l’IA, qu’est ce que c’est ?

L’intelligence artificielle… Une bien grande expression, couramment utilisée de nos jours. Mais que signifie-t-elle réellement ? A quoi correspondent ces deux mots ? C’est ce que je vais tenter de décrypter dans ce dossier.
L’ensemble des explications que vous trouverez ici seront agrémentées d’avis totalement personnels, que vous êtes parfaitement en droit de ne pas partager. Si c’est le cas (ou si vous êtes d’accord mais que vous souhaitez en discuter) n’hésitez pas à me contacter, je serais ravie d’argumenter avec vous.

Histoire de l’IA

Rassurez-vous, je ne vais pas vous assommer avec des centaines de dates à retenir. Je vais juste effectuer un petit tour d’horizon de cette discipline à part entière qu’est l’intelligence artificielle, afin de mieux comprendre le contexte dans lequel on se place.

C’est dans les années 50 que l’on entend tout d’abord parler d’intelligence artificielle, grâce à Alan Turing, mathématicien britannique. Ce brave homme, que l’on connaît surtout grâce à sa « machine de Turing », premier calculateur universel programmable, présente la notion de « machine consciente », et tente de définir un standard pour déterminer si une machine est consciente ou non. L’expérience qu’il développe, maintenant connue sous le nom de « test de Turing », consiste à faire communiquer verbalement un individu A avec un ordinateur et un autre humain B en aveugle – l’individu A ne voit ni l’humain ni l’ordinateur. Si cet individu A est incapable de déterminer qui est l’humain et qui est l’ordinateur, on considère que la machine a passé le test de Turing.

Est-ce que le fait d’être capable de se faire passer pour un humain est une preuve de conscience ? Je ne le pense pas. Toujours est-il que ce test, existant bien avant l’avènement de l’ordinateur personnel, marque le « point de départ » de l’intelligence artificielle, qui est alors reconnue comme domaine scientifique en 1956.

La discipline connaît ensuite une phase de croissance euphorique. On est alors persuadé qu’on pourra remplacer les experts par des machines, que l’IA est « l’avenir » de l’Homme. Mais cette joie retombe vite, lorsqu’on se rend finalement compte de l’ampleur et de la difficulté du domaine. La recherche s’étiole, se ralentit. Depuis les années 1990, le développement de l’industrie ludique redonne un coup de jeune à ce domaine de recherche. On se remet à y croire, et l’industrie en règle générale commence à se dire qu’il y a quelque chose à prendre.

Aujourd’hui, c’est un domaine indiscutablement actif, qui attire bien des jeunes diplômés et qui recherche des compétences. Mais quelles compétences ? Le sujet est tellement vaste…

L’intelligence, qu’est ce que c’est ?

Avant de tenter de définir ce qu’est l’intelligence artificielle, il serait bon de se pencher tout d’abord sur la notion d’intelligence. Cette capacité, que l’on réserve habituellement à l’Homme, regroupe diverses notions. Ce n’est pas ici la capacité de résoudre des équations complexes ni de trier des nombres, problèmes plus du ressort de la technique, mais celle d’être capable de raisonner dans une situation, qu’elle soit statique ou dynamique, d’acquérir des connaissances, d’apprendre, de comprendre et d’établir des relations entre des fait, de communiquer…

Bref, tout ce qui peut amener à développer une faculté d’adaptation. J’aurais envie de simplifier en disant qu’être intelligent, c’est savoir s’adapter, après avoir analysé une situation – et non pas uniquement par instinct.
L’intelligence chez l’Homme est à la fois innée et acquise. On est tous capable d’apprendre, de raisonner, mais on apprend à communiquer, à raisonner plus ou moins bien, plus ou moins vite.

Et l’intelligence « artificielle » alors ?

Rendre artificielle une intelligence serait pouvoir la « construire » de toute pièce chez un être – ou une machine – en étant totalement dépourvue. C’est donner à quelque chose ce qui est chez nous inné, et lui permettre d’effectuer des tâches habituellement réservées à l’Homme.

Actuellement, de nombreuses applications possibles pour l’intelligence artificielle sont en recherche. La liste suivante n’est bien évidemment pas exhaustive et ne présente que les plus “communes” et les plus “larges » de ces tâches.

Systèmes experts

Un système expert est une application capable, dans un certain domaine, de relier des faits en appliquant des règles, afin d’effectuer un raisonnement et de délivrer un diagnostique. Les règles sont enregistrées après interrogation d’un expert humain.
Prenons l’exemple suivant. On souhaite créer un système expert capable d’effectuer un diagnostique médical à partir des symptômes ressentis par un patient. Pour cela, on va aller voir un médecin généraliste et lui demander de nous traduire son travail en un ensemble de règle. Par exemple, de façon très simplifiée, quelqu’un souffrant d’une forte fièvre, de courbatures, de frissons a de très grandes chances d’être atteint de la grippe.

