Une IA qui ne ment pas sur ce qu'elle ne sait pas
Comment j'utilise l'intelligence artificielle pour réparer de vieilles machines et pourquoi la question de la confiance est la seule qui compte.
Quiconque a déjà réparé une vieille voiture, un appareil électroménager récalcitrant ou une machine ancienne connaît ce moment : l'information existe, quelque part, mais elle est introuvable. Elle est noyée dans un manuel d'atelier de trois cents pages, dispersée entre un guide technique, une revue spécialisée et dix ans de discussions de forum. On sait que la réponse est là. On ne sait pas où.
C'est un problème très concret, et c'est celui que j'ai voulu attaquer. Pas avec une IA qui « sait tout » (ou pense le savoir) mais avec un assistant modeste, spécialisé sur une machine précise, capable de retrouver la bonne information dans mes propres documents et de me la restituer en citant sa source pour que je puisse vérifier par moi-même.
Le vrai problème n'est pas de répondre. C'est de ne pas mentir.
Aujourd'hui, tout le monde a fait l'expérience d'une IA qui invente. On lui pose une question, elle répond avec aplomb, et la réponse est fausse: une date, un chiffre, une citation qui n'a jamais existé. Dans une conversation banale, c'est agaçant. Pour réparer une machine, c'est dangereux. Une cote inventée, un couple de vissage approximatif, un dosage sorti de nulle part : et c'est la pièce cassée, ou pire.
Donc la question n'a jamais été « est-ce qu'une IA peut répondre à mes questions de mécanique ? ». Bien sûr qu'elle le peut. La vraie question, la seule qui compte, c'est : est-ce que je peux lui faire confiance ?
Et la réponse tient dans une règle que je me suis fixée, et qui guide tous mes projets : la machine propose, l'humain dispose.
Trois garanties, pas de magie
Concrètement, ça veut dire trois choses simples.
D'abord, l'assistant ne répond qu'à partir de sources réelles. Il ne puise pas dans un savoir général flou glané sur tout Internet : il lit les documents que je lui ai donnés — le manuel d'atelier, les fiches techniques, les archives — et rien d'autre. Chaque réponse peut être retracée jusqu'au texte d'origine, à la page près.
Ensuite, quand il ne sait pas, il le dit. C'est peut-être le point le plus important, et le plus contre-intuitif. Un assistant utile n'est pas celui qui a toujours une réponse — c'est celui qui reconnaît quand la source est muette, au lieu de combler le vide en inventant. « Je ne trouve pas cette information dans les documents » est une réponse précieuse (ma technique pour l'obtenir fera l'objet d'un billet spécifique). « Voici une valeur plausible » est un piège.
Enfin, c'est moi qui tranche. L'IA prépare, retrouve, propose. La décision finale (appliquer ou non, vérifier, recouper) reste humaine. L'outil ne remplace pas le réparateur ; il lui évite de tourner trois cents pages.
Frugal par principe, pragmatique par nécessité
Ma préférence va aux outils qui tournent sur ma propre machine, sans passer par le cloud : c'est plus sobre en énergie, ça garde mes données chez moi, et ça ne dépend d'aucun service qui pourrait fermer ou changer ses règles. Tout le travail de fond (préparer les documents, les indexer, les traduire quand il le faut) se fait localement, chez moi.
Mais je ne suis pas dogmatique. Selon le projet, je choisis l'outil le plus adapté. Pour un assistant que je veux pouvoir consulter une tablette à la main, penché sur un moteur dans le garage, une solution partagée et accessible partout prend le pas sur la pureté architecturale. Le principe reste le même que celui que je défends ailleurs sur ce blog : le bon outil pour le bon usage, pas le plus gros ni le plus tape-à-l'œil. Une IA proportionnée au besoin.
Trois machines, une même méthode
J'applique cette approche à trois terrains, très différents en apparence, mais qui posent la même question de fond.
mecan.IA, mon assistant pour une Datsun 620 de 1977 — un pick-up dont les manuels d'époque, seulement en anglais, se complètent de décennies d'archives de forums. C'est mon terrain de jeu actuel : carburateur, calage d'allumage, remplacement de joints. Opérationnel, et déjà utile devant le capot.
pinball.IA, le même principe appliqué à la réparation d'un flipper Bram Stoker's Dracula — l'électronique des machines à billes des années 90, ses schémas, ses codes d'erreur, ses années de discussions entre passionnés sur les forums. Opérationnel lui aussi, mais pas encore éprouvé la tête sous le plateau.
ArchTech.iA, enfin, le plus ambitieux — et pour l'instant en chantier. Celui-là ne s'attaque pas à une machine, mais à des archives techniques françaises du XIXe siècle, numérisées, pour y retrouver des dispositifs oubliés qui pourraient inspirer des solutions low-tech d'aujourd'hui. Le corpus est immense, l'architecture demande du temps, et je n'ai que deux bras. Il avance lentement, mais il avance.
Ce que je cherche à montrer
Ces trois projets ne sont pas trois passe-temps sans rapport. C'est une même conviction, déclinée : que l'intelligence artificielle la plus utile n'est pas forcément la plus grosse, la plus chère ou la plus bavarde. C'est celle qui reste à sa place — un outil cadré, honnête sur ses limites, au service de quelqu'un qui garde la main.
Dans les prochains billets, je détaillerai chacun de ces projets : ce qu'ils savent faire, ce qu'ils ratent encore, et ce que j'ai appris en les construisant.
Ce billet a été rédigé avec l'aide d'un assistant IA, à partir de mes projets et de mes choix. L'angle et la démarche sont les miens.
Chatpey — carnet d'un bricoleur de l'IA frugale et libre. ← Retrouvez tous mes billets ici