Comprendre l’intelligence artificielle

De nos jours, les notions d'« intelligence artificielle (IA), données, big data » nous sont familières. Nous les entendons constamment ou nous utilisons des produits développés grâce à l'intelligence artificielle. Un sondage mené en 2020 par Statista (plateforme allemande de renommée internationale spécialisée dans la collecte des informations et données statistiques, www.statista.com), a montré qu’au moins 67% des participants utilisent régulièrement au moins une application basée sur l’intelligence artificielle. En même temps, les opinions sont partagées entre ceux qui voient l'IA comme étant une opportunité de progrès et d'innovation, et ceux qui sont méfiants à l'égard de ses retombées éthiques et sécuritaires. Une enquête de Pew Research Center en 2020 a révélé que 48% des américains pensent que le développement de l'IA devrait être limité pour des raisons éthiques et de sécurité, tandis que 45% pensent que les progrès devraient se poursuivre malgré les risques. À l'opposé, le rapport ''Global AI Survey: AI proves its worth, but few scale impact'' publié en décembre 2021 par McKinsey & Company a montré que 63% des répondants étaient optimistes quant aux avantages que l'IA pourrait apporter à la société, tandis que 37% étaient inquiets des impacts négatifs potentiels.

Dans les lignes suivantes, il sera mis en exergue le concept d’intelligence artificielle. Selon John McCarthy et Marvin Minsky, fondateurs de la cybernétique, l’intelligence artificielle désigne un comportement produit par une machine dont on peut raisonnablement estimer que s’il avait été le fruit d’une action humaine, il aurait exigé de l’intelligence de la part de l’agent concerné (CEA, intelligence artificielle, novembre 2019). Selon Yann LeCun, chercheur en IA, l’intelligence artificielle est un ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux humains et à certains animaux (Yann LeCun, intelligence artificielle, Collège de France). Pour se faire, l’intelligence artificielle est basée sur des algorithmes. Un algorithme est une suite de règles opératoires que suit un ordinateur pour réaliser une tâche ou résoudre un problème. Exactement comme une recette de gâteau : préchauffer le four, préparer la pâte et la mixture, enfourner le gâteau et le sortir du four à temps (Stéphane d’Ascoli, l’Intelligence artificielle en 5 minutes par jour, First Editions, 2020, p. 12).

Cependant, il existe différentes formes d’algorithmes : des algorithmes basés sur des règles et des algorithmes à base de l’apprentissage. Dans le premier cas, l’ordinateur se contente d’exécuter les règles qui lui ont été assignées dans l’algorithme : dans ce cas on parle d’intelligence artificielle symbolique. Un exemple classique pour illustrer l’IA symbolique est le système expert MYCIN. Ce système contient un ensemble de règles médicales qui lui permettent de déduire des diagnostics et traitements en fonction des données d’entrée (symptômes par exemple). La machine n’apprend pas elle ne fait qu’exécuter des règles contenues dans l’algorithme. Dans le cadre des algorithmes basés sur l’apprentissage, les ordinateurs peuvent s’adapter à toute situation. Mais il est essentiel qu’ils soient passés par la phase d’apprentissage à l’aide des exemples. L’apprentissage est la capacité d’acquérir de nouveaux comportements ou d’en modifier d’anciens par expérience (Yann Le Cun, modèles connexionnistes de l’apprentissage). Dans le cadre des machines, on parle d’apprentissage machine ou machine learning. Le machine learning est un sous-domaine de l’IA, au sein duquel les algorithmes apprennent, à partir d’exemples, à exécuter des tâches pour lesquelles ils ne sont pas explicitement été programmés (Stéphane d’Ascoli, l’Intelligence artificielle en 5 minutes par jour, First Editions, 2020, p. 17).

La figure ci-dessous illustre les différentes formes d’IA et les sous-domaines associés.