Delete application_neo4j/static/notice/notice.md

application_neo4j/static/notice/notice.md

@@ -1,343 +0,0 @@
-Un outil pour explorer la généalogie des modèles d'IA en source ouverte 
-========================================================================
-
-Qu'est-ce qu'un modèle d'IA ?
-=============================
-
-### Son entraînement 
-
-Les champs d\'action de l\'IA sont vastes et semblent difficiles à
-circonscrire puisqu\'ils s\'étendent à de nombreux aspects du
-quotidien : que ce soit pour effectuer des recherches ou des achats en
-ligne, le ciblage publicitaire, la traduction automatique, les
-assistants numériques personnels, les villes connectées, mais aussi dans
-le domaine des transports, de la santé, etc.
-
-D'après l'[article
-3](https://artificialintelligenceact.eu/fr/article/3/) du règlement
-européen sur l'intelligence artificielle un système d\'IA peut être
-défini comme *«  un système basé sur une machine qui est conçu pour
-fonctionner avec différents niveaux d\'autonomie et qui peut faire
-preuve d\'adaptabilité après son déploiement, et qui, pour des objectifs
-explicites ou implicites, déduit, à partir des données qu\'il reçoit,
-comment générer des résultats tels que des prédictions, du contenu, des
-recommandations ou des décisions qui peuvent influencer des
-environnements physiques ou virtuels. »*
-
-Ces systèmes intègrent un ou plusieurs
-[modèles](https://www.cnil.fr/fr/definition/modele-ia) d'IA qu'il est
-possible de définir comme des algorithmes, dont le fonctionnement est
-déterminé par un ensemble d'attributs, et qui sont conçus pour opérer,
-selon les cas, différentes tâches, telles que la prédiction, la
-classification, l'inférence ou la génération. Par exemple, les modèles
-de réseaux de neurones profonds (*deep neural networks*) sont constitués
-de nœuds (les neurones), répartis selon des couches, et reliés entre eux
-par des connections possédant chacune un paramètre ou « poids ». Ces
-paramètres sont ajustés durant la phase d'entraînement pour apprendre la
-distribution statistique des données d'entraînement. Concrètement, dans
-le cas d'un réseau de neurone simple, les attributs du modèle pourraient
-être :
-
-(i) Le type et la taille de chaque couche (linéaire, convolutionnel,
-    attention, etc.),
-
-(ii) Les poids attribués à chaque arrête (parfois aussi appelés
-     « paramètres »),
-
-(iii) Les fonctions d'activations présentes entre chaque couche,
-
-(iv) Et possiblement d'autres opérations qui peuvent être situées au
-     sein ou entre les couches.
-
-![](notice_images/media/image1.png){width="4.517054899387577in"
-height="2.165915354330709in"}
-
-*[Figure 1 : Schéma d'un réseau neuronal (auteurs)]{.underline}*
-
-Par exemple, quand un réseau de neurones est entraîné pour reconnaître
-des images, il lui est fourni des exemples où les pixels de l'image sont
-associés à une annotation (ou « étiquette »). Le modèle ajuste alors ses
-paramètres, appelés « poids », pour apprendre à attribuer le bon label
-le plus souvent possible.
-
-La principale différence entre un modèle d'apprentissage profond et un
-programme informatique classique est que le modèle apprend de manière
-autonome les règles d'inférence à partir des données.
-
-Dans un programme classique, la résolution d\'une tâche repose sur un
-ensemble de règles explicites définies à l'avance par le développeur.
-Par exemple, pour trier une liste de nombres, l'ordre dans lequel
-comparer les éléments est programmé précisément. Ce type d'approche
-fonctionne très bien pour des tâches précises et délimitées, ce qui
-permet d'établir des règles claires pour les résoudre.
