L’intelligence artificielle est une discipline à la conjonction de nombreux domaines : les sciences humaines et sociales – philosophie, linguistique, neurosciences… –, les mathématiques et l’informatique, confie Carl Mörch, codirecteur de cet institut de recherche universitaire dont la mission consiste à développer, étudier et favoriser l’adoption et la gouvernance des technologies d’IA, de données et de robotique d’une manière fiable, transparente, ouverte, inclusive, éthique et responsable. « À la base, l’IA n’est donc pas qu’une question tech, d’ingénieurs ou de geeks. Elle vient solliciter une grande variété de questions, dont : qu’est-ce que l’intelligence ? »
C’est lors d’une conférence à Dartmouth aux États-Unis – Dartmouth Summer Research Project on Artificial Intelligence – en 1956 qu’ont émergé les premières définitions de l’intelligence artificielle.
« À l’époque, l’informaticien John McCarthy avait dit qu’il s’agissait d’un domaine très complexe, mais qu’en le qualifiant de cette façon plus ‘rassembleuse’, il allait intéresser les gens. Un des pères de l’IA en avait donc déjà une vision un peu ironique, optant délibérément pour un concept fourretout et regroupant beaucoup de choses. Aujourd’hui, on est en plein dans cette réalité. »
Le cœur? Les données
S’en est suivie une période de développe ments assez lents, avant d’aboutir à un « hiver », caractérisé par une perte d’inté rêt quasi générale. « Le sentiment était alors que toutes les belles promesses exprimées n’allaient pas se matérialiser, observetil. Cette sorte de plateau a duré jusqu’en 2010. On a alors assisté à un regain d’intérêt impressionnant, puis à un boom complètement fou de l’intelligence artificielle générative. »
Un système d’intelligence artificielle n’est rien sans données d’entrée. « Si vous demandez à un outil d’IA de vous écrire un poème dans le style de Shakespeare, il pourra le faire parce qu’il a été exposé à toutes les œuvres disponibles de Shakespeare. Il peut ainsi produire une émulation de ce style. Ce qui ne veut pas dire qu’il a une conscience de ce qu’est la poésie. Le cœur, ce sont les données avec, on le comprend, un double enjeu : leur quantité, mais aussi et surtout leur qualité. C’est essentiel pour la fiabilité de ce qu’il en sort. »
Question : pour autant, estce qu’un ordinateur peut être intelligent? « Beaucoup d’entre nous avons sûrement voyagé cet été et nous avons probablement tous eu recours à des outils automatisés pour comprendre des textes dans une langue étrangère. Sontils intelligents parce qu’ils sont capables d’opérer extrêmement rapidement la conversion d’un texte en chinois ou en toute autre langue vers un texte en français, et vice versa? On peut avoir le sentiment qu’il s’agit d’intelligence quand on pense à l’effort que cela demanderait pour y arriver soi-même. Mais, en réalité, ce n’est qu’en grande partie le produit d’un entraînement de traitement de données. Cela ressemble à de l’intelligence. »
Attraits et limites
Les modèles d’apprentissage par la ma chine sont de plus en plus performants et capables d’extraire des caractéristiques de plein d’informations qu’on leur donne de façon brute. Pourquoi étaitce impossible avant ? « Partons d’un exemple : distinguer sur une image une photo de cookie d’une photo d’un chien. Objectivement, une face de chien peut parfois ressembler à un cookie vu de haut. Si vous livrez à la machine beaucoup d’images de chien avec de grands yeux globuleux et beaucoup d’images de cookies, vous allez devoir la corriger en lui apprenant que, même s’il y a des ressemblances, un chien n’est pas un cookie. Vous allez lui donner de plus en plus d’informations, des caractéristiques, des détails. Il faudra plusieurs étapes par essais et erreurs pour affiner. Pour faire cela à très large échelle et de façon la plus automatisée possible, il est nécessaire d’avoir une puissance de calcul énorme et de plus en plus importante. C’est ce qu’a permis Nvidia, en transformant les puces graphiques en outils capables de traiter d’énormes quantités d’informations en parallèle, et donc extrêmement rapidement. »
Aujourd’hui, l’intelligence artificielle est très efficace pour l’automatisation de tâches très répétitives, sur base de consignes précises. « Elle est également très bonne dans l’analyse prédictive, pour les modèles climatiques ou dans le domaine de la santé par exemple. Mais elle a aussi ses limites, avec des risques de biais, voire d’hallucinations, à savoir la génération d’informations qui semblent réelles, mais qui ne correspondent pas à la réalité. Plus on nourrit une IA en images diversifiées, plus on aura de chance d’avoir des résultats qui ne sont pas (trop) caricaturaux. Si vous demandez à une machine de vous prédire qui sera le prochain président des États-Unis, elle choisira forcément un homme car il n’y a jamais eu de femmes présidentes. Tout le monde connaît l’exemple du recrutement avec l’IA qui s’est révélée biaisé à l’égard des femmes, car formée sur des données historiques de l’industrie technologique, principalement masculines. »
Plus largement, il importe de se poser ces questions, conclut Carl Mörch : « L’IA devient de plus en plus présente dans nos vies. Elle s’occupe aussi de missions publiques. Quelle place voulons-nous donner à ces algorithmes? Qui doit s’en occuper? Qui contrôle les technologies à l’œuvre? À qui appartiennent-elles? Où sont-elles développées? Où sont stockées nos informations ? Est-ce que nos environnements, nos villes et admi nistrations, nos organisations sont prêtes et conscientes des enjeux? Il est salutaire de voir dans la Société de plus en plus de questionnements à ce sujet. »
