La différence principale entre l’IA Générative et l’IA Prédictive réside dans leur approche pour traiter les données et générer des réponses ou des prédictions.

🅰️ Les IA Génératives (ex. ChatGPT, Gemini, Mistral…) se concentrent sur la création de contenu nouveau à partir de données existantes. Elles créent des modèles qui peuvent générer de nouvelles informations à partir d’un ensemble de données d’entrée.

1️⃣ Elles utilisent en premier lieu un ENCODEUR pour apprendre les structures et les relations entre les données. Un encodeur est un réseau de neurones qui prend en entrée les données brutes et les encode dans un espace vectoriel de plus faible dimension. L’encodeur apprend à extraire les caractéristiques importantes des données d’entrée et à les représenter sous forme de vecteurs

2️⃣ Ensuite le DECODEUR, qui est aussi est un réseau de neurones, prend en entrée les vecteurs de l’espace vectoriel et les décode en données de sortie (voir article précédent).

3️⃣ L’ENCODEUR et le DECODEUR sont entraînés ensemble pour minimiser la différence entre les données d’entrée et les données de sortie. L’objectif est de trouver un espace vectoriel qui capture les caractéristiques importantes des données d’entrée et permet de générer des données réalistes.

4️⃣ Enfin le modele généré utilise le « fine-tuning » pour ajuster les paramètres du modèle pré-entrainé. Il y a alors modification de l’espace vectoriel et des hyperparamètres.

Donc l’objectif des IA Génératives est de reproduire et de reconnaître les caractéristiques du texte d’origine, tout en étant capable de produire des textes similaires sans avoir besoin de comprendre explicitement les règles grammaticales et les concepts.

🅱️ L’IA Prédictive fonctionne différemment. Elle vise à prévoir des événements futurs en analysant des données historiques et actuelles.

1️⃣ Ces systèmes prédictifs s’appuient sur des algorithmes statistiques et des modèles de Machine Learning (ML) et de Deep Learning (DL )pour identifier des motifs ou des signaux précurseurs, permettant ainsi de faire des inférences et des prédictions sur des événements futurs.

2️⃣ Ces systèmes ML s’appuient sur des algorithmes statistiques (Regression linéaires, Regression logistique, Arbre de decision, Random forest, Machine à vecteur de support, Naive Bayes, … et bien sur des réseaux de neurones).

3️⃣ Les méthodes d’apprentissage supervisé et non supervisé sont couramment utilisées pour entraîner les modèles prédictifs.

En conclusion, l’IA générative crée de nouvelles informations en exploitant les structures et les relations présentes dans les données d’entrée, tandis que l’IA Prédictive prédit les données futures en analysant les tendances et les patterns dans les données d’apprentissage.