-
-À l'inverse, dans le cas d'un modèle d'apprentissage profond, les règles
-ne sont pas spécifiées directement. Il est plutôt fourni au modèle un
-grand volume de données d'exemples (dites « données d'entraînement »)
-pour permettre, dans la phase dite d'apprentissage, de trouver les
-régularités statistiques ou les stratégies qui permettent de résoudre la
-tâche. Cette approche permet d'automatiser des tâches beaucoup plus
-complexes pour lesquelles il serait extrêmement difficile, voire
-impossible, de définir toutes les règles à la main.
-
-### Son utilisation
-
-Nous allons maintenant explorer certaines des tâches complexes que les
-modèles d'IA peuvent résoudre. Une fois qu'un modèle a été entraîné, il
-peut être utilisé tel quel, sans modification supplémentaire, pour
-effectuer automatiquement des tâches spécifiques. C'est ce qu'on appelle
-la phase d'inférence. À ce moment-là, le modèle reçoit une entrée (par
-exemple une image, un texte, ou un signal audio) et produit une sortie
-en fonction de ce qu'il a appris lors de l'entraînement. Il agit alors
-comme une « boîte noire » : il applique les régularités qu'il a
-intégrées, sans modifier sa structure interne ni apprendre de nouvelles
-choses.
-
-Prenons l'exemple de la traduction automatique. Un modèle basé sur un
-réseau de neurones entraîné sur des millions de paires de phrases en
-espagnol et en anglais peut être utilisé, à l'inférence, pour traduire
-automatiquement un nouveau texte de l'anglais vers l'espagnol. Les
-règles linguistiques ne sont pas explicitement implémentées dans le
-modèle, mais il a appris à faire correspondre des séquences de mots en
-s'appuyant sur des régularités statistiques présentes dans les données
-d'entraînement.
-
-Autre exemple, les modèles « *image-to-text* » permettant la génération
-de légendes d'images. Il est possible d'entraîner un modèle à associer
-des images avec des descriptions textuelles. Une fois entraîné, il est
-capable de recevoir une nouvelle image, par exemple, une photo de chien
-courant dans un parc, et de générer automatiquement une phrase du type :
-« Un chien court sur l'herbe dans un parc ».
-
-![](notice_images/media/image2.png){width="6.3in"
-height="1.5097222222222222in"}
-
-*[Figure 2 -- Exemple de description textuelle d'une image (source :
-https://imagedescriber.online/fr)]{.underline}*
-
-Ces cas d'usage illustrent la puissance des avancées de l'apprentissage
-profond dans l'automatisation de tâches complexes, souvent subjectives
-ou ambiguës, pour lesquelles il serait difficile voire impossible
-d'écrire des règles explicites à la main.
-
-### Ses dérivés : *finetuning*, *merge*, *quantization*\...
-
-Toutefois, pour adapter plus finement un réseau de neurones à une tâche
-spécifique, optimiser ses performances, ou encore réduire ses coûts
-d\'exécution, plusieurs transformations peuvent être effectuées à partir
-d'un modèle initial pré-entraîné.
-
-Ces modifications sont très fréquentes dans l'écosystème en source
-ouverte (*open source*) et permettent, à partir d'un ou plusieurs
-modèles initiaux, et possiblement de données supplémentaires, de créer
-de nouveaux modèles. Parmi ces transformations qui apparaissent entre un
-modèle cible et un modèle source, nous pouvons en mentionner quatre
-types :
-
--   Ajustement (*finetune*) : le modèle d'origine est un modèle général
-    > qui parfait son entrainement sur un jeu de données spécifique afin
-    > d'améliorer ses performances pour une tâche plus précise (par
-    > exemple : un grand modèle de langage (LLM), initialement entraîné
-    > sur des sources internet librement accessibles, est ajusté sur les
-    > données métiers d'une entreprise, afin de mieux maîtriser le
-    > vocabulaire et les expressions métiers de celle-ci).
