Qu’est-ce que l’in­tel­li­gence ar­ti­fi­cielle (IA) ?

Par dé­fi­ni­tion, l’in­tel­li­gence ar­ti­fi­cielle est une branche de l’in­for­ma­tique ayant pour objectif de créer un équi­valent technique de l’in­tel­li­gence humaine. Il existe toutefois de nom­breuses théories et approches mé­tho­do­lo­giques sur ce qui constitue « l’in­tel­li­gence » et sur la manière de la re­pro­duire tech­ni­que­ment. Une dé­fi­ni­tion plus précise de l’in­tel­li­gence ar­ti­fi­cielle n’est donc guère possible en raison de la com­plexité du concept d’in­tel­li­gence.

Aperçu des dif­fé­rentes dé­fi­ni­tions de l’IA

L’in­tel­li­gence ar­ti­fi­cielle est prin­ci­pa­le­ment dé­ve­lop­pée pour des domaines d’activité tech­niques. À cet égard, il ne s’agit pas tant que l’IA maîtrise la com­mu­ni­ca­tion humaine, mais davantage qu’elle exécute ef­fi­ca­ce­ment des tâches hautement spé­cia­li­sées. Pour ces tech­no­lo­gies, le test de Turing est utilisé : si un système technique dispose des mêmes capacités qu’un être humain dans un domaine spé­ci­fique, par exemple pour un diag­nos­tic médical ou un jeu d’échecs, on parle alors de système ar­ti­fi­ciel in­tel­li­gent. En con­sé­quence, il existe deux dé­fi­ni­tions de l’in­tel­li­gence ar­ti­fi­cielle : l’une « forte » et l’autre « faible ».

In­tel­li­gence ar­ti­fi­cielle forte : la vision

La dé­fi­ni­tion de l’IA forte fait référence à une in­tel­li­gence capable de se subs­ti­tuer to­ta­le­ment aux humains et à leurs multiples com­pé­tences. Dif­fé­rentes di­men­sions d’in­tel­li­gence font partie de l’IA forte : cognitive, sen­so­ri­mo­trice, émo­tion­nelle et sociale. La plupart des ap­pli­ca­tions con­tem­po­raines intégrant l’in­tel­li­gence ar­ti­fi­cielle font appel à l’in­tel­li­gence cognitive, c’est-à-dire la logique, la pla­ni­fi­ca­tion, la ré­so­lu­tion de problème, l’autonomie ou l’éla­bo­ra­tion de pers­pec­tives in­di­vi­duelles.

In­tel­li­gence ar­ti­fi­cielle faible : la réalité

À l’inverse, l’IA faible se définit par le dé­ve­lop­pe­ment et l’uti­li­sa­tion de l’in­tel­li­gence ar­ti­fi­cielle dans des domaines d’ap­pli­ca­tion clai­re­ment délimités. La recherche sur l’IA se trouve ac­tuel­le­ment à ce stade. Presque tous les champs d’ap­pli­ca­tion actuels de l’in­tel­li­gence ar­ti­fi­cielle ap­par­tien­nent à l’IA « faible », mais ex­trê­me­ment spé­cia­li­sée, comme le dé­ve­lop­pe­ment de voitures autonomes, de diag­nos­tics médicaux ou d’al­go­rithmes de recherche in­tel­li­gente et d’au­to­ma­ti­sa­tion.

Ces dernières années, la recherche a fait des progrès con­si­dé­rables dans le domaine de l’IA faible. Le dé­ve­lop­pe­ment de systèmes in­tel­li­gents dans des domaines spé­ci­fiques s’est avéré non seulement plus pratique, mais également plus éthique que les re­cherches sur la su­pe­rin­tel­li­gence.

Comment fonc­tionne l’in­tel­li­gence ar­ti­fi­cielle ?

Comment décrire le fonc­tion­ne­ment de l’in­tel­li­gence ar­ti­fi­cielle ? La qualité d’une IA dépend de sa re­pré­sen­ta­tion technique des con­nais­sances. Il existe à ce sujet deux approches mé­tho­do­lo­giques élé­men­taires :

• L’IA sym­bo­lique re­pré­sente les con­nais­sances en question grâce à des symboles et fonc­tionne avec ce que l’on appelle le trai­te­ment des symboles. L’IA sym­bo­lique implique un trai­te­ment des in­for­ma­tions venant « du haut » et opère grâce à des symboles, des concepts abstraits et des con­clu­sions logiques.
• L’IA neuronale re­pré­sente quant à elle les con­nais­sances en question sous forme de neurones ar­ti­fi­ciels, reliés entre eux et formant un réseau. L’IA neuronale implique un trai­te­ment des in­for­ma­tions venant d’« en bas » et simule des neurones in­di­vi­duels ar­ti­fi­ciels qui, ras­sem­blés en dif­fé­rents groupes connectés, cons­ti­tuent un réseau de neurones ar­ti­fi­ciel.

