Quiz : Comment fonctionne l'IA générative
Testez vos connaissances sur les réseaux neuronaux, les transformateurs et le processus d'entraînement.
30 questions - Cliquez sur chaque question pour révéler la réponse correcte.
Question 1
Par quoi est inspiré un réseau neuronal ?
A) Circuits informatiques
B) Le cerveau humain
C) L'internet
D) La mécanique quantique
Afficher la réponse
Réponse correcte : B
Les réseaux neuronaux sont des systèmes informatiques vaguement inspirés par le cerveau humain, avec des nœuds interconnectés (neurones) qui traitent l'information à travers des connexions pondérées.
Question 2
Quels sont les trois types de couches dans un réseau neuronal ?
A) Première, milieu, dernière
B) Entrée, cachée, sortie
C) Début, processus, fin
D) Données, calcul, résultat
Afficher la réponse
Réponse correcte : B
Les réseaux neuronaux ont des couches d'entrée (reçoivent des données), des couches cachées (traitent les données) et des couches de sortie (produisent des résultats).
Question 3
Qu'est-ce qui rend un réseau neuronal "profond" ?
A) Il est enterré sous terre
B) Il a de nombreuses couches cachées
C) Il utilise des données profondes
D) Il réfléchit profondément
Afficher la réponse
Réponse correcte : B
Un réseau neuronal est qualifié de "profond" lorsqu'il possède de nombreuses couches cachées. L'entraînement de tels réseaux est appelé "apprentissage profond".
Question 4
Que fait le mécanisme d'attention dans les transformateurs ?
A) Fait en sorte que l'IA prête attention aux utilisateurs
B) Permet à chaque élément de se rapporter à tous les autres éléments
C) Filtre les données non pertinentes
D) Accélère le traitement
Afficher la réponse
Réponse correcte : B
Le mécanisme d'attention permet à chaque élément de l'entrée de "prêter attention" à (se rapporter à) chaque autre élément, permettant au modèle de comprendre les relations indépendamment de la position.
Question 5
Quel était le titre de l'article clé qui a introduit l'architecture Transformer ?
A) "La révolution de l'apprentissage profond"
B) "Attention Is All You Need"
C) "Transformers : Plus qu'il n'y paraît"
D) "Réseaux neuronaux déchaînés"
Afficher la réponse
Réponse correcte : B
L'article de 2017 "Attention Is All You Need" par des chercheurs de Google a introduit l'architecture Transformer qui alimente tous les modèles de langage modernes.
Question 6
Que sont les paramètres dans un réseau neuronal ?
A) Paramètres utilisateur
B) Poids et biais ajustables qui stockent l'apprentissage
C) Contrôles de vitesse
D) Entrées de données
Afficher la réponse
Réponse correcte : B
Les paramètres sont les nombres ajustables (poids et biais) dans un réseau neuronal qui sont modifiés pendant l'entraînement. Ils représentent ce que le modèle a appris.
Question 7
Environ combien de paramètres GPT-3 possède-t-il ?
A) 1 million
B) 175 millions
C) 175 milliards
D) 1,75 trillion
Afficher la réponse
Réponse correcte : C
GPT-3 possède environ 175 milliards de paramètres, ce qui représentait une augmentation majeure par rapport aux modèles précédents.
Question 8
Quelle est la tâche principale utilisée dans le pré-entraînement des modèles de langage ?
A) Traduction
B) Prédiction du mot suivant
C) Réponse à des questions
D) Reconnaissance d'images
Afficher la réponse
Réponse correcte : B
Le pré-entraînement utilise la prédiction du mot suivant—le modèle apprend à prédire quel mot vient ensuite dans une séquence. Cette tâche simple enseigne la grammaire, les faits et les schémas de raisonnement.
Question 9
Qu'est-ce que RLHF ?
A) Cadre d'apprentissage et de gestion en temps réel
B) Apprentissage par renforcement à partir de retours humains
C) Fonction d'aide linguistique récursive
D) Apprentissage aléatoire et haute fidélité
Afficher la réponse
Réponse correcte : B
RLHF signifie Apprentissage par renforcement à partir de retours humains—une technique où les préférences humaines guident le modèle vers des réponses meilleures et plus alignées.
Question 10
Qu'est-ce qu'un jeton dans les modèles de transformateurs ?
A) Une monnaie pour l'IA
B) Un morceau de texte (mot, partie de mot ou caractère)
C) Un signal de récompense
D) Un type de couche
Afficher la réponse
Réponse correcte : B
Un jeton est un morceau de texte que le modèle traite—typiquement un mot courant, une partie de mot ou un signe de ponctuation. "ChatGPT" pourrait être divisé en plusieurs jetons.
Question 11
Qu'est-ce qu'une fenêtre contextuelle ?
