Qu'est-ce que l'intelligence artificielle (IA) ?
L'intelligence artificielle désigne le fait qu'un ordinateur accomplisse des tâches qui nécessitent normalement un être humain.
L'IA est aujourd'hui omniprésente dans le débat. On parle de robots qui vont s'emparer de nos tâches professionnelles, rendre l'être humain désœuvré, superflu. Les soins de santé, l'économie, les infrastructures et tout le reste seront pilotés par l'IA. De ce fait, beaucoup ont une image négative de l'IA et les craintes sont nombreuses. La révolution de l'IA va indéniablement transformer la vie sur Terre, mais cela se fera progressivement et l'être humain conservera toujours une place centrale dans l'existence. En réalité, plus l'IA prend en charge de tâches, plus nous disposons de temps pour développer de nouvelles connaissances et de nouvelles compétences.
L'être humain rêve d'IA depuis les années 1950, époque à laquelle on a commencé pour la première fois à imaginer des machines capables de penser et d'apprendre. Depuis, l'IA a suivi un parcours chaotique jusqu'aux succès actuels. Depuis les années 1950, l'IA n'a cessé d'osciller entre le devant de la scène et les oubliettes. Ce n'est qu'en 2012 que l'IA a changé le monde.
L'IA d'autrefois
Les premières formes d'IA ne comportaient en fait aucun « apprentissage » : on créait des programmes informatiques constitués de règles. Ce type d'IA est appelé système expert ou IA symbolique (angl. expert systems, symbolic AI) et ne constitue pas, à proprement parler, une véritable IA. Un système expert peut néanmoins être utile. Imaginez par exemple un programme informatique qui vous conseille sur la possibilité d'acheter une paire de chaussures (Figure 1). Dans le programme, on a défini des règles qui sont évaluées, puis l'utilisateur reçoit un conseil fondé sur les informations qu'il a saisies. Toutes les règles sont spécifiées à l'avance par l'être humain et il n'y a aucun apprentissage. Le conseil suit tout simplement un organigramme. Même si cela peut sembler primitif, ce type d'IA peut se révéler très utile.
On pensait au départ que les capacités humaines pourraient être atteintes si l'on parvenait à programmer suffisamment de règles, suffisamment bonnes, que l'ordinateur pourrait suivre, mais ce ne fut pas le cas. Il s'avère que la méthode est insuffisante. Elle manque de flexibilité et ne peut pas prendre en compte des situations plus complexes ; les règles ne peuvent pas être appliquées à d'autres tâches (un programme capable de jouer aux échecs ne peut pas servir à jouer au backgammon) ; dans de nombreuses situations, il devient pratiquement impossible de définir toutes les règles envisageables et, de plus, il faut des experts pour pouvoir créer les règles. L'explication en est que l'IA symbolique ne comporte aucun véritable apprentissage (angl. learning).
L'IA moderne
Presque toute l'IA actuelle repose sur l'apprentissage automatique (angl. machine learning), ce qui signifie que l'ordinateur apprend par lui-même. L'ordinateur étudie et apprend des motifs présents dans les données, puis crée automatiquement des règles.
Imaginez que nous essayions de créer un algorithme capable de déterminer si un patient a un cancer, en nous aidant de deux analyses sanguines. Pour résoudre cette tâche par apprentissage automatique, nous avons besoin de données d'exemple : il nous faut de nombreux exemples de patients et, pour chaque patient, des informations sur les analyses sanguines ainsi que sur la présence ou non d'un cancer (Figure 2). Supposons que nous disposions d'une vaste base de données de dossiers médicaux contenant (pour chaque patient) des informations sur les analyses sanguines et sur la présence d'un cancer. Ce type de données peut être analysé par apprentissage automatique, ce qui signifie que l'ordinateur étudie les motifs présents dans les dossiers afin de trouver des associations entre les analyses sanguines et le cancer. À partir de ces motifs, l'ordinateur crée des règles. L'objectif est d'utiliser ces règles pour évaluer si un futur patient a un cancer. Pour cela, on saisit les analyses sanguines du nouveau patient dans l'algorithme, qui peut alors indiquer la probabilité que le patient ait un cancer. Il est important de garder à l'esprit les points suivants :
- Il faut des données d'exemple pour créer l'algorithme. Les données d'exemple servent à étudier les associations entre les analyses sanguines et le cancer. C'est là l'apprentissage ou l'entraînement proprement dit. Les données d'exemple peuvent également être appelées données d'entraînement.