-
--   Quantification (*quantized*) : la précision des poids du modèle
-    > d'origine est réduite afin de diminuer son empreinte en mémoire
-    > (par exemple : le poids sont initialement encodés sur 32 bits, et
-    > sont arrondis au nombre codé sur 16 bits le plus proche).
-
--   Adaptation (*adapter*) : le modèle d'origine est ajusté pour pouvoir
-    > être utilisée avec peu de ressources de calcul (par exemple pour
-    > pouvoir être utilisé sur téléphone portable), la plupart du temps
-    > basée sur la technique de [*Low Rank
-    > Adaptation*](https://arxiv.org/abs/2106.09685) (LoRA).
-
--   Fusion (*merge) :* les couches de différents modèles sont mélangées
-    > afin d'améliorer leur performance. Par exemple : un LLM A et un
-    > LLM B ont tous les deux été entraînés sur des corpus généraux de
-    > texte. La moyenne des poids qui se situent dans la 12^e^ couche de
-    > A et B est effectué : il apparaît que le LLM C obtenu en
-    > remplaçant dans A la 12^e^ couche par la moyenne des couches de A
-    > et B a des meilleures performances que A et B.
-
-Une plateforme pour l'IA en source ouverte : *HuggingFace*
-==========================================================
-
-Afin de permettre le partage et la mise à disposition de modèles d'IA
-pour et par le plus grand nombre, l'entreprise franco-américaine
-HuggingFace, créée en 2016, a développé une plateforme *de*
-centralisation des modèles et jeux de données. Elle propose aussi des
-outils logiciels pour déployer des modèles d'IA. C'est la plateforme qui
-recense aujourd'hui le plus de modèles en source ouverte disponibles (de
-deux millions de modèles disponibles en septembre 2025) et qui joue un
-rôle de catalyseur de l'écosystème de l'IA en source ouverte.
-
-Voici un exemple concret pour comprendre comment fonctionne cette
-plateforme :
-
--   L'utilisateur C a pour objectif la création d'un modèle permettant
-    la détection automatique de courriels frauduleux.
-
--   L'utilisateur A a publié sur HuggingFace un modèle de traitement du
-    langage automatique (exemple : Google a publié
-    [google/gemma-3-27b-it · Hugging
-    Face](https://huggingface.co/google/gemma-3-27b-it)) et
-    l'utilisateur B a publié un jeu de données contenant des millions de
-    courriels classés comme frauduleux ou non.
-
--   L'utilisateur C peut télécharger ce modèle et ce jeu de données.
-    Ensuite, il entraîne le modèle sur ce jeu de données afin de le
-    spécifier pour sa tâche de classification. Une fois qu'il obtient un
-    modèle de classification automatique avec de bons résultats, il peut
-    publier son nouveau modèle sur HuggingFace afin que n'importe quel
-    utilisateur puisse l'utiliser tel quel ou l'entraîner de nouveau sur
-    d'autres jeux de données pour améliorer ses performances.
-
-![](notice_images/media/image3.png){width="6.267823709536308in"
-height="2.0866141732283463in"}
-
-*[Figure 3 : Exemple d'utilisation de HuggingFace]{.underline}*
-
-En somme, *HuggingFace* est une plateforme qui fournit des outils pour
-construire, entraîner et déployer des modèles d\'apprentissage profond
-basés sur des technologies et du code en source ouverte. Il offre
-également un espace où chercheurs, ingénieurs et amateurs peuvent se
-réunir pour échanger des idées, obtenir du soutien et contribuer à des
-projets en source ouverte.
-
-### Bienfaits de l\'IA en source ouverte
-
-L'essor de l'IA en source ouverte montre que des modèles puissants et en
-partie transparents peuvent rivaliser avec les solutions propriétaires
-tout en stimulant l'innovation collective. Le modèle
-[BLOOM](https://fr.wikipedia.org/wiki/BLOOM_(mod%C3%A8le_de_langage))
-(176 milliards de paramètres, 2022) développé par le consortium
-BigScience ([voir l'entrevue avec le
-LINC](https://linc.cnil.fr/bigscience-il-faut-promouvoir-linnovation-ouverte-et-bienveillante-pour-mettre-le-respect-de-la-vie))
-illustre cette dynamique : entraîné sur 46 langues, il a permis le
-développement d'assistants conversationnels multilingues en Afrique, en
-Amérique latine et dans le monde arabe, là où les modèles commerciaux
-restaient peu adaptés aux langues locales.
