L’intelligence artificielle

L’intelligence artificielle… Qui n’en a pas déjà entendu parler ? S’il est aujourd’hui un sujet qui fait l’objet de nombreux fantasmes et spéculations, c’est bien celui là. Et pour cause, elle est déjà là depuis de nombreuses années et ses performances ne cessent de croître. Nous n’en avons pas nécessairement conscience mais nous faisons appel à ses services tous les jours et nous la retrouvons aujourd’hui un peu partout dans notre quotidien.

Que ce soit dans nos smartphones, où elle sert à faire fonctionner notre assistant vocal ainsi que l’outil de saisie prédictive par exemple, ou encore sur internet et dans notre téléviseur connecté lorsque nous sont suggérées des vidéos ou de la musique sur la base de ce que nous avons déjà écouté ou visionné, les cas où l’on fait appel à l’intelligence artificielle ne manquent pas. Le sujet est extrêmement complexe, vaste et soumis à interprétations en ce qui concerne la notion même d’intelligence. Alors nous allons essayer de voir qu’est-ce réellement que l’intelligence artificielle telle que nous la connaissons actuellement, quel en est le principe de fonctionnement et quelles sont aujourd’hui et peuvent en être demain les éventuelles applications…

Qu’est-ce que l’intelligence artificielle ?

L’intelligence artificielle nous pourrions la définir comme l’ensemble des outils et des techniques employées afin de produire, par l’intermédiaire d’ordinateurs ou plus généralement de machines, des actions qui nécessitent une certaine forme d’intelligence pour être réalisées. Ceci est rendu possible par le développement d’algorithmes, suites d’instructions programmées, exécutées par des ordinateurs qui réalisent ainsi des tâches dont seul un être humain serait en théorie capable et ce grâce à ce que l’on peut appeler son intelligence.

Il existe plusieurs manières de procéder, ou plutôt plusieurs manières de programmer ces machines afin de parvenir à ce résultat. En effet, nous ne pouvons pas parler d’intelligence artificielle sans parler de machine learning ou apprentissage automatique en français.

Le machine learning

Le machine learning consiste à utiliser l’approche statistique d’un problème afin de rendre un ordinateur capable de faire des prédictions dans un domaine bien précis à partir de son expérience. Mais comme il ne s’agit pas d’un être vivant, cette expérience il est nécessaire de la lui apporter. En effet, le fait de fournir à un ordinateur une grande quantité de données sur un sujet défini ainsi que le moyen de les exploiter, lui permet d’en déduire des résultats ou des actions dans des cas ou des circonstances qu’il ne connaît pas encore et ce simplement par l’intermédiaire de calculs mathématiques.

Cette méthode nécessite une très grande quantité de données statistiques en entrée qui peuvent être issues dans certains cas d’actions ou de choix effectués par des êtres humains afin d’établir un lien entre ces éléments, obtenir une évaluation des résultats et ainsi déterminer une action, un résultat ou une décision la plus opportune possible dans une nouvelle situation donnée. En théorie, plus la quantité de données est importante, plus les prédictions et actions seront précises. De la même manière que si vous voulez déterminer avec le plus de précision possible les probabilités de tomber sur chacune des faces d’un dé à partir d’une série de lancers, il vous est conseillé d’en effectuer un très grand nombre.

Afin de compléter cette définition, il est nécessaire d’introduire deux notions supplémentaires que l’on retrouve également lorsque l’on parle de machine learning.

L’apprentissage supervisé

Nous l’avons dit dans le cadre du machine learning, il est question de faire analyser une grande quantité de données à un ordinateur afin qu’il déduise des relations entre ces dernières. Si nous fournissons des données que l’on peut considérer comme étiquetées à ce système préalablement à son analyse on parle alors d’apprentissage supervisé. Afin de permettre au programme de dégager des liens de cause à effet dans une banque de données on va lui fournir un grand nombre d’exemples de combinaisons et surtout on va lui fournir pour chacune les résultats obtenus. Le but est ici de déterminer quelles sont les causes qui entrainent telle ou telle conséquence et de pouvoir ainsi lui permettre, lorsque nous lui présenterons à l’avenir un nouveau cas ou combinaison de données, de prédire avec la probabilité la plus forte possible quel sera le résultat.