IA sym­bo­lique

L’IA sym­bo­lique cor­res­pond à l’approche classique de l’in­tel­li­gence ar­ti­fi­cielle. Elle est basée sur l’idée que le rai­son­ne­ment humain peut être re­cons­truit à un niveau con­cep­tuel, logique et ordonné, in­dé­pen­dam­ment de valeurs em­pi­riques concrètes (approche top-down). Le savoir, y compris les langues parlées et écrites, est re­pré­senté sous forme de symboles abstraits. En se basant sur des al­go­rithmes, les machines ap­pren­nent à re­con­naitre, com­prendre et utiliser ces symboles. Le système in­tel­li­gent obtient des in­for­ma­tions à partir de systèmes experts.

Parmi les ap­pli­ca­tions clas­siques de l’IA sym­bo­lique figurent le trai­te­ment de texte et la re­con­nais­sance vocale, mais aussi d’autres dis­ci­plines logiques, comme la maîtrise des échecs. L’IA sym­bo­lique fonc­tionne d’après des règles strictes et peut résoudre des problèmes toujours plus complexes grâce au dé­ve­lop­pe­ment des capacités in­for­ma­tiques. C’est ainsi qu’en 1996, Deep Blue, l’or­di­na­teur d’IBM doté d’une in­tel­li­gence ar­ti­fi­cielle sym­bo­lique, a battu le champion du monde d’échecs de l’époque, Garry Kasparow.

IA neuronale

Ce fut Geoffrey Hinton et deux de ses collègues qui, en 1986, reprirent la recherche sur l’IA neuronale et donc le champ de recherche de l’in­tel­li­gence ar­ti­fi­cielle. Ils dé­ve­lop­pè­rent davantage l’al­go­rithme de ré­tro­pro­pa­ga­tion et posèrent ainsi les bases du Deep Learning, aujourd’hui utilisé par presque toutes les IA. Grâce à cet al­go­rithme d’ap­pren­tis­sage, des réseaux profonds de neurones peuvent apprendre en continu et se dé­ve­lop­per in­dé­pen­dam­ment les uns des autres.

Comme le fait le cerveau humain, l’in­tel­li­gence ar­ti­fi­cielle neuronale segmente le savoir en petites unités de fonc­tion­ne­ment, les neurones ar­ti­fi­ciels, qui sont reliées à des groupes en per­pé­tuelle crois­sance (approche bottom-up). Il en résulte un réseau de neurones ar­ti­fi­ciels riche et varié. À l’inverse de l’IA sym­bo­lique, le réseau neuronal est « entrainé ». Dans le domaine de la robotique par exemple, cette sti­mu­la­tion se fait à l’aide de données sen­so­ri­mo­trices. À l’aide du Machine Learning, l’IA génère elle-même un savoir en per­pé­tuelle crois­sance. C’est ici que réside l’in­no­va­tion majeure : bien que l’en­trai­ne­ment en soi nécessite beaucoup de temps, il permet à la machine d’apprendre seule à plus long terme.

In­tel­li­gence ar­ti­fi­cielle : exemples d’ap­pli­ca­tions et de projets

Que ce soit sous la forme de la re­con­nais­sance faciale, de l’as­sis­tance lin­guis­tique, de la re­con­nais­sance d’images ou de logiciels de tra­duc­tion, l’IA fait partie depuis longtemps de notre quotidien. Même lorsque vous refusez vo­lon­tai­re­ment ce type d’outils, vous ne pouvez pas échapper à l’influence de l’in­tel­li­gence ar­ti­fi­cielle dans l’en­vi­ron­ne­ment numérique. En effet, des systèmes d’IA se cachent par exemple derrière les sug­ges­tions de produits sur les boutiques en ligne ou les re­com­man­da­tions de YouTube, Netflix, etc. Ces systèmes sont entraînés à vous fournir des re­com­man­da­tions toujours plus per­son­na­li­sées.

