Torras.ai

Introduction

Les utilisateurs professionnels ont historiquement évité le codage. Ils se reposent souvent sur des outils sans code, qui, bien que utiles, manquent des capacités des langages de programmation modernes. Cependant, avec l'introduction de l'IA générative, comme GPT-4, la situation est en train de changer. Les utilisateurs professionnels peuvent désormais utiliser la puissance de langages de programmation complexes tels que Python et Java, ouvrant de nouvelles possibilités pour créer des solutions plus avancées et efficaces.

Formules Excel

Microsoft Excel est un outil indispensable pour de nombreux utilisateurs professionnels. Les formules Excel permettent aux utilisateurs d'effectuer un large éventail de calculs et de manipulations de données. Par exemple, une formule complexe pourrait ressembler à ceci :

 =SI(B2 > 50000, B2 * 0.1, SI(B2 >= 30000, B2 * 0.075, B2 * 0.05)) +
   SI(C2 > 95, 500, SI(C2 >= 90, 250, 0)) *
   SI(D2 = "Excellent", 1.2, SI(D2 = "Good", 1.1, 1.0))

Cette formule calcule un paiement de bonus basé sur trois facteurs : la performance des ventes, la présence et la note de performance. Les utilisateurs professionnels peuvent souvent créer des formules complexes qui rivalisent en complexité avec des extraits de code développés par des ingénieurs logiciels expérimentés utilisant un langage de programmation.

Cela équivaudrait à la même formule en utilisant Python :

 df['E'] = df.apply (
   lambda row: 
       (row['B'] * 0.1 if row['B'] > 50000 else (row['B'] * 0.075
         if row['B'] >= 30000 else row['B'] * 0.05)) +
       ((500 if row['C'] > 95 else (250 if row['C'] >= 90 else 0)) *
       (1.2 if row['D'] == "Excellent" else (1.1 if row['D'] == "Good" else 1.0))),
   axis=1
 )

Cet extrait de code a été généré par GPT-4 avec la simple requête "quelle serait l'équivalent en Python de cette formule Excel". Malgré cela, les capacités d'Excel sont intrinsèquement limitées par rapport aux langages de programmation complets.

SQL

SQL (Structured Query Language) a été développé comme un langage de quatrième génération conçu pour les utilisateurs professionnels pour gérer et interroger des bases de données relationnelles. Malgré son intention initiale, l'utilisation de SQL est restée principalement dans le domaine des ingénieurs logiciels qui l'utilisent aux côtés d'autres langages comme Python ou PHP. SQL permet une manipulation et une récupération de données puissantes, telles que :

 SELECT nom_employé, SUM(ventes)
 FROM données_ventes
 GROUP BY nom_employé;

Cette requête récupère les noms des employés et la somme de leurs ventes à partir de la table données_ventes, regroupant les résultats par nom d'employé. La robustesse et la flexibilité de SQL en font un outil essentiel dans les environnements axés sur les données.

Pour générer cette requête SQL en utilisant GPT-4, nous avons fourni une requête simple : "Écrivez une requête SQL pour récupérer les ventes totales pour chaque employé."

Google Colab

Google Colab, abréviation de Google Colaboratory, est une plateforme cloud gratuite fournie par Google qui permet aux utilisateurs d'écrire et d'exécuter du code Python via un navigateur web. Il est particulièrement populaire pour la science des données, l'apprentissage automatique et les projets d'apprentissage profond en raison de son intégration transparente avec des bibliothèques Python populaires comme TensorFlow, Keras et PyTorch. Colab offre un accès gratuit à des ressources informatiques puissantes, y compris des GPU et des TPU, en faisant un outil accessible et pratique pour les chercheurs, les étudiants et les professionnels qui ont besoin d'une puissance de calcul significative pour leurs projets.

Mon expérience avec les programmes d'IA pour les entreprises

En tant que directeur de programme de plusieurs programmes IA comme outil stratégique dans des écoles de commerce comme EADA Business School ou ADEN Business School, conçus pour les étudiants ayant une formation en affaires, je me suis initialement appuyé sur des outils sans code pour enseigner l'apprentissage automatique. Bien que conviviaux, ces outils se sont avérés assez limités.

Ensuite, j'ai pensé que si les utilisateurs professionnels peuvent maîtriser des formules complexes avec Microsoft Excel, il n'y a aucune raison pour laquelle ils ne peuvent pas apprendre l'apprentissage automatique en utilisant GPT-4 comme principal outil de génération de code.

