Préface
p. 9-13
Texte intégral
1Comment en sommes-nous arrivés là ? Comment l’intelligence artificielle, pièce majeure des romans et des films de science-fiction, se retrouve partager le titre d’un livre avec un sujet aussi sérieux que l’entreprise ? Qu’y a-t-il d’autre à dire sur IA et entreprise que la première va prendre le travail des humains dans la deuxième ? En fait, il y a beaucoup plus à dire mais voyons d’abord comme nous en sommes venus à ce mélange des genres.
2Les ouvrages racontant l’histoire de l’intelligence artificielle sont innombrables et nous n’essaierons pas d’en faire un résumé précis dans ces quelques lignes. Nous nous contenterons de quelques grandes étapes et grands principes qui permettront de comprendre l’évolution de cette technologie et, surtout, de ses usages. En effet, si l’IA est née pour résoudre des problèmes qui relèvent du raisonnement humain (par opposition aux gros calculs mathématiques sur lesquels travaillaient les ordinateurs avant l’IA), ses premières applications semblaient plutôt mystérieuses (le décryptage des codes secrets pendant la guerre), amusantes (le jeu d’échecs) voire un peu poétiques (le problème du voyageur de commerce). Tout cela semblait bien loin des préoccupations de la grande majorité des entreprises. Même si beaucoup avaient recours à des voyageurs de commerce pour la distribution de leurs produits, leur problème d’optimisation de parcours, afin de minimiser le temps de déplacement pour passer par les 15 villes de leurs clients, n’était pas une source de préoccupation suffisante pour qu’elle justifiât l’embauche de chercheurs en IA.
3En quête de respectabilité, l’IA proposa les systèmes experts qui se proposaient de modéliser la connaissance d’experts de leur domaine (médecin, financier, …) de façon à pouvoir se passer d’eux, diront certains, à profiter de leurs compétences même en leur absence ou pour traiter les cas classiques sur lesquels il n’est pas nécessaire qu’ils perdent du temps, diront d’autres. C’est aussi un moyen de consolider leurs connaissances, d’éviter les erreurs humaines liées à la fatigue par exemple. Quand on parle de médecine et de finance, on se rapproche des zones d’usages difficiles à remettre en question mais on est encore sur des marchés de niche. Les experts ne sont pas légions, c’est d’ailleurs ce qui fait leur valeur. L’IA ne pouvait pas compter sur ce type d’application pour connaître l’essor qui lui donnerait le formidable retentissement médiatique qui fait qu’aujourd’hui, tout le monde en a entendu parler.
4Si les technologies, dites symboliques, qui animaient ces premières applications de l’IA (recherche opérationnelle, systèmes à base de règles, programmation par contraintes…) ont finalement, et sont toujours, quand même utilisées dans de nombreuses applications, c’est l’avènement de l’IA dite connexionniste ou basée sur les données qui a provoqué le déchainement de ses usages au service du plus grand nombre. Aujourd’hui, pratiquement personne ne peut affirmer qu’il n’a pas recours à l’IA quotidiennement, ne serait-ce qu’en utilisant un moteur de recherche sur Internet. Quelle est l’origine de ce changement d’échelle ?
5L’IA symbolique repose sur une description symbolique du monde et de son fonctionnement : on donne à l’algorithme les règles du jeu d’échec et il sait rechercher le meilleur coup, on donne à un autre les principes du cryptage et il va chercher les clés qu’il faudra appliquer pour décrypter, ou on programme, dans un système expert, tous les diagnostics qu’un excellent médecin peut déduire à partir de symptômes donnés. Un être humain explique les règles à la machine qui, grâce à sa mémoire, sa puissance de calcul, va savoir les appliquer mieux et plus systématiquement que le plus brillant des surdoués. Mais l’efficacité de la machine dépend de la bonne compréhension du monde par l’humain et de sa capacité à modéliser son fonctionnement.
