Projet:Observatoire des IA/Documentation

Test 1 : Chercher une source

J'ai été voir l'article de la petite ville où j'ai grandis, Waremme.

Cet article est très intéressant et tout est vrai, mais très peu sourcé.

J'ai copié le premier paragraphe de la section "Histoire" et ai demandé à ChatGPT : "Trouve-moi des sources, hors Wikipédia, corrobrant le texte suivant :".

Après vérification de chacune, j'ai ajouté les liens (avec mention à chatgpt) en tant que référence.

Il s'agit là, je pense, d'un cas d'usage qui n'est pas problématique.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 2 mars 2025 à 17:22 (CET)

Généralités

• Toutes les réponses sont sourcées et il est toujours possible de savoir où et pourquoi il a trouvé cette information. (cf. test 9)
• Basée sur Gemini2, il souffre du même biais (ainsi que la plupart des IA) : c'est un gentil qui, de par la manière dont il présente certaines informations, epxrime un avis moral. (cf. test 2)
• Cette IA gère les audio mais avec une retranscription de qualité médiocre car effectuée très rapidement mais offrant l'avantage d'être proche de la réalité. Dans certains cas il vaut mieux passer par Whisper mais Whisper corrige les hésitations, redondances, etc. (cf. tests 3 et 6)
• Cette IA n'utilise que les sources envoyées. Mais si on lui demande d'agir en spécialiste ou en prenant le ton d'une personne connue, la réponse pourrait contenir des éléments non présents dans les sources. (cf. test 1)
• Cette IA traduit tout ce qui est envoyé en anglais, le traite en anglais et retraduit la réponse en notre langue. Il faut être précis dans les termes si on sait en quelle langue sont les sources ou lui donner des tableaux d'équivalence (cf. tests 2bis et 4)
• Cette IA n'a d'utilité que si l'on maitrise le sujet que l'on veut voir traiter et que l'on sait déjà à minima ce que contiennent les sources (cf. test 5)
• Cette IA est capable, dans une certaine mesure, d'analyser une source pour en ressortir les contradictions ou les biais présents. À utiliser avec des pincettes. (cf. test 6)
• Cette IA gère très bien les PDFs a condition que les PDFs soient convenablement rédigés et non pollués (cf. tests 7 et 8)
• Cette IA a un manque de culture générale. Tout ce qui pourrait aider à l'analyse des sources doit être rajouté si utile. P.ex. : (cf. test 10, 2bis et 4)
  • Liste de villes pour chaque pays ( www.simplemaps.com)
  • Correspondance des noms de villes dans les pays bi/trilingues (articles Wikipédia)
  • Correspondance des codes pays à chaque pays (ISO 639)
  • Correspondance des mesures (articles Wikipedia)
• Il est important d'indentifier les sources primaires du sujet traité afin de voir si sans celle-ci il ya consensus (cf. test 11)
• Cette IA est polygotte et permet d'utiliser des sources incompréhensibles à l'origine (cf. test 12)

Les tests commençant par "+" ont été réalisés avec NotbookLM Plus, ceux commencant par "x" ont été réalisés avec la version gratuite.

Ceux-ci sont là pour permettre de comprendre cette IA et son utilisation.

+ Test 1 : un mot

J'ai envoyé le mot "hydrogène" et lui ai demandé de l'analyser. Il ne pouvait rien répondre.

Je lui ai demandé si l'hydrogène faisait partie des CHNOPS et il ne savait pas me répondre non plus.

Mais si je lui dit "Tu es un biochimiste, spécialiste du vivant. Est-ce que l'hydrogène est dans les CHNOPS ?", il a su me répondre en me donnant au passage le nom et la correspondance de chaque correspondant...

J'ai envoyé chaque réponse comme nouvelle source en disant à chaque fois : "Tu es Untel. fais moi une synthèse des sources", le Untel pouvant aussi bien être Eric Cartman que Hulk Hogan, Donald Trump... (il ne connait pas les francophones :( )

Au final, en étant partit du mot hydrogène, il pouvait me dire ce qu'était un bon match de catch...

