|
Depuis l’antiquité, l’humanité éprouve le besoin d’automatiser certaines tâches récurrentes et non moins fastidieuses du quotidien. Cette quête, accompagnée d’une obsession sans faille de créer une certaine forme d’intelligence, s’est traduite par l’invention au premier siècle du distributeur de vin de Héron d’Alexandrie jusqu’aux ordinateurs actuels les plus évolués. Dans l’intervalle, il y a eu les calculatrices de Wilhem Schickard en Allemagne et de Blaise Pascal en France sans oublier les emblématiques inventions de Léonard de Vinci qui fascinent encore aujourd’hui. Plus proche de notre époque, en 1950, Alan Turing va poser les bases de ce qui deviendra l’Intelligence Artificielle et l’une de ses sous-branches, le Machine Learning (ou Apprentissage automatique en français), dans son article « Computing Machinery and Intelligence » (Mind, octobre 1950) dans lequel il décrit le « jeu de l’imitation (imitation game en anglais) » plus connu sous le nom de « test de Turing ».
Fondamentalement, le Machine Learning est une technologie qui, grâce aux données, permet aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. C’est donc une technologie qui permet d’exploiter pleinement le potentiel du Big Data où la volumétrie des données – chaque jour, nous générons 2,5 trillions de données – rend obsolète les méthodes analytiques traditionnelles.
On assiste alors à des avancées improbables dans des domaines divers et variés tels que les jeux, la santé, l’automobile pour la conduite autonome, la finance pour l’analyse notamment des marchés boursiers, les Télécommunications/TIC pour optimiser le fonctionnement des systèmes et réseaux. On parlera plus globalement d’analyse prédictive dont la finalité serait d’améliorer les processus décisionnels.
C’est l’objectif que IBM chercherait à atteindre avec « Project Debater », un programme d’Intelligence Artificielle capable, non seulement de débattre avec les humains, mais aussi et surtout vu par ses concepteurs comme un outil d'aide à la prise de décision fondée sur des arguments impartiaux. De l’exécutif au simple citoyen en passant par les législateurs, les juges et les décideurs, tout le monde pourra dans l’avenir recourir à de tels outils pour gagner en efficacité dans leur prise de décision.
Cependant, même si ces outils d’aide à la décision sont déjà à l’œuvre dans nos usages quotidiens (reconnaissance vocale, reconnaissance faciale, détection de SPAM, recommandation de produits, etc.), sommes-nous préparés à un avenir où les décisions les plus importantes seraient prises sur la base de l’avis d’une machine ? Parce que, aussi intelligente soit-elle, une machine sera toujours limitée dans son apprentissage par la quantité et la qualité des données auxquelles elle aura accès.
Ainsi, en attendant la généralisation de tels procédés, il est du devoir de l’humanité de s’assurer que ces outils ne concourent pas à sa déliquescence. Il nous faut pour ce faire prendre les dispositions idoines afin de lever tous les obstacles d’ordre moral, éthique, technique voire règlementaire, administratif et organisationnel qui pourraient entraver le plein essor du Machine Learning.
J’appelle donc à des réflexions et à la création de cadres d’échanges sur la question auxquelles nous devrions tous prendre part avec le plus grand intérêt.
Lire la suite...
|
