L’utilisateur veut comprendre l’intelligence artificielle dans le contexte de l’IA générative et l’appliquer à un travail pratique de gouvernance ou de compliance IA.
Utilisez intelligence artificielle pour le domaine général et la catégorie de systèmes ; utilisez IA générative lorsque le système crée de nouveaux contenus à partir de prompts ou d’un contexte.
L’intelligence artificielle est le domaine général et la catégorie de systèmes couvrant les machines qui accomplissent des tâches associées à l’intelligence humaine, comme la prédiction, la classification, la perception, la planification, l’optimisation, le traitement du langage ou l’aide à la décision. L’IA générative est une catégorie plus étroite d’IA axée sur la création de nouveaux contenus à partir de prompts ou d’un contexte. Dans Caesar AI Atlas, les termes clés sont artificial-intelligence, generative-ai et ai-system. Un système d’IA peut classifier le risque de crédit, détecter la fraude, optimiser un itinéraire de livraison, recommander un produit, reconnaître une image ou générer un document. Seuls certains de ces systèmes sont génératifs. L’IA générative inclut les outils qui produisent du texte, du code, des images, de l’audio, de la vidéo, des données synthétiques ou des designs. La distinction compte parce que la gouvernance, les attentes des utilisateurs et les contrôles diffèrent. Un modèle prédictif a besoin d’une évaluation de l’exactitude et de l’équité ; un modèle génératif a aussi besoin de contrôles sur les hallucinations, la provenance, les médias synthétiques, l’injection de prompt et le mésusage des sorties.
L’intelligence artificielle est toute la boîte à outils. L’IA générative est un type d’outil dans cette boîte. Un modèle de détection de fraude, un filtre anti-spam, un optimiseur d’itinéraire et un système de reconnaissance faciale peuvent tous être de l’IA sans être de l’IA générative. Un chatbot qui rédige un e-mail, un générateur d’images qui crée une affiche ou un assistant de codage qui écrit une fonction sont de l’IA générative parce qu’ils créent de nouveaux contenus. Les termes se recoupent, mais ils ne doivent pas être utilisés comme synonymes.
Analogie
L’IA est comme la catégorie « véhicules » ; l’IA générative est comme les « utilitaires de livraison » — importante, courante et utile, mais pas toute la catégorie.
La distinction compte parce que les équipes rédigent souvent une seule politique pour toute l’IA et manquent ensuite les risques propres aux systèmes génératifs. La gouvernance traditionnelle de l’IA peut se concentrer sur la performance du modèle, les biais, l’explicabilité, la qualité des données et l’impact décisionnel. La gouvernance de l’IA générative doit aussi traiter la provenance du contenu, les hallucinations, les fuites d’entrées confidentielles, le droit d’auteur, la désinformation, l’usurpation d’identité, les deepfakes et les attaques fondées sur les prompts. Dans le cadre de l’EU AI Act, les obligations relatives à l’IA à usage général et les obligations de transparence créent une pression de mise en œuvre supplémentaire, les obligations des fournisseurs de GPAI s’appliquant depuis le 2 août 2025 et des obligations plus larges entrant progressivement en vigueur ensuite. Les organisations doivent classifier correctement les systèmes avant de choisir les contrôles.
Urgence
N’attendez pas le déploiement : qualifiez le caractère génératif d’un système dès l’intake, l’achat ou la revue d’architecture.
Un processus fiable d’intake IA doit d’abord identifier si l’outil est un système d’IA, puis s’il s’agit d’IA générative, d’IA à usage général, d’aide à la décision à fort impact ou d’une autre catégorie. La classification doit déterminer les tests, avis, journaux, revues humaines, contrôles de sécurité et demandes de documentation fournisseur. Pour l’IA générative, les équipes doivent ajouter des contrôles spécifiques au contenu, notamment la revue des sorties, l’ancrage dans les sources, le filigranage ou l’étiquetage lorsque requis, et des restrictions sur les prompts sensibles.
L’erreur la plus courante consiste à appeler « IA générative » tout outil d’IA parce que les chatbots dominent le débat public. L’erreur inverse consiste à traiter l’IA générative comme un modèle prédictif ordinaire et à manquer les risques spécifiques au contenu.
Erreur 1 : appliquer uniquement des métriques d’exactitude à un assistant génératif peut manquer les hallucinations, les affirmations non étayées et les contenus générés dangereux.
Erreur 2 : utiliser une politique IA générique sans règles relatives aux prompts, aux sorties et à la divulgation peut laisser les employés incertains sur la manière de traiter les matériaux générés.
Cette page relie le concept large d’intelligence artificielle aux définitions d’IA générative et de système d’IA. Elle renvoie aussi aux comparaisons entre IA générative et intelligence artificielle, ainsi qu’aux pages sur les grands modèles de langage et les modèles de diffusion.