Alors que les robots ne font pas encore le café (mais presque), plus de 140 syndicalistes, universitaires et militants se sont réunis le 26 mars à l’UQAM pour discuter d’un sujet aussi brûlant que les cordes vocales d’un professeur syndical en fin de journée : l’intégration de l’intelligence artificielle (IA) en milieu de travail.
Organisé par le trio CSN-CSQ-FTQ avec l’UQAM en mode pont entre les mondes, le forum s’annonçait comme un buffet de contenus critiques, de cas concrets et de jus neuronaux. On y a parlé de surveillance, d’autonomie, de droits, de gestion algorithmique… mais avec un petit angle mort bien commode : et si l’IA nous dépassait vraiment?
Parce que pendant qu’on dissèque l’effet de Copilot sur les horaires et qu’on débat des caméras dans les camions, l’actualité technologique, elle, fonce à la vitesse d’un serveur dopé à la quantique. On aurait aimé entendre parler d’IA auto-évolutive – ces systèmes capables de s’améliorer seuls, comme DeepSeek qui double sa vitesse pendant qu’on sirote un café syndical. Et que dire de l’IA générale (AGI), cette chimère bien réelle qui pourrait concurrencer, voire surpasser, nos plus brillants cerveaux? On attendait cette discussion. Elle n’est jamais venue.
Et pourtant, la vraie question est là : que feront les syndicats quand les employeurs, équipés d’AGI, commenceront à négocier avec des avatars d’avocats IA plus rapides qu’une clause 47.2? Spoiler : ils le font déjà. Alors, au lieu de juste sortir les pancartes et les clauses de convention collective, pourquoi ne pas sortir… les algorithmes?
💡 L’IA, un allié potentiel du mouvement syndical
Imaginez : une IA syndicale qui détecte automatiquement les iniquités salariales, optimise la gestion des griefs, analyse les données historiques pour battre l’employeur à son propre jeu pendant les négociations. Un coéquipier digital, pas un remplaçant, mais un renfort. Et pourquoi pas une plateforme d’engagement syndical boostée à l’IA, qui mobilise mieux que mille courriels jamais lus?
Mieux encore, l’IA pourrait devenir un outil de veille stratégique. En analysant les signaux faibles dans les discours de direction, les mouvements du marché du travail ou les projets de loi, elle permettrait aux syndicats de passer du mode défensif au mode prédictif. Une IA capable de sonner l’alarme avant que la réforme arrive, de repérer l’effet domino avant la chute.
Il ne s’agit pas de fantasmer une utopie techno-syndicale, mais de reconnaître que le rapport de force se joue aussi dans les lignes de code. Si les syndicats n’investissent pas dans leur propre écosystème numérique, ils laisseront le champ libre à des employeurs bardés de consultants, de tableaux de bord prédictifs et d’algorithmes de gestion « neutres » (entendre : orientés profit).
🚨 Syndicats 2.0 ou syndicalisme en voie d’extinction ?
Parce que si les syndicats refusent d’entrer dans l’arène numérique, ils risquent fort de se faire remplacer par un chatbot patronal à cravate. Comme dans les guerres modernes avec les drones : celui qui ne les utilise pas, les subit.
Et ne comptons pas trop sur une réglementation qui viendra tout arranger. L’IA open source évolue plus vite qu’un projet de loi en commission parlementaire. Attendre le cadre législatif parfait pour agir, c’est comme attendre la neige en juillet pour sortir la souffleuse. Il faut y aller. Maintenant.
🤖 Conclusion : s’armer ou subir
L’IA ne va pas disparaître. Elle ne va pas non plus attendre qu’on la réglemente gentiment en deux paragraphes. Le futur du syndicalisme n’est pas dans la méfiance seule, mais dans la maîtrise de ces nouveaux outils. Et ça tombe bien : avec l’open source, le code est dans la rue. Il ne reste plus qu’à le mettre dans les mains des travailleuses et travailleurs.
À méditer avant le prochain forum. Et peut-être aussi à coder un peu entre deux assemblées générales.
