Loading...

Curation thématique #1 : Intelligence Artificielle

Tous les médias en parlent, l’Intelligence Artificielle c’est LE mot du moment. C’est l’un des grands thèmes débattus en 2018. Entre hypothèses futuristes optimistes et craintes de dépassements, comment appréhender l’IA : son utilité, ses dérives, son impact sur nos vies à court et moyen terme ?

• LES QUESTIONS

Cette curation thématique dédiée à l’Intelligence Artificielle a pour point de départ une série de questionnements :
  • Qu’est-ce que l’Intelligence Artificielle ?
  • Comment fonctionne-t-elle ?
  • Quels sont les stades de développement ?
  • Comment impacte-t-elle notre quotidien (emploi, santé, justice, vie privée, … ) ?
  • Quelles sont les limites de l’IA ? Ses dangers et ses possibles dérives ?
  • L’Intelligence Artificielle supplantera-t-elle un jour l’Intelligence Humaine ?
  • Pourquoi doit-on, en tant que citoyen, s’intéresser à son développement ?
UP

• LES EXPERTS

Notre dossier de curation vidéos, supervisé par le Professeur Richard Walker, a été réalisée en collaboration avec un collège d’experts :

UP

L’ÉDITO


(CC BY-NC-SA 4.0)
L’édito de Richard Walker produit par bee² est mis à disposition selon les termes de la Licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Partage dans les Mêmes Conditions 4.0 International. Mettre obligatoirement un lien vers la source originale entière en cas de réutilisation. Merci.
UP

• LA CURATION

1. DÉFINITION DE L’INTELLIGENCE ARTIFICIELLE

2. L’INTELLIGENCE ARTIFICIELLE : COMMENT ÇA MARCHE ?

3. LES APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE

4. LES IMPACTS DE L’INTELLIGENCE ARTIFICIELLE (À COURT ET LONG TERME )

5. QUESTIONNEMENTS PHILOSOPHIQUES, ÉTHIQUES ET POLITIQUES

UP

• POINT DE VUE


(CC BY-NC-SA 4.0)
Les interviews « Point de vue » de bee² sont mises à disposition selon les termes de la Licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Partage dans les Mêmes Conditions 4.0 International. Mettre obligatoirement un lien vers la source originale entière en cas de réutilisation. Merci.
UP

• POUR ALLER PLUS LOIN …

⇒ DÉFINITIONS

 

Algorithme

Un algorithme est composé d’instructions et d’opérations réalisées, dans un ordre précis, sur des données afin de produire un résultat, et souvent résoudre un problème plus ou moins complexe.

Big Data

—Littéralement, données massives —

Désignent un ensemble très volumineux de données produites par l’utilisation des nouvelles technologies à des fins personnelles ou professionnelles.

Les Big Data se caractérisent par la règle des 3V. Il s’agit notamment du Volume de données à traiter, de la Variété d’informations (provenant de diverses sources, brutes, non-structurées, semi-structurées). Enfin, la Vélocité, à savoir la production, la récolte et l’analyse de ces données en temps réel.

L’utilisation des Big Data permet grâce à des outils analytiques et à la modélisation de données, de faire de l’analyse tendancielle ou prédictive, dresser des profils, anticiper des risques et suivre des phénomènes en temps réel.

Chatbot

— Agent conversationnel —

« Chat » comme discussion en ligne et « bot » comme robot. Messagerie automatisée programmée pour interagir le plus possible comme des humains.

Data Mining

— Exploration de données —

Est l’ensemble de méthodes et de techniques, automatiques ou semi-automatiques, d’extraction d’informations à partir d’une grande masse de données. Il permet d’établir des liens entre ces données et ainsi de définir des tendances ou des règles.

Deap learning

— Apprentissage profond —

Modèle d’apprentissage automatisé qui se base sur des réseaux neuronaux artificiels.
Son but : reproduire une partie importante du travail du cerveau humain.
Exemple : pour qu’un programme reconnaisse un chat, il faut le « nourrir » de milliers d’images représentant des chats et d’images représentant d’autres animaux. Le programme sera ensuite capable de reconnaître seul un félin lorsqu’il en voit un.

Intelligence artificielle

— IA — 

Ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine.

Internet of Things (IoT)

— Internet des Objets —

Est une infrastructure mondiale permettant de disposer de services évolués en interconnectant des objets (physiques ou virtuels) grâce aux technologies de l’information et de la communication. Autrement dit, il décrit la matérialisation d’Internet dans le monde réel.

