J'AI ACCÈS À CHATGPT VISION ! (et c'est vraiment dingue)

J'AI ACCÈS À CHATGPT VISION ! (et c'est vraiment dingue)

🎙 Ludo Salenne 👥 267K 📅 12 octobre 2023 ⏱ 25 min 👁 39K 📄 tutoriel 🧭 2026-08-21
Disponible en : Français (actuel) English

Mots-clés

ChatGPT VisionGPT-4multimodalanalyse d'imageprompt engineering

Résumé

Dans cette vidéo, Ludo Salenne présente ChatGPT Vision, une fonctionnalité de GPT-4 permettant d’analyser des images. Il commence par des tests simples comme localiser Charlie dans une image, puis montre des applications pratiques : générer une recette à partir d’une photo de frigo, expliquer un schéma de cerveau, résoudre des énigmes et des exercices de mathématiques. Il souligne les limites, notamment l’incapacité à identifier des personnes publiques. Ensuite, il démontre des usages professionnels : résumer un PowerPoint en email, rédiger un article de blog à partir d’une slide, et générer du code HTML/CSS à partir d’un dessin. Enfin, il combine ChatGPT Vision avec DALL-E 3 pour du reverse prompting, créant des images similaires à partir d’une photo. Il mentionne les bugs fréquents en version bêta et encourage les retours des utilisateurs. La vidéo se termine par une promotion de sa formation sur l’automatisation de ChatGPT.

145 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo offre une démonstration pratique et variée des capacités de ChatGPT Vision, ce qui constitue une valeur informative certaine pour les utilisateurs curieux. Les exemples sont concrets et couvrent des cas d’usage divers, du divertissement à des applications professionnelles. L’argumentation est essentiellement basée sur l’expérience personnelle et des démonstrations en direct, ce qui rend le contenu accessible et convaincant. Cependant, l’absence de données quantitatives ou de comparaisons avec d’autres outils limite la portée scientifique. L’auteur reconnaît les limites de l’outil (personnes publiques, bugs), ce qui renforce la crédibilité de la démonstration.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les sources citées se limitent à un article sur ‘Où est Charlie’ et des liens vers d’autres tutoriels de la chaîne. Aucune source académique ou documentation officielle d’OpenAI n’est mentionnée. Le titre est fidèle au contenu, qui est une démonstration enthousiaste. La qualité des sources est donc faible, mais la démarche de test est honnête. Les commentaires sont globalement positifs, avec quelques retours critiques sur la précision des réponses (exemple de Charlie), ce qui montre un engagement du public.

192 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : une démonstration enthousiaste des capacités de ChatGPT Vision.

Qualité & fiabilité

7/10

Démonstrations concrètes et variées, limites identifiées (personnes publiques, bugs), mais absence de sources scientifiques et recours à des exemples anecdotiques.

Chapitres

Sources citées

Sources concordantes

Sources discordantes

  • Article sur 'Où est Charlie' — L'article souligne la difficulté de trouver Charlie, alors que ChatGPT Vision le localise, mais un commentaire conteste la précision de cette localisation.

Apport & nouveautés

La vidéo apporte une démonstration pratique et accessible des capacités de ChatGPT Vision, montrant des cas d’usage concrets et variés. Elle met en lumière le potentiel de l’outil pour l’analyse d’images dans des contextes quotidiens et professionnels, tout en soulignant ses limites actuelles. L’originalité réside dans la combinaison avec DALL-E 3 pour du reverse prompting, une technique peu documentée à l’époque.

Pour aller plus loin :

100 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une qualité correcte, mais un niveau technique moyen et une fiabilité globale modérée, reflétant une démonstration pratique sans approfondissement scientifique.

Fiabilité 7/10

💬 Très positif. Sur les 30 commentaires analysés, la majorité exprime enthousiasme et gratitude pour la démonstration, avec quelques retours constructifs sur les limites de l'outil.