaboratrices du Personnel Administratif et Technique de l’Université concernant leur rapport à l’IA générative dévoilent l’existence de trois catégories d’individus. L’exploration de ces profils offre un aperçu des dynamiques pouvant influencer une adoption ou une réticence vis-à-vis de cette technologie. Il y a un faible faibletaux tauxd'adoption d’adoptionspontanée spontanée dans les pratiques professionnelles. Ce résultat souligne une prudence ou un désintérêt de la part du personnel. Des variations sont clairement marquées entre les différents métiers métiers. Le secteur de la communication émerge comme Aucun usage précurseur, tandis que juristes et Usage à titre personnel secrétaires témoignent d’une utilisation Usage professionnel actuellement limitée. Les cas d’exploration hors de De plus, la diversité sous-jacente toute application professionnelle des pratiques suggère l’importance signalent un potentiel d’adoption d’une approche approche personnalisée personnalisée professionnelle plus large, d’appropriation de ces outils au sein toutefois conditionnée par un de l’institution. soutien accru, tel que la formation et l’accès à des In fine, ces entretiens mettent en ressources adaptées. attentes et lumière certaines attentes et appréhensions face à l’IA générative, indépendamment du degré d’utilisation actuel. 30 Guide d’usage des IA génératives UNIGE ÉCOSYSTÈME profil du personnel Les corneilles Intégration-innovation Ouvert-es à l’inconnu et promptes à adopter de nouvelles méthodes, ils/elles ont déjà utilisé l’IA dans un cadre professionnel. Bien qu’ils/elles ne représentent de loin pas une majorité, leur présence reste significative. Curiosité Temps La curiosité est le moteur principal de l’exploration Le principal obstacle à l’adoption est temporel: initiale des outils disponibles. L'apprentissage est l’absence de méthodologie fiable et le temps requis autodidacte, souvent via des vidéos ou des cours en pour maîtriser ces outils sont des contraintes ligne. En dépit d’une certaine familiarité, ou d’une limitant un usage plus généralisé dans leur travail aisance technologique, ils/elles font souvent cette quotidien. De plus, un manque de compréhension démarche sans posséder d’expertise informatique, claire des usages possibles peut présenter un frein. naviguant entre une utilisation intuitive et des connaissances de base. Ils/elles reconnaissent une utilité variable des outils, avec une valeur ajoutée dans certains domaines spécifiques seulement (i.e. création de contenu ou traduction). La diversité des applications concrètes explorées par ce groupe témoigne d’une recherche d’efficacité individuelle propre à chaque métier mais, surtout, à chaque besoin. Création de contenu Transformation Selon les cas, l’IA générative est un L’IA générative sert de traduction ou partenaire créatif, assistant à la rédaction d’amélioration des textes rédigés dans et à l’idéation ou encore remède contre la une langue non maternelle. Elle joue page blanche. En communication, i.e. également le rôle de synthétiseur événementielle, elle est particulièrement efficace, condensant ou résumant utilisée pour la création de contenu visuel courriels et autres documents. d’illustration. Ces pratiques s’accompagnent toutefois de certaines réticences initiales et d’une comparaison inévitable avec des outils traditionnels établis, parmi lesquels l’IA se taille une place de choix, en imposant un nouveau standard d’accessibilité, en particulier pour les utilisateurs et utilisatrices non spécialisées. UNIGE Guide d’usage des IA génératives 31  Les pandas Tradition-fidélité Peu enclin-es au changement, n’y trouvant que peu d’intérêt, voire ouvertement critiques, ils/elles n’ont pas encore essayé ces nouveaux outils, préférant s’en tenir à ce qui est connu et maîtrisé. Pertinence Technologie Le manque d’opportunités concrètes, et Des appréhensions personnelles ont été d’applications évidentes, pour intégrer l’IA dans exprimées, comme une certaine anxiété à l’idée de leurs activités se présente comme un facteur faire des erreurs ou de ne pas utiliser correctement limitant. Plus particulièrement, des contraintes la technologie. Ces inquiétudes mettent en relief liées à des tâches professionnelles très les défis liés à la formation et à la perception de soi spécifiques écartent, pour certain-es, l’IA de leur dans l’adoption de nouvelles solutions. Des éventail d’outils. De plus, le manque de temps est préoccupations