Lorsque le système expert est constitué, il “demande” au patient de quels symptômes celui-ci souffre, et interroge sa base de règles pour établir le diagnostique. Dans notre cas : Si température > 39 + courbatures + frissons, alors grippe.
La difficulté de tels systèmes est double. Tout d’abord, parvenir à faire traduire à un humain son métier en règles strictes est un travail qui doit être accompagné par un spécialiste des systèmes experts. La majeure partie des métiers nécessitent de l’intuition, de l’observation, un “feeling”, de l’expérience, qu’il n’est pas possible de traduire en règle.
De plus, du côté de l’utilisation du système, foule d’imprécisions sont possibles. Un tel système n’est efficace que si chaque symptôme peut être mesuré et a une cause facilement déterminable. Par exemple, quelqu’un peut être courbaturé car il aura fait du sport la veille et non pas parce qu’il a une grippe.

Pour palier au problème de mesure, les systèmes experts utilisent ce qu’on appelle la logique floue. Par exemple, au lieu de dire que le patient a “une fièvre supérieure à 39°”, on considèrera qu’il a une “forte fièvre”.

Actuellement, les systèmes experts sont utilisés dans les domaines bancaires, juridiques… Cependant, ils servent plutôt à des fins de conseil, de simulation et de prédiction que de prise réelle de décision. Bien que forts utiles, ils restent encore soumis à de nombreux aléas et limitations. Ils se retrouvent effectivement cantonnés à leur seule base de faits, qui peut/doit être enrichie manuellement au fur et à mesure du temps et des cas à traiter. Ils sont donc totalement incapables de prendre une décision dans le cadre d’un cas nouveau, type jurisprudence en droit.

Traitement du langage naturel

Il s’agit, à mon avis, de l’une des tâches les plus difficiles, mais dont on peut voir le plus d’applications, amateurs ou professionnelles. Il s’agit donc de la base même du test de Turing : développer une intelligence capable de “comprendre” le langage naturel humain et de le reproduire pour converser. Ce type de tâche s’appuie sur de très grandes bases de données stockant diverses formes de phrases, divers mots clés, diverses structures, permettant à un “robot” de comprendre une phrase et d’y apporter une réponse. L’application la plus visible de ce genre de tâche est bien évidemment les agents conversationnels des sites Internet, comme celui de la SNCF, celui d’Air France.

Reconnaissance de voix, de visages, d’écritures

Ici, il s’agit de reconnaître une personne, une lettre manuscrite. Rien de bien compliqué là dedans. La reconnaissance d’écriture est par exemple utilisée dans les bureaux de poste, pour trier le courrier automatiquement en fonction du code postal, de la ville de destination…

On trouve également de la reconnaissance faciale et vocale dans les applications équipant les robots d’aide à la personne.

Avec quoi créer une intelligence artificielle ?

Afin de mener à bien toutes ces tâches, il faut avoir à sa disposition des “outils” d’intelligence artificielle. Ces outils sont en eux-mêmes des objets de recherche et tendent à devenir de plus en plus complexes, de plus en plus sophistiqués. Comme je l’ai fait pour les applications, je vais présenter quelques uns des outils en cours de recherche et utilisés (parmi des préférés ! ^^)

SMA pour Systèmes Multi-Agents

Le type d’intelligence artificielle qui défraye le plus la chronique scientifique. Le type le plus controversé. Certains spécialistes trouvent ce paradigme absolument génial, d’autres le trouvent inutile. Car il s’agit bien là d’un paradigme et non pas d’une technologie. Se basant sur la programmation multitâches, il en reprend les grands principes. Ici, le système est composé de plusieurs agents (sans blague), indépendants. Chaque agent poursuit un but, possède des croyances (ce qu’il sait ou croit savoir de son environnement) et communique avec les autres par échanges de messages.

La notion d’autonomie des agents et au centre du paradigme, et pourtant très controversée. On trouve parmi la communauté multi-agents de nombreuses définitions de cette autonomie. De façon simple, un agent est autonome lorsque les autres agents ne peuvent pas prévoir son comportement, lorsqu’il n’est pas asservi. Je m’explique. Lorsqu’un agent à besoin d’une information, d’effectuer une tâche… il peut demander à un autre agent de lui donner cette information ou d’effectuer cette tâche pour lui. Cependant, ce deuxième agent poursuit lui-même ses propres buts et peut choisir d’accepter la demande, de la refuser ou de ne rien répondre du tout, en fonction de l’état dans lequel il se trouve (s’il à des choses plus urgentes à faire par exemple). Le premier agent doit donc prévoir ce qu’il fera en cas de réponse négative ou de pas de réponse du tout.