-
-De même, [GPT-J et GPT-NeoX](https://www.eleuther.ai/) (EleutherAI),
-Vicuna (**LMSYS**) ont servi de base à des projets en source ouverte qui
-ont permis à des universités et startups de créer des *chatbots*
-spécialisés sans dépendre de services fermés. Ces modèles ont également
-rendu possible la [recherche sur la détection de
-biais](https://arxiv.org/pdf/2503.15815) et la [robustesse des grands
-modèles de langage](https://arxiv.org/pdf/2307.15043).
-
-Dans le domaine de la vision, [Stable
-Diffusion](https://en.wikipedia.org/wiki/Stable_Diffusion) (**Stability
-AI**) a bouleversé la création visuelle : les poids du modèle ont été
-mis à disposition gratuitement, il a ouvert la voie à des applications
-dans le jeu vidéo, la publicité et la production audiovisuelle
-(génération d'images de concept, storyboards, design rapide). Son code
-en source ouverte a permis la création d'outils comme
-[Automatic1111](https://en.wikipedia.org/wiki/Automatic1111) ou
-[ComfyUI](https://en.wikipedia.org/wiki/ComfyUI), utilisés par des
-centaines de milliers d'artistes et de chercheurs.
-
-L'impact est aussi industriel :
-[LLaMA](https://fr.wikipedia.org/wiki/LLaMA) (Meta), initialement
-diffusé à la communauté de recherche, a donné naissance à toute une
-génération de modèles dérivés (Zephyr, Nous-Hermes, OpenChat, etc.)
-utilisés aujourd'hui pour des tâches concrètes de support client, de
-résumé de documents juridiques ou médicaux, et même de prototypage de
-code.
-
-Enfin, dans le domaine scientifique, des projets comme
-[BioGPT](https://huggingface.co/microsoft/biogpt) (Microsoft Research)
-ou [OpenFold](https://openfold.io/) (inspiré d'AlphaFold) démontrent
-comment l'ouverture du code et des poids accélère la recherche
-biomédicale, en permettant à des laboratoires indépendants de reproduire
-et d'améliorer des résultats sur la prédiction de structures protéiques
-ou la recherche de molécules.
-
-Ces réussites montrent que la source ouverte ne se limite pas à la
-réutilisation de modèles : elle permet une appropriation technologique,
-une adaptation locale et une innovation ouverte dans des domaines aussi
-variés que la création artistique, la santé, l'éducation, la science des
-données et les industries culturelles.
-
-Néanmoins, un certain niveau d'opacité peut demeurer dans la façon dont
-ces modèles sont constitués : avec quelles données ? Avec quel
-algorithme d'entraînement ? Pour aller plus loin, une [note de la
-CNIL](https://www.cnil.fr/sites/cnil/files/2024-06/note_d_analyse_sur_les_pratiques_open_source_en_ia.pdf)
-ainsi qu'une note du
-[PEReN](https://www.peren.gouv.fr/rapports/2024-04-03_Eclairage%20sur_OpenSource-IAG_FR.pdf)
-sont disponibles sur le sujet.
-
-Enjeux pour la vie privée
-=========================
-
-### La mémorisation des modèles d'IA
-
-La communauté scientifique a établi de longue date, qu'il est souvent
-possible d'extraire des informations sur les données à partir desquelles
-un modèle d'IA est entraîné, à partir d'un accès même partiel au modèle
-(voire à ce sujet [l'article LINC sur la taxonomie des
-attaques](https://linc.cnil.fr/petite-taxonomie-des-attaques-des-systemes-dia)).