Salut les passionnés d’astronomie et les codeurs curieux ! Aujourd’hui, je vous propose un voyage interstellaire à travers un script Python qui utilise l’API locale d’Ollama pour générer des définitions et des notes explicatives sur des objets astronomiques. 🌌✨
Pourquoi ce script est-il génial ?
Imaginez que vous avez un fichier Excel rempli de données sur des objets célestes, mais vous avez besoin de descriptions détaillées et de notes explicatives pour chaque type et sous-type d’objet. C’est là que notre script entre en jeu ! Il parcourt chaque ligne de votre fichier Excel, envoie des requêtes à l’API d’Ollama pour obtenir des définitions en français, et sauvegarde les résultats dans un nouveau fichier Excel. Et le meilleur dans tout ça ? Si un type ou un sous-type d’objet a déjà été traité, le script réutilise la définition précédemment générée pour éviter des appels redondants à l’API. 🚀
Origine du Fichier Excel
Le fichier Excel utilisé dans ce script provient du Catalogue Exotica de Breakthrough Listen, un projet de recherche de l’Université de Californie à Berkeley. Le Catalogue Exotica est une collection de plus de 700 objets célestes distincts, visant à inclure « un de chaque » type d’objet astronomique connu. Il comprend des exemples de chaque type dans l’échantillon Prototype, des objets extrêmes avec des propriétés record dans l’échantillon Superlative, et des cibles énigmatiques dans l’échantillon Anomaly. 🌠
Le fichier Excel a été extrait du code source de l’article scientifique « One of Everything: The Breakthrough Listen Exotica Catalog » disponible sur arXiv. La conversion du tableau LaTeX en fichier Excel a été réalisée à l’aide du convertisseur en ligne disponible sur TableConvert.
Prérequis
Avant de plonger dans le code, assurez-vous d’avoir les éléments suivants :
Python 3.x
Bibliothèque pandas
Bibliothèque requests
API locale d’Ollama accessible à l’adresse http://localhost:11434/api/generate
Fichier Excel updated_table.xlsx avec les colonnes Type, Sous-Type, et Exemple
Installation des Prérequis
Installer Python 3.x : Vous pouvez télécharger et installer Python à partir du site officiel python.org.
Installer les bibliothèques nécessaires :pip install pandas requests openpyxl
Configurer l’API locale d’Ollama : Assurez-vous que l’API locale d’Ollama est accessible à l’adresse http://localhost:11434/api/generate.
Le Script Magique 🪄
Voici le script complet avec des commentaires détaillés en français et en anglais :
# -*- coding: utf-8 -*-
# This program is free software: you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation, either version 3 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program. If not, see <https://www.gnu.org/licenses/>.
