[Simple Tech] L'intelligence artificielle pour les nuls

Cet article a été publié il a plus d'un an, il n'est peut-être plus d'actualité.

Vous voulez comprendre pourquoi tout le monde parle d'intelligence artificielle mais vous n'y comprenez pas grand-chose à la technologie ? Laissez-moi vous dire que vous êtes tombé au bon endroit !

Il est vrai que le terme d'intelligence artificielle, que l'on abrégera en IA, est dans toutes les bouches depuis quelques temps, mais peu de personnes comprennent réellement de quoi il en retourne. Alors attachez vos ceintures, c'est parti !

Plusieurs types d'IA

La notion d'intelligence artificielle est extrêmement vaste, ce terme est utilisé pour un peu tout, et souvent n'importe quoi. Tout d'abord, on parle d'IA lorsqu'un logiciel effectue des tâches que l'on considère comme complexes, comme reconnaître un visage sur une photo, jouer aux échecs, ou encore conduire une voiture.

Cependant, toutes les IA ne se valent pas. Le terme d'IA englobe à la fois des algorithmes complexes, mais déterministes et des notions plus poussées comme l'apprentissage automatique (machine learning) et l'apprentissage profond (deep learning).

Un algorithme est une suite d'instructions à effectuer. Par exemple "i vaut 0, ajouter 3 à i puis diviser i par 2" est un algorithme.

Un algorithme déterministe est un algorithme dont on connaît le résultat avec certitude, il est possible de le calculer. Avec l'exemple ci-dessus, on sait pertinemment que i vaut 1,5 à la fin.

L'algorithme déterministe est la catégorie d'IA la moins intelligente, elle se contente de faire ce qu'on lui dit. L'apprentissage automatique est bien plus intéressant, il s'agit d'un système auquel on va fournir des données à analyser, et on va lui dire quoi analyser en particulier.

Prenons par exemple le calcul du prix d'une maison. Un algorithme déterministe pourra prendre la forme "si la maison fait moins de 100m², elle vaut 150 000€, sinon, elle vaut 250 000€". Le calcul est très simpliste, mais c'est juste pour comprendre le principe. Pour une IA à apprentissage automatique, on va lui donner 10 exemples de maisons déjà vendues en lui indiquant de prendre en compte la surface pour en déduire le prix. Ainsi, après avoir passé en revue les exemples (on parle alors d'entrainement), on pourra soumettre une maison à l'IA qui lui donnera un prix en fonction de ce qu'elle a appris.

Mais voilà, le prix d'une maison ne s'arrête pas à la surface, ni même à la situation géographique, il existe énormément de paramètres à prendre en compte, et on rentre là dans le champ d'action de l'apprentissage profond.

En apprentissage profond, on va toujours soumettre 10 maisons au système, mais sans dire ce qu'il faut étudier. Ainsi, l'IA va certainement trouver une corrélation entre le nombre chambres et le prix, entre la taille du terrain et le prix, etc. L'apprentissage profond utilise pour ce faire des réseaux de neurones artificiels, un système inspiré des neurones présents dans notre cerveau (normalement 😅).

L'entrainement en apprentissage profond repose sur le renforcement. Si on prend l'image ci-dessus, l'IA va analyser la photo du chat une fois et dire "chat" ou "chien" et comparer sa réponse à la vraie réponse. Elle va ensuite analyser une deuxième fois, voir ce qu'elle a fait de différent par rapport à la première fois, si le résultat est plus satisfaisant et elle va adapter son algorithme.

En apprentissage profond, on peut répéter ce cycle des milliers de fois avec des millions de données différentes en entrée.

Une dernière chose sur l'apprentissage profond, le résultat est probabiliste. C'est-à-dire que l'IA ne dit pas vraiment "c'est un chat" mais plutôt "il y a 87% de chance que ce soit un chat" - et donc 13% que ce soit un chien. Ceci explique que les IA peuvent se tromper.

Il est également possible de classer les IA en IA faible ou IA forte. Une IA faible n'est compétente que dans son domaine précis, c'est le cas de toutes les IA à ce jour, même les plus poussées comme Siri, l'assistant vocal d'Apple. Une IA forte, au contraire, serait réellement capable de simuler l'intelligence telle qu'on la connaît. Il n'en existe pas à ce jour et la question de la faisabilité d'un tel système est sujette à de vastes débats.

Mais... ça sert à quoi ?

Le champ d'application de l'IA est extrêmement vaste. L'IA est très utilisée dans l'imagerie et la vidéo, pour y reconnaître des formes. C'est le cas pour le déverrouillage des smartphones par reconnaissance faciale ou pour la reconnaissance de formes sur les caméras de circulation. Facebook s'en sert pour reconnaître les personnes présentes sur les photos, par exemple.

Un autre champ d'application prometteur est la conduite ou l'aide à la conduite, de voitures mais également de drones, d'avions ou de tout autre forme de transport. En finance, l'IA est grandement utilisée pour acheter et revendre des titres bien plus rapidement qu'un humain n'est capable de le faire.

L'IA est également présente dans le service client avec l'utilisation de plus en plus courant des chatbots.

Un chatbot est un onglet pour discuter avec un "conseiller", présent sur de nombreux sites web. L'interlocuteur n'est en réalité qu'une intelligence artificielle qui analyse le message reçu et y répond.

Enfin, l'intelligence artificielle trouve désormais preneur dans des domaines où on ne l'attend pas forcément tel que l'art (peinture, écriture, musique) et même dans le droit. En effet, l'Estonie est le premier pays à avoir annoncé qu'une IA rendrait justice pour les délits mineurs impliquants des dommages inférieurs à 7000€, sans aucune intervention humaine.

En bref

Si on devait faire court, le terme d'intelligence artificielle se réfère très souvent à l'apprentissage profond (Deep Learning ou DL). Celui-ci consiste à fournir des données à un système pour l'entrainer