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

• ChatGPT : ChatGPT est un chatbot développé par OpenAI. Ce Large Language Model (LLM) est basé sur l’IA. Le logiciel comprend les saisies de texte en langage courant et peut notamment répondre à des questions et créer, réécrire et traduire des textes.
• RankBrain : RankBrain est un al­go­rithme d’IA de Google ini­tia­le­ment développé pour mieux com­prendre les demandes de requête longues et encore inconnues. En 2015, Google a indiqué que RankBrain était le troisième facteur le plus important pour les re­cherches Google, derrière le contenu et les liens, sur 200 facteurs de clas­se­ment. RankBrain a donc une influence im­por­tante sur le ré­fé­ren­ce­ment naturel (SEO).
• DeepMind : DeepMind est une en­tre­prise rachetée en 2014 par Google. Elle a créé de nom­breuses tech­no­lo­gies d’IA no­va­trices, comme AlphaGo, le programme in­for­ma­tique qui a porté le jeu de go à un niveau de per­fec­tion inégalé. En avril 2023, Google a annoncé la fusion avec sa section interne d’IA, Google Brain. La recherche sur l’IA de DeepMind se distingue entre autres par le fait que l’en­tre­prise a développé l’in­tel­li­gence ar­ti­fi­cielle de manière à ajouter une mémoire à court terme.
• DALL-E : le système d’IA DALL-E crée en quelques secondes des images uniques et im­pres­sion­nantes en 2D ou 3D à partir de des­crip­tions saisies. Le logiciel d’OpenAI est dis­po­nible à tous les uti­li­sa­teurs, sans liste d’attente, depuis septembre 2022. D’après les in­di­ca­tions de l’équipe de dé­ve­lop­peurs, plus de deux millions d’images sont créées chaque jour avec l’ap­pli­ca­tion.
• Alexa d’Amazon et Siri d’Apple : les as­sis­tants IA comme Alexa et Siri aident les uti­li­sa­teurs à effectuer des tâches quo­ti­diennes telles que la recherche d’in­for­ma­tions à l’aide de la commande vocale. Grâce à la synthèse vocale, ils peuvent fournir des réponses en langage naturel.

Op­por­tu­ni­tés et risques de l’IA

Il existe des pré­vi­sions à la fois positives et négatives sur la façon dont l’in­tel­li­gence ar­ti­fi­cielle va in­fluen­cer nos vies et notre avenir. Nous avons ré­ca­pi­tulé ci-dessous les op­por­tu­ni­tés et risques prin­ci­paux de cette tech­no­lo­gie.

Les avantages et op­por­tu­ni­tés de l’in­tel­li­gence ar­ti­fi­cielle

Recourir à l’IA offre un éventail complet d’avantages et d’op­por­tu­ni­tés. Les prin­ci­paux avantages de la tech­no­lo­gie con­cer­nent le monde du travail, ses hautes per­for­mances et les pers­pec­tives éco­no­miques qu’elle offre.

Emploi et al­lè­ge­ment du travail

L’in­tel­li­gence ar­ti­fi­cielle pourrait créer de nouveaux emplois in­té­res­sants et, dans l’ensemble, être synonyme d’essor éco­no­mique. Tous les experts s’accordent à dire que la tech­no­lo­gie aura une incidence majeure sur le marché du travail. La sim­pli­fi­ca­tion du travail grâce à l’IA pourrait permettre un gain de temps libre.

Confort

De plus, les dé­fen­seurs de l’IA y voient l’op­por­tu­nité d’améliorer con­si­dé­ra­ble­ment le confort quotidien grâce à de nom­breuses in­no­va­tions. Les voitures autonomes ou les logiciels de tra­duc­tion in­tel­li­gents par exemple, sim­pli­fient gran­de­ment la vie des uti­li­sa­teurs.

Per­for­mances ex­cep­tion­nelles

L’IA offre des avantages con­si­dé­rables en termes d’utilité publique, dans la mesure où les machines pré­sen­tent un taux d’erreur moins élevé que le taux d’erreur humaine, ainsi que des per­for­mances ex­cep­tion­nelles. La grande po­ly­va­lence des machines in­tel­li­gentes en fait des acteurs pro­met­teurs dans les domaines de la santé et de la justice notamment. Si les experts n’en­vi­sa­gent pas que les juges soient remplacés par des tech­no­lo­gies ar­ti­fi­cielles à l’avenir, ces dernières peuvent toutefois aider à iden­ti­fier plus ra­pi­de­ment les ca­rac­té­ris­tiques d’une procédure et parvenir plus fa­ci­le­ment à des jugements im­par­tiaux.