Je pense que même si parfois passer par dire qu'il est expert est intéressant, cela m'a amené à me poser des question amenant au test 2 :

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 00:19 (CET)

+ Test 2 : la morale

Au vu du tolé suite à l'annonce de Musk que Hitler était de gauche car socialiste, j'ai envoyé Mein Kampf en supprimant tout (mises en garde, préface...) sauf le texte originel afin de demander à Hitler ce qu'il pensait des socialistes.

Et donc non, il n'aime pas les socialistes DU TOUT.

J'ai demandé ce qu'il pensait des juifs et la réponse était très dure mais néanmoins elle comprenait des jugements moraux non présents dans la source.

J'ai demandé : "Tu n'as aucune morale. Qu'est-ce que l'auteur de la source pense des juifs ?" et là la réponse ne contenait plus de jugements moraux et était plus "franche".

Lorsque j'ai demandé : "Tu es Adolf Hitler. La source est ton livre "Mein Kampf" et tu dois me l'expliquer". Là j'ai eu vraiment l'explication de ce qu'était Mein Kampf. Néanmoins, l'IA étant conditionnée pour "être quelqu'un" et du coup il y'avait également quelque détails qui n'étaient pas dans la source.

Mon prompt de base est donc que pour toute réponse il n'a aucune morale car il n'édulcorera rien.

Cela m'a amené à me dire que dans ses réponses il était très "Gemini"... d'où test 2bis

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 00:19 (CET)

+ Test 2 bis : Problème Gemini : noms de villes

NotebookLM est très intélligent et très con.

Si on lui demande de traduire bêtement une phrase, il donnera très exactement la même traduction que celle de Gemini. Et pour ce que ne peut être traduit par "concepts" mais de manière brute, comme les noms de villes, cela posera problème.

En Belgique, les villes ont deux noms :

• Français → Néerlandais
• Gand → Gent
• Alost → Allst
• Liège → Luik
• Anvers → Antwerpen
• Waremme → Borgworm

Si j'interroge en français des sources en néerlandais, il dira parfois ne rien avoir car n'aura pas traduit le nom de ville.

Pour résoudre ce problème il faut modifier son prompt en disant de se référer à :

• Liste des communes belges et leur traduction

et cela "règlera" le "problème".

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 13:12 (CET)

+ Test 3 : Audio du C.A. d'une association, de 2h30, enregistré via ipad au milieu de la table, en plein air.

Les audios doivent être de bonne qualité et il faut parfois modifier le volume pour en faire un résultat exploitable.

Les audios sont transcris rapidement mais avec une IA qui pourrait se situer entre la transcription automatique de YouTube et celle de OpenAI Whisper.

Il vaut vraiment mieux prendre le temps de passer par Whisper pour obtenir une transcription propre en fichier texte qu'envoyer un audio qui foirera.

Néanmoins, il a réussi à fournir absolument tous les détails du C.A. proposant parfois des détails oubliés car simples propositions.

Attention : NotebookLM offre une transcription plus fidèle que Whisper. Par exemple, si la personne dit "Euh... Alors... Je pense que... euh... en fait... que... qu'il faudrait euh... qu'on fasse ceci." c'est ce qui sera utilisé par NotebookLM.

Si on envoie l'audio à Whisper, la transcription sera : "Alors je pense qu'il faudrait qu'on fasse ceci.".

Si on envoie à la fois l'audio et la transcription de Whisper et qu'on demande la différence entre les deux, NotebookLM indiquera que l'orateur semble plus hésitant.

