Qu’est-ce que l’IA ? Tout ce qu’il faut savoir sur l’intelligence artificielle

Qu’est-ce que l’intelligence artificielle ?

L’intelligence artificielle est « un domaine technique et scientifique consacré aux systèmes techniques qui génèrent des sorties telles que du contenu, des prévisions, des recommandations ou des décisions pour un ensemble donné d'objectifs définis par l'homme » [ISO/IEC 22989:2022]. Si cette définition donne une idée précise de l’intelligence artificielle d’un point de vue technique, qu’en est-il pour le néophyte ?

En réalité, l’IA n’est qu’un outil pratique, et non une panacée. Sa performance est fonction de la qualité de ses algorithmes et des techniques d’apprentissage machine à l’œuvre. L’IA peut produire d’excellents résultats dans l’exécution d’une tâche prédéfinie, mais pour ce faire, elle a besoin de tonnes de données et de beaucoup d’entraînement. Sa technologie consiste simplement à apprendre à analyser de grandes quantités de données, à reconnaître des schémas, et à formuler des prédictions et prendre des décisions sur la base de ces données, en améliorant continuellement sa performance au fil de son utilisation.

L’apprentissage machine a grandement gagné en « compétence » dans la génération de contenus, allant de codes logiciels aux images, en passant par les articles, les vidéos et la musique. Il s’agit-là d’une nouvelle évolution de l’IA, l’IA générative, qui diffère de l’IA classique en ce qu’elle offre plus de capacités et d’applications. Si les systèmes d’IA classique sont principalement utilisés pour analyser des données et formuler des prédictions, l’IA générative est quant à elle un outil plus poussé qui permet de créer de nouvelles données similaires à celles qui ont servi à son entraînement.

Petite rétrospective de l’intelligence artificielle

Les origines de l’IA telle que nous la connaissons aujourd’hui remontent peu ou prou au XIXe siècle avec l’invention par Charles Babbage du « moteur analytique », la toute première calculatrice automatique du monde. Le décrypteur de code britannique, Alan Turing, figure de génie de l’arsenal du renseignement allié pendant la Seconde Guerre mondiale, entre autres distinctions, peut être considéré comme le père des itérations de l’IA d’aujourd’hui. En 1950, il a proposé le Test de Turing, conçu pour évaluer la capacité d’une machine à faire preuve d’un comportement intelligent indiscernable du comportement humain.

La croissance exponentielle de la puissance de calcul et l’Internet ont donné naissance au concept, et à la réalité, de l’apprentissage machine, ou le développement d’algorithmes d’IA capables d’apprendre sans programmation, par le traitement d’ensembles de données considérables. Depuis ces dernières décennies, l’IA fait partie intégrante de la vie quotidienne et influence notre manière de travailler et d’interagir avec les technologies.

Comment fonctionne l’IA ?

En substance, l’IA analyse des données pour en extraire des schémas et formuler des prédictions. Pour ce faire, elle combine de grands ensembles de données au moyen d’algorithmes d’IA intelligents, ou définit des règles, pour permettre au logiciel d’apprendre de ces schémas tirés des données. Le système peut effectuer cette tâche à travers un réseau de neurones, lequel se compose de couches de nœuds interconnectés qui relaient l’information entre les différentes couches pour trouver des connexions et tirer du sens à partir des données.

Pour en comprendre pleinement le fonctionnement, il convient de décliner les concepts suivants :

• Apprentissage : sous-domaine de l’IA, l’apprentissage machine permet aux machines d’apprendre à partir de données, d’identifier des schémas et de prendre des décisions sans programmation explicite à cette fin. Poussé à un niveau supérieur, ce sous-domaine devient l’apprentissage profond qui permet au logiciel d’IA de comprendre des schémas plus complexes en mobilisant des millions de points de données.
• Raisonnement : la capacité de raisonner est essentielle à l’IA en ce qu’elle permet à la machine d’imiter le cerveau humain. L’IA peut tirer des déductions selon les commandes reçues, ou d’autres informations disponibles, pour former des hypothèses ou élaborer des stratégies en réponse à un problème donné.
• Capacité à résoudre les problèmes : la capacité de l’IA à résoudre des problèmes repose sur la manipulation de données au moyen de techniques essais-erreurs. Elle suppose l’utilisation d’algorithmes pour explorer les divers chemins possibles pour trouver la solution la plus optimale à des problèmes complexes.
• Traitement du langage : l’IA utilise le traitement du langage naturel (ou NLP pour natural language processing) pour analyser des données sur le langage humain et les rendre compréhensibles pour l’ordinateur. Qu’est-ce que le NLP ? Le NLP renvoie à la capacité des ordinateurs à comprendre le langage humain, à l’interpréter et à le générer, par l’analyse de corpus de textes, l’analyse des sentiments et la traduction machine.
• Perception : l’IA balaie l’environnement à travers des capteurs, comme les sondes de température et les caméras. Connu sous le nom de vision artificielle, ce domaine de l’IA permet aux machines d’interpréter et de comprendre les données visuelles et sert à la reconnaissance d’images, la reconnaissance faciale ou la détection d’objets.