6L’IA connexionniste n’a pas besoin qu’on lui explique comment fonctionne le monde, il suffit de lui montrer des exemples de son fonctionnement et elle en déduira une représentation, un modèle, de ce fonctionnement. Ce modèle sera très efficace mais, généralement, quasiment incompréhensible pour un être humain. Cette performance est rendue possible par des techniques d’apprentissage capables d’analyser des millions d’exemples et d’extrapoler, à partir de ces exemples, les bonnes décisions dans des cas qu’elles n’auront pourtant jamais vus lors de leur apprentissage. L’exemple ultime de cette IA connexionniste est le réseau de neurones, dont le principe est né en même temps que ceux de l’IA symbolique, mais qui a dû attendre notre monde digitalisé pour se révéler. Lors de la phase d’apprentissage, on présente au réseau de neurones des exemples de ce qu’on veut qu’il apprenne, par exemple des photos d’animaux en lui indiquant ce qu’il doit y reconnaître : un chat, un chien, un glouton carcajou ou un orang outang. Une fois que cet apprentissage est terminé, le réseau sera capable de dire si, sur une nouvelle photo qu’on lui présente, se trouve un chat, un chien, un glouton carcajou ou un orang outang. Lors de son apprentissage, le réseau aura réglé toutes les bonnes connexions entre ses neurones pour que la conclusion prise à la sortie soit conforme à ce qu’on lui avait dit qu’il y avait sur l’image. Ces techniques d’apprentissage fonctionnent si elles ont beaucoup d’exemples. Et c’est là que notre monde digitalisé a donné son coup de pouce. Aujourd’hui, cela ne pose aucun problème de trouver des millions d’images d’animaux sur Internet. Dans les années 50, quand les concepts et le nom de l’IA sont apparus, c’était beaucoup plus délicat de trouver de la matière pour nourrir une IA connexionniste, dont le concept était d’ailleurs tombé d’inanition jusque dans les années 2000.
7La grande force de l’IA connexionniste est de pouvoir modéliser le monde sans vraiment le comprendre. L’IA qui reconnaît les animaux ne sait pas qu’un chat a des petites oreilles pointues, un museau presque inexistant, des moustaches… mais quand elle voit un chat, elle sait le reconnaître. L’intérêt est gigantesque : on peut donc demander à un ordinateur de prendre des décisions sans avoir à lui expliquer la façon de les prendre, juste en lui montrant des exemples de décisions prises par le passé. Cela va permettre d’utiliser l’ordinateur pour des tâches qui lui étaient jusque-là inaccessibles parce qu’on ne savait pas décrire le processus qu’il devait appliquer pour prendre sa décision. La reconnaissance d’images, comme celle des animaux dont nous venons de parler, en est une bonne illustration : décrire formellement un animal nouveau est très compliqué, il est beaucoup plus simple de montrer des exemples. Les zoologistes des temps anciens avaient bien du mérite pour décrire une girafe ou un gnou à quelqu’un qui n’en avait jamais vu. Et quand celui-là devait dessiner l’animal à partir de la simple description orale, le résultat pouvait être assez surprenant. Un autre domaine qui illustre les vertus du connexionnisme est la reconnaissance vocale. La transcription de sons (l’onde sonore que nos tympans ou qu’un micro captent) en phonèmes puis en mot est horriblement compliqué à décrire explicitement. En revanche, en donnant à un réseau de neurones à écouter la lecture de livres dont il a aussi le texte, il est possible de lui apprendre à faire cette transcription de façon très efficace. Les applications de ce principe ne connaissent pas d’autres limites que l’imagination des développeurs et, bien sûr, la disponibilité d’exemples.
8Décrit de cette façon, le développement d’une IA paraît très simple et on peut comprendre l’inquiétude de certains vis-à-vis d’une IA qui apprendrait toute seule, qui apprendrait des comportements non souhaitables, qui pourrait remplacer n’importe quelle activité intellectuelle et donc rendre l’homme à une simple condition de nourrisseur de l’IA. Heureusement, ou malheureusement, dans les faits, l’apprentissage n’est pas aussi simple et demande encore pas mal d’interventions humaines, ne serait-ce que pour collecter les données, les exemples, qui vont servir à l’apprentissage. Que ce soit grâce aux capteurs sur les machines d’une usine, aux textes des contrats et des propositions commerciales ou des mails échangés avec les clients et les fournisseurs, une entreprise génère des millions de données qui, sous une forme directe ou indirecte, peuvent en décrire le fonctionnement. C’est pour cela qu’on a coutume de dire que les données sont une nouvelle richesse pour l’entreprise car elles peuvent permettre, en les maitrisant, d’en optimiser considérablement le fonctionnement. Mais comme pour toutes les matières premières, leur extraction a un coût. Dans le cas d’une machine, dont on voudrait surveiller les données capteurs pour anticiper une panne : il faut connecter les capteurs des machines à un serveur, nettoyer les valeurs aberrantes, remplacer les valeurs manquantes (car les capteurs ne sont jamais parfaits) et surtout leur donner une signification que l’apprentissage pourra utiliser. Un expert doit indiquer que tels signaux capteurs sont une prémisse de panne. Ce travail, dit d’annotation, est extrêmement fastidieux et requiert beaucoup de travail humain qui s’ajoute à celui de la collecte et du nettoyage. C’est pourquoi les entreprises pèsent longuement le pour et le contre avant de s’engager dans l’introduction de l’IA dans leurs processus. Au passage, on comprend bien, dans ces conditions, que le fantasme de la machine qui apprend spontanément à réaliser une nouvelle tâche toute seule n’a pas beaucoup de fondements. Même si les chercheurs progressent vite pour simplifier les processus d’apprentissage et diminuer le nombre d’exemples nécessaires, c’est toujours un être humain qui donnera la tâche à réaliser à la machine et trouvera les données pour son apprentissage.
