Intelligence artificielle et machine learning s’installent durablement dans notre quotidien

Aviez-vous remarqué que l’intelligence artificielle n’était plus un sujet, mais une fatalité ? Plus les mois passent et plus les médias et spécialistes continuent de nous dresser un tableau toujours plus noir sur ces méchantes machines qui vont nous piquer notre travail et asservir l’humanité. S’il apparait comme évident que les IA et le machine learning sont des solutions évidentes au déluge de données auquel nous devons faire face, mais il y a manifestement un effort pédagogique qui n’a pas été fait.

Voilà près de deux ans que j’ai publié mon panorama des solutions d’intelligence artificielle pour le marketing. Depuis, j’ai eu de nombreuses occasions de reparler des intelligences artificielles, et notamment de l’importance des experts métiers, du rôle qu’elles jouent dans le bouleversement de notre économie, de leur nécessaire banalisation, de leur apport dans la quatrième révolution industrielle…  Avec ce nouvel article, je vous propose un point à date sur le sujet et j’apporte ma modeste contribution à l’évangélisation d’un sujet qui va prendre énormément d’importance.

L’IA fascine toujours autant qu’elle fait peur

Nous sommes à la fin de l’année 2018 et l’intelligence artificielle est un sujet toujours aussi chaud, comme en témoigne la seconde édition de l’AI Index report (The AI boom is happening all over the world, and it’s accelerating quickly).

Il existe en fait quantité de publications sur le sujet, preuve que les ambitions des uns et des autres sont bien réelles et que les IA sont en train de devenir une partie intégrante de notre vie quotidienne et de notre économieArtificial Intelligence Software Market to Reach $105.8 Billion in Annual Worldwide Revenue by 2025. Comme ils disent par chez moi : deal with it!

Mais cette progression à marche forcée ne se fait pas sans contrepartie. Nous pouvons ainsi constater une défiance généralisée vis-à-vis des algorithmes (Public Attitudes Toward Computer Algorithms). Cette défiance est un réflexe naturel pour toutes celles et ceux qui voient leur quotidien (personnel ou professionnel) bouleversé par des machines sans qu’on leur explique les tenants et les aboutissants. En France, ceci se traduit par une opinion publique plutôt défavorable : une récente étude nous montre ainsi que plus d’1/4 des sondés pensent que l’intelligence artificielle aura un impact négatif sur la société (Les Français, réfractaires à l’innovation ?). Un sentiment encore plus présent au sein de la population IT : 37% of technologists don’t think AI will improve lives by 2030. Cette dernière statistique est particulièrement inquiétante, et surtout révélatrice d’une course à l’armement qui néglige le facteur humain (psychologique et émotionnel).

Usages concrets vs. reality check

Si l’adoption de l’intelligence artificielle dans tous les secteurs d’activité est aussi rapide, c’est qu’elle autorise des gains de productivité énormes (Instagram is using machine learning to kill off your fake followers), de même que des usages très concrets que personne n’avait envisagés. Par exemple l’identification d’individus malveillants dans une foule (Taylor Swift tracked stalkers with facial recognition tech at her concert) ou le recours à des technologies comme DeepFake pour fournir une éternelle jeunesse aux acteurs et actrices (What if AI made actors immortal?) ou pour injecter de la diversité dans les castings (Hollywood Won’t Cast Asian-American Stars, but A.I. Machine Learning Can). Ça aurait été vachement pratique pour finir Le jeu de la mort malgré le décès prématuré de Bruce Lee… Ces usages peuvent vous faire sourire, mais ils apportent des opportunités / solutions là où il n’y en avait pas.

De même, les progrès constants de l’IA stimulent leur adoption, et ceux dans différents secteurs d’activité : dans l’apprentissage multiple (Move over AlphaGo: AlphaZero taught itself to play three different games), dans le secteur pharmaceutique (How a Pharma Company Applied Machine Learning to Patient Data), dans le traitement du langage (Researchers develop offline speech recognition that’s 97% accurate), avec les réseaux génératifs (AI software can dream up an entire digital world from a simple sketch)…

Il y a aussi des utilisations particulièrement inquiétantes comme ce modèle universel d’empreintes digitales capable de déjouer les scanners digitaux : Fake fingerprints can imitate real ones in biometric systems.

Outre toutes ces beaux exploits techniques, nous commençons à voir apparaitre des articles très critiques qui relatent la face cachée de l’intelligence artificielle, et notamment ces usines à « petites mains » en Chine chargées de superviser l’apprentissage des machines : How Cheap Labor Drives China’s A.I. Ambitions.

Ou encore le constat que les véhicules autonomes sont somme toute assez décevants à utiliser, trop lents : Waymo’s so-called robo-taxi launch reveals a brutal truth et We finally talked to an actual Waymo passenger, here’s what he told us. Bref, il y a un début de maturité chez certains médias ou analystes, mais dans l’ensemble, ça reste très approximatif.

