Intelligence artificielle forte : définition, enjeux et fonctionnement

L’IA est de plus en plus présente dans notre quotidien, notamment au travers de nouveaux produits ou services. L’intelligence artificielle n’est pas une technologie à proprement parler mais plutôt un domaine scientifique dans lequel des outils peuvent être classés lorsqu’ils respectent certains critères. Cette définition pourrait être élargie en incluant les comportements dépassant les capacités humaines, puisque les ordinateurs actuels parviennent aujourd’hui à les surpasser dans certaines tâches, bien que la compétence de l’ordinateur s’arrête généralement à l’exécution de cette tâche.

À titre d’exemple, le AlphaGo, capable de battre le champion du jeu de go Lee Sedol, est très doué pour élaborer des stratégies à ce jeu, mais ses capacités s’arrêtent ici. Comme toute nouvelle technologie, les systèmes utilisant de l’IA sont encore sujets à des défaillances, à des attaques, ou peuvent avoir des impacts encore insoupçonnés sur les individus et sur la société. Les techniques d’IA sont parfois utilisées pour la gestion de ressources humaines, par exemple comme outil d’aide à la décision. Lors de l’entraînement de l’algorithme, celui-ci est évalué sur la réalisation d’une tâche selon certains critères, ou métriques. Exemple : un seuil bas correspond en réalité à un taux d’erreur plus important délibérément accepté par le concepteur du système.

Pour un algorithme de diagnostic médical par exemple, on souhaite surtout éviter les faux négatifs car en cas de faux positif, il nous est toujours possible d’effectuer davantage de tests. Là où les systèmes d’intelligence artificielle se distinguent de systèmes informatisés plus classiques, c’est dans les difficultés que posent l’identification du problème : on parle de l’explicabilité. En effet, et en particulier dans les systèmes appelés “profonds”, tels que les réseaux de neurones, le nombre de paramètres utilisés fait qu’il est souvent impossible de comprendre d’où vient l’erreur.

Sans que les internautes en soient forcément conscients, l’IA, en particulier la technique de partitionnement (clustering), est utilisée chaque jour dans le développement d’outils de profilage en ligne. Afin d’apporter un éclairage sur les enjeux de l’intelligence artificielle (IA) et d’accompagner les professionnels dans la mise en conformité de leurs projets, la CNIL publie un ensemble de contenus dédiés à l’IA. Plusieurs cadres réglementaires visant à préciser les conditions d’utilisation de l’IA sont actuellement en cours d’élaboration au niveau européen.

Premièrement, le règlement ePrivacy (évolution de la directive ePrivacy actuelle) précisera quelles règles du RGPD seront applicables dans la protection de la vie privée en ligne des citoyens. Le Digital Markets Act (DMA), le Digital Services Act (DSA), et le Digital Governance Act (DGA), encadreront le marché des grandes plateformes numériques. Le DSA, notamment, a pour objectif d’accentuer la transparence et la responsabilisation (accountability), des plateformes envers les usagers. Ce texte pourrait également avoir des conséquences pour les plateformes utilisant des algorithmes de recommandation. Enfin, le règlement sur l’intelligence artificielle (RIA) proposé par la Commission européenne en avril 2021, proposera une approche par les risques pour encadrer les usages des systèmes d’intelligence artificielle et faciliter l’émergence de solutions innovantes et respectueuses des droits et libertés des personnes.

Lire aussi: Exploration de l'Intelligence Spirituelle

L’intelligence artificielle (IA) est un système par lequel des programmes informatiques sont formés à imiter ou remplacer l’intelligence humaine. L’IA n’a rien de futuriste. Comment ont-ils été reconnus ? Si vous vous baladez sur les réseaux sociaux, vous y verrez de nouvelles pages à suivre selon vos goûts. Comment ont-elles été choisies ? Vous tapez quelques mots dans une langue étrangère dans un outil de traduction. Comment le résultat peut-il paraître authentique ? Vous avez une nouvelle voiture capable de se garer toute seule dans un espace exigu. Comment peut-elle être autonome ?

L’automatisation de tâches permet en effet de les rendre plus rapides. Une IA peut travailler à un rythme soutenu et n’a jamais besoin de repos. L’IA permet d’accomplir des tâches dangereuses sans mettre en péril les personnes. Dans les usines, l’automatisation permet de diminuer drastiquement le nombre d’accidents de travail.