Par conséquent, j'ai fait passer mes étudiants à l'utilisation de cahiers Google Colab, en exploitant GPT-4 pour générer le code Python nécessaire et Kaggle pour explorer des ensembles de données potentiels.

Je craignais que les utilisateurs professionnels trouvent ces plateformes trop techniques ou inadaptées à leurs besoins. Cependant, la réalité a prouvé le contraire. Les étudiants ont adopté la combinaison de Colab et de GPT-4, les utilisant pour créer des applications d'apprentissage automatique complètes avec régression linéaire, arbres de décision et réseaux neuronaux. Ils ont découvert à quel point GPT-4 pouvait améliorer leurs connaissances, produire des visualisations et résoudre des problèmes.

La puissance de l'IA générative

L'IA générative comble le fossé entre les utilisateurs professionnels et l'ingénierie logicielle. Pour ceux qui sont familiers avec des outils comme Excel, la transition à l'utilisation de Python, des DataFrames et des bibliothèques d'apprentissage automatique est gérable. Des outils d'IA générative comme GPT-4, Claude et Gemini permettent aux utilisateurs professionnels de créer des applications sophistiquées. Le graphique ci-dessous illustre cette transformation :

Réduire l'écart de compétences

Le graphique met en évidence les capacités et les niveaux de difficulté de différents outils. Initialement, les utilisateurs professionnels sont compétents avec les formules Microsoft Excel, qui offrent des capacités modérées avec une faible difficulté. SQL, conçu pour être convivial, demande en réalité plus d'expertise technique, donc moins d'utilisateurs professionnels l'utilisent directement.

Avec l'introduction de l'IA générative, les utilisateurs professionnels peuvent contourner les barrières traditionnelles. L'IA générative offre un chemin d'Excel directement vers des langages de programmation complexes, contournant les courbes d'apprentissage abruptes associées à ces outils. Ce saut est représenté par les flèches vertes, indiquant la réduction significative de la difficulté lors de l'utilisation d'outils d'IA pour aider à la programmation.

Voici un exemple de code généré par GPT-4 qu'une personne non technique a utilisé pour créer une application d'apprentissage automatique. Cette application utilise la régression linéaire pour déterminer quand un prêt devrait être commercialisé aux clients potentiels.

 # Définir les colonnes de caractéristiques et la variable cible
 caractéristiques = ['âge', 'expérience', 'revenu', 'famille', 'ccavg', 'éducation', 
   'hypothèque', 'compte_valeurs', 'compte_à_terme', 'en_ligne', 
   'carte_de_crédit', 'revenu_moyen', 'revenu_imputé', 
   'pourcentage_diff_revenu', 'a_hypothèque']
 cible = 'prêt_personnel'

 # Diviser les données en ensembles d'entraînement et de test
 X = données[caractéristiques]
 y = données[cible]
 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

 # Créer le modèle de régression linéaire
 modèle = RégressionLinéaire()

 # Entraîner le modèle
 modèle.fit(X_train, y_train)

 # Prédire en utilisant l'ensemble de test
 y_pred = modèle.predict(X_test)

 # Évaluer le modèle
 mse = mean_squared_error(y_test, y_pred)
 r2 = r2_score(y_test, y_pred)

 print(f'Erreur quadratique moyenne : {mse}')
 print(f'R-carré : {r2}')

Collaboration future

Les ingénieurs logiciels expérimentés continueront sans aucun doute à collaborer avec les utilisateurs professionnels pour développer des applications innovantes. Cependant, la capacité des utilisateurs professionnels à utiliser les bibliothèques d'apprentissage automatique aussi facilement qu'ils utilisent Excel aujourd'hui ouvrira une nouvelle ère d'innovation et de perturbation.

Je suis ravi d'assister et de contribuer à cette période transformative dans l'éducation commerciale. Au lieu de craindre que GPT-4 et des outils similaires rendent les tâches "trop faciles" pour les étudiants, je les encourage à repousser les limites de ce que l'IA générative peut accomplir, les habilitant à atteindre de nouveaux sommets dans leurs capacités.

Google Colab, GPT-4 et Kaggle sont devenus des outils indispensables dans mon enseignement, permettant aux étudiants sans formation en informatique d'explorer, d'analyser et de modéliser les données de manière efficace. La combinaison de ces plateformes offre des opportunités sans précédent aux utilisateurs professionnels pour créer de la valeur et stimuler l'innovation.