# Description:
# This script uses the local Ollama API to generate definitions and explanatory notes
# on astronomical objects from an Excel file. The script iterates over each row of the
# Excel file, sends requests to the API to obtain definitions in French, and saves the
# results in a new Excel file. If a type or subtype of object has already been processed,
# the script reuses the previously generated definition to avoid redundant API calls.
#
# Description :
# Ce script utilise l'API locale d'Ollama pour générer des définitions et des notes explicatives
# sur des objets astronomiques à partir d'un fichier Excel. Le script parcourt chaque ligne du
# fichier Excel, envoie des requêtes à l'API pour obtenir des définitions en français, et sauvegarde
# les résultats dans un nouveau fichier Excel. Si un type ou un sous-type d'objet a déjà été traité,
# le script réutilise la définition précédemment générée pour éviter des appels redondants à l'API.
# Origin of the Excel file:
# The Excel file used in this script comes from the Breakthrough Listen Exotica Catalog,
# a research project at the University of California, Berkeley. The Exotica Catalog is a
# collection of over 700 distinct celestial objects, aiming to include "one of everything"
# type of astronomical object known. It includes examples of each type in the Prototype sample,
# extreme objects with record properties in the Superlative sample, and enigmatic targets in the Anomaly sample.
#
# The Excel file was extracted from the source code of the scientific article "One of Everything:
# The Breakthrough Listen Exotica Catalog" available on arXiv. The conversion of the LaTeX table
# to an Excel file was done using the online converter available on TableConvert.
#
# Origine du fichier Excel :
# Le fichier Excel utilisé dans ce script provient du Catalogue Exotica de Breakthrough Listen,
# un projet de recherche de l'Université de Californie à Berkeley. Le Catalogue Exotica est une
# collection de plus de 700 objets célestes distincts, visant à inclure "un de chaque" type d'objet
# astronomique connu. Il comprend des exemples de chaque type dans l'échantillon Prototype, des objets
# extrêmes avec des propriétés record dans l'échantillon Superlative, et des cibles énigmatiques dans
# l'échantillon Anomaly.
#
# Le fichier Excel a été extrait du code source de l'article scientifique "One of Everything:
# The Breakthrough Listen Exotica Catalog" disponible sur arXiv. La conversion du tableau LaTeX
# en fichier Excel a été réalisée à l'aide du convertisseur en ligne disponible sur TableConvert.
# Import necessary libraries
# Importer les bibliothèques nécessaires
import pandas as pd
import requests
import json
# Load the Excel file
# Charger le fichier Excel
print("Loading the Excel file...")
print("Chargement du fichier Excel...")
df = pd.read_excel('updated_table.xlsx', engine='openpyxl')
print("Excel file loaded successfully.")
print("Fichier Excel chargé avec succès.")
# Dictionaries to store already generated definitions
# Dictionnaires pour stocker les définitions déjà générées
definitions_type = {}
definitions_subtype = {}
definitions_example = {}
# Function to generate text using the local Ollama API
# Fonction pour générer du texte avec l'API locale d'Ollama
def generate_text(prompt):
print(f"Sending request to the API for the prompt: {prompt}")
print(f"Envoi de la requête à l'API pour le prompt : {prompt}")
response = requests.post(
"http://localhost:11434/api/generate", # Ensure the local API is accessible at this address
# Assurez-vous que l'API locale est accessible à cette adresse
json={"model": "llama3.3:70b-instruct-q2_K", "prompt": prompt}
)
# Debugging: Print the raw API response
# Débogage : Afficher la réponse brute de l'API
print("Raw API response:", response.text)
print("Réponse brute de l'API:", response.text)
# Assemble fragmented responses
# Assembler les réponses fragmentées
full_response = ""
for line in response.text.splitlines():
try:
json_line = json.loads(line)
full_response += json_line["response"]
if json_line.get("done", False):
break
except json.JSONDecodeError as e:
print("JSON decoding error:", e)
print("Erreur de décodage JSON:", e)
return "Text generation error"
return "Erreur de génération de texte"
print(f"Complete API response: {full_response}")
print(f"Réponse complète de l'API : {full_response}")
return full_response
# Iterate over the DataFrame rows and fill the columns
# Parcourir les lignes du DataFrame et remplir les colonnes
print("Starting to process DataFrame rows...")
print("Début du traitement des lignes du DataFrame...")