Les mots peu courants peuvent poser problème. Par exemple, dans ce C.A. il est plusieurs fois fait mention à "Cath". La transcription NotebookLM a entendu "4" et ne pouvait donc répondre si on l'intérrogeait sur "Cath". Whisper étant "mieux entrainé", il a bien reconnu le prénom.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 13:12 (CET)

+ Test 4 : Traitement de la demande en anglais et langage spécialisé

NotebookLM, quelle que soit la langue utilisée, traitera tout en anglais avant de vous le restituer dans votre langue.

J'ai envoyé une centaine de livre de cuisine et ai demandé des recettes contenant du poivron.

Il m'en a donné ainsi que plusieurs recettes n'en contenant pas mais contenant du poivre ou du piment car dans le langage courant anglais "poivron" se dit "pepper".

On a deux possibilités :

1. demander des recettes contenant du "bell pepper", le "vrai" nom anglais du poivron
2. lui dire qu'il est un chef cuisinier utilisant le langage de la cuisine, auqu

Dans ces deux cas, il ne donnera bien que des recettes avec du poivron.

Une des recettes provenait d'un livre en anglais et utilisait donc des mesures anglaises. Dans ce cas, il fallait entre autre une livre de boeuf et un quart de de tasse de chapelure.

Il y a deux possibilités :

1. Lui dire d'utiliser les mesures françaises dans sa réponse, ce qui donnera 1 livre = 500g et 1/4 de tasse = 30g
2. Lui ajouter la page wikipédia des unités de mesure américaines comme source, ce qui donnera 1 livre = 453g

Attention : Ici nous n'utilisons pas la page des unités de mesures. Si vous lui demandez "Combien de grammes y'a t'il dans une livre ?", il ne vous répondra pas car ce n'est pas présent dans la source. S'il a donné 500G c'est car la "traduction" la plus courante de "1 livre" c'est "500g" pas car "il le sait".

Si dans la recette il est indiqué "0.82 livre de boeuf", il répondra alors "371.46 grammes de boeuf." car dans ce cas là, pour traduire, il a du faire appel à un calcul et est aller chercher son information ailleurs, faisant passer la livre à 453g.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 13:12 (CET)

+ Test 5 : Beaucoup de sources - guider l'IA pour obtenir des réponses et être précis

Contrairment aux autres LLM qui ont tendance à inventer quand ils ne savent pas, NotebookLM vous dira clairement si une information n'est pas dans les sources.

Mais il risque de vous dire ça même si l'info est dans la source.NotebookLM n'est pas une IA que l'on interroge mais avec qui on discute, ce qui fait une grosse différence avec les générateurs de texte classique.

J'ai envoyé 121 sources, dont beaucoup faisant plusieurs centaines de pages, écrit "en petit". à propos des maisons du peuple et du socialisme à la fin du XIXème siècle.

Quand on démarre une discussion, il faut commencer par l'interroger sur les grands thèmes traités par les sources pour ensuite creuser en discutant car c'est ainsi qu'on lui fait "se souvenir" des choses qu'il sait mais moins présentes dans les sources.

Par exemple, si je demande de but en blanc : "Loi Le Chapelier", il me dira ne rien trouver dans les sources. Mais si je commence à discuter en partant des conditions ouvrières à l'époque, puis la répression, il me dira très vite ce qu'est la loi Le Chapelier, ses liens avec le code Napoléon, les conséquences, la manière dont elle a été abrogée, les contradictions, etc... en utilisant peu un grand nombre de sources.

Par contre, si je lui dis simplement "Socialisme", il me donnera une longue réponse car il n'a pas eu à aller loin dans les sources pour pouvoir donner des informations qui font consensus.

Il vaut mieux savoir ce dont parle les sources et poser des questions précises, qui peuvent être longues, pour obtenir les informations voulues.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 14:39 (CET)

+ Test 6 : (YouTube) analyse d'un discours

J'ai envoyé la première vidéo liée à un "drama" entre deux youtubeurs s'insultant et s'accusant chacun de tous les maux.

