Pour comprendre l'IA et la coder, il faut distinguer deux choses : le concept (comment ça "pense") et l'outil (le langage de programmation).

Voici une explication simple, suivie d'un exemple concret.

1. Comment fonctionne une Intelligence Artificielle ?

Contrairement à un programme classique où un développeur écrit des règles strictes (ex: "SI la lumière est rouge, ALORS arrête"), une IA moderne (apprentissage automatique ou Machine Learning) fonctionne par l'expérience.

Imaginez que vous voulez apprendre à un enfant à reconnaître un chat. Vous ne lui décrivez pas mathématiquement un chat (oreilles pointues, moustaches, etc.). Vous lui montrez plutôt 1 000 photos de chats et d'autres animaux, et vous corrigez ses erreurs. Finalement, son cerveau associe les motifs visuels au concept "chat".

L'IA fonctionne exactement de la même manière grâce aux Réseaux de Neurones Artificiels :

1 La structure (Le réseau) : C'est une imitation simplifiée du cerveau humain, composé de couches de "neurones" virtuels connectés entre eux.

2 Les données (L'entraînement) : On nourrit l'IA avec une immense quantité de données (textes, images, chiffres).

3 L'ajustement (Les poids) : Chaque connexion entre neurones a une "force" (appelée poids ou weight). Au début, ces forces sont aléatoires. L'IA fait une prédiction, compare avec la vraie réponse, et corrige ces forces millimètre par millimètre pour réduire l'erreur.

4 Le modèle : Après des millions de corrections, le réseau est "entraîné". Il ne contient pas de règles, mais une structure mathématique capable de généraliser.

2. Quel langage doit-on employer ?

Le langage roi de l'IA aujourd'hui est Python.

Pourquoi ?

• Simplicité : Il est facile à lire et à écrire.

• Écosystème : Il possède des bibliothèques (des boîtes à outils géantes) déjà prêtes qui font les calculs complexes pour vous. Les plus célèbres sont TensorFlow (de Google) et PyTorch.

Si vous deviez coder une IA en langage C ou en Assembleur, cela prendrait des années. En Python, cela peut prendre quelques lignes.

3. Exemple concret : Créer sa propre IA

Nous allons créer une IA très simple qui apprend une relation mathématique. Disons que nous voulons qu'elle devine la loi de conversion entre les Degrés Celsius et les Degrés Fahrenheit.

La formule est :

F=C×1.8+32

. L'IA ne connaîtra pas cette formule au départ. Elle va devoir la deviner seule en regardant des exemples.

Vous pouvez copier ce code (nécessite Python et la bibliothèque TensorFlow).

Le Code (Python)

python

import tensorflow as tf

import numpy as np

# 1. LES DONNÉES D'ENTRAÎNEMENT

# On donne à l'IA des exemples : 0°C = 32°F, 10°C = 50°F, etc.

celsius_q = np.array([-40, -10, 0, 8, 15, 22, 38], dtype=float)

fahrenheit_a = np.array([-40, 14, 32, 46, 59, 72, 100], dtype=float)

# 2. CRÉATION DU MODÈLE (Un seul neurone, pour une relation simple)

# l0 = layer 0 (couche 0), units = 1 (1 seul neurone), input_shape = [1] (1 donnée à la fois)

model = tf.keras.Sequential([

tf.keras.layers.Dense(units=1, input_shape=[1])]) 

# 3. COMPILATION

# L'optimisateur est "comment l'IA apprend" (Adam)

# La fonction de perte est "comment l'IA mesure son erreur" (mean squared error)

model.compile(optimizer=tf.keras.optimizers.Adam(0.1), loss='mean_squared_error')

# 4. ENTRAÎNEMENT

# On lance l'IA sur les données 500 fois (epochs)

print("Entraînement en cours...")

history = model.fit(celsius_q, fahrenheit_a, epochs=500, verbose=False)

print("Entraînement terminé !")

# 5. PRÉDICTION

# On demande à l'IA : Quelle est la température en Fahrenheit pour 100.0 °C ?

print("\nTest : L'IA prédit que 100°C font :")

print(model.predict([100.0]))

# 6. VERIFICATION DES VARIABLES INTERNES

# L'IA a trouvé deux nombres : un "poids" (multiplication) et un "biais" (addition)

print(f"\nVariables internes de l'IA : Poids = {model.layers[0].get_weights()[0][0]}, Biais =

{model.layers[0].get_weights()[1][0]}")

Ce qui va se passer :

1 Initialisation : Au début, l'IA est stupide. Si vous lui demandez 100°C, elle vous   répondra peut-être 5°F.

2 Entraînement (Loop) : Le code va faire passer les données 500 fois.

◦ L'IA essaie une valeur.

◦ Elle voit qu'elle a tort (perte élevée).

◦ L'optimisateur Adam ajuste mathématiquement les connexions internes pour réduire l'erreur.

3 Résultat : À la fin, l'IA va vous donner environ 212°F (ce qui est correct pour 100°C).

4 La magie : Si vous regardez la dernière ligne du code (Variables internes), vous verrez que l'IA a trouvé toute seule que le Poids est proche de 1.8 et le Biais est proche de 32.

Elle a "réinventé" la formule physique sans jamais l'avoir lue !

Pour aller plus loin

Pour débuter, installez Python et Jupyter Notebook. Ensuite, suivez des tutoriels sur le site TensorFlow ou Kaggle. C'est le meilleur moyen de mettre les mains dans le cambouis sans se perdre dans la théorie mathématique lourde.