IA forte et IA faible

L’IA peut être qualifiée de forte ou de faible.

L’IA faible, également appelée IA étroite, désigne des systèmes conçus pour exécuter avec une grande efficacité des tâches spécifiques limitées à un domaine particulier. Elle ne présente pas d’intelligence générale. Les assistants virtuels Siri et Alexa en sont une bonne illustration.

L’IA forte, quant à elle, a pour but de permettre aux systèmes de traiter une grande variété de tâches avec un niveau de performance satisfaisant. Elle est également connue sous le nom d’IA générale. Cette IA est capable d’apprendre et d’appliquer ses connaissances acquises dans des domaines divers et variés. Ses aptitudes cognitives semblables à celles de l’homme et sa capacité à exécuter toute tâche intellectuelle que pourrait réaliser un être humain font de l’IA générale un concept qui reste théorique.

Quels sont les quatre types d’IA ?

Si les machines réactives et l’IA à mémoire limitée existent aujourd’hui, l’IA basée sur la théorie de l’esprit et l’IA consciente représentent des types d’IA qui restent à l’état de développement éventuel. Mais à quoi ressemblent ces types d’IA ?

• Les machines réactives fonctionnent selon des règles prédéfinies et sont incapables d’apprendre à partir de données nouvelles. Elles excellent dans l’exécution de tâches définies, comme répondre à des clients en ligne au moyen de chatbots, mais elles manquent d’adaptabilité.
• L’IA à mémoire limitée peut apprendre à partir de données historiques et prendre des décisions éclairées, avec une certaine capacité d’adaptation selon l’entraînement de la machine. Les véhicules autonomes et les applications de traitement du langage naturel sont de parfaits exemples de ce type d’IA.
• L’IA basée sur la théorie de l’esprit est un domaine complexe qui fait l’objet de travaux de recherche. Elle se définit comme un agent artificiel capable de comprendre les croyances, les intentions et les émotions d’autres entités.
• L’IA consciente est le scénario hypothétique d’un système d’IA de traitement de la conscience capable de comprendre sa propre existence. Ce type d’IA reste théorique.

Apprentissage machine et apprentissage profond

L’apprentissage machine s’appuie sur des algorithmes qui améliorent de façon systématique la performance au fil de l’expérience. Cet apprentissage se décompose en trois catégories :

• L’apprentissage supervisé : les algorithmes sont entraînés à partir d’ensembles de données étiquetées où chaque exemple est associé à une entrée et à une sortie correspondante. Ils apprennent de ces données étiquetées pour formuler des prédictions sur des données nouvelles et inédites.
• L’apprentissage non supervisé : sans données étiquetées ni sorties prédéfinies, l’algorithme apprend à découvrir des structures ou des regroupements cachés dans les données.
• L’apprentissage par renforcement : entraîné à interagir dans un environnement donné et à apprendre par la méthode essais-erreurs, l’agent reçoit des retours sur ses actions sous la forme de récompenses ou de pénalités, ce qui lui permet d’apprendre et d’améliorer sa performance au fil de son utilisation.

L’apprentissage profond est un cas particulier de l’apprentissage machine et consiste à entraîner des réseaux de neurones artificiels composés de multiples couches, à l’instar de la structure et du fonctionnement du cerveau humain, dans lesquelles des nœuds interconnectés (neurones) transmettent des signaux.

Ces algorithmes de l’IA excellent dans la reconnaissance d’image et vocale, le traitement du langage naturel et bien d’autres domaines, grâce à leur capacité à extraire automatiquement des caractéristiques à partir de données brutes en passant par plusieurs couches d’abstraction. L’apprentissage profond peut traiter des ensembles de données à une grande échelle, à partir d’entrées à haute dimensionnalité, mais la complexité de ces entrées nécessite une grande puissance de calcul et un entraînement intensif des machines.