for index, row in df.iterrows():
print(f"Processing row {index + 1}/{len(df)}")
print(f"Traitement de la ligne {index + 1}/{len(df)}")
type_query = row['Type']
subtype_query = row['Sous-Type']
example_query = row['Exemple']
# Check if the type definition has already been generated
# Vérifier si la définition du type a déjà été générée
if type_query in definitions_type:
df.at[index, 'Définition du type'] = definitions_type[type_query]
else:
definition_type = generate_text(f"Définition du type d'objet astronomique {type_query} en français:")
definitions_type[type_query] = definition_type
df.at[index, 'Définition du type'] = definition_type
# Save the updated Excel file after each definition
# Sauvegarder le fichier Excel mis à jour après chaque définition
df.to_excel(f'updated_table_with_definitions_{index + 1}_type.xlsx', index=False)
# Check if the subtype definition has already been generated
# Vérifier si la définition du sous-type a déjà été générée
subtype_key = (type_query, subtype_query)
if subtype_key in definitions_subtype:
df.at[index, 'Définition du sous-type'] = definitions_subtype[subtype_key]
else:
definition_subtype = generate_text(f"Définition du sous-type d'objet astronomique {subtype_query} de type {type_query} en français:")
definitions_subtype[subtype_key] = definition_subtype
df.at[index, 'Définition du sous-type'] = definition_subtype
# Save the updated Excel file after each definition
# Sauvegarder le fichier Excel mis à jour après chaque définition
df.to_excel(f'updated_table_with_definitions_{index + 1}_subtype.xlsx', index=False)
# Check if the explanatory note on the example has already been generated
# Vérifier si la note explicative sur l'exemple a déjà été générée
example_key = (type_query, subtype_query, example_query)
if example_key in definitions_example:
df.at[index, 'Note explicative sur l\'exemple'] = definitions_example[example_key]
else:
definition_example = generate_text(f"Note explicative sur l'exemple d'objet astronomique {type_query}, {subtype_query}, {example_query} en français:")
definitions_example[example_key] = definition_example
df.at[index, 'Note explicative sur l\'exemple'] = definition_example
# Save the updated Excel file after each definition
# Sauvegarder le fichier Excel mis à jour après chaque définition
df.to_excel(f'updated_table_with_definitions_{index + 1}_example.xlsx', index=False)
print("Finished processing rows. Saving the final Excel file...")
print("Traitement des lignes terminé. Sauvegarde du fichier Excel final...")
# Save the final updated Excel file
# Sauvegarder le fichier Excel final mis à jour
df.to_excel('updated_table_with_definitions_final.xlsx', index=False)
print("The Excel file has been updated with definitions generated by LLaMA in French.")
print("Le fichier Excel a été mis à jour avec des définitions générées par LLaMA en français.")
Médiagraphie
Breakthrough Listen. (n.d.). Exotic Target Catalog. Récupéré de http://seti.berkeley.edu/exotica/
Lacki, B. C., Lebofsky, M., Isaacson, H., Siemion, A., Sheikh, S., Croft, S., … & Werthimer, D. (2020). One of Everything: The Breakthrough Listen Exotica Catalog. arXiv. Récupéré de https://arxiv.org/pdf/2006.11304.pdf
TableConvert. (n.d.). Convert LaTeX Table to Excel Online. Récupéré de https://tableconvert.com/latex-to-excel
Python Software Foundation. (n.d.). pandas documentation. Récupéré de https://pandas.pydata.org/pandas-docs/stable/
Reitz, K., & Chovanec, T. (n.d.). Requests: HTTP for Humans. Récupéré de https://docs.python-requests.org/en/latest/
Conclusion
Et voilà ! Vous avez maintenant un script Python puissant et flexible pour générer des définitions et des notes explicatives sur des objets astronomiques à partir d’un fichier Excel. Ce script utilise l’API locale d’Ollama pour obtenir des définitions en français et sauvegarde les résultats dans un nouveau fichier Excel. N’hésitez pas à personnaliser ce script selon vos besoins et à explorer les merveilles de l’astronomie avec des descriptions détaillées et précises. 🚀🌌
Si vous avez des questions ou des problèmes, n’hésitez pas à demander de l’aide ! 😊
L’année 2024 a été marquée par des avancées significatives dans le domaine de l’intelligence artificielle (IA). Une des interviews les plus marquantes de cette année est celle de Mark Zuckerberg, fondateur de Meta, qui partage sa vision de l’avenir de l’IA. Dans cette interview, Zuckerberg aborde des sujets cruciaux, tels que le code ouvert, la sécurité, et les implications économiques de l’IA. Cet article explore les points clés de cette interview et ce que cela signifie pour l’avenir de l’IA.
La vision de Zuckerberg sur l’IA Open Source
Un Monde rempli d’Agents IA
Zuckerberg commence par prédire un futur où les agents IA seront omniprésents, dépassant même le nombre d’êtres humains. Il souligne l’importance du code ouvert dans cette révolution, en particulier avec le lancement de modèles IA sophistiqués comme Llama 3.1, qui compte 405 milliards de paramètres. Ce modèle open source rivalise avec les meilleurs modèles propriétaires, offrant des performances exceptionnelles et une grande flexibilité pour les développeurs.
