Intelligence artificielle, un colloque pour en faire le tour?

L'intelligence artificielle était le sujet de la rencontre French Tech, E-learn2grow dans le cadre d'une série de conférences sur les FinTech.

Les interventions de Clare.AI, Three Stones, Maltem Asia, suivies d'une discussion ont trouvé un bel équilibre pour parler de l'avancement de cette science, des applications pratiques et des questions qu'elle soulève. 

L'intelligence artificielle est un sujet complexe et polémique qui avait de quoi impressionner pour un séminaire de deux heures top chrono!

Qu'il y ait un enjeu ne faisait pas vraiment de doute dans l'assistance. Les annonces de victoire de la machine sur l'homme se sont multipliées : après le jeu d'échecs en 1997, le jeu télévisé Jeopardy en 2011, récemment c'était au tour du jeu de Go (2016) et du Poker (2017). Pour ces deux dernières, on n'est déjà plus dans un match qui honore seulement la puissance de calcul ou la qualité de la programmation (avec tous les coups pré-programmés) mais dans le deep learning, une des catégories de l'intelligence artificielle. On a aussi pu être troublé devant les récents films (Her) et séries télévisées (Black Mirror, Westworld) qui questionnent cette science. Enfin, les investissements et les avancées de Facebook, Google, IBM, Microsoft pleuvent au point que tout le monde a déjà entendu parler de Deep Blue, de Watson (IBM), d'AlphaGo et de Google DeepMind. 

Petit tour d'horizon

Loin du cours magistral, les intervenants ont pris soin de rappeler quelques concepts. La distinction a été faite entre l'intelligence artificielle qualifiée de "faible", celle où priment l'approche statistique, l'analyse des mégadonnées et le développement de logiciel auto-apprenant. Et de l'autre côté, une intelligence artificielle dite "forte", où l'ordinateur aurait appris à apprendre et serait capable lui-même de créer - en ayant conscience de le faire! - pour ainsi dire certainement la dernière invention de l'homme.

Bien sûr, certaines des limites actuelles ont été listées. Pour la reconnaissance d'image, lorsque Google cherche à identifier un objet, il doit analyser plusieurs centaines de milliers d'images avant de développer des réponses pertinentes alors qu'un enfant le reconnaitrait dès la deuxième image. Aussi il est encore impossible de réutiliser dans un nouveau domaine tout ce que l'ordinateur a précédemment appris.

Mais loin de rassurer, les limites semblaient assez faibles. Pour l'apprentissage, on apprenait que Google annonçait une méthode pour réemployer tout le savoir acquis par la machine grâce à l'Elastic Weight Consolidation. Mieux encore, concernant la traduction, deux logiciels avaient été mis en compétition par une équipe de chercheurs pour juger des meilleurs résultats mais les logiciels se sont mis à dialoguer entre eux pour atteindre des résultats plus pertinents encore.

L'explication du boom de l'intelligence artificielle proviendrait des avancées considérables dans la puissance de calcul des ordinateurs, les données gigantesques amassées sous format électronique (Big Data) et enfin des avancées considérables dans les sciences cognitives (langage, neurologie, apprentissage) utilisées par les développeurs. Loin donc des années 80 où le sujet était en vogue, mais où seule la science-fiction faisait des avancées.

Quelques applications pratiques

Les participants ont assisté à la démonstration d'un chatbot ou agent conversationnel de Clare.AI. L'application est une fenêtre de dialogue où l'utilisateur va pouvoir poser ses questions et la machine y répondre. Montrée pour un usage interne avec des questions simples, la fondatrice rappelle que cette interface pourrait être envisagée pour la relation client.

Le deuxième exemple concernait la gestion d'actifs par les établissements financiers. Les décisions d'investissement se font depuis des décennies avec l'aide de l'informatique pour collecter les nombreuses informations des marchés, simuler des décisions d'achat ou classer les risques. Des tonnes de calcul donc ! Aujourd'hui, les modèles sont développés et validés par l'homme, puis une fois déployés, les scénarios réagissent en fonction du marché. L'opérateur ajustera alors son modèle et ainsi de suite. L'intelligence artificielle aurait sa place presque partout : rééquilibrer d'elle-même les modèles, évaluer la pertinence des scenarios face aux réactions du marché et réaliser les transactions qu'elle jugerait optimales.

D'autres exemples sont donnés dans la santé avec la détection extrêmement fiable des fractures et des lésions sur les radios médicales (reconnaissance d'image) ou dans l'éducation (chatbot pour enfants).
 

Comment réagir?

Les grands acteurs dominent à coups d'investissements colossaux, mais à côté une myriade de startups se développe. A noter d'ailleurs que la France, riche d'un tissu d'ingénieurs très qualifiés et d'une appétence pour ces technologies, tire son épingle du jeu avec de nombreuses startups dans l'intelligence artificielle et le machine learning.

Pour les entreprises plus conventionnelles, les investissements restent lourds et les ressources pas si évidentes à identifier. Un échange s'est tenu pour savoir si la tendance serait au développement interne ou au recours à la sous-traitance. La réponse semblait se situer entre les deux. Une entreprise ne développera des outils intelligents que si elle a déjà une activité de développement et si le domaine couvert est son c?ur de métier. Pris pour exemple, une banque s'appuierait sur des prestataires pour des outils de traduction mais pourrait chercher à développer sa technologie avec ses ressources (informaticiens, traders?) pour ses services historiques comme la gestion d'actifs, le trading ... La veille technologique en tout cas semblait une évidence pour tous.

Quant au déploiement, il restait des questions sur la responsabilité. Le cas du chatbot de Microsoft qui a tenu des propos racistes en a été l'illustration. Une entreprise pourrait-elle courir le risque de laisser ses ordinateurs tenir des conversations librement avec sa clientèle... ou d'ailleurs pourrait-elle vendre des solutions de trading avec des investissements gérés de manière entièrement autonome par une machine ?

Enfin sujet épineux, le sort du travail humain a été abordé avec précaution. C'est plutôt de transformation du travail qu'il a été question sous l'angle des compétences recherchées demain. Les vainqueurs pourraient être les doctorants mais les startups semblent vouloir miser sur des gens avant tout passionnés. Les intervenants ont insisté sur les formations disponibles pour tous (MOOC du MIT, cours et conférences en ligne?)

Deux heures bien rythmées où l'on pouvait en son for intérieur balancer entre enthousiasme et pessimisme comme celui incarné dernièrement par Bill Gates, Elon Musk ou Stephen Hawking sur le sujet.