- L'ordinateur apprend l'association entre les analyses sanguines et le cancer en étudiant de nombreux patients qui ont vraisemblablement bénéficié de nombreux bilans et ont été évalués par plusieurs médecins. Cela signifie que l'apprentissage automatique est alimenté par l'ensemble des bilans et des évaluations médicales. La machine disposera donc de toute l'expérience cumulée des médecins.
- Plus le nombre de patients inclus dans l'entraînement est élevé et plus les médecins sont compétents, meilleures seront les règles ou l'algorithme créés. C'est donc l'intelligence humaine qui sert de fondement à celle de la machine.
- Les motifs présents dans les données sont déchiffrés par une fonction mathématique. Il existe de nombreuses fonctions mathématiques différentes pour l'apprentissage (abordées plus loin). Ces fonctions sont flexibles et peuvent trouver des motifs (et donc créer des règles) dans de nombreux types de données (patients atteints de cancer, clients d'une boutique en ligne, images de différents animaux, ventes de logements, etc.).
- Ce type d'IA, dans lequel l'ordinateur résout une tâche précise, est appelé IA spécialisée (angl. narrow AI).
- L'algorithme sera performant pour prédire quels patients développeront un cancer, mais il ne pourra vraisemblablement pas servir à prédire lesquels feront un infarctus du myocarde. Cela s'explique par le fait que l'algorithme a été entraîné sur un seul critère de jugement spécifique : le cancer.
On peut se demander si cela peut être qualifié d'intelligence : utiliser une fonction mathématique pour résoudre une seule tâche. Mais en réalité, ces méthodes fonctionnent remarquablement bien, y compris pour résoudre des tâches très complexes. Grâce à la puissance de calcul des ordinateurs, les algorithmes peuvent devenir très impressionnants. Imaginez que nous disposions d'une base de données comportant 1000 analyses sanguines différentes. Combien de médecins peuvent prendre en compte toutes ces analyses pour évaluer si une personne a un cancer ? Aucun médecin, mais pour l'IA, c'est une tâche extrêmement simple.
La machine n'est pas (encore) humaine
Créer une IA dotée de l'intellect humain n'a rien d'un jeu d'enfant. L'intellect humain se caractérise par la capacité à traiter différents types d'informations (données), à intégrer des données et à réagir de manière pertinente, avec émotion, imagination et sens des conséquences. Résoudre des problèmes, comprendre la parole, produire la parole, interpréter des émotions, rêver, raisonner, souffrir, aimer, se souvenir et faire preuve de sens des conséquences sont quelques exemples de nos capacités intellectuelles. L'être humain possède en outre une formidable capacité à apprendre vite. Si l'on montre à un enfant de 2 ans une ou deux images de girafe, il peut le plus souvent déterminer s'il y a une girafe sur l'image suivante. Avec l'intelligence artificielle, il n'est pas rare qu'il faille des milliers d'images de girafes pour apprendre à l'ordinateur à quoi ressemble une girafe. L'être humain dispose par ailleurs d'une remarquable capacité à transférer ses apprentissages d'un domaine à un autre. Une personne douée au football peut également appliquer ses compétences à d'autres sports de ballon. L'intelligence artificielle n'en est pas capable (à l'heure actuelle) ; chaque programme d'IA accomplit une tâche, et en principe uniquement cette tâche.
Par ailleurs, l'être humain est un être extraordinairement créatif. Chaque jour, les êtres humains sur Terre produisent d'immenses quantités de connaissances nouvelles, d'inventions, d'œuvres d'art, de musique et d'édifices. On est certes parvenu à créer des IA qui composent de la musique et peignent des images, ce qui a souvent donné lieu à des créations surprenantes et (pour nous) étranges. Mais contrairement à l'IA, la créativité humaine est tempérée par le sens des conséquences, la peur et la compassion. Ces qualités n'existent pas dans un programme d'IA. Imaginez un programme d'IA dont la tâche est de diagnostiquer un cancer ; dans ce cas, une créativité débridée pourrait se révéler fatale pour le patient.
L'IA générale
Le but ultime de la recherche en IA est d'imiter la pleine capacité de l'être humain. Ce type d'IA est appelé IA générale et n'existe pas aujourd'hui. En revanche, d'énormes succès ont été obtenus dans le domaine de l'IA spécialisée (angl. narrow AI), c'est-à-dire une capacité limitée à une ou deux tâches. L'IA spécialisée est de plus en plus présente dans la société et vous l'utilisez certainement déjà de bien des manières.