D’un point de vue conceptuel, l’Internet des objets caractérise des objets physiques connectés ayant leur propre identité numérique et capables de communiquer les uns avec les autres. D’un point de vue technique, il décrit l’identification numérique directe (comme l’adresse IP) d’un objet physique grâce à un système de communication sans fil.

Machine Learning

— Apprentissage automatique —

Type d’intelligence artificielle qui confère aux ordinateurs la capacité d’apprendre sans être explicitement programmés.
Cette technologie s’appuie sur le développement de programmes informatiques capables d’acquérir de nouvelles connaissances afin de s’améliorer et d’évoluer d’eux-mêmes dès qu’ils sont exposés à de nouvelles données.

 

Mind uploading

— Téléchargement de l’esprit —

Technique qui permettrait de transférer l’esprit d’un cerveau humain à un ordinateur en l’ayant numérisé au préalable.

Reinforcement Learning

— Apprentissage par renforcement —

Est une méthode d’apprentissage automatique qui consiste à apprendre par interaction avec l’environnement et en observant le résultat de ses actions. Il permet à des machines de déterminer automatiquement le comportement optimal dans un contexte spécifique, afin de maximiser ses performances. Pour cela, un simple retour des résultats est nécessaire pour apprendre comment les machines doivent agir.

Réseaux de neurones artificiels

Les réseaux de neurones artificiels représentent des systèmes de calculs dont la conception est inspirée par l’architecture du cerveau humain.

Un réseau neuronal artificiel est composé d’un grand nombre de « neurones artificiels » dont les connections forment un réseau. Les opérations d’un neurone artificiel sont relativement simples : le neurone artificiel reçoit des informations, autrement dit, un ou plusieurs signaux entrants et émet à son tour une sortie unique.
L’interconnection entre une multitude de neurones permet donc de créer ou d’accomplir diverses tâches plus complexes.
Contrairement aux systèmes informatiques classiques, les réseaux neuronaux n’ont pas besoin de programmeur et apprennent ainsi leurs fonctions à travers des techniques de Machine Learning.
Le réseau neuronal peut donc se modifier de lui-même en fonction des résultats de ses actions.

Robot

Désigne un superordinateur logé dans un corps mobile, capable d’agir de manière raisonnée à partir de ce qu’il perçoit du monde extérieur. Il s’agit donc d’un objet capable de mouvement, comportant des capteurs et intégrant une ordinateur. Le robot est ainsi doué d’une intelligence électronique lui dictant le comportement à adopter selon les informations que les capteurs lui fournissent.

 

Singularité

— Singularité technologique —

Est un concept désignant le moment hypothétique où le progrès ne proviendrait que d’Intelligences artificielles, elles-mêmes en constante progression. Cela impliquerait que l’Homme, dans son évolution actuelle, ne pourra plus appréhender ou prédire les IA de manière fiable. Le risque étant la perte du pouvoir humain sur son destin.

 

Superintelligence

Désigne un agent hypothétique qui posséderait une intelligence de loin supérieure à celle des humains dans les domaines importants, voire dans tous les domaines.

Supervised Learning

— Apprentissage supervisé —

Est une méthode d’apprentissage automatique utilisée pour permettre aux machines de classer des objets, des problèmes ou des situations à partir d’une base de données contenant des exemples de classification. Les machines sont alimentées avec ces exemples de classification (dimensions, couleurs, …) de façon répétitive jusqu’à ce qu’elles soient en mesure d’effectuer des classifications plus précises.

Unsupervised Learning

— Apprentissage non-supervisé —

Est une méthode d’apprentissage automatique utilisée pour permettre aux machines de classer des objets, des problèmes ou des situations à partir d’une base de données qui ne contient aucun exemple. Les machines doivent déterminer elles-mêmes une classification à partir d’une masse de données brutes.

⇒ LES 7 ÉTATS DE L’IA

Selon l’analyste Ray Wang, l’Intelligence Artificielle est en mesure d’être programmée pour répondre à 7 degrés de besoin et de sophistication.

1. La perception

« Exemple précoce de machine learning, désormais totalement ancré dans notre vie quotidienne.

S’appuyant sur des données existantes, la machine fournit à son utilisateur des informations sur ce qui se passe autour de lui. La météo, le trafic, les volumes de vente, le cours des actions… Des choses qui sont mesurables et ne requiert ni analyse, ni interprétation.

