Comment l’intelligence artificielle bouleverse l’algorithmique

L’intelligence artificielle (IA) en général et les réseaux neuronaux en particulier ne sont pas nouveaux. Deux facteurs rendent  aujourd’hui l’IA incontournable : le volume de données et la puissance de calcul disponibles. Même si paradoxalement, malgré le « data deluge”, les user cases ne sont pas encore assez nombreux pour l’IA! Or ces cas utilisateurs sont indispensables à l’IA pour tirer rapidement des enseignements à partir des expériences  -échecs y compris – passées. Car pour fonctionner, un réseau de neurones doit disposer d’une multitude de données pour en tirer une information pertinente.
La mécanique d’un réseau de neurones fonctionne en effet à partir de données en entrée et d’une sortie attendue. A partir du résultat obtenu, plusieurs milliers de rétropropagations sont effectuées afin de trouver où des erreurs sont apparues, de sorte qu’au final le résultat s’approche le plus possible de la sortie attendue. Avantage des réseaux neuronaux : une correspondance peut-être modélisée entre n’importe quelle entrée et n’importe quelle sortie, sans que le cerveau humain n’ait à élaborer d’hypothèses en amont. Et ce à la différence par exemple des applications marketing classiques qui font appel au profil de la fameuse « ménagère de moins de 50 ans » pour lui proposer ce qui est susceptible de l’intéresser.

C’est donc l’algorithme traditionnel qui se trouve sérieusement chahuté. « Les développeurs ne devront plus chercher à coder leurs programmes à partir d’instructions classiques, mais plutôt les doter de fonctions d’auto-apprentissage », écrit Diego Lo Giudice, analyste principal au cabinet Forrester dans un rapport paru fin 2016. Google y est parvenu, d’ailleurs de manière presque inattendue, comme me le racontait Guillaume Leroy, Directeur Architecture chez Capgemini : « Google a travaillé initialement sur la traduction automatique de façon structurée et probabiliste pour passer finalement aux réseaux de neurones. En cherchant à développer ce nouveau modèle de traduction entre plusieurs langues, Google s’est aperçu que le système a développé une sorte de langage intermédiaire pour pouvoir passer d’une langue à une autre plus facilement. Ce n’était pas du tout prévu au départ… ». C’est aussi sur ce quoi travaille les chercheurs du laboratoire Open AI de l’université Cornell (Ithaca, NY), qui ont enseigné à des agents d’IA la manière créer leur propre langage pour qu’ils communiquent entre eux. Dans les deux cas, l’idée est la même : le programme fonctionne à partir d’un langage qu’il s’est fabriqué lui même, et non plus à partir d’instructions codées par le développeur.

La transformation du métier de développeur

Pour profiter des atouts de l’IA, ce n’est donc pas tant le programme lui-même qui compte, mais le choix des jeux de données et des user cases les plus appropriés. Ce qui implique une transformation du métier de développeur, qui ne sera pas plus jugé sur sa capacité à « cracher du code » ni à définir des règles auxquelles obéira son logiciel, puisque la grammaire est mise au point par le programme lui-même. Le programmeur… ne programmera plus : il enseignera des méthodes à des agents d’IA, les « bots » notamment. Une méthode innovante apte à apporter de la valeur au business de l’entreprise, avec une approche test & learn -d’où l’importance des données initiales. Ce qui reste un challenge concernant l’IA : difficile de prédire quand une application d’IA est stabilisée et capable de produire des résultats fiables.

Tribune parue sur   

Photo credit: GLAS-8 via Visual Hunt / CC BY-NC-ND

3 Replies to “Comment l’intelligence artificielle bouleverse l’algorithmique”

Leave a Reply

Your email address will not be published. Required fields are marked *