L’Intelligence Artificielle est morte, vive l’Intuition Artificielle !

Dans la famille des exposés que l’on suit le dos en avant, les yeux plissés en hochant la tête d’un air entendu, je demande la conférence sur l’IA ! Bien entendu, le technophile largué ayant donné trop longtemps l’illusion de sa parfaite compréhension du sujet ne posera pas les questions qui vont bien quand viendra l’heure du cocktail, de peur passer pour un zazou. De ce point de vue-là l’IA s’entend plutôt bien avec la Blockchain et la BigData, figurant en position honorable dans le club select des briques technologiques bipolaires à cheval entre la révolution copernicienne et l’esbroufe internationale.

Matthieu Garde-Lebreton
Matthieu Garde-Lebreton
13 février - Lecture 5 min.

De l‘Intelligence Artificielle

Écartons deux minutes les poncifs du genre et résumons ce qu’est l’IA à l’heure où vous lisez ces lignes en tripotant distraitement un stylo.

En notre humble qualité de quidam lambda, nous sommes confrontés à l’Intelligence Artificielle régulièrement au cours de notre journée : si l’appel à l’aide de ce prince nigérian en galère ne vient pas encombrer votre boite mail, c’est grâce à l’IA. Si votre appareil photo se déclenche tout seul quand il détecte un sourire forcé, c’est aussi grâce à l’IA. Si votre voiture fait ce créneau les doigts dans la calandre sans se laisser intimider par des klaxons rageux, c’est encore grâce à l’IA. Ici des exemples visibles, mais l’IA est également très présente, quoique tapie dans l’ombre, pour faciliter notre vie et celle des entreprises.

En réalité, ce socle technologique que nous appelons IA consiste en un modèle statistique réalisé à partir de trois ingrédients de base :  des données d’entrée (des images par exemple), des étiquettes qui vont caractériser ces données d’entrées et les classer selon des critères humains (« ceci est un chat » par exemple), puis un algorithme sélectionné par des gens « musclés du bulbe« en fonction de la nature des données d’entrée.

Pour élaborer ce modèle statistique il faut donner à manger ces ingrédients à un ordinateur qui va trimer comme un étudiant de première année de prépa pour générer ce qui deviendra la matière grise de notre IA.

Comme je vous vois vous assoupir (si, si) je vais vous faire la joie d’un exemple.

Mettons que vous souhaitiez créer une IA capable de détecter un sourire sur une photo. Il va vous falloir tout d’abord des photos. Beaucoup de photos. C’est notre donnée de base. Ensuite il va falloir poser nos étiquettes sur ces images. Ici on veut être capable de détecter un sourire, donc on va dire à notre ordinateur que cette image contient un sourire, celle-ci non, celle-ci oui… etc. Puis enfin on va sélectionner notre algorithme. Etant donné que d’un point de vue numérique une image n’est rien d’autre qu’une grande matrice de points de couleur (les fameux pixels), on va sélectionner un algorithme adapté au concept de base qui est « cet amas de pixel représente un type qui se bidonne ».

Une fois que notre superordinateur aura bien mouliné tout ça, nous obtiendrons un modèle mathématique capable de prendre en entrée une image, puis de déterminer en un temps record avec une certaine probabilité (mais jamais 100%, en tout cas, pas encore) que celle-ci contient un sourire ou non. En gros l’IA c’est de la donnée, des maths et des statistiques.

Ça fait moins fun à l’apéro tout de suite.

De l’intuition

1998.

Gary A. Klein, psychologue et chercheur en neurosciences renommé, travaille sur les mécanismes de prise de décision, et notamment l’intuition. Il étudie pour cela un certain nombre de cas dont celui d’un capitaine des pompiers qui intervient sur un feu de maison. Attention, c’est une true story ! Le courageux soldat du feu accompagne son équipe pour braver les flammes et sauver les maisons avoisinantes, nous sommes aux USA et les baraques sont globalement constituées de balsa et de papier mâché. Au bout de quelques minutes, le vétéran flaire un danger et évacue ses collègues à toute vitesse. C’est un attroupement hébété qui assistera peu après à l’effondrement du premier étage d’une maison vide de toute âme humaine (ouf). Le capitaine des pompiers expliquera avoir eu une intuition très puissante, le poussant à faire évacuer les lieux.

Les travaux de Klein montreront que l’intuition, dans la forme mystique qu’on lui prête tellement elle fascine, n’existe pas. Ce que nous appelons « intuition » est en réalité un raisonnement ultra rapide nourri par une grande expérience et l’observation attentive de plusieurs facteurs concrets. Dans son étude, Klein parle de « décision enclenchée par la reconnaissance ».

