L’unité d’enseignement et de recherche d’informatique et d’ingénierie des systèmes (U2IS) de l’ENSTA ParisTech

Depuis peu, les techniques d’Intelligence Artificielle ont quitté le stade du laboratoire pour attirer l’attention du grand public. Que ce soit la victoire d’une machine sur le meilleur joueur de Go ou le premier accident mortel ayant pour origine une erreur d’appréciation d’une situation par un système, ces thématiques sont désormais couvertes par les médias et il est fort probable qu’elles continuent d’y être présentes.

Parallèlement à ces avancées médiatisées, de plus en plus d’algorithmes « intelligents » sont utilisés dans diverses applications quotidiennes. Ces algorithmes sont employés par les établissements financiers pour déterminer notre solvabilité, ils servent à extraire de l’information de nos conversations ou de nos échanges dans le but de déterminer notre comportement, avec des applications tant dans le marketing que dans le domaine de la sécurité. Ces algorithmes servent enfin à analyser l’évolution des marchés et à passer des ordres de bourses. Ils peuvent être, comme cela a déjà été le cas, à l’origine de crash sans que l’homme ne soit intervenu dans le processus.

De nombreuses entreprises s’intéressent désormais aux systèmes dits intelligents. Les plus connus sont les grands acteurs de l’Internet comme Google ou Facebook. Cependant, de nombreux acteurs du monde de la défense, du monde des assurances et de la finance ainsi que de l’industrie s’impliquent dans le domaine et développent ou expérimentent des applicatifs basés sur ces techniques.

Ce qui différencie ces systèmes dits « intelligents » des systèmes « automatisés » est leur capacité « d’apprendre ». Si en ce qui concerne l’homme, l’intelligence ne peut se résumer à sa seule capacité d’apprentissage, en ce qui concerne les systèmes dits « intelligents », c’est bien cette capacité qui les distinguent des autres et qui leur permet d’effectuer des tâches que les autres algorithmes ne sont pas en mesure de réaliser. La raison principale qui nécessite de recourir à des techniques d’apprentissage est l’abondance des données qui doivent être traitées. Imaginons un groupe d’informaticiens devant concevoir un programme capable de reconnaître chacune des photos des 500 millions d’utilisateurs de Facebook.
Analyser les images les unes après les autres est une mission fastidieuse et qui ne peut être réalisée en un temps raisonnable. Au contraire, les algorithmes spécialisés et basés sur l’apprentissage excellent à effectuer ce type de tâche et peuvent tirer pleinement partie de la puissance de calcul abondante et bon marché désormais disponible, ce qui rend ces opérations dès lors réalisables dans un délai acceptable. C’est pour cela que l’apprentissage est tout à fait pertinent quand il est nécessaire d’inférer la structure des données sur de grands ensembles dans un temps raisonnable. Les exemples d’application sont nombreux comme la reconnaissance d’objets ou de personnes, la détection de piétons dans des véhicules intelligents équipés de caméra, la recherche d’un « air de musique », d’une mélodie ou d’un son sur internet, des corrélations dans un ensemble de transactions financières pouvant laisser suspecter une fraude.

Si les résultats des algorithmes d’apprentissage notamment des algorithmes d’apprentissage profond (« deep learning ») sont impressionnants, il ne faut pas les considérer comme « intelligents » dans le sens traditionnel. Il s’agit en effet d’algorithmes qui ont été conçus et réalisés pour effectuer des opérations bien précises. Ces algorithmes n’ont aucunement la prétention de réaliser des tâches en dehors du spectre relativement étroit pour lequel ils ont été conçus. Ils ne pourront jamais évoluer dans leur structure actuelle vers des algorithmes pouvant développer une forme de conscience ou même de libre arbitre.
Ce sont avant tout des outils puissants et performants pour réaliser des applicatifs mais dont le comportement doit rester sous la responsabilité de celui qui les a programmés ou de celui qui les opère. La question de savoir quel crédit et quel pouvoir de décision nous souhaitons déléguer à de tels algorithmes est effectivement posée, ces algorithmes offrant de nouveaux champs d’application. Malgré ces limites et ces écueils, ces techniques d’apprentissage nous apparaissent comme une magnifique opportunité de rendre nos systèmes plus intelligents, plus sûrs et plus confortables, améliorant ainsi notre quotidien, d’une manière que nous commençons seulement à découvrir et qu’il nous reste à imaginer.

Alexander Gepperth
Enseignant-chercheur à l’U2IS
ENSTA ParisTech

traduit de l’allemand par Bruno Monsuez, Directeur de l’unité d’informatique et d’ingénierie des systèmes (U2IS).