Depuis quelques années, l’intelligence artificielle (IA) est sur toutes les lèvres. Rêvée depuis les années 50, elle devient aujourd’hui une réalité palpable qui s’insinue dans chaque moment de notre vie. Promesse d’une nouvelle révolution industrielle ou prémices d’une intelligence supérieure incontrôlable, qu’est-ce que l’intelligence artificielle ? Où en sommes-nous réellement aujourd’hui ? Yann LeCun, directeur du Facebook Artificial Intelligence Research (FAIR, le laboratoire Facebook de recherche en intelligence artificielle) et professeur à l’Université de New York, fait le point sur cette nouvelle technologie. Professeur invité au Collège de France sur la chaire annuelle Informatique et sciences numériques en 2015-2016, il y a enseigné le deep learning, ou apprentissage profond, concept au cœur même des dernières révolutions en intelligence artificielle et dont il est considéré comme un des pionniers.

Avant toute chose, qu’est-ce que l’intelligence artificielle ?

C’est un concept qui existe depuis les années 50, mais qui refait surface depuis 5-6 ans suite à l’accélération des capacités de calcul des ordinateurs, à la multiplication des données mais aussi grâce à une petite révolution technologique, le deep learning. C’est donc un concept en évolution. Par le passé, l’intelligence artificielle désignait tout ce qu’on ne savait pas faire avec les ordinateurs mais qui était sur le point d’être élaboré : jouer aux échecs, planifier un itinéraire sur une carte, etc. Une fois ces problèmes résolus par les algorithmes, ils ont disparu de la notion d’intelligence artificielle. Une définition plus moderne serait donc la capacité des machines à reproduire des compétences humaines, comme la conception, la classification, le recrutement, le langage, etc. Aujourd’hui, la notion d’intelligence artificielle est entièrement associée à la capacité d’apprendre des machines modernes.

Comment une machine peut-elle apprendre ?

Une machine n’« apprend » pas comme une personne ou un animal qui apprennent de manière « non-supervisée », c’est-à-dire de manière spontanée, en observant leur environnement et en interagissant avec lui. A l’inverse, elle apprend par apprentissage supervisé ou par renforcement.

“Une machine n’« apprend » pas comme une personne ou un animal qui apprennent de manière spontanée, en observant leur environnement et en interagissant avec lui, […] elle apprend par apprentissage supervisé ou par renforcement.”

L’apprentissage supervisé, c’est comme montrer un livre d’image à un enfant. Par exemple, pour entraîner une machine à identifier des images de tables, de chaises, d’avions ou de voitures, on lui présente des milliers d’images représentant ces objets. Si elle donne une mauvaise réponse, la réponse correcte lui est donnée lui permettant de s’ajuster pour s’en approcher les fois suivantes. Au fur et à mesure, la machine parvient à extraire la notion de table, de chaise, d’avion ou de voiture… C’est de cette manière que fonctionnent les systèmes de reconnaissance de la parole ou d’images, ou encore les systèmes de traduction automatique, de traitement de texte, de filtrage d’information, etc.

Dans l’apprentissage par renforcement, la réponse correcte n’est pas donnée à la machine en cas d’erreur : il lui est simplement indiqué si elle est bonne ou pas, sous la forme d’un nombre qui représente une sorte de récompense. La machine s’ajuste pour obtenir la récompense, à la manière d’un animal à qui on apprend à faire un tour. Cela nécessite des millions d’essais, ce qui rend cette méthode peu envisageable pour un apprentissage d’actions inscrites dans le réel, comme attraper des objets, mais particulièrement efficace dans des environnements virtuels qu’on peut faire tourner très rapidement. Ainsi, dans le cadre de jeux virtuels par exemple, la machine joue des millions de parties d’échecs ou de Go contre elle-même, à très grande vitesse, et affine son jeu au fur et à mesure. Sur un ordinateur très puissant, cela ne prend que quelques heures pour atteindre un niveau presque surhumain de performance.

Vous êtes l’un des pionniers du deep learning, sujet que vous avez notamment enseigné au Collège de France en 2015-2016. Qu’est-ce que le deep learning ?

Le deep learning, ou apprentissage profond, est un ensemble de méthodes particulières utilisées pour l’apprentissage supervisé ou par renforcement qui s’inspire du fonctionnement du cerveau biologique, en particulier du cortex visuel chez les mammifères. Le principe essentiel du deep learning est de s’appuyer sur des réseaux de neurones artificiels, organisés en couches successives et reliés entre eux par des connexions modifiables. Chaque unité de neurone calcule, à partir de valeurs numériques reçues de la part d’autres unités (connexions entrantes), une espèce de moyenne pondérée de ces activités qu’elle communique aux unités suivantes (connexion sortante). A la manière du cerveau biologique qui apprend en modifiant la force des synapses (NDLR : les connexions entre les neurones), l’apprentissage des machines se fait par l’ajustement de la force des connexions entre ces unités.

Prenons l’exemple d’une analyse d’image. La première couche de neurones est constituée d’unités qui détectent des petits motifs au sein de cette image. La deuxième couche de neurones assemble ces motifs pour détecter des formes un peu plus complexes, etc. Les unités détectent petit à petit des parties d’objet pour, à la sortie, identifier complètement ces objets et décrypter l’image dans son ensemble. L’organisation du réseau de neurones en couches successives, qui lui vaut l’appellation de « deep learning », permet ainsi un affinage progressif de la lecture des données.

Où en sommes-nous aujourd’hui ?