Premier problème : NotebookLM ne retranscris rien, il ne sait utiliser que des vidéos sous-titrées et les sous-titres de YouTube sont ce qu'il y a de pire en retranscription. Il vaut mieux ne jamais passer directement par un lien YouTube si les sous-titres ont été générés automatiquement.

J'ai récupéré l'audio et l'ait fait passer dans Whisper, la retranscription était bonne. J'ai demandé une analyse du discours et il l'a très bien faite.

Comme dans la vidéo réponse à celle-ci il était dit que la première était remplie de contradictions, j'ai posé la question : "Tu es un spécialiste des biais cognitifs. Analyse-moi la source, indique-moi de quelle manière la personne se contredit et quels biais peuvent être relevés."

La réponse était impressionnante car correspondait à tout ce qui lui a été reproché par les personnes ayant visionné la vidéo et pointé du doigt dans la réponse : biais de halo, disponibilitté, autoconfirmation, effet de cadrage...

Repensant à ce qui est mentionné dans Test 3, je me suis dit que plutôt que de partir de la transcription Whisper, j'allais lui donner l'audio.

Et cela a fait une grosse différence car en gardant les "euh..." et les hésitations, c'est une autre analyse (encore moins flatteuse) qui est faite.

Si on envoie les articles qu'un certain journal a fait ces derniers jours à propos d'une certaine encyclopédie et qu'on pose la même question, il relève les biais suivants : victimisation, généralisation excessive, manque de nuance, appel à l'émotion, conflit d'intérêt et biais de confirmation.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 14:39 (CET)

+ Test 7 : un vieu livre scanné

Dans mes sources, j'ai un vieu livre, très bien scanné et lisible, le texte étant passé par l'OCR. Lorsque j'interroge sur des informations clairement contenues dans les sources il me dit ne rien trouver.

J'essaye de lui indiquer la page et l'endroit où se trouve l'information : il ne trouve pas.

Il s'agissait pourtant d'un tableau simple avec un nom d'un côté et une ville de l'autre.

Le problème ne venait pas de l'IA mais du PDF. En effet, pour moi, humain, les choses sont claires et je "vois" que c'est là. Mais l'IA ne "voit" pas, elle lit.

Lors de l'OCR, aucun tableau n'a été "OCRisé" en tant que tableau mais en tant que colonnes. Pour l'IA il avait donc toute une liste de noms, suivis d'une liste de villes, mais aucune raison que ces deux listes soient rattachées.

Pour les documents anciens et scannés il est très important de vérifier la qualité du scan et la manière dont il l'a été.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 17:47 (CET)

+ Test 8 : Sources "polluées"

Étant dans une association, j'ai envoyé l'ensemble de nos PVs de réunions, C.A., A.G., etc.

Il répondait aux questions mais me suis rendu compte qu'il manquait beaucoup de choses pour répondre complètement car beaucoup de choses étaient détaillées dans les mails.

J'ai exporté a peu près 10 ans de mails en PDFs et les ai combiné en quelques fichiers.

Et là ça n'a plus été du tout et au lieu de mieux répondre il répondait n'importe quoi.

Le problème était que dans les mails, nous avons tous la même signature, reprenant le nom de tous les membres, même si ceux-ci ne participent pas au projet que traite le mail.

Les sources étaient donc "polluées" car ces signatures faisaient que pour l'IA, tous les membres participaient à tout et ces signatures prenaient beaucoup d'importance pour l'IA puisque devenait le texte sans doute le plus souvent présent.

C'est le même genre de choses que l'on retrouve si l'on envoie des pages internets ou des magazines comme source. Les publicités seront prises en compte et considérées comme ayant autant de valeur que le sujet réel.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 17:47 (CET)

+ Test 9 : Analyse des discussions de l'Observatoire et sourçage.

J'ai envoyé cette page à l'IA.