A) Un affichage visuel
B) Le texte maximum qu'un modèle peut traiter à la fois
C) Un type d'attention
D) Taille des données d'entraînement
Afficher la réponse
Réponse correcte : B
La fenêtre contextuelle est la quantité maximale de texte (en jetons) qu'un transformateur peut traiter à la fois. Des fenêtres contextuelles plus grandes permettent de traiter des documents plus longs.
Question 12
Pourquoi l'encodage positionnel est-il nécessaire dans les transformateurs ?
A) Pour accélérer le traitement
B) Parce que l'attention traite toutes les positions simultanément
C) Pour réduire l'utilisation de la mémoire
D) Pour se connecter à des bases de données externes
Afficher la réponse
Réponse correcte : B
Puisque l'attention traite tous les jetons simultanément (contrairement au traitement séquentiel), l'encodage positionnel ajoute des informations sur l'ordre des mots pour que le modèle sache que "Le chien mord l'homme" diffère de "L'homme mord le chien."
Question 13
Qu'est-ce que l'ajustement fin ?
A) Ajuster les paramètres d'affichage
B) Adapter un modèle pré-entraîné pour des tâches spécifiques
C) Réduire la taille du modèle
D) Corriger les bogues dans le code
Afficher la réponse
Réponse correcte : B
L'ajustement fin est le processus d'adaptation d'un modèle pré-entraîné pour des tâches ou des comportements spécifiques en s'entraînant sur un ensemble de données sélectionné pertinent pour l'application souhaitée.
Question 14
Quel problème les transformateurs ont-ils résolu par rapport aux RNN ?
A) Ils utilisent moins de mémoire
B) Ils peuvent traiter tous les mots simultanément
C) Ils n'ont pas besoin d'entraînement
D) Ils ne fonctionnent qu'avec des images
Afficher la réponse
Réponse correcte : B
Les transformateurs peuvent traiter toutes les entrées simultanément (traitement parallèle), tandis que les RNN devaient traiter séquentiellement (un mot à la fois), les rendant plus lents et causant des oublis de contexte éloigné.
Question 15
Que fait la rétropropagation ?
A) Sauvegarde les données
B) Retrace les erreurs à travers le réseau pour ajuster les poids
C) Déplace les données en arrière à travers les couches
D) Inverse les prédictions du modèle
Afficher la réponse
Réponse correcte : B
La rétropropagation calcule combien chaque poids a contribué à l'erreur et les ajuste en conséquence, propageant le signal d'erreur en arrière à travers le réseau.
Question 16
Qu'est-ce que le surapprentissage ?
A) Quand le modèle est trop grand
B) Quand le modèle mémorise les données d'entraînement au lieu d'apprendre des schémas
C) Quand l'entraînement prend trop de temps
D) Quand le modèle utilise trop de mémoire
Afficher la réponse
Réponse correcte : B
Le surapprentissage se produit lorsqu'un modèle mémorise des exemples d'entraînement spécifiques plutôt que d'apprendre des schémas généraux, entraînant une mauvaise performance sur de nouvelles données.
Question 17
Quel type de transformateur est GPT (utilisé dans ChatGPT) ?
A) Encodeur uniquement
B) Décodeur uniquement
C) Encodeur-décodeur
D) Multi-encodeur
Afficher la réponse
Réponse correcte : B
GPT (Generative Pre-trained Transformer) est un modèle décodeur uniquement, optimisé pour générer du texte mot par mot.
Question 18
Qu'est-ce qu'une capacité émergente en IA ?
A) Une capacité qui apparaît soudainement à certaines échelles
B) Une fonctionnalité d'urgence
C) Une capacité de base
D) Une capacité qui émerge pendant l'inférence
Afficher la réponse
Réponse correcte : A
Les capacités émergentes sont des capacités qui apparaissent soudainement lorsque les modèles atteignent certaines tailles—comme l'arithmétique ou le raisonnement—qui n'ont pas été explicitement entraînées.
Question 19
Qu'est-ce que l'attention multi-tête ?
A) Une IA avec plusieurs écrans
B) Plusieurs mécanismes d'attention fonctionnant en parallèle
C) Attention pour plusieurs langues
D) Interface d'affichage montée sur la tête
Afficher la réponse
Réponse correcte : B
L'attention multi-tête exécute plusieurs mécanismes d'attention en parallèle, chacun se concentrant sur différents aspects des relations dans les données.
Question 20
Pourquoi RLHF est-il important ?
A) Il accélère l'entraînement
B) Il aligne le comportement du modèle sur les préférences humaines
C) Il réduit la taille du modèle
D) Il améliore la qualité de l'image
Afficher la réponse
Réponse correcte : B
RLHF aligne le comportement du modèle sur les préférences humaines, rendant les sorties plus utiles, moins nuisibles et plus appropriées aux besoins des utilisateurs.
Question 21
Qu'est-ce que le taux d'apprentissage lors de l'entraînement ?