-Dans le cas de l'IA générative, un modèle peut par exemple reproduire du
-texte ou des images qui sont très proches de données qui étaient
-présentent dans son jeu de données d'entraînement. Dans la figure
-ci-dessous, nous voyons que quand il est demandé au modèle de *stable
-diffusion* de générer une image correspondant à la légende « Emma Watson
-to play Belle in Disneys Beauty and the Beast », l'image générée en
-sortie correspond de très près à une image qui était présente dans la
-base d'entraînement. Il s'agit de **régurgitation (voir figure
-ci-dessous), qui n'est qu'un des avatars de la mémorisation. Il est par
-exemple parfois possible d'obtenir d'autres types d'informations, telle
-que l'appartenance d'une donnée particulière au jeu d'entraînement, à
-l'aide de méthodes statistiques (attaques par inférence
-d'appartenance).**
-
-![](notice_images/media/image4.png){width="6.3in"
-height="3.74325678040245in"}
-
-[Figure]{.underline} [4 - Source Louis Hunt (Linkedin)\
-Source photo originale : ONU Femmes]{.underline}
-
-Pour les modèles de texte comme les chatbots, des cas emblématiques de
-régurgitations sont déjà largement documentés, comme l'observation
-qu'une version de ChatGPT a été capable de générer presque à l'identique
-des [articles du New York
-Times](https://www.lemonde.fr/pixels/article/2023/12/27/le-new-york-times-poursuit-en-justice-microsoft-et-openai-createur-de-chatgpt-pour-violation-de-droits-d-auteur_6207946_4408996.html),
-ou bien de fournir des informations personnelles telles que [le nom,
-l'adresse et le numéro de téléphone d'une
-personne](https://arxiv.org/pdf/2311.17035) (voir notre article sur le
-sujet).
-
-### Le RGPD et les modèles d'IA 
-
-Dès lors qu'il est en général possible d'extraire des informations
-concernant la base d'entraînement d'un modèle d'IA à partir de celui-ci,
-quel régime juridique doit s'appliquer à celui-ci si le jeu
-d'entraînement contient des données personnelles ? C'est ce qu'a
-clarifié le Comité européen de protection des données dans [son avis
-28/2024 sur les modèles
-d'IA](https://www.edpb.europa.eu/our-work-tools/our-documents/opinion-board-art-64/opinion-282024-certain-data-protection-aspects_en),
-sur lesquelles se basent les [dernières recommandation de la
-CNIL](https://www.cnil.fr/fr/ia-analyser-le-statut-dun-modele-dia-au-regard-du-rgpd).
-En particulier, l'avis conclut que le RGPD doit s'appliquer dans de
-nombreux cas aux modèles d'IA lorsqu'ils ont été entraînés sur des
-données personnelles, en raison de leur capacité de mémorisation.
-
-### Exercer ses droits sur des modèles d'IA
-
-Pour les modèles d'IA soumis au RGPD, les personnes concernées par la
-mémorisation ont des droits sur leurs données, tels que le droit
-d'opposition, d'accès ou d'effacement. Il faut noter que ces droits ne
-sont pas absolus, et qu'un responsable de traitement peut y déroger dans
-plusieurs situations, par exemple lorsque la demande est manifestement
-infondée ou excessive (article 12), ou bien que celui-ci n'est pas en
-mesure d'identifier la personne concernée (pour plus de détail, voir
-[fiche sur l'exercice des
-droits](https://www.cnil.fr/fr/ia-respecter-lexercice-des-droits-des-personnes)).
-
-Dans un contexte où les instances européennes confirment que le droit à
-la protection des données s'applique également aux modèles d'IA, la CNIL
-souhaite étudier les conditions dans lesquelles ceux-ci pourraient
-s'appliquer au sein de l'écosystème très dynamique de l'IA en source
-ouverte.