Afin de mieux comprendre le principe, nous allons évoquer un exemple d’apprentissage supervisé dans le domaine de la santé. Imaginez que vous fournissiez à un ordinateur une série d’indicateurs, extraits d’analyses effectuées sur un ensemble de patients puis que vous lui indiquiez lesquels sont atteints d’une maladie spécifique et lesquels ne le sont pas. C’est cette dernière phase qui correspond à l’étiquetage. Le but est alors de laisser l’ordinateur dégager des éléments tangibles permettant de lier certains indicateurs avec l’état de santé du patient et ainsi prévoir avec la meilleure fiabilité possible si un nouveau cas que nous lui présenterons dans le futur présente les critères d’un patient malade ou non.

Cependant, dans certains cas il n’est pas possible de guider l’ordinateur car nous cherchons des corrélations parmi un ensemble de données brutes. On va donc les fournir à l’ordinateur sans spécialement le guider vers un type de résultat que l’on cherche à obtenir. Dans ce cas, l’apprentissage est alors dit non supervisé.

L’apprentissage non supervisé

Vous l’aurez compris dans le cadre d’un apprentissage non supervisé, on ne guide pas l’ordinateur vers un type de résultat à obtenir comme le cas des patients malades ou non malades présenté précédemment mais on le laisse effectuer des relations et identifier dans un certain volume de données des catégories aussi précises que possible. Ici, les résultats sont bien évidemment plus aléatoires et les résultats peuvent parfois s’avérer être plein de surprises.

Là encore prenons un exemple d’apprentissage non supervisé afin de mieux comprendre le principe. Il est ici possible de parler du cas des suggestions sur les moteurs de recherche, que ce soit pour de la recherche d’informations, de vidéos ou de musique. Vous allez fournir des données arbitraires concernant les utilisateurs (âge, localisation géographique, contenus consultés, etc…) et vous allez laisser l’algorithme regrouper ces individus par catégories pour peut être faire un lien entre l’âge des utilisateurs et le volume de recherches de vidéos ayant un lien avec le sport par exemple. Ici, vous ne lui dites pas que vous souhaitez trouver des éléments vous permettant de savoir quelles sont les caractéristiques d’un individu qui font qu’il est intéressé par les vidéos en lien avec le sport mais vous le laissez voir s’il dégage lui-même un lien entre ces deux types de données.

Vous commencez à comprendre l’intérêt de ces algorithmes et comment tout cela fonctionne ? Prenons un autre exemple connu lorsque l’on parle d’intelligence artificielle. Imaginez que vous voulez apprendre à votre ordinateur à jouer aux échecs. Dans le cadre du machine learning, vous allez donc lui apprendre les règles des échecs mais surtout vous allez lui fournir les données d’un très grand nombre de parties de joueurs professionnels. Ainsi, l’ordinateur, grâce à sa puissance de calcul, va analyser ces données. Cela va lui permettre de déterminer, à partir de plusieurs coups joués différemment par des joueurs dans des situations données identiques ou similaires, quel coup est optimal. En fonction de l’incidence qu’ont eu chacun de ces coups sur la suite de la partie, il va leur attribuer une sorte de note. Il ne lui reste plus qu’à choisir le coup qui a la meilleure note alors considéré comme optimal. Ainsi, dès qu’il est amené à jouer une partie, l’ordinateur n’a plus qu’à aller piocher dans cette base de données, les coups optimaux à chaque tour et les jouer. La puissance de calcul et la mémoire font ici la différence par rapport à un joueur humain.

Malheureusement, cette méthode a un inconvénient évident. Elle nécessite de disposer d’une base de données importante et se trouve assez limitée en termes d’applications. C’est la raison pour laquelle d’autres manières de fournir “l’expérience” à l’ordinateur ont vu le jour. Parmi elles, nous pouvons évoquer le deep learning ou apprentissage profond en français.

Le deep learning

Le deep learning est une solution spécifique qui permet de réaliser des tâches plus complexes. Il consiste à la création de réseaux de neurones artificiels, un peu comme un cerveau humain peut être composé de neurones connectées entre elles, qui s’avèrent plus efficaces pour réaliser ces tâches. Il n’est plus question ici de fournir à la machine des données statistiques afin de déterminer les actions à partir de ces dernières mais de laisser la machine se constituer elles-même ces données en apprenant seule.

