[ad_1]
\n
\n L\u2019intelligence artificielle (IA) ne laisse personne indiff\u00e9rent, que l\u2019on imagine un monde id\u00e9al o\u00f9 les travaux p\u00e9nibles reviendraient \u00e0 des robots ou bien un contr\u00f4le dictatorial par des andro\u00efdes. \u00ab L\u2019IA n\u2019est pas un mot magique que l\u2019on doit employer dans tous les sens, tranche Isabelle Ryl, \u00e0 la t\u00eate de l\u2019institut Prairie, sp\u00e9cialis\u00e9 en intelligence artificielle. C\u2019est un outil. Un outil performant, certes, mais rien de plus aujourd\u2019hui. \u00bbL\u2019intelligence artificielle n\u2019est, pour l\u2019instant encore, ni plus ni moins qu\u2019un ordinateur qui r\u00e9alise des fonctions effectu\u00e9es par des humains comme celles de reconna\u00eetre des \u00e9l\u00e9ments sur une image ou de r\u00e9pondre \u00e0 une question orale. Mais, avec le d\u00e9veloppement du deep learning (voir lexique page suivante), le domaine a connu un d\u00e9veloppement sans pr\u00e9c\u00e9dent. Aujourd\u2019hui, une IA sait identifier des chiens et des chats, recommander un plombier, \u00e9viter une collision en voiture, retoucher une photographie, d\u00e9tecter des tumeurs canc\u00e9reuses\u2026 Coupl\u00e9e \u00e0 un robot, elle sait ouvrir des portes, soulever des charges lourdes ou sauter par-dessus des obstacles. Bonne \u00e0 tout faire ? Non.\u00ab Pour l\u2019instant, les IA ne sont pas autonomes \u00bb, rappelle Jean-Claude Heudin, chercheur en IA et auteur de Intelligence artificielle. Manuel de survie. \u00ab Pour mettre au point ces machines, rassembler et pr\u00e9parer les donn\u00e9es n\u00e9cessaires, il faut des interventions humaines \u00bb, souligne-t-il. La plupart des IA suivent un \u00ab apprentissage supervis\u00e9 \u00bb. Cela revient \u00e0 leur montrer des milliers de photos indiquant \u00ab \u00e7a c\u2019est un v\u00e9lo, \u00e7a c\u2019est un pi\u00e9ton \u00bb, pour qu\u2019ensuite, face \u00e0 une photo, l\u2019IA sache distinguer un pi\u00e9ton et un v\u00e9lo. \u00ab C\u2019est nettement moins performant que notre cerveau qui n\u2019a pas besoin de millions d\u2019images pour apprendre la diff\u00e9rence ! \u00bb, relativise Jean-Claude Heudin.C\u2019est aussi monomaniaque : \u00ab Une IA entra\u00een\u00e9e \u00e0 d\u00e9tecter des tumeurs du foie sur une radiographie ne saura pas le faire pour des tumeurs des poumons, et pourra encore moins identifier des troupeaux d\u2019\u00e9l\u00e9phants dans des images satellites \u00bb, pose Isabelle Ryl. La technologie de reconnaissance d\u2019images est la m\u00eame, mais l\u2019entra\u00eenement diff\u00e8re grandement. Attention, enfin, aux biais. Une IA qui classe des CV d\u2019ing\u00e9nieurs ne doit pas \u00e9carter les femmes sous pr\u00e9texte que c\u2019est un m\u00e9tier o\u00f9 elles sont sous-repr\u00e9sent\u00e9es et reproduire les biais sexistes ou racistes de la soci\u00e9t\u00e9.Autre possibilit\u00e9, l\u2019apprentissage par renforcement. Par exemple, pour \u00eatre imbattable aux \u00e9checs, une IA commence par perdre beaucoup de parties. Elle apprend de ses erreurs, dans des proportions d\u00e9mesur\u00e9es. Surtout, les machines n\u2019ont pas conscience d\u2019elles-m\u00eames ni du monde qui les entoure, ce qui oblige \u00e0 plus d\u2019essais. \u00ab Un \u00eatre humain qui passe son permis de conduire n\u2019a pas besoin de passer la voiture par-dessus la falaise pour savoir que c\u2019est une mauvaise id\u00e9e. Un ordinateur aura besoin de le simuler, car il ne fait pas le lien falaise = tomber = danger \u00bb, compare Isabelle Ryl.\u00ab Depuis le premier r\u00e9seau de neurones artificiels, le perceptron de l\u2019Am\u00e9ricain Frank Rosenblatt en 1958, cette technologie a gagn\u00e9 en performance mais reste tr\u00e8s simple compar\u00e9e \u00e0 notre cerveau \u00bb, explique Jean-Claude Heudin. Pour effectuer le \u00ab bond \u00bb suivant, beaucoup de recherches s\u2019orientent d\u00e9sormais sur la fa\u00e7on dont les enfants apprennent pour cr\u00e9er une repr\u00e9sentation globale du monde.<\/p>\n