techniques, telles que les souvent invoqué comme un frein majeur à restrictions d’accès ou une familiarité insuffisante l’investigation et à l’adoption de l’IA. avec les outils, sont fréquemment mentionnées. Enfin, le scepticisme et la prudence quant à la fiabilité et à l’utilité de l’IA influencent également l’hésitation à l’adopter, ces sentiments étant particulièrement prégnants chez celles et ceux ayant une approche plus conservatrice vis-à-vis de la nouvelle technologie. La saturation des outils gratuits, soulignée par certain-es, démontre des limitations d’accès pouvant entraver l’expérimentation et l’adoption de l’IA. La perception du risque associé à l’IA est également un frein significatif, témoignant d’une conscience aiguë des implications potentielles d’une mauvaise utilisation. 32 Guide d’usage des IA génératives UNIGE  Les chats Exploration-curiosité Explorant de nouvelles solutions pour les comprendre et les évaluer, sans forcément s’y attacher, ils/elles ont voulu tester ou «voir» à quoi cela ressemblait, mais n’ont pas souhaité l’intégrer dans leur cadre professionnel. Connaissance Scepticisme L’intérêt initial et l’exploration de l’IA découlent Les doutes quant à l’utilité de ces outils dans le d’une curiosité et d’un désir de connaître et cadre professionnel subsistent. En outre certain- comprendre l’outil afin d’évaluer son potentiel. es restent dubitatifs et dubitatives face à l’impact Comme pour le cadre professionnel, ce premier réel de l’IA générative sur leurs missions contact et cette initiation personnelle apporte spécifiques à l’Université. D’autres se heurtent à une satisfaction variable, un aspect qui se reflète des limitations temporelles ou financières. De dans la diversité des attentes et des applications. plus, une critique plus philosophique émerge; si ces outils sont capables d’égaler la performance humaine dans certaines tâches, la valeur Usage dans les tâches intrinsèque des ces dernières est remise en question. Cette remarque soulève notamment quotidiennes des interrogations fondamentales sur la nature Certain-es trouvent un écho favorable du travail significatif à l’ère de l'automatisation dans des applications domestiques et croissante. sociales, depuis la rédaction d’articles (i.e. syndrome de la page blanche) jusqu’à l’aide aux devoirs, en passant par des recherches juridiques complexes. L’aspect ludique n’est pas à négliger, les explorations sont souvent menées entre L’intérêt pour l’IA générative ami-es, soulignant l’aspect convivial et transcende les différents métiers décontracté que peut prendre l’IA dans la au sein de l’Université de Genève, sphère privée. révélant une ouverture quant à son adoption. Conclusion Les assistant-es de direction interrogé-es sont En communication, l’opinion est partagée parmi les unanimement favorables à l’intégration de ces outils personnes interrogées. Si une moitié est favorable, dans leur travail, sous réserve d’un accompagnement. l’autre exprime des réserves, craignant un frein à la Les administrateurs/trices ayant participé à l’enquête créativité ou des mauvaises pratiques. L’intérêt pour voient également un atout pour leurs équipes, tout en des tâches fastidieuses est mitigé par des limites reconnaissant qu’ils/elles ne peuvent pas répondre à techniques (orthographe des noms propres, images l’ensemble des besoins spécifiques individuels. Ils/elles approximatives, etc.), questionnant la véritable valeur estiment que son acceptation peut varier au sein des ajoutée. L’automatisation ne résout pas les défis différents groupes, tout en insistant sur l’importance fondamentaux, et le doute existe de savoir si cela de la protection des données. Le besoin de fiabilité est entraînera une réduction ou une augmentation du également mis en avant par le domaine juridique. travail. UNIGE Guide d’usage des IA génératives 33  Ces entretiens ont également mis en lumière un certain nombre d’attentes et d’appréhensions, indépendamment du degré d’utilisation actuel. Ce panorama constitue la base sur laquelle les guides d’utilisation (cf. partie 3) ont été élaborés afin de rester au plus près des besoins du personnel administratif et technique. ATTENTES Rapidité et efficacité Autonomie et innovation L’IA générative devrait contribuer à accélérer les L’IA est perçue comme un moyen d’acquérir une processus, en particulier pour les tâches jugées plus grande agilité et autonomie dans sans valeur ajoutée. Elle pourrait prendre en l’accompli