“L’intelligence artificielle présente déjà de bonnes performances et intervient aujourd’hui dans de nombreuses applications pour le grand public. Elle ouvre la voie à de nouvelles applications [qui] vont probablement révolutionner de nombreux domaines.”

Beaucoup d’opérations liées à l’intelligence artificielle présentent déjà de bonnes performances : la classification d’images, la détection d’objets, la production et la description d’images, les systèmes de filtrage d’information, la traduction, les systèmes de traitement de texte – certains sont par exemple capable de produire des résumés –, la détection de parole… Tous ont fait d’énormes progrès ces 5 dernières années et interviennent aujourd’hui dans de nombreuses applications pour le grand public, de l’identification de personnes dans les photos sur Facebook à l’assistant personnel intelligent Google Home. Elles ouvrent également la voie à de nouvelles applications comme les voitures autonomes ou les nouveaux systèmes d’assistance à la conduite qui augmentent la sécurité sur les routes, applications dont on parle beaucoup et qui vont être déployées dans les 10 années qui viennent. L’intelligence artificielle va probablement révolutionner de nombreux domaines comme la médecine où elle aura un impact énorme. En radiologie, par exemple, des systèmes de reconnaissance d’image pourront détecter des tumeurs ou des fractures difficiles à déceler. L’IA permettra des diagnostics plus fiables, plus rapides, et une meilleure prise en charge des patients.

Malgré ces avancées, il manque encore aux machines la capacité à apprendre par l’observation et à acquérir le « sens commun », ce que nous apprenons, bébé, vers l’âge de huit mois. Le nombre d’applications reste donc encore limité aujourd’hui. On ignore quand aura lieu la prochaine révolution de l’intelligence artificielle mais, pour moi, le prochain cap à franchir est de faire en sorte que les machines puissent apprendre à la manière des humains, en observant le monde.

De nombreuses œuvres littéraires et cinématographiques dépeignent des machines savantes dangereuses pour l’humanité ; des craintes qui se retrouvent aujourd’hui en filigrane dans les questions d’éthique qui se posent sur l’intelligence artificielle. Faut-il réellement craindre un tel scénario ?

Comme pour toute technologie, il y a des dérives possibles auxquelles il faut très certainement réfléchir. Par exemple, les données utilisées sont généralement produites par des humains. Or, lorsqu’on entraîne un système à prendre des décisions, comme l’attribution d’un prêt bancaire ou le recrutement d’une personne, les biais présents dans ces données, perceptibles dans nos sociétés, vont se refléter dans les systèmes d’intelligence artificielle. A l’inverse, assurer la neutralité de ces systèmes promet un certain progrès social. Autre grande dérive : la vie privée. Certaines technologies disponibles, telle la reconnaissance de visages par un système de vidéosurveillance étendu – comme en Chine –, ne sont absolument pas compatibles avec la notion occidentale de la liberté. Ces questions sont importantes, il faut se les poser, y réfléchir, et encourager les entreprises et les gouvernements à adopter un usage vertueux de l’intelligence artificielle.

“L’idée qu’une entité intelligente veuille dominer est une pure projection de défauts humains sur les machines. […] Le thème de l’invention qui échappe à son inventeur est récurrent, mais un scénario à la Terminator est très improbable.”

Maintenant, est-ce que des machines intelligentes vont un jour dominer la planète et porter atteinte à l’humanité ? Ce n’est pas un danger auquel je crois car c’est une technologie qui n’existe pas aujourd’hui. Pour moi, l’idée qu’une entité intelligente veuille nécessairement dominer est une pure projection de défauts humains sur les machines. Il n’y a pas de raison pour que ces dernières agissent de la sorte, à moins qu’elles soient explicitement programmées pour cela. Il y a toujours eu dans l’histoire une peur des nouvelles technologies et nous sommes conditionnés par les œuvres de science-fiction où les scénarios les plus catastrophiques sont aussi les plus « intéressants ». Le thème de l’invention qui échappe à son inventeur est récurrent depuis le monstre de Frankenstein, mais un scénario à la Terminator est très improbable.

Plusieurs spécialistes annoncent une profonde mutation de nos sociétés, notamment sur la question de l’emploi ; certains prédisant jusqu’au remplacement total de l’humain. Qu’en pensez-vous ?

En effet, les économistes pensent que le déploiement de l’intelligence artificielle dans les 20 prochaines années va profondément transformer nos sociétés en se disséminant dans tous les recoins de l’économie. Certains métiers vont disparaître, mais de nombreux autres vont être créés. Il est clair que les sociétés vont devoir se préparer à ces changements profonds.

“C’est l’éducation et la formation qui vont permettre de surfer sur la vague de l’intelligence artificielle.”

A mon sens, c’est l’éducation et la formation qui vont permettre de surfer sur la vague de l’intelligence artificielle. Il faut pouvoir se former rapidement à ces nouvelles technologies pour, d’une part, faciliter leur pénétration dans l’économie et, d’autre part, permettre aux populations de profiter des nouveaux métiers créés en conséquence. Il faut enseigner les sciences des données à nos enfants, mais surtout accorder une plus grande importance à la formation continue afin de permettre aux travailleurs actuels de changer de métier. Le poids des technologies se renforce toujours plus et il est rare désormais de garder le même métier toute une vie : il faut se reformer et apprendre continûment. Dès l’école, il faut apprendre à apprendre pour se préparer à de nouvelles formations tout au long de sa vie professionnelle.

Propos recueillis par Flavie Dubois-Mazeyrie