Réseaux de neurones

Les réseaux de neurones font partie des “outils” d’intelligence artificielle qui ont fait leurs preuves. Même si on ne sait pas toujours pourquoi, ça marche, c’est certain. Pourtant les industriels restent frileux à leur sujet. Ils sont calqués sur le paradigme biologique du neurone formel. Le neurone formel est une représentation mathématique du neurone. On considère qu’un neurone possède plusieurs entrée et une seule sortie. De façon simplifiée, un neurone calcule la somme pondérée de ses entrées (pondérée par les poids synaptiques de ces dernières), passe le résultat par une fonction d’activation (généralement de type sigmoïde) et la sortie de cette fonction correspond à la sortie du neurone. Dans un réseau neuronal, la sortie d’un neurone correspond à l’entrée d’un autre.

Les réseaux de neurones permettent l’apprentissage. En effet, de nombreuses techniques d’apprentissage existent, qui modifient les poids synaptiques des entrées, et ainsi modifie la sortie finale du réseau. De manière générale, on peut faire apprendre un réseau de neurone en lui donnant une série de test à réaliser et en lui indiquant les erreurs qu’il a réalisé. Il va alors corriger de lui-même les poids synaptiques afin de pallier à ces erreurs. Une autre technique est celle de la sélection naturelle. On fait effectuer une tâche à un ensemble de réseaux, et on calcule pour chacun d’entre eux une “fonction de fitness” qui permet de quantifier la réussite de la tâche. On sélectionne ensuite les réseaux ayant obtenu le meilleur résultat et on les fait se “reproduire”. On ré-effectue ensuite cette manipulation jusqu’à avoir obtenu un résultat satisfaisant.

Intelligence humaine vs intelligence artificielle

Mais alors que l’on parvient à créer des machines de plus en plus intelligentes, qu’en est-il de la notre d’intelligence ? Risque-t-on de tomber dans les histoires présentées par nombres de (bons) films ou livres, où les robots, de plus en plus intelligents et machiavéliques domineront le monde et nous réduiront en esclavage ?
On se calme, vous lâchez le marteau que vous vous teniez prêt à abattre sur votre petit robot domestique, de préférence ailleurs que sur sa tête, et on réfléchit.

Attention, je risque de tomber pour ce paragraphe dans ce que l’on m’a déjà qualifié de “politiquement incorrect”. Alors je m’excuse par avance pour ceux que cela choquerait, mais je leur demande de passer outre et de réfléchir avec moi, de discuter avec moi s’ils le veulent, j’en serais enchantée.

Commençons donc. Qu’on le veuille ou non, un ordinateur, s’il est capable de résoudre un problème compliqué (un calcul, une résolution d’équation, une recherche, un tri…) l’effectuera beaucoup plus rapidement qu’un humain, et sans erreur autrement dit beaucoup mieux.

Cependant, j’insiste sur le mot compliqué. En effet, un de mes anciens profs nous disait “Il existe deux types de problèmes, les problèmes complexes et les problèmes compliqués.” (M. Beslon, si vous me lisez)

Un problème compliqué est un problème qui paraît très difficile à première vue, mais que l’on peut décomposer en un ensemble de sous problèmes plus simples, et réitérer la manipulation jusqu’à ce que les problèmes obtenus soient évidents (bien qu’en très grand nombre).

Un problème complexe, au contraire, peut être extrêmement simple pour un humain (communiquer par exemple) mais ne peut pas se décomposer en cet ensemble de sous problèmes simples. Et là dessus, l’Homme garde pour l’instant la tête de la course. C’est ce type de problème que l’on tente de faire résoudre à un ordinateur par l’intelligence artificielle.

Je reviens sur le “pour l’instant” de ma phrase précédente. J’insiste sur ce terme, car on ne sait pas de quoi le futur sera fait. Je pense cependant que la machine, aussi intelligente qu’elle soit, ne nous rattrapera pas. Pourquoi ? L’Homme évolue en même temps que ses machines. Les ordinateurs deviennent plus complexes, plus performants, et l’Homme change de façon de penser, change de façon d’être “intelligent”. On laisse petit à petit certaines tâches à un ordinateur pour se concentrer sur d’autres, plus fondamentales. C’est l’Homme qui fait l’ordinateur. Il garde par là même une longueur d’avance sur lui.

Oui mais qu’en sera-t-il quand les machines seront suffisamment intelligentes pour être conscientes ?
La conscience est-elle affaire d’intelligence ? Qu’est ce que la conscience ? A-t-on actuellement une définition précise de la conscience? Sait-on quels sont ses mécanismes ? Je ne crois pas. Alors comment pourrait-on donner à une machine quelque chose dont on ignore encore tout. Simple “coup de chance” ? Un coup d’électricité et pouf, une machine s’éveille à la vie ? Je ne crois pas. Je n’y crois pas.