Voici son résumé :

" L'Observatoire des IA est un projet Wikipédia francophone visant à surveiller et réglementer l'utilisation de l'intelligence artificielle, notamment générative, dans la création et la modification d'articles. Les discussions portent sur la détection de contenu généré par IA, la qualité des traductions automatisées, et la pertinence des images produites par IA. Une enquête récente révèle des problèmes de plagiat dans les sources utilisées, incitant à une vigilance accrue. Le projet cherche à établir des directives claires et des outils de suivi pour maintenir la qualité et l'intégrité de Wikipédia. Les contributeurs discutent des avantages et inconvénients potentiels de l'IA, tout en soulignant l'importance du contrôle humain et de la transparence. "

Si je demande un document de synthèse (via la fenêtre de discussion, il me propose le texte suivant :

" Voici un document de synthèse basé sur les sources fournies concernant le projet "Observatoire des IA" :

• Objectifs du projet : Le projet vise à la régulation et à l'anticipation des effets des IA, notamment génératives, sur Wikipédia francophone [1]. Il s'agit d'identifier, d'étudier et de maîtriser les usages de l'IA sur Wikipédia, en mettant en place des règles et des recommandations [2, 3].
• Terminologie : Il est important de clarifier si le terme "IA" fait référence aux IA génératives ou à d'autres formes d'IA [1]. La page de documentation du projet a pour but d'indiquer quelles technologies sont à prendre en compte, étant donné la rapidité de leur évolution [4].
• Fonctionnement et consensus : Le projet cherche à mobiliser les utilisateurs ayant déjà utilisé l'IA sur Wikipédia pour trouver un consensus entre promoteurs et objecteurs [1]. L'idée est que les contributeurs sont responsables de ce qu'ils mettent sur Wikipédia et doivent contrôler et valider les informations avant de les publier [4].
• Liens avec d'autres projets : Le projet est lié à l'Observatoire des sources (ODS), car les problèmes posés par les sources générées par l'IA sont un enjeu majeur [5].
• Détection et amélioration des pages : Tout le monde peut contribuer à la détection des pages concernées, pas seulement les patrouilleurs ou les administrateurs [5]. Le projet comporte un volet opérationnel important de détection des articles conçus par l'IA, et de documentation des problèmes posés [6].
• Périmètre du projet : Le projet s'intéresse à la nature même de Wikipédia avec son aspect communautaire humain, indépendamment des questions pratiques de fiabilité de l'IA. Il ne se limite pas aux seuls problèmes pratiques [2].
• Maîtrise des usages : Le projet vise à mettre en place des moyens de gestion des articles (modèles, catégories, etc.) et à noter ceux qui sont problématiques. Un onglet "Discuter ou signaler un usage sur Wikipédia" renvoie vers la page de discussion [2].
• Organisation du projet :
• Le projet est structuré autour de trois volets principaux : Règlementation, Contrôle, et Documentation [7].
• La page "Règlementation" présente les principes, règles et recommandations liées aux IA [7].
• La page "Contrôle" se rapproche du projet anglophone "WikiProject AI Cleanup" et vise à la reprise d'articles à problèmes [7].
• La page "Documentation" fournit des informations sur les technologies utiles [7, 8].
• Communication et messages standards : Il est nécessaire de mettre au point des messages standards à utiliser, notamment pour informer les utilisateurs en cas de suspicion d'utilisation d'IA [9]. Il est préférable d'expliquer le lien avec le projet et d'inviter chacun à donner ses positions, en particulier les contributeurs expérimentés [9].
• Études sur l'utilisation des IA : Des études ont été menées sur l'utilisation de l'IA dans les nouveaux articles, notamment pour la rédaction d'articles bien rédigés et sourcés, mais aussi pour l'autopromotion ou le "poussage" de point de vue [10]. L'IA est également utilisée pour la traduction [10].
• Catégorisation : Des catégories sont créées pour organiser les articles concernés par l'IA, comme la Catégorie:Projet:Observatoire des IA [11]. Il est important de distinguer les articles qui ont des problèmes de pertinence ou de véracité, qui doivent être traités avec les bandeaux et catégories habituels, des articles qui sont soupçonnés ou convaincus d'avoir été créés par l'IA, pour lesquels des catégories spécifiques sont nécessaires [12].
• Procédure d'intervention : Une procédure standard est mise en place pour traiter les articles problématiques, inspirée de ce qui se fait dans les projets "Sources" et "Antipub" [13]. En cas de création d'article clairement suspecte, il est proposé de la mettre de côté pour analyse et de faire une demande de suppression [14].
• Boîte utilisateur : Une boîte utilisateur a été créée pour signaler la participation au projet [15].
• Essai "Contrôle des textes générés par IA": Un essai a été rédigé pour informer sur les risques d'infractions aux règles, indiquer des mesures à prendre (modèles, signalements, etc.), et faire des recommandations pour ceux qui souhaitent utiliser ces technologies [16].
• Modèle {{IA générative}}: Un modèle de bandeau a été créé pour signaler les articles pouvant contenir du texte généré par l'IA [17]. Il est inspiré du modèle anglophone en:Template:AI-generated et vise à informer les lecteurs et à demander des explications en page de discussion [17].
• Traduction assistée par l'IA: Des modèles de traduction assistée par l'IA sont testés, mais il est rappelé que le projet n'est pas dédié au développement d'usages d'IA, et que les tests sont prévus pour documenter les problèmes, pas les potentiels [18, 19].
• Enquête sur les sources: Une enquête a été publiée sur les genAI et le plagiat dans les sources de Wikipédia, proposant de mettre en liste noire et de supprimer les occurrences existantes de tous les sites problématiques [20]. "