Notre héroïque capitaine ayant avalé de la fumée par quintaux au cours de sa longue carrière fut témoin d’un certain nombre de signaux d’alerte une fois à l’intérieur de la maison, notamment une température très élevée dans la pièce où il se situait, mais aucun crépitement de feu qui serait forcément audible si le foyer se situait dans la pièce à côté. Le cerveau surentraîné du capitaine, flairant le coup fourré, ne tardera pas à déclencher l’évacuation qui rendra son propriétaire célèbre. Par la suite, l’enquête révèlera que la fournaise était en réalité dans la cave et rongeait le plancher de l’étage, provoquant son effondrement précipité.

Rien de mystique donc, ce qui ne rend pas notre pompier moins héroïque nous en conviendrons. Il est tout de même important de noter que la nature fulgurante du raisonnement poussant à la décision conduit son auteur à penser en toute bonne foi qu’il est l’heureux possesseur d’un 3ème œil. Ce mécanisme « intuitif » se révèle tout à fait utile dans des environnements prévisibles comme un incendie ou une opération chirurgicale, mais désastreux dans un environnement qui ne l’est pas comme une fusion-acquisition entre deux entreprises ou un recrutement, dont la réussite dépend d’une combinaison unique de facteurs multiples.

De l’Intuition Artificielle

Revenons à notre IA.

Ce que nous appelons « Intelligence Artificielle » est donc une technologie capable de prendre une décision (probablement juste) à partir d’une donnée d’entrée et une consigne. Ce n’est pas vraiment ça « l’intelligence », car la technologie consiste ni plus ni moins à exploiter un modèle statistique de manière plus ou moins fiable. Rien à voir avec une analyse construite comme sait le faire un cerveau humain. Ce qui est intelligent en revanche, c’est l’usage que l’on peut faire de cette technologie dans nos processus de décision à tous les niveaux. Si l’on met de côté les scénarii d’anticipation comme la conduite autonome, une IA n’est pas fiable à 100% et sera surtout utilisée pour seconder l’être humain et l’aider à se focaliser sur les tâches à forte valeur ajoutée, du moins dans un avenir proche.

Par exemple, une IA pourra tout à fait analyser des résultats d’IRM à la recherche de tumeurs et alerter l’oncologue quand elle détecte une forte probabilité de cancer. A charge de ce dernier d’établir un diagnostic poussé par la suite.

Toujours est-il que pour fabriquer une IA, il faut d’abord entraîner notre modèle mathématique à partir d’un jeu de données le plus statistiquement représentatif possible. Celui-ci sera dit « mature » quand la réponse qu’il fournira sera vraie à plus de 50%. Ce fonctionnement en coulisses pour le commun des mortels est très intéressant, car il consiste en fait à faire « vivre » à notre IA tout un tas de cas de figure en accéléré afin de lui apporter une « expérience ». Cette expérience sera ensuite représentée sous la forme du modèle mathématique résultant, permettant à l’ordinateur d’avoir des « fulgurances » et d’apporter une réponse à un problème complexe en un temps record.

Prenons Jean-Guillaume.

Jean-Guillaume est une IA conçue pour déterminer si un chat figure sur une image. Si Jean-Guillaume pouvait s’exprimer comme nous, le dialogue que vous échangeriez ressemblerait à ceci :

  • Vous : Salut Jean-Gui ! Dis j’ai cette image là…
  • JG : Fais-donc voir
  • Vous : Trop cool Jean-Gui, merci !
  • JG : Bon bah écoute, selon mon expérience basée sur les 15 067 897 photos que j’ai pu voir dans ma life, il est probable à 98% que ton image contienne un chat
  • Vous : Trop fort Jean-Gui, allez A+ !

En vrai, notre ami JG ne se souviendra pas des millions de photos qui constituent son entraînement, son modèle mathématique se contentera d’exprimer sa réminiscence par une forte probabilité de quelque chose d’identifiable (le chat) dans un environnement prévisible (l’image). Ce processus informatique n’est finalement pas si différent de ce qu’il se passe dans la tête de notre pompier, dont le cerveau entrainé ne passera pas par le raisonnement « chaleur + pas de bruit = gros feu sous tes pieds = barre toi mon gars », et se contentera de prendre un raccourci en ordonnant à son porteur d’évacuer avec ses copains, rendant ce dernier bien incapable d’exprimer la raison de son beau geste.

Finalement, ce que nous appelons « Intelligence Artificielle » est en fait la simulation informatique de la capacité d’acquisition/réminiscence que nos cerveaux ont développé après plusieurs millions d’années d’évolution.

L’Intelligence Artificielle, c’est plutôt de l’Intuition Artificielle.

Matthieu Garde-Lebreton
Matthieu Garde-Lebreton
Intuition man
Tags:

© SURICATS Consulting 2020 - Conseil en transformation digitale

Vous connecter avec vos identifiants

Vous avez oublié vos informations ?