Avantages éco­no­miques

Cette tech­no­lo­gie promet également des profits com­mer­ciaux im­por­tants pour les secteurs d’activité concernés. En 2022, 590 startups en France étaient dédiées à l’IA, avec un total de 3,2 milliards d’euros de fonds levés, selon la Direction Générale des En­tre­prises.

Projets fu­tu­ristes

Enfin, l’in­tel­li­gence ar­ti­fi­cielle nourrit la soif d’ex­plo­ra­tion humaine ; elle est déjà dé­ve­lop­pée pour la recherche de nouvelles sources de pétrole ou pour contrôler des robots sur Mars. Il est probable que l’évolution de la tech­no­lo­gie fasse aussi pro­gres­ser les dif­fé­rents domaines d’activité.

In­con­vé­nients et risques de l’IA

Des experts renommés dans le domaine mettent en garde, malgré leur propre en­ga­ge­ment, contre les risques de l’in­tel­li­gence ar­ti­fi­cielle. Ces voix critiques sont soutenues par des ini­tia­tives plus vastes. Par exemple, le groupe de pression et de recherche Future of Life Institute (FLI) mobilise ré­gu­liè­re­ment des critiques célèbres pour appeler à un usage res­pon­sable de la tech­no­lo­gie.

In­fé­rio­rité de l’humanité

L’un des risques possibles, que beaucoup redoutent et qui a déjà souvent été soulevé par la science-fiction, est le dé­ve­lop­pe­ment d’une « su­pe­rin­tel­li­gence ». On entend par là une tech­no­lo­gie capable de s’optimiser au­to­ma­ti­que­ment et de s’af­fran­chir de l’humanité. Les cher­cheurs con­si­dè­rent toutefois qu’il est quasiment im­pos­sible de mettre en place une IA dé­li­bé­ré­ment mal­fai­sante. L’un des risques réels est toutefois que cette in­tel­li­gence ar­ti­fi­cielle devienne tellement com­pé­tente qu’elle développe des activités auto-suf­fi­santes.

Dé­pen­dance à la tech­no­lo­gie

Parmi les scénarios redoutés figure également une dé­pen­dance crois­sante de l’humanité aux systèmes tech­no­lo­giques. Dans le domaine médical, par exemple, où l’uti­li­sa­tion de robots de soins est déjà testée, l’être humain devient un objet de plus en plus surveillé par des systèmes tech­no­lo­giques. Il existe là un risque de perte d’une partie de notre intimité et de notre au­to­dé­ter­mi­na­tion.

Pro­tec­tion des données et ré­par­ti­tion des pouvoirs

Les al­go­rithmes in­tel­li­gents sont capables de traiter de plus en plus ef­fi­ca­ce­ment des volumes de données crois­sants. Ce point est ac­tuel­le­ment une bonne nouvelle pour le commerce en ligne. Mais le trai­te­ment de données par des tech­no­lo­gies d’IA devient de plus en plus difficile à com­prendre et à sur­veil­ler pour les humains.

Bulles de filtres et per­cep­tion sélective

Le militant Internet Eli Pariser met en garde contre un autre danger de l’in­tel­li­gence ar­ti­fi­cielle, un concept appelé bulles de filtres ou bulles d’in­for­ma­tions. Lorsque les al­go­rithmes déduisent les contenus qu’ils offrent aux uti­li­sa­teurs en fonction de leurs pré­cé­dents com­por­te­ments (contenus per­son­na­li­sés), la « vision du monde » proposée est toujours plus res­treinte, d’où les in­quié­tudes. Les tech­no­lo­gies d’IA pour­raient favoriser la per­cep­tion sélective et donc renforcer une « distance idéo­lo­gique crois­sante entre les individus ».

Influence de l’opinion

Les tech­no­lo­gies faisant appel à l’IA pour­raient être sus­cep­tibles d’in­fluen­cer di­rec­te­ment l’opinion publique. Cette crainte s’explique par le recours à des tech­no­lo­gies qui con­nais­sent en détails leurs uti­li­sa­teurs, ou par l’uti­li­sa­tion de social bots qui in­fluen­cent l’attitude du public.