Nous voyons que chaque chose qui est dite est suivie d'un nombre entre crochets.

Si je passe la souris sur un de ces nombres, il m'indiquera où dans la source se trouve cette info.

Par exemple, ce qui a été écrit et sourcé par [4] :

" sur la précision d'IA génératives ou pas, la page documentation serait là pour indiquer quelles technos sont à prendre en compte et cf. par ici où j'explique pourquoi j'ai préféré rester vague sur leur périmètre vu les vitesses d'évolution ;

question consensus, usages admis ou pas, je travaille à la synthèse des positions en brouillon à partir de tout ce que j'ai réuni par ici (discussions, essais, sondage). Les problèmes sont déjà pas mal isolés sur le Wiki français ou anglais mais comme dit Jean-Christophe BENOIST, certains proposent des assistances à la création d'article qui vont loin, le consensus semblant surtout qu'en tout état de cause on est responsable de ce qu'on met sur WP et qu'on doit donc contrôler et valider avant de publier. Cf. cet essai qui parle d'assistance pour la synthèse de sources et pour le plan, ce qui à terme se rapproche d'une création complète, d'autres faisant des expérimentation dans ce sens, y compris au niveau de la WMF. "

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 26 février 2025 à 19:40 (CET)

+ Test 10 : Sources "locales" dans le monde

J'ai plusieurs sources parlant d'initiatives locales dans différentes villes du monde.

Lorsque j'ai intérrogé les sources pour connaître les initiatives présentes dans tel ou tel pays, il n'a pas été en mesure de me les donner.

Encore une fois, il lui manque les connaissances nécessaires et si j'ai une source qui parle d'une initiative à Ankara et qu'il n'est nulle part mis que Ankara est en Turquie, il ne fera pas le lien. J'ai rencontré la même chose avec Tijuana.

Il y'a, à nouveau, deux possibilités :

1. Lui envoyer comme source la liste de correspondance des villes pour chaque pays. Simplemaps.com propose une liste gratuite des 47000 principales.
2. Lui dire qu'il a une connaissance approfondie de la géographie.