Un réel besoin de pédagogie

Nous sommes bientôt en 2019, soit 4 ans après l’emballement généralisé pour le machine learning. Quatre ans, à l’échelle de l’internet, c’est long. en tout cas suffisamment pour se renseigner un minimum et essayer de comprendre le fonctionnement, les tenants et aboutissants. Pourtant, je constate toujours autant d’amalgames et d’incompréhensions auprès de mes différents interlocuteurs. Le problème vient sans doute du fait que ce sujet impressionne et que l’on n’ose pas mettre son nez dedans de peur de ne rien comprendre, et de se sentir trop vieux ou stupide. Pourtant, je peux vous assurer qu’il n’y a rien que vous ne puissiez comprendre avec un minimum de temps et d’attention.

Cette méconnaissance du sujet se fait ressentir à tous les niveaux, ne serait-ce que sur une compréhension très basique : L’intelligence artificielle n’est pas une technologie ou un algorithme, c’est un concept, une vue de l’esprit, au même titre que le développement durable (chacun y met ce qu’il veut). Les intelligences artificielles sont en fait des programmes informatiques qui simulent l’intelligence humaine. Pour bien comprendre la différence entre une intelligence humaine et une simulation, j’utilise toujours la métaphore de l’avion utilisée par Yann LeCun (cf. l’interview ici : la prochaine révolution en IA viendra de l’apprentissage non supervisé). À la question « un avion sait-il voler ?« , il répond « non » : il est possible de faire voler un avion en réunissant un certain nombre de conditions (des moteurs en état de marché, du carburant, un plan de vol, un pilote expérimenté…), mais il ne va pas voler tout seul (ça reste une machine) et ne sait pas ce que c’est de voler, contrairement aux oiseaux qui volent de façon instinctive. Gardez cette métaphore à l’esprit quand vous vous demanderez si une IA est intelligente.

Si vous avez besoin d’un document vraiment complet, je vous recommande vivement la nouvelle version du livret blanc d’Olivier Ezratty : Les usages de l’intelligence artificielle 2018. Cette bible de plus de 500 pages d’explications détaillées peut impressionner, mais elle a le mérite de proposer une vision exhaustive.

Sinon, je peux vous proposer ma modeste contribution sous la forme d’un schéma d’ensemble qui résume les différents concepts :

J’utilise ce schéma dans mes formations pour lier entre-elles les différentes définitions, il se lit de haut en bas : les entreprises collecte différents types de données auprès de différentes sources, elles les injectent dans des outils informatiques conçus pour gérer de grands volumes de données (big data) et appliquent dessus des traitements automatisés plus ou moins sophistiqués. Le niveau 0 correspond aux moteurs de règles, mais il est également possible de mettre au point des systèmes apprenant qui utilisent différentes méthodes d’apprentissage et différentes familles d’algorithmes (généralement combinés entre eux). Tout ceci permet de réaliser un certain nombre de traitements (reconnaissance d’images, traitement naturel du langage, classification…) correspondant à différents usages (reconnaissance de caractères, traduction, segmentation…). Et voilà, ce n’est pas plus compliqué ! De moins, vous n’avez pas forcément besoin d’en savoir plus, simplement de bien appréhender les enjeux et de comprendre les points forts et limitations du machine learning et du deep learning.

Un débat sur l’éthique qui tourne en rond

S’il y a bien une préoccupation que l’on me ressort quasi systématiquement, c’est la nécessité (visiblement) absolue d’enseigner l’éthique aux machines. Ce qui est très surprenant, d’une part, car la très large majorité des entreprises insiste pour déshumaniser les opérations (il faut appliquer la procédure, suivre le processus et ne surtout pas improviser et essayer de comprendre les problèmes des clients). Et d’autre part, car l’éthique est une notion subjective.

Des chercheurs du MIT ont ainsi mené une expérience à grande échelle l’année dernière pour essayer d’identifier les règles de bonne moralité à appliquer aux véhicules autonomes. L’idée était de soumettre des utilisateurs à des choix impossibles : En cas de freinage d’urgence, faut-il sacrifier les passagers ou les piétons ? S’il l’accident est inévitable, faut-il éviter de percuter une femme enceinte au risque d’écraser une mamie ? Je vous invite fortement à faire le test, car il est extrêmement perturbant (il faut cliquer sur le bouton « Start judging« ) : Moral Machine.

Les conclusions de cette étude sont équivoque : il n’existe pas de consensus sur la bonne moralité, les résultats diffèrent d’un pays à l’autre en fonction de leur culture (How should autonomous vehicles be programmed?).