9Depuis quelques années, un nouvel aspect de l’IA relance néanmoins les questions à propos de l’autonomie et de la créativité de l’IA. Il s’agit des IA « générative ». À la différence des IA partant de données de grandes dimensions (les millions de pixels d’une photo de chat) pour rendre un verdict simple (c’est un chat), ces IA sont capables de générer les millions de pixels d’une image à partir de très peu d’informations. On a vu ce type d’IA compléter des photos dont il manquait des morceaux, produire des tableaux à la façon de Van Gogh et même écrire des histoires ou composer des morceaux de musique. De très grands espoirs sont mis dans ces IA capables aussi de synthétiser des nouvelles molécules pour réaliser des vaccins ou des médicaments. Évidemment ces IA ont été programmés par des êtres humains, évidemment elles ont été nourries d’exemples créés par des humains mais elles n’en génèrent pas moins des créations que les humains n’avaient pas trouvées. Certains seraient donc tentés de voir en l’IA, l’auteur de ces créations. D’autres diront que le vrai créateur sera celui qui les a programmées et nourries. Mais ne serait-ce pas alors comme considérer que le Titien est l’auteur des peintures du Greco qui fut son disciple et à qui il a tout appris ? L’analogie des termes utilisés pour décrire les mécanismes utilisés par l’IA avec ceux décrivant le fonctionnement de notre cerveau entretiennent un flou sur ce qui sépare l’homme de la machine.
10N’est-ce pas en fait la question de fond : quelle différence y a-t-il entre un homme et une machine ? Si l’homme n’est fait que de matière et de réactions chimiques, en quoi est-il différent d’une machine ? Il n’y a donc pas de raison que, avec le temps, les chercheurs finissent par modéliser parfaitement le fonctionnement du cerveau humain pour être capable de le répliquer artificiellement. A quel moment, dans l’évolution de l’IA, pourra-t-on dire qu’une machine mérite autant d’égard qu’un animal puis qu’un être humain ? Ou y a-t-il une limite que la machine ne franchira jamais parce qu’il lui manquera toujours quelque chose de métaphysique, une âme par exemple ? La réponse dépend alors des croyances de chacun.
11Quoi qu’il en soit, déjà dans son état actuel, l’IA, par son déploiement dans presque tous les domaines de la société, est devenue incontournable. Il sera difficile de s’en passer, au même titre qu’il serait difficile d’arrêter d’utiliser l’électricité. Il faut donc apprendre à vivre avec, profiter des bénéfices qu’elle peut nous apporter et nous protéger des risques qu’elle peut engendrer. Pour cela, il est important de ne pas laisser les mathématiciens et les informaticiens seuls quand il s’agit de maitriser cette technologie et surtout ses usages.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Qu’en est-il du code du commerce 200 ans après ?
États des lieux et projections
Corinne Saint-Alary-Houin (dir.)
2008
Qu'en est-il de la simplification du droit ?
Frédérique Rueda et Jacqueline Pousson-Petit (dir.)
2010
La réorientation européenne de la TVA à la suite du renoncement au régime définitif
Francis Querol (dir.)
2014
Regards critiques sur quelques (r)évolutions récentes du droit
Tome 1 : Bilans et Tome 2 : Réformes-Révolutions
Maryvonne Hecquard-Théron et Jacques Krynen (dir.)
2005