La mise en place de l’intelligence artificielle demande dans un premier temps un investissement conséquent pour l’entreprise qui en a besoin. Toutefois, sur le long terme, elle implique la mobilisation de moins de personnel et des tâches accomplies plus efficacement. Cela est particulièrement vrai dans le domaine de la recherche. Même un grand spécialiste reste sensible à la fatigue, aux émotions et aux petites imprécisions qui font l’être humain. Si beaucoup peinent encore à faire confiance à la robotique, il s’avère qu’elle commet véritablement moins d’erreurs. La robotisation est également précieuse pour des tâches très minutieuses : des robots ont par exemple commencé à être utilisés dans certaines opérations chirurgicales.

Enjeux et domaines d’application

Pourquoi l’intelligence artificielle intéresse-t-elle de plus en plus d’organisations ? L’un des plus importants enjeux de l’intelligence artificielle se situe dans la recherche. Médecine, astronomie et nouvelles technologies au sens large pourraient tirer profit de l’automatisation de leurs processus. Dernier enjeu de l’intelligence artificielle, peut-être moins accessible au grand public : les questions internationales. Outre la course aux prouesses technologiques déjà évoquée, on peut aisément imaginer que l’intelligence artificielle soit utilisée dans les conflits internationaux.

Au niveau national comme international, de nombreuses organisations se penchent quotidiennement sur l’éthique de l’intelligence artificielle. Pour commencer, l’utilisation de l’intelligence artificielle présente un risque de transition d’humains à robots dans le monde professionnel. De plus, le recours aux systèmes de reconnaissance soulève de nombreuses questions. Il y a quelques années, l’intelligence artificielle évoquait l’image de robots capables de prendre un jour le dessus sur l’homme et de réduire l’humanité en l’esclavage, à tel point que cette vision fait toujours partie de l’imaginaire collectif.

Lire aussi: Enjeux de l'IA en Finance

Pourquoi l’intelligence artificielle soulève-t-elle tant de questions ? L’un des aspects les plus fascinants et inquiétants est le Deep Learning, considéré comme le futur de l’IA. Avant l’apparition du Deep Learning, l’IA était programmée par des humains et ne dépassait jamais les limites de ce qui lui avait été appris. À l’inverse, le Deep Learning permet aux intelligences artificielles d’utiliser leurs propres expériences pour apprendre, à l’instar de ce que fait un être humain tout au long de sa vie. L’exemple le plus parlant est celui des échecs.

Si cela renvoie à l’idée stéréotypée d’une IA qui se développerait jusqu’à surpasser l’homme, il est toutefois indéniable que les bénéfices de ces nouvelles technologies semblent être toujours supérieurs aux inquiétudes qu’elles soulèvent. Il paraît aujourd’hui difficile de s’en passer. Il est plus que probable que le développement de l’IA se maintienne, voire s’accélère. L’IA forte vise à créer des machines intelligentes impossibles à distinguer de l’esprit humain.

Si certains, à l’instar de Marvin Minsky, sont connus pour leur optimisme excessif quant à ce que nous pourrions accomplir en quelques décennies dans le domaine de l’IA, d’autres estiment qu’il est même impossible de développer des systèmes d’IA puissants. Quoi qu’il en soit, tant que les mesures du succès comme l’intelligence et la compréhension ne sont pas explicitement définies, cette croyance est fondée. Alan Turing développe le test de Turing en 1950, dans Computing Machinery and Intelligence, conçu pour déterminer si le comportement d’une machine peut être distingué de celui d’un humain.

Bien qu’il n’y ait pas de lignes directrices d’évaluation définies pour le test de Turing, Turing a spécifié qu’un évaluateur humain n’aurait que 70 % de chances de prédire correctement une conversation générée par un humain après 5 minutes. L’IA forte doit être capable d’effectuer toute une série de tâches de la même façon, ce qui conduit au développement de l’Extended Turing Test, évaluant performances textuelles, visuelles et auditives. L’expérience de la chambre chinoise, imaginée par John Searle, considère que les ordinateurs simuleraient la compréhension sans la vraie conscience.