Le code ouvert permet une personnalisation poussée des modèles IA, ce qui est essentiel pour répondre aux besoins spécifiques de diverses industries et applications. Zuckerberg envisage un monde où chaque entreprise, chaque créateur, et même chaque individu pourra créer et utiliser des agents IA personnalisés. Cette vision d’un futur rempli d’agents IA ouvre des perspectives fascinantes pour l’innovation et la productivité.
La stratégie de Meta
Meta adopte une stratégie de « terre brûlée », investissant massivement pour développer des technologies de pointe et les rendre accessibles gratuitement. Cette approche vise à démocratiser l’accès à l’IA, permettant à toute entreprise ou tout individu de personnaliser et d’affiner des modèles selon leurs besoins spécifiques. Zuckerberg compare cette stratégie à celle de Linux, qui a transformé l’industrie des systèmes d’exploitation grâce à son modèle de code ouvert.
En rendant ces technologies accessibles, Meta espère stimuler l’innovation et créer un écosystème dynamique où les développeurs peuvent collaborer et construire sur des bases solides. Cette stratégie est également une réponse directe aux modèles propriétaires, offrant une alternative puissante et flexible qui peut rivaliser avec les meilleures solutions du marché.
Les avantages du code ouvert pour la Sécurité
Transparence et Sécurité
Zuckerberg défend l’idée que le code ouvert est non seulement sûr, mais plus sécurisé que les alternatives propriétaires. Il argue que la transparence et l’examen minutieux par une communauté diversifiée de développeurs permettent de détecter et de corriger rapidement les problèmes. Cette approche réduit les risques de dérives non intentionnelles et de mauvaises utilisations par des acteurs malveillants.
La sécurité du code ouvert repose sur la collaboration et la diversité des perspectives. En permettant à un large éventail de développeurs d’examiner et de tester les modèles, il est possible d’identifier et de résoudre les vulnérabilités plus rapidement que dans un environnement fermé. Cette transparence est essentielle pour construire des systèmes IA robustes et fiables.
Collaboration avec les gouvernements
Meta travaille en étroite collaboration avec les gouvernements pour assurer la sécurité nationale tout en promouvant l’innovation ouverte. Zuckerberg souligne l’importance de maintenir un écosystème avancé et robuste, où les technologies de pointe sont continuellement intégrées et améliorées.
Cette collaboration vise à équilibrer les besoins de sécurité avec les avantages de l’innovation ouverte. En travaillant avec les gouvernements, Meta peut s’assurer que les technologies Ié sont utilisées de manière responsable et sécurisée, tout en permettant une adoption large et inclusive.
Implications économiques et sociales de l’IA
Accessibilité et égalité
L’un des objectifs principaux de Zuckerberg est de rendre l’IA accessible à tous, y compris aux petites entreprises et aux pays en développement. Il envisage un futur où chaque entreprise, quelle que soit sa taille, pourra utiliser des agents IA pour améliorer ses opérations et interagir avec ses clients. Cette démocratisation de l’IA pourrait avoir un effet égalisateur massif, élevant le niveau de vie global.
En rendant l’IA accessible, Meta espère réduire les barrières à l’entrée pour les petites entreprises et les entrepreneurs. Cela pourrait conduire à une explosion de l’innovation, avec de nouvelles idées et applications émergeant de tous les coins du globe. Cette approche inclusive est essentielle pour maximiser les bénéfices économiques et sociaux de l’IA.
Création d’agents IA personnalisés
Zuckerberg prévoit que chaque créateur et petite entreprise pourra créer ses propres agents IA, adaptés à leurs besoins spécifiques. Cela permettra une interaction plus riche et personnalisée avec les clients et les communautés, ouvrant de nouvelles occasions économiques et créatives.