Cela montre, encore une fois, qu'il vaut mieux savoir ce qu'on a dans les sources et, dans ce cas, penser au manque de "culture générale" que peut avoir une IA ne travaillant que sur les sources envoyées.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 27 février 2025 à 15:55 (CET)

+ Test 11 : Recoupement de sources, source primaire, consensus et problème Wikipedia

L'un de mes premiers tests à été de recouper des sources. Dans ma base de données sur les tiers-lieux (­­± 200 sources) se trouvent les livres de Ray Oldenburg, le sociologue ayant théorisé ce concept.

Si je demande "Quelles sont les caractéristiques fondamentales des tiers-lieux selon Ray Oldenburg dans son livre "The Great Good Place" ?", il n'aura pas à aller chercher loin et me les donnera parfaitement.

Je me rends compte alors que tout est sourcé par Wikipédia vu que j'ai la définition de "tiers-lieux" dans toutes les langues.

Wikipedia donnant des définitions assez complètes, elles sont souvent prioritaires puisque réunissent beaucoup de choses en une seule source.

Je les ai enlevées et ai posé la question à nouveau. Il a maintenant été voir dans les livres de Oldenburg et quelques sources directement dédiées à lui.

A chaque fois, les choses sont sourcés par différents passages de 1 ou 2 sources.

J'ai alors également enlevé des sources les livres de Oldenburg et ai reposé la question.

La réponse était parfaite car très largement documentée par d'autres sources et, celles-ci cherchant à vulgariser et expliquer la vision d'Oldenburg, la réponse a été la meilleure.

Le problème était, selon moi, que les livres d'Oldenburg deviennent des sources primaires s'il s'agit de tiers-lieux et qu'il est important de les supprimer pour s'assurer qu'il n'y ait pas de biais.

Mais du coup, et ayant bien toutes les caractéristiques, il avait été chercher les meilleures explications pour chaque caractéristiques dans un beaucoup plus grand nombre de sources.

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 27 février 2025 à 15:55 (CET)

x + Test 12 : NotebookLM prend tout au premier degré : besoin de contexte et/ou nettoyage de la source.

Le principal sociologue francophone ayant étudié les tiers-lieux écrit dans l'introduction de sa thèse que la science des tiers-lieux pourrait être la cosmologie car fait un parallèle tout sauf scientifique.

Mais c'est la seule fois où il est dit avec des mots que telle chose pourrait être la science des tiers-lieux...

Ce sociologue étant beaucoup cité dans plusieurs autres sources francophones, si je demande "quelle science est celle des tiers-lieux ?" il me répondra "la cosmologie" avec d'autres.

Car oui, au vu des sources, le gars c'est une référence, c'est le seul gars qui dit "la science des tiers-lieux, c'est ça!" et le "ça!" c'est la cosmologie. L'IA prendra compte du fait que des sociologues et des philosophes se soient intéressés aux tierx-lieux, mais c'est ces sciences là seront secondaires puisque que seulement mentionnées comme s'intéressant à la chose et non comme étant "la science de.".

Il y a plusieurs possibilités :

1. Retirer cette source
2. Lui indiquer que pour cette source il ne doit pas tenir compte de l'introduction
3. Créer une note en tant que source indiquant que la cosmologie n'est jamais la science des tiers-lieux
4. modifier le fichier pour ne garder que ce qui est intéressant dans le cadre de l'IA

Dans d'autres sources, nous parlons de la même personne sous deux noms différents. Dans certaines on parle de lui sous son nom et prénom et dans d'autres, en fonction de qui a fait le PV, on utilise son surnom.

Vu qu'il n'existe aucune correspondance entre les deux, l'IA les considérera comme deux personnes distinctes.

+ Test 13 : Rechercher usage de l'IA sur Wikipédia

Suite à une discussions sur le bistro indiquant 172 articles problématique car mentionnant directement chatgpt dans les références utilisées, j'ai été voir l'un de ces articles et ai analysé la modification effectuée.

J'ai copié les sources utilisées dans NotebookLM et comme dernier document, le paragraphe créé dans Wikipédia.

J'ai alors demandé : "Quelles sont les informations présentes dans la source "définition" et non présentes dans les autres sources ? Indique moi aussi si "définition" se contredit avec les autres sources.".