L’apprentissage par renforcement

Afin de se constituer elle même une base de données et construire seule un modèle, notre machine va agir à partir de règles de fonctionnement de base et apprendre par une méthode essai-erreur. Pour une situation donnée, elle va devoir évaluer la performance de chacune de ses actions, et c’est en recommençant un grand nombre de fois qu’elle parvient à obtenir un résultat jugé optimal. Cette méthode est appelée apprentissage par renforcement.

Reprenons notre exemple précédent. Nous allons ici nous contenter d’indiquer les règles du jeu d’échecs à notre ordinateur. Il va alors s’entraîner en jouant un très grand nombre de parties contre lui-même et ce dans le but de parvenir toujours au même résultat, à savoir évaluer les coups optimaux dans chacune des situations.

Mais le deep learning ne s’arrête pas là. Il permet aujourd’hui de ne plus se contenter de travailler sur des données alphanumériques a priori plus naturelles à analyser pour un ordinateur mais de travailler également sur des images en obtenant d’excellents résultats. Un réseau de neurones complexe est capable seul de déterminer quelles sont les caractéristiques visuelles principales d’un objet déterminé afin de savoir les extraire d’une nouvelle image et ainsi être capable de le reconnaître. C’est ce qui permet aujourd’hui à des algorithmes d’identifier un objet sur une image voire même d’aller jusqu’à décrire ce qu’il voit sur cette dernière.

Vous l’aurez compris, l’intelligence artificielle utilise les mêmes principes que ceux que nous utilisons pour apprendre. En effet, nous pouvons soit imiter des gens plus performants dans un domaine afin d’améliorer nos propres performances soit essayer d’effectuer une action un grand nombre de fois en essayant de déterminer au fur et à mesure les manières optimales d’agir en fonction des résultats produits. C’est ce que nous faisons quand nous nous entrainons. Sur ce point, l’intelligence artificielle a cependant un avantage sur nous. En effet, elle utilise la puissance de calcul colossale et toujours croissante des ordinateurs. Elle a donc la capacité de faire un bien plus grand nombre d’essais que nous et ainsi se constituer une expérience et un entrainement qu’un seul être humain n’aura jamais le temps d’acquérir dans sa vie. Mais au fond cette intelligence artificielle en est-elle vraiment une ?

L’intelligence artificielle porte-t-elle bien son nom ?

Pour répondre précisément à cette question, il est nécessaire de se reporter aux définitions philosophiques et scientifiques de la notion d’intelligence et là n’est pas le sujet ici. Cependant, nous pouvons évoquer quelques pistes de réflexion. En effet, l’intelligence artificielle vous l’aurez compris n’évolue et ne performe, en tous cas pour l’instant, que dans des domaines bien spécifiques. On parle alors d’intelligence artificielle faible. Mais il n’est pas encore question d’obtenir des machines capables comme nous de survivre dans un environnement hostile, d’assurer seules leur fonctionnement, d’apprécier des situations grâce à des facultés émotionnelles et encore moins d’avoir une conscience.

Pour résumer, chaque algorithme d’intelligence artificielle est ainsi développé afin de réussir à exceller dans un domaine bien particulier ou en tous cas devenir bien plus performant que nous dans ce dernier et ce avec un très faible délai d’apprentissage. Cela lui est possible grâce à deux éléments principaux qui sont extrêmement dépendants de la puissance de calcul des ordinateurs :

• sa capacité à acquérir une expérience et un échantillonnage très rapidement en réalisant beaucoup d’essais dans un laps de temps très court
• sa capacité à analyser des données existantes et à en tirer des relations et un modèle très rapidement

Alors, si nous avons vu que l’intelligence artificielle était capable de nous assister dans des domaines bien précis, à quoi sert-elle aujourd’hui et à quoi va-t-elle bien pouvoir nous servir demain ?