L’éthique des machines, et des véhicules en particulier est un faux débat, car ces dernières ne sont pas autonomes, elles sont programmées / entrainées par des hommes et femmes (lire à ce sujet : « On ne peut pas imposer de morale à un humain, alors à une machine… ») et parce que les véhicules sont très loin d’avoir les capacités d’analyse d’image suffisante pour identifier les piétons et prendre une décision sur qui doit être évité ou non. Essayez donc de vous imaginer ce que cela pourrait donner à Halloween, avec des centaines de personnes déguisées en sorcières ou en zombies dans les rues !

Je ne m’attarderai pas sur ce point, car c’est un (faux) débat sans fin et que ce n’est pas le sujet principal de cet article.

Une nécessité pour rester dans le game

Comme nous venons de le voir, des progrès considérables ont été faits en matière de machine learning, et il reste encore une énorme marge de progression, notamment sur toutes les activités qui reposent sur l’analyse de grandes quantités de données et l’automatisation de traitements. Si l’on considère les enjeux de la quatrième révolution industrielle et que l’on met de côté les considérations émotionnelles (la peur de perdre son emploi), l’intelligence artificielle n’apparait pas comme une option ou une orientation stratégique, c’est une nécessité pour rester dans la course et maintenir la compétitivité (garantir sa survie à moyen terme).

Exemple concret : la startup Shift Technology qui propose une solution de détection des fraudes aux compagnies d’assurance (Avec Shift Technology, l’intelligence artificielle s’invite chez les assureurs). Partant du principe que près de 85% des déclarations frauduleuses ne sont pas détectées, les assureurs ayant recours à cette société dispose d’un avantage compétitif décisif vis-à-vis des autres compagnies. Adopter des solutions reposant sur l’IA et la machine learning, c’est se prémunir contre une concurrence toujours plus féroce. D’autant plus qu’à mesure où les années passent, il y a toujours plus de données disponibles, donc d’opportunités à saisir pour les entreprises qui savent exploiter cette manne à l’aide des bons outils.

N’allez pas penser que le machine learning est la chasse gardée des data scientists ou des marketing technologists, car si vous utilisez Office 365, SalesForce ou les outils d’Adobe, vous bénéficiez déjà de l’apport de l’intelligence artificielle. Quelque part, l’IA est le Clippy du XXIe siècle.

L’IA est donc LE levier de productivité du XXIe siècle. Problème : le domaine est largement dominé par les sociétés américaines et chinoises (China could lead world in AI research in coming years, Elsevier report finds). Même s’il y a un montant conséquent d’investissements en Europe (Venture Capital for European AI startups tripled in 2017 to $2.3bn. Is it enough to compete with China and Silicon Valley?), nous ne luttons pas à armes égales : China and US compete to dominate big data.

Le sujet est réellement préoccupant, en tout cas suffisamment pour que les pays s’unissent (EU Member States sign up to cooperate on Artificial IntelligenceCanada and France plan global panel to study the effects of AI) et que les pouvoirs publics décident d’investir : Comment Mounir Mahjoubi veut intégrer l’intelligence artificielle dans l’administration française.

Je veux bien entendre que, travaillant dans le numérique depuis plus de 20 ans, j’ai une vision déformée de la réalité, mais je ne peux m’empêcher d’être convaincu que nous traversons une période critique de l’histoire de notre civilisation. La quatrième révolution industrielle est en marche, un nouvel ordre mondial est en train de se mettre en place. De nouvelles super-puissances numériques sont en train d’émerger (GAFAMI, BATXH…), ce n’est vraiment, VRAIMENT pas le moment de faire de la résistance au changement et de freiner l’adoption de ces nouvelles technologies (big data, machine learning…) sous prétexte que c’était mieux avant ou que l’on a pas le temps de se former ou à minima de se renseigner sur les enjeux posés par le numérique. Tant pis pour les grincheux et nostalgiques, nous ne pouvons pas nous permettre de faire du sur-place, il faut continuer à aller de l’avant.

Une série de conférences en Chine en janvier 2019

C’est dans ce cadre là que je suis invité par l’Ambassade de France à donner une série de conférences en Chine le mois prochain. Plus précisément, c’est à l’initiative de l’Institut Français (l’organisme chargé du rayonnement culturel et intellectuel français dans le monde) que je vais pouvoir rencontrer et échanger avec différents représentants du secteur privé, d’université et du secteur public dans différentes grandes villes (Pékin, Wuhan, Shenzhen, Canton, Hong Kong et Shanghai).

Autant vous dire que je suis très honoré de pouvoir faire cette série de conférences et rencontre, d’autant plus que d’autres intervenants prestigieux vont me succéder tout au long de l’année (Gilles Babinet, Nicolas Colin, Sylvie Faucheux, Dominique Cardon…).

Bien évidemment, je vous ferai des comptes-rendus de mon séjour pour résumer les échanges et vous donner une vision « terrain » de la transformation numérique de la Chine.

Stay tuned

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s