Exemples d’intelligence artificielle

Que peut faire l’IA ? La majorité d’entre nous connaît l’IA à travers les enceintes intelligentes et les assistants de smartphones comme Siri et Alexa, mais nos vies sont facilitées et gagnent en efficacité grâce aux nouvelles technologies d’IA de bien d’autres façons.

Voici quelques exemples d’applications de l’intelligence artificielle :

• L’IA dans le secteur de la santé peut traiter et analyser de larges quantités de données médicales pour formuler des prédictions précises et recommander un traitement personnalisé pour de meilleurs résultats pour le patient.
• Le monde des affaires et l’industrie de la fabrication profitent de l’automatisation dans tous les domaines, depuis la détection de la fraude à l’évaluation du risque en passant par l’analyse des tendances du marché et les robots intelligents intégrés aux lignes de production. Les systèmes d’IA peuvent également prédire les pannes de matériel avant qu’elles ne se produisent et détecter des anomalies dans les schémas de flux de réseaux, en identifiant des menaces de cybersécurité. Dans le secteur de la vente au détail, l’IA est utile dans la gestion des stocks, la personnalisation de l’expérience d’achat, les chatbots assistant les clients et l’analyse des préférences clients, et elle aide à la croissance du chiffre d’affaires grâce à des annonces publicitaires mieux ciblées.
• L’IA dans le secteur de l’éducation comprend des systèmes de tutorat intelligents qui s’adaptent aux besoins de l’apprenant et lui fournissent des retours et des conseils personnalisés. Elle peut également générer automatiquement des notes, créer du contenu et proposer des simulations en réalité virtuelle.
• L’IA dans le secteur des transports optimise les flux du trafic, prédit les besoins de maintenance et améliore la logistique des entreprises de fret, et dans le secteur de l’agriculture, elle peut optimiser le rendement des cultures et réduire le gaspillage des ressources. La technologie des drones permet de suivre l’état des sols, d’identifier des maladies de cultures et d’évaluer les besoins en irrigation, et les systèmes d’IA peuvent recommander le recours à des pesticides efficaces et des techniques de gestion des cultures.
• Dans le secteur du divertissement, l’IA peut recommander des films, des musiques ou des livres en analysant les préférences de l’utilisateur. La réalité virtuelle ou augmentée crée des environnements de divertissement immersifs. L’IA employée dans les effets spéciaux numériques (CGI) réalistes améliore l’expérience visuelle des films et des jeux vidéos.

Gouvernance et réglementation de l’IA

Considérant l’intégration croissante de l’IA dans les diverses industries, on n’insistera jamais assez sur l’importance de garantir la qualité et la fiabilité des logiciels d’IA. Malgré les risques sous-jacents à cette technologie, la réglementation de l’IA reste insuffisante. Face à ce constat, les Normes internationales ont un rôle majeur à jouer.

Les normes, telles que celles élaborées par ISO/IEC JTC 1/SC 42 sur l’intelligence artificielle, sont déterminantes pour traiter les questions d’éthique et de développement et d’utilisation responsables des technologies de l’IA. En effet, elles aident à combler les lacunes réglementaires, en dotant les décideurs des outils leur permettant d’établir des données et des processus cohérents et vérifiables.

• ISO/IEC 42001 Systèmes de management de l'IA

  ISO/IEC 23894 IA – Recommandations relatives au management du risque

  ISO/IEC 23053 Cadre pour les systèmes d'IA utilisant l'apprentissage machine

Ces normes peuvent apporter de la valeur ajoutée aux entreprises, notamment pour l’établissement des rapports environnementaux. Elles renforcent la crédibilité auprès des parties prenantes en garantissant que les avantages de l’intelligence artificielle restent supérieurs aux risques associés, en s’alignant sur la réglementation existante et les outils de gouvernance en place.

Dans quelles mesures l’IA change-t-elle notre monde ?

À mesure qu’elle gagne en sophistication, nous pouvons nous attendre à ce que l’intelligence artificielle transforme la manière dont nous travaillons et vivons. Outre les nombreuses applications évoquées ci-dessus, l’IA jouera un rôle crucial dans la réponse face aux enjeux mondiaux et la mise au point des solutions requises.

Cependant, la généralisation de l’IA posera des questions d’ordre éthique. À mesure que l’IA gagne en puissance et en adhésion, nous devons nous assurer que son développement et son utilisation sont responsables, en nous attachant à traiter les questions de biais, de respect de la vie privée et de transparence. Pour y parvenir, il est crucial de rester informé et de se montrer proactif pour orienter son développement et bâtir un avenir à la fois profitable et éthique pour tous.