Des exemples d’application de l’intelligence artificielle

L’intelligence artificielle s’invite dans de nombreux domaines et est présente aujourd’hui déjà comme nous l’avons évoqué précédemment dans un grand nombre de systèmes que nous utilisons. En fait, tout objet connecté et intégrant un système informatique capable d’exécuter des algorithmes est susceptible d’embarquer de l’intelligence artificielle. Ainsi, comme nous l’avons vu dans notre exemple, nous disposons aujourd’hui d’intelligences artificielles extrêmement performantes voire imbattables pour un humain dans le domaine du jeu, qu’il s’agisse de jeux de société ou même depuis quelques temps de jeux vidéo.

On trouve également aujourd’hui des intelligences artificielles très performantes dans le domaine de l’art ou de la création. En effet, certains algorithmes sont aujourd’hui capables de créer des tableaux, écrire des livres ou encore composer de la musique avec un niveau de performance assez saisissant. Toujours dans le même domaine, l’intelligence artificielle est aujourd’hui utilisée dans les logiciels de traitement d’image, de publication assistée par ordinateur (PAO) ou encore de montage vidéo et de compositing à l’image d’Adobe Sensei (consultez notre article Adobe Sensei, l’intelligence artificielle au service de la création pour en savoir plus), le module d’IA intégré dans la suite Adobe Creative Cloud permettant d’aider ses utilisateurs à gagner en performance tout en réduisant le temps passé sur certaines tâches.

L’intelligence artificielle permet aujourd’hui de reconnaître des objets ou encore des visages dans une image. Ainsi, elle peut être utilisée dans les domaines de la sécurité afin de procéder à de la reconnaissance faciale d’individus ou encore dans le développement de voitures autonomes capables d’identifier les objets présents dans son environnement pour pouvoir les éviter. L’utilisation de l’intelligence artificielle afin d’analyser des images trouve également ses applications dans le domaine de la santé. En effet, les performances des ordinateurs dans l’analyse des clichés radiographiques dans le but d’identifier des pathologies sont supérieures dans certains cas à celles des médecins y compris les plus expérimentés.

Nous l’avons évoqué, nos compagnons du quotidien, nos smartphones, sont déjà équipés d’intelligence artificielle. En effet, quand vous êtes en train de rédiger un message et qu’il vous propose seul les mots que vous allez saisir en suivant ou alors que vous demandez à l’assistant vocal le temps qu’il va faire le lendemain, nous sommes bien ici en présence de fonctionnalités qui peuvent se ranger dans la catégorie des intelligences artificielles. Nous l’avons évoqué également, lorsque vous regardez des vidéos ou écoutez de la musique sur des plateformes de streaming en ligne, les vidéos ou musiques qui vous sont suggérées le sont sur la base de ce que vous avez déjà consulté. Ainsi, une intelligence artificielle est capable de dresser un portrait de vous à partir de ce que vous avez visionné ou écouté et déterminer ensuite ce que vous êtes susceptible d’aimer également. Ceci peut être utilisé également dans le domaine du marketing, afin d’adapter les campagnes de communication qui vous sont adressées en fonction de votre profil et de ce que vous êtes susceptible d’apprécier et donc d’acheter.

Enfin, l’intelligence artificielle utilisée conjointement avec le Big Data permet grâce à l’analyse de données d’envisager de pouvoir réduire la consommation d’énergie à grande échelle ou anticiper les risques d’épidémies ou la survenance d’actes criminels avec un très bon niveau d’efficacité.

L’intelligence artificielle est sans l’ombre d’un doute l’une des technologies majeures de notre futur. Mais il nous est extrêmement difficile de prédire jusqu’à quel niveau elle bouleversera nos vies. S’il est certain qu’elle nous apportera une assistance considérable dans de nombreux domaines, nous pouvons en revanche difficilement estimer jusqu’à quel point elle pourra nous suppléer. Aurons-nous tous demain dans notre poche un assistant virtuel qui sera capable d’interagir avec nous et avec le monde extérieur ? Aurons-nous tous chez nous un frigidaire qui passera lui-même commande en fonction de la quantité de nourriture restante à l’intérieur et en tenant compte de nos goûts et de nos envies ? Ou encore notre garage sera-t-il l’abri d’un véhicule qui sera capable de réserver un hôtel et de nous amener seul sur le lieu de destination de nos vacances ? Autant de questions qui, à défaut de nous promettre le monde que nous connaitrons dans le futur, nous permettent de nous rendre compte à quel point son potentiel et son champ d’application sont grands…