Lors de l’édition 2023 d’Imagine Summit, Élisa Fromont, Professeure à l’Université de Rennes et Chercheuse en intelligence artificielle à l’IRISA et à l’INRIA, a pris la parole pour partager ses réflexions sur le domaine de l’intelligence artificielle (IA). Dans cet article, nous faisons un tour d’horizon de l’IA. Car l’IA, depuis ses débuts, évolue, suscitant à la fois fascination et préoccupations. Comprendre son histoire, ses usages et ses enjeux est essentiel pour apprécier son potentiel.
Qu’est-ce que l’IA ?
L’idée d’intelligence artificielle ne date pas d’aujourd’hui, remontant aux années 50 avec Alan Turing, l’un des pionniers de l’IA. Au fil du temps, l’IA a suscité diverses interprétations et définitions. Entre autres, Marvin Minsky la décrivait comme “the science of making machines do things that would require intelligence if done by men. » Élisa Fromont, lors de cette conférence, nous a également apporté sa propre définition de l’IA, la décrivant comme « une science explorant la construction et l’étude d’algorithmes permettant aux machines d’accomplir des tâches nécessitant du raisonnement, de l’apprentissage ou de la prise de décision. » Mais définir précisément l’IA reste complexe en raison de la frontière ambiguë entre algorithme et IA.
Quelques notions
∙ L’IA faible vise à résoudre des problèmes spécifiques, égalant l’Homme peu importe la méthode utilisée. Elle prend des formes variées telles qu’un programme d’échecs, une tondeuse à gazon, un robot aspirateur ou un modèle prédictif utilisé pour des tâches comme l’estimation des risques en assurance, le trading à haute fréquence ou la détection de cancers.
∙ « L’IA faible qui paraît forte » fait partie intégrante de notre vie quotidienne depuis plusieurs années. Ces IA combinent des algorithmes, chacun étant spécialisé dans une tâche spécifique comme Alexa, Google Home ou Siri. ChatGPT, lui aussi, appartient à cette catégorie d’IA faibles qui paraissent forte.
∙ L’IA forte, quant à elle, vise à imiter la pensée humaine, avec une véritable spontanéité et une compréhension approfondie. La plupart de celles que nous connaissons sont purement fictives comme R2D2 de la saga Star Wars ou Terminator. Autrement dit, ces IA fortes ne semblent pas sur le point de devenir réalité.
∙ L’apprentissage automatique (machine learning) est un sous-domaine de l’IA, explorant la construction d’algorithmes permettant aux machines d’apprendre à partir de données passées.
L’apprentissage automatique se décline en plusieurs catégories ; l’apprentissage supervisé, non supervisé et par renforcement. Un exemple illustrant cette diversité est l’agent conversationnel ChatGPT. Ce dernier repose sur un réseau de neurones entraîné par apprentissage supervisé, où les données et les prédictions passées sont utilisées pour anticiper de nouvelles données dans le futur. ChatGPT intègre également l’apprentissage par renforcement, nécessitant des exemples de conversations pour affiner ses capacités.
Les défis de ces modèles
Réfléchir avec intelligence
Elisa Fromont illustre ce problème en prenant pour exemple » si je demande la recette du far breton au lait de canard, Chat GPT nous répond : il vous faudra un litre de lait de canard ».
Biais de l’IA : risques de l’analyse prédictive
Aux États-Unis, le logiciel COMPAS, évalue les risques de récidive des détenus en vue d’une libération conditionnelle, en se fondant sur le profil, donc les données, de la personne concernée. Cependant, pour les individus issus de minorités ethniques vivant dans des quartiers défavorisés, le logiciel augmente les probabilités de récidive. Cela souligne le danger de perpétuer des préjugés en reproduisant simplement les schémas présents dans les données initiales.
L’IA et le droit
Divers défis émergent en droit pour ralentir l’utilisation de l’IA, la reconnaissance faciale en Chine comme exemple frappant. En réaction, l’Union européenne a instauré l’IA Act pour interdire ces pratiques. Parallèlement, la montée des deepfakes et des images artificielles suscite également des inquiétudes majeures, incitant les systèmes juridiques à s’adapter rapidement.
Des machines gourmandes en ressources
Des machines telles que le supercalculateur Jean Zay, composées en partie de terres rares extraites massivement en Chine, suscitent des inquiétudes quant à de possibles pénuries des ressources. L’impact énergétique de ces machines, malgré leurs performances exceptionnelles, reste significatif. Ces défis mettent en lumière les préoccupations environnementales liées à la puissance croissante de ses outils.
Des chercheurs en IA et en informatique travaillent sur cette problématique en explorant les solutions suivantes : réutilisation de modèles existants, apprendre mieux avec moins de données, apprendre avec des modèles moins complexes.
Retrouvez le replay de l’intervention d’Elisa Fromont