Le challenge technique de ce premier niveau d’IA nous renvoie à la promesse même des moteurs de recherche quand, basé sur quelques mots saisis ou verbalisés, la machine doit comprendre l’intention de l’internaute pour lui fournir la réponse ou les liens vers l’information recherchée. »

4. L'automatisation

« Une suggestion ou une action recommandée peut s’automatiser grâce à l’assimilation de vos préférences. Si vous suivez avidement le progrès de votre équipe de foot préférée, l’IA va commencer à vous informer automatiquement de leur performance. Si vous effectuez toujours une réservation pour 19 heures le samedi, votre IA va spontanément bloquer la date et l’heure dans votre calendrier pour éviter de futurs conflits d’agenda. […] »

7. La conscience situationnelle

Celle-ci est atteinte « quand l’IA imite le comportement humain dans la prise de décision.

Elle a conscience du contexte historique, de la situation présente grâce à la combinaison de nombreux aspects de l’IA, allant de la reconnaissance des objets au capacités conversationnelles. En voici un exemple permettant aux personnes aveugle de « voir » le monde qui les entoure… »

2. La notification

« Si je n’avais pas mes alertes dans mon calendrier, je serais un piètre collègue, en retard à mes réunions, tout cela parce que je ne peux pas gérer de tête mon emploi du temps pro, perso ni celui de ma famille.

Ici, l’intention est moins explicitement verbalisée, mais elle est toujours initiée par l’utilisateur et l’information reste factuelle, sans aucune analyse des données. »

5. La prédiction

« Les difficultés réelles commencent lorsque la machine doit apprendre à faire des prédictions. Tant de variables peuvent affecter un résultat vous en conviendrez. […]

Microsoft a développé un programme appelé Bing Predicts qui associe et modélise les signaux disponibles, et parvient, avec une incroyable précision, à réaliser des prédictions. Ce programme de Machine Learning s’est d’abord penché sur les concours de popularité comme American Idol ou La Nouvelle Star. De ces programmes en effet dérivent des signaux sociaux et des comportements sur le web très marqués. On peut d’ailleurs fortement les corrélés aux votes du public. Vous faites des recherches sur cet aspirant artiste, son histoire, son dernier clip vidéo, etc. En même temps, vous commentez ses prestations sur Facebook ou Twitter. En combinant au sein de modèles prédictifs des recherche anonymisées aux signaux sociaux publics, Bing Predicts a pu identifier précisément qui allait être éliminé chaque semaine pendant American Idol et qui serait le vainqueur éventuel… et ce, suite à la première émission. […] »

3. La suggestion

« Vous venez de faire une recherche pour ces mots, mais « essayez avec l’orthographe suivante » vous répond l’algorithme.

Dans cet état, la machine apprend des comportements passés et suggère des actions alternatives à l’utilisateur. […]

Si les premières suggestions étaient basiques, imaginez ce qui peut les influencer aujourd’hui : facteurs démographiques, localisation, jour, heure, météo, comportements, etc. Les ensembles de données sont gigantesques, mais nous sommes maintenant capables de les combiner et de les traiter en un rien de temps afin d’identifier de nouvelles connexions, peut-être plus obscures. »

 

6. La prévention

« Si nous parvenons à prédire avec précision l’avenir, la prochaine étape logique est la prévention.

Encore une fois Bing Predicts brille dans cette catégorie : en analysant de larges échantillons de requêtes sur internet, des chercheurs ont été en mesure d’identifier des internautes souffrant du cancer du pancréas avant même qu’ils n’aient été diagnostiqués. Ils se sont concentrés sur les recherches menées sur Bing par des volontaires ayant reçu un diagnostic positif au cancer. Puis, ils ont travaillé à rebours, à la recherche de requêtes antérieures similaires qui pourraient signaler que l’utilisateur éprouvait des symptômes de la maladie. Ces recherches précoces, selon eux, peuvent être des signaux d’alarmes permettant une détection anticipée du mal et donc de sa prise en charge. »

⇒ INFOGRAPHIES
  • Définitions

source : ledigitalab.com

  • Comment ça marche ?

source : ledigitalab.com

Infographie
         

source : ledigitalab.com

  • Applications de l’IA

source : ledigitalab.com

Infographie
         

  • Impacts de l’IA sur notre société

source : alliancy.fr

sourcefr.statista.com

Infographie
         

UP

• LES CAPSULES

UP

• LES LECTURES COMPLÉMENTAIRES

→ Articles

 