Dans ce cadre, l’IA faible (ou IA étroite) se concentre sur l’exécution d’une tâche spécifique, alors que l’IA forte peut exécuter une variété de fonctions et apprendre par elle-même à résoudre de nouveaux problèmes. Une IA faible peut nécessiter une contribution humaine pour définir les paramètres de ses algorithmes d’apprentissage et fournir des données d’entraînement. Bien que l’intervention humaine accélère le développement, l’IA forte développerait une conscience semblable à celle de l’homme et ne se contenterait plus de simuler comme l’IA faible.

Lire aussi: Développer un Leadership Émotionnel

Risques, éthique et régulation

Le développement de l’intelligence artificielle comprend des risques, mais leur réalisation n’est pas certaine. Un risque existentiel désigne un risque mettant en péril l’existence même de l’humanité. Une IA forte, avec ou sans conscience, pourrait mettre en péril l’espèce humaine si ses objectifs deviennent incohérents avec les intérêts humains. Des scénarios extrêmes évoquent des groupes qui pourraient développer des armes intelligentes non maîtrisables. Des philosophes et scientifiques soulignent que le “bon sens” et l’éthique humaine sont difficiles à traduire en langage informatique, rendant les mesures de confinement et de déconnexion non infaillibles.

Nick Bostrom et d’autres mettent en garde contre une IA qui pourrait poursuivre des buts apparemment inoffensifs mais inadaptés aux interdépendances humaines. Il faut donc viser une IA qui soit utile et sûre, avec des objectifs alignés sur le bien commun. Certaines voix préconisent un développement non public de l’IA, ou des approches comme le projet Manhattan de l’intelligence artificielle, afin de mieux maîtriser les risques. L’IA n’est pas l’arme nucléaire, et les développements positifs potentiels sont innombrables, mais nécessitent une gouvernance proactive et transparente.

Les enjeux pratiques incluent l’éthique, la transparence et l’auditabilité des systèmes à haut risque, le respect de la vie privée et la conformité au RGPD. L’intégration de l’IA dans les entreprises transforme les métiers et invite à une requalification des compétences. Selon des études récentes, une part croissante de dirigeants est consciente de l’importance de l’IA, mais l’adoption varie selon la taille et le secteur des entreprises. Des exemples concrets illustrent l’impact : la Poste améliore le tri grâce à l’IA, Carrefour optimise ses chaînes d’approvisionnement, et des solutions d’analyse prédictive soutiennent la maintenance et la logistique.

L’IA est souvent présentée comme moteur de compétitivité, de personnalisation des services et d’innovation. L’IA générative, les IA génératives et non génératives coexistent dans les entreprises, avec une adoption qui dépend du profil des dirigeants et des compétences disponibles. Dans l’industrie française, des exemples comme Sanofi montrent l’utilisation du deep learning pour accélérer le développement de médicaments. L’automatisation des tâches répétitives libère les salariés et permet de se concentrer sur des activités à plus forte valeur ajoutée.

En conclusion, l’IA est un levier stratégique pour les organisations, mais son développement doit être accompagné d’une approche équilibrée entre innovation et vigilance. Pour les dirigeants, il s’agit d’adopter une vision globale, d’identifier les tâches transformables, de viser des usages à forte valeur ajoutée et de planifier le déploiement avec les compétences adéquates.

Texte et concepts clés

La distinction entre IA générale et IA spécialisée est centrale. L’IA peut être décrite par des notions telles que machine learning, apprentissage profond et réseaux neuronaux. Le machine learning permet d’apprendre à partir de données sans programmation explicite, tandis que l’apprentissage profond traite des données complexes comme les images et les vidéos grâce à des architectures profondes. L’IA générative produit du contenu original et est déjà utilisée dans divers domaines comme le marketing et la création de contenu.

1. Définir clairement les objectifs et les métriques de performance lors de l’entraînement des algorithmes.
2. Évaluer les risques et anticiper les biais pour éviter les discriminations, notamment dans le recrutement et l’accès au crédit.
3. Mettre en place une gouvernance des données pour garantir la qualité et la sécurité des données d’entraînement.
4. Favoriser la transparence et l’explicabilité des systèmes critiques, notamment dans la santé et la justice.

Tableau récapitulatif des usages et enjeux

balises:

Articles populaires:

• Foin agricole et TVA
• Évolution de l'inflation en France
• Guichet Unique et signature électronique
• Tout savoir sur le Numéro de Compte SPF Finances
• enjeux de conformité et domiciliation avec Ibrahim El Fayzi