A) La vitesse à laquelle l'IA apprend des faits
B) La taille de chaque étape d'ajustement des poids
C) La vitesse de traitement des données
D) Temps pour entraîner une époque
Afficher la réponse
Réponse correcte : B
Le taux d'apprentissage détermine la taille de chaque ajustement des poids pendant l'entraînement. Trop grand = instable ; trop petit = trop lent.
Question 22
Quel type de réseau neuronal excelle dans le traitement d'images ?
A) Réseau neuronal récurrent (RNN)
B) Réseau neuronal convolutionnel (CNN)
C) Réseau à propagation avant
D) Transformateur
Afficher la réponse
Réponse correcte : B
Les réseaux neuronaux convolutionnels (CNN) sont spécialisés dans le traitement d'images, utilisant des filtres pour détecter des caractéristiques comme les bords, les formes et les motifs.
Question 23
Quel est le but d'une fonction d'activation ?
A) Activer l'ordinateur
B) Introduire de la non-linéarité pour que les réseaux puissent apprendre des schémas complexes
C) Accélérer le traitement
D) Se connecter à l'internet
Afficher la réponse
Réponse correcte : B
Les fonctions d'activation introduisent de la non-linéarité, permettant aux réseaux neuronaux d'apprendre des schémas complexes et non linéaires. Sans elles, les réseaux ne pourraient apprendre que des relations linéaires simples.
Question 24
Environ combien a coûté l'entraînement de GPT-4 ?
A) 100 000 $
B) 1 million $
C) 100+ millions $
D) 10 milliards $
Afficher la réponse
Réponse correcte : C
L'entraînement de GPT-4 a coûté plus de 100 millions de dollars, reflétant les ressources computationnelles massives requises.
Question 25
Qu'est-ce que l'ajustement fin des instructions ?
A) Ajustement fin basé sur les instructions de l'utilisateur
B) Entraîner le modèle à suivre correctement les instructions
C) Écrire des instructions pour le modèle
D) Ajustement manuel des poids
Afficher la réponse
Réponse correcte : B
L'ajustement fin des instructions entraîne le modèle à suivre correctement les instructions de l'utilisateur, transformant un modèle de base en un assistant utile qui répond de manière appropriée aux invites.
Question 26
Que mesure la fonction de perte ?
A) Combien de données sont perdues
B) À quel point les prédictions du modèle sont erronées
C) À quelle vitesse le modèle apprend
D) Utilisation de la mémoire
Afficher la réponse
Réponse correcte : B
La fonction de perte mesure à quel point les prédictions du modèle sont erronées par rapport aux réponses correctes. L'entraînement vise à minimiser cette perte.
Question 27
Qu'est-ce que la descente de gradient ?
A) Un type de réseau neuronal
B) La méthode pour ajuster les poids en se déplaçant dans la direction qui réduit l'erreur
C) Un moyen de compresser les données
D) Un ensemble de données d'entraînement
Afficher la réponse
Réponse correcte : B
La descente de gradient est une méthode d'optimisation qui ajuste les poids en se déplaçant dans la direction qui réduit l'erreur, comme marcher en descente pour trouver le point le plus bas.
Question 28
Que sont Q, K et V dans l'attention ?
A) Qualité, Connaissance, Valeur
B) Requête, Clé, Valeur
C) Quantum, Cinétique, Vecteur
D) Question, Mot-clé, Variable
Afficher la réponse
Réponse correcte : B
Dans les mécanismes d'attention, Q (Requête) représente ce que nous recherchons, K (Clé) représente ce que chaque élément contient, et V (Valeur) représente l'information à utiliser.
Question 29
Qu'est-ce que l'IA Constitutionnelle ?
A) IA qui suit la loi
B) Une approche où l'IA se critique elle-même en utilisant des principes définis
C) IA réglementée par le gouvernement
D) IA basée sur des documents constitutionnels
Afficher la réponse
Réponse correcte : B
L'IA Constitutionnelle (développée par Anthropic) est une approche d'entraînement où l'IA est entraînée à critiquer ses propres sorties selon un ensemble de principes définis.
Question 30
Pourquoi la qualité des données est-elle importante dans l'entraînement de l'IA ?
A) Elle affecte les coûts de stockage
B) Des données biaisées ou incorrectes conduisent à des modèles biaisés ou incorrects
C) Elle détermine la vitesse de traitement
D) Elle n'est pas vraiment importante
Afficher la réponse
Réponse correcte : B
La qualité des données est cruciale car "garbage in, garbage out"—des données d'entraînement biaisées, incorrectes ou limitées entraînent un modèle qui produit des sorties biaisées, incorrectes ou limitées.
Résultats
| Score | Niveau |
|---|---|
| 27-30 | Excellent - Forte compréhension des mécanismes de l'IA |
| 21-26 | Bon - Une révision pourrait être utile |
| 15-20 | Moyen - Relisez les chapitres |
| Moins de 15 | Nécessite une révision complète |