Et dans ce cas là, il m'a directement indiqué les contradictions et erreurs.

J'ai fait le test avec beaucoup de contributions dont la source mentionne ChatGPT, mais jusqu'à présent tous les autres tests ne m'indiquaient pas de contradiction majeure ou d'erreur. Comme pour le moment je passe également "à la main" les sources, cela prend du temps.

Par contre, il arrive à NotebookLM d'indiquer une contradiction ou ambiguité car même si l'information dans la définition est "vraie", elle est présentée de manière ambigue, pouvant être mal comprise, au vu des sources (par exemple chronologie en oubliant certaines).

L'impression que ça donne est que dans beaucoup de cas, la contribution est de bonne foi car correspond à la vérité mais, par facilité, il est demandé à ChatGPT de fournir les sources en mode "moteur de recherche".

Marc Vanlindt 🍺🍟 ^{(💬 / 📓)} 2 mars 2025 à 15:34 (CET)

Généralités

Retranscri un audio en fichier SRT et TXT pour les deux principaux. (les SRT fonctionnent dans Winamp avec des audios si plugin lyrics)

Un audio de 3 heures devient donc un texte qui pourra être géré par une IA, l'audio risquant de servir de source alors que non utilisé directement.

Utilisation en ligne

Utilisable en local après install (Mac, Linux et Windows) ou en ligne avec Google Colab.

Pour une utilisation avec Colab, rendez-vous dans les préférences et sélectionnez l'accélérateur GPU T4.

Une fois connecté, lancez les commandes suivantes :

!pip install git+https://github.com/openai/whisper.git

!sudo apt update && sudo apt install ffmpeg

Cela lancera le téléchargement de Whisper puis de ses dépendances.

Envoyez votre fichier audio (mp3, m4a, wav...) puis lancez la commande suivante :

!whisper --model large "/content/Votre Fichier.mp3" ou

!whisper --condition_on_previous_text False --model large "/content/Votre Fichier.mp3"

La première est la meilleure mais s'il y a de longs blancs (20/30 sec), l'IA hallucinera et remplira. La seconde ne remplira pas mais tiendra moins compte du contexte pour corriger sa transcription.

Test 1 : retranscriptions générales (cf. tests NotebookLM)

Les transcriptions sont de très bonne qualité mais ne sont pas fidèles.

Elles perdent toutes les hésitations ("Euh..."), répétions ("Alors, je... euh... alors, donc, je..."), rires ('Ahahahah!!!") pour les supprimer ou les raccourcir en ce que l'orateur aura voulu dire.

Il est arrivé, lors de moments mal enregistrés qu'il comprenne totalement de travers mais sorte quelque chose de cohérent car tient compte du contexte, ce qui a été généré avant et une première analyse de "l'après" pour génèrer le "présent".

Si je n'avais pas participé à cette réunion, j'aurais pu penser que c'était une phrase insignifiante et mal comprise et n'aurais pas été ré-écouter la source.

Il a donc bien fallu relire toute la transcription pour voir ses erreurs. Mais, "dans l'absolu", 99% avait été parfaitement fait.

Test 2 : plusieurs orateurs - podcast - cf.test 1

D'habitude, quand il y a plusieurs orateurs et que les choses se passent bien, chacun parle à son tour et il n'y a pas de problème.

Mais dans certains podcasts ils ont tendance à compléter les phrases l'un de l'autres et, si en tant qu'humain on ne savait pas que ce sont deux personnes, vu la phrase et la rapidité pour un orateur à continuer le début de phrase de l'autre, cela considéré comme une seule phrase.

Un autre cas a été un enregistrement où plusieurs personnes parlent en même temps.

L'IA a réussi à reconstruire une phrase plus ou moins (moins que plus) cohérente tirée de tous ce mots, car en accord avec le contexte, mais qui n'avait jamais été dite par personne.