Intelligence artificielle : histoire et prospectives

Les machines vont-elles un jour nous dominer ? A quoi ressemblera notre monde bardé de connexions, d’algorithmes et de données infinies dans 30 ans ? Le point sur ces sujets avec Dominique Cardon.

En juin dernier, MAIF recevait M. Dominique Cardon, Professeur de sociologie et directeur du Medialab à Sciences Po Paris. Durant cette conférence, à retrouver en version complète sur YouTube, il nous partage sa vision de l’impact de l’intelligence artificielle dans notre quotidien.

Après une introduction sur l’histoire d’une science encore peu comprise du grand public, l’auteur de Culture Numérique - son ouvrage paru en 2019 - nous ouvre les yeux sur la nécessité de l’IA, si tant est qu’elle soit éthique et responsable.

Un sujet passionnant qui nous plonge dans le monde de la donnée, du calcul et de la prédiction.

Qu’appelle-t-on Intelligence Artificielle ?

L’IA est une technique particulière de Machine Learning, s’appuyant sur des réseaux de neurones, le Deep Learning.
Ces différents termes peuvent paraître complexes, voire ne rien vous évoquer, et à juste titre : ce sont des sciences informatiques nées à la suite de décennies d’innovations et de recherches.
Afin de mieux comprendre les sujets évoqués par Dominique Cardon, il semble toutefois pertinent de les définir. En voici une version simplifiée :

• Intelligence artificielle : Ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine (1).
• Machine Learning : Le Machine Learning ou apprentissage automatique est un domaine scientifique, et plus particulièrement une sous-catégorie de l’intelligence artificielle. Il consiste à laisser des algorithmes découvrir des “patterns”, à savoir des motifs récurrents, dans les ensembles de données. Ces données peuvent être des chiffres, des mots, des images, des statistiques. Tout ce qui peut être stocké numériquement peut servir de donnée pour le Machine Learning (2).
• Deep Learning : Le deep learning ou apprentissage profond est un type d’intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d’apprendre par elle-même, contrairement à la programmation où elle se contente d’exécuter des règles prédéterminées (3).

Il est toutefois important de noter que tous les chercheurs impliqués dans ces sciences ne sont pas forcément d’accord sur un consensus de définitions et d’objectifs de l’IA.

Une histoire d’innovations et de désaccords scientifiques

Tout commence en 1956 lors du Summer Workshop de Dartmouth. C’est à cette occasion que 15 chercheurs, surnommés les Pères Fondateurs de l’IA, se réunissent pour mutualiser leurs recherches. L’intérêt du grand public commence à se faire sentir.

Les années 1960 marquent un tournant. On y apprend notamment que plusieurs courants ont commencé à s’opposer, allant jusqu’à se livrer une véritable bataille de l’innovation.

John McCarthy, créateur du terme “intelligence artificielle”, a pour idée de rendre les machines intelligentes. Il compte donner aux robots la capacité de raisonner et de décider. Cette vision de l’IA dominera une grande partie de l’histoire.

Face à lui, Doug Engelbart, qui est l’un des grands inventeurs de l’ordinateur personnel, lance l’ARC, l’Augmentation Research Center. Son idée est d’augmenter l’intelligence des humains grâce aux machines.

Symbolique ou Connexionniste ? L’affrontement des IA

Pour simplifier l’histoire de l’IA, on peut dire que 2 courants se sont affrontés.

• L’IA symbolique : une manière de permettre à l’ordinateur de raisonner et de reproduire un raisonnement humain.
• L’IA connexionniste : on part ici du principe que la machine n’est pas intelligente. Elle perçoit à travers les données (Big Data) des relations qui lui permettent de produire toute une série de perceptions. C’est le courant qui domine de nos jours.

Quelle est l’utilité de l’IA ?

La technologie de l’intelligence artificielle offre plusieurs avantages cruciaux qui en font un excellent outil pour pratiquement toutes les organisations modernes :

1. Automatiser une tâche répétitive qui était auparavant effectuée manuellement, sans ressentir de fatigue ou devoir prendre de pauses (comme un employé humain devrait le faire).
2. Rendre les produits et les services plus intelligents et plus efficaces, en améliorant les expériences des utilisateurs finaux (conversation, service client, meilleures recommandations de produits).
3. Analyse de données à un rythme beaucoup plus rapide que les humains, permettant de croiser des ensembles de données beaucoup plus importants que ce que peuvent faire les humains.
4. Récolter et interpréter des données de manière plus précise que les humains, pour prendre de meilleures décisions. Par exemple pour choisir un investissement financier ou identifier une excroissance cancéreuse sur des radiographies.

Globalement, l’IA permettrait ainsi aux organisations de prendre de meilleures décisions, améliorant les processus de base en augmentant à la fois la vitesse et la précision des tâches accomplies.

L’exemple des plateformes de streaming

Spotify et Deezer sont les deux leaders du marché du streaming musical. Leurs algorithmes utilisent l’intelligence artificielle pour traquer toutes nos actions sur la plateforme. Les musiques que nous écoutons, celles que nous passons, les styles que nous n’écoutons jamais, etc. Ainsi, il apprend et met à jour constamment nos données comportementales. Finalement, ces applications établissent un profil utilisateur le plus précis possible, pour proposer un contenu optimisé selon nos goûts musicaux grâce à l’IA.

Conclusion

Alors, les hommes se feront-ils vraiment remplacer par les machines ? Que restera-t-il de notre sens critique lorsque chaque information qui nous parvient sera ultra-personnalisée ?

Les études d’historiens de l’économie réalisées depuis 30 ans n’ont jamais vu le marché de l’emploi se réduire avec toutes les vagues d’automatisation (machines-outils, informatique, etc.). Les paysans équipés de fourches sont devenus des ouvriers munis d’outils, rendant leur travail plus productif et moins pénible.

A l’heure actuelle, certaines prévisions sont pourtant assez alarmistes : dans 20 ans, 42 % des emplois en France pourraient disparaître. L’OCDE tempère toutefois ces conclusions en indiquant que 10 % des emplois “seulement” seraient voués à véritablement disparaître, tandis qu’environ 50 % de ces emplois seraient plutôt amenés à évoluer.

---

(Re)voir la conférence

Un nouveau monde de la donnée, du calcul et de la prédiction est en train de se mettre en place. Et forcément, cela nous intrigue. Alors pour continuer votre aventure au pays de la data, vous pouvez visionner l’intégralité de l’intervention de Dominique Cardon, disponible sur la chaîne YouTube de la MAIF : Intelligence artificielle : histoire et prospectives.