Les agents IA personnalisés peuvent transformer la manière dont les entreprises interagissent avec leurs clients, offrant des services plus réactifs et adaptés. Pour les créateurs, cela signifie pouvoir engager leur audience de manière plus profonde et significative, tout en automatisant des tâches répétitives et chronophages.
!Impact de l’IA sur l’emploi Source: LearnThings
La stratégie commerciale de Meta
Monétisation des Modèles ouverts
Zuckerberg explique que Meta ne cherche pas à convertir en argent directement l’accès aux modèles IA, mais plutôt à construire les meilleurs produits autour de ces modèles. En définissant les standards et en offrant des outils puissants pour la personnalisation et l’optimisation, Meta espère créer un écosystème où les entreprises peuvent prospérer.
Cette stratégie repose sur l’idée que les meilleurs produits émergeront d’un environnement ouvert et collaboratif. En fournissant les outils et les ressources nécessaires, Meta permet aux développeurs de créer des solutions innovantes qui répondent aux besoins spécifiques de leurs utilisateurs.
Comparaison avec les modèles Propriétaires
En adoptant une approche code ouvert, Meta se distingue des entreprises qui utilisent des modèles propriétaires. Zuckerberg critique ces modèles fermés, arguant qu’ils limitent l’innovation et créent des barrières inutiles. En offrant une alternative code ouvert, Meta espère non seulement rivaliser avec ces entreprises, mais aussi les surpasser en termes de flexibilité et de performance.
Cette approche est particulièrement pertinente dans un contexte où la rapidité et l’agilité sont essentielles pour rester compétitif. Les modèles code ouvert permettent une adaptation rapide aux nouvelles technologies et aux besoins changeants du marché, offrant un avantage significatif par rapport aux solutions propriétaires.
L’impact de l’IA sur le marché du travail
Automatisation et création d’emplois
L’IA a le potentiel de transformer le marché du travail, en automatisant des tâches répétitives et en créant de nouvelles opportunités d’emploi. Zuckerberg souligne que le code ouvert joue un rôle crucial dans cette transformation, en permettant à un plus grand nombre de personnes d’accéder aux outils et aux ressources nécessaires pour développer des compétences en IA.
L’automatisation peut libérer les travailleurs des tâches monotones, leur permettant de se concentrer sur des activités plus créatives et à plus forte valeur ajoutée. En même temps, la demande pour des compétences en IA et en développement de logiciels devrait augmenter, créant de nouvelles occasions d’emploi dans ces domaines.
Formation et éducation
Pour maximiser les bénéfices de l’IA, il est essentiel de fournir une formation et une éducation adéquates. Meta s’engage à soutenir des initiatives éducatives qui permettent aux individus de développer les compétences nécessaires pour travailler avec l’IA. Cela inclut des programmes de formation, des ressources en ligne, et des partenariats avec des institutions éducatives.
En investissant dans l’éducation, Meta espère préparer la prochaine génération de travailleurs à un avenir où l’IA joue un rôle central. Cette approche proactive est essentielle pour s’assurer que les bénéfices de l’IA sont partagés de manière équitable et inclusive.
Conclusion
L’interview de Mark Zuckerberg offre une vision ambitieuse et optimiste de l’avenir de l’IA. En mettant l’accent sur le code ouvert, la sécurité et l’accessibilité, Meta se positionne comme un leader dans la démocratisation de l’IA. Alors que le monde se prépare à un avenir rempli d’agents IA, il est crucial de continuer à promouvoir une innovation ouverte et sécurisée au bénéfice de tous.
L’avenir de l’IA dépendra de la capacité à collaborer, à innover et à garantir que ces technologies sont utilisées de manière responsable. En adoptant une approche code ouvert, Meta ouvre la voie à un futur où l’IA est accessible à tous, stimulant l’innovation et améliorant la qualité de vie à l’échelle mondiale.
Médiagraphie
Vision IA. (2024). Interview Choc 2024 de Mark Zuckerberg ; il Prédit l’Avenir de l’IA, Préparez-vous ! [Vidéo]. YouTube. https://www.youtube.com/watch?v=nAmQE1F41TE&t=271s