Vocabulaire de l’Intelligence Artificielle : 12 termes à connaître / par Cynthia Harvey (originally 12 Artificial Intelligence Terms You Need to Know, source: InformationWeek), source : FrenchWeb.fr, Le Magazine de l’Innovation


[Robots] Intelligence Artificielle Et Emploi : A Quoi Peut-On (Vraiment) S’Attendre ? / par Grégory Herbé, source : Forbes


L’Intelligence Artificielle pourrait créer 21 millions d’emplois / par Quentin Périnel, source : Le Figaro


Sommes-nous vraiment « déjà devenus des cyborgs » ? / par Julien de Sanctis, source : Mais où va le web ?


Faut-il réglementer l’intelligence artificielle ? / par Benjamin Bruel, source : France 24


Au-delà des fantasmes, quels sont les problèmes concrets que pose l’intelligence artificielle ? / par Morgane Tual, source : Le Monde


Intelligence Artificielle : Elon Musk appelle à une régulation de la “menace existentielle” / par Grégoire Normand, source : La Tribune


Comment se former à l’ère de l’Intelligence Artificielle ? / par Olivier Rollot, source : Le Monde


L’intelligence artificielle est-elle sensible à l’art ? / par Stéphane Desmichelle, source : Sciences et avenir


Intelligence Artificielle : quand la machine imite l’artiste / par Morgane Tual, source : Le Monde


Algorithmes et discriminations : Le grand défi de l’IApar l’équipe Inbenta, source : Inbenta


L’Intelligence artificielle reproduit aussi le sexisme et le racisme des humains / par Morgane Tual, source : Le Monde


L’intelligence artificielle, la promesse d’un recrutement sans préjugés / par Elsa Trujillo, source : Le Monde

 

→ Ouvrages

 

ALEXANDRE, Laurent. La guerre des intelligences. Paris : JC Lattès, 2017, 250 p.

BOURCIER, Danièle, HASSETT, Patricia, ROQUILLY, Christophe. Droit et intelligence artificielle : une révolution de la connaissance juridique. Paris : Romillat, 2000, 303 p. (Collection Droit et technologies)

DEVILLERS, Laurence. Des robots et des hommes : mythes, fantasmes et réalité. Paris : Plon, 2017, 288 p.

DOWEK, Gilles, ABITEBOUL, Serge. Le temps des algorithmes. Paris : Le Pommier, 2017, 192 p. (Essais & Documents)

GANASCIA, Jean-Gabriel. Intelligence artificielle : vers une domination programmée ? (2e édition) Paris : Le Cavalier Bleu, 2017, 216 p. (Idées reçues)

GANASCIA, Jean-Gabriel. L’intelligence artificielle : un exposé pour comprendre, un essai… Paris : Flammarion, 1993, 126 p.

GANASCIA, Jean-Gabriel. Le Mythe de la Singularité. Faut-il craindre l’intelligence artificielle ? Paris : Le Seuil, 2017, 144 p. (Science Ouverte)

HEUDIN, Jean-Claude. Intelligence artificielle : Manuel de survie. (s. l.), Science eBook, 2017, 168 p.

HEUDIN, Jean-Claude. Comprendre le deep learning. Une introduction aux réseaux de neurones. (s. l.), Science eBook, 2016, 178 p.

RUSSEL, Stuart, NORVIG, Peter. Intelligence artificielle : Avec plus de 500 exercices (3e édition). (s. l.), Pearson Education, 2010, 1200 p.

.

REMERCIEMENTS

Un grand merci au collège d’experts, aux spécialistes et à notre communauté de contributeurs

qui ont participé à la réalisation de ce dossier.

— Le collège d’experts —

Danièle Bourcier, Bertil Cottier, Nicolas Capt, Solange Ghernaouti, Jérôme Grenèche, 

Stéphane Mallard, Blaise Reymondin, Serge Tisseron, Richard Walker

— Les experts et spécialistes. Interviews « Point de vue » —

Sonja Betschart, Mohamed Chetouani, Bertil Cottier, Jérôme Kehrli, Alexandre Maurer,

Xavier Oberson, Philippe Ryvlin, Anne-Laure Thessard, Sara Touiza

— bee² est un programme de l’Empowerment Foundation —

Leila Delarive : Présidente / Laetitia Chazottes : Directrice

Léa Joanneton : Assistante éditorial

Quentin Fantoli, Alexandra Costanza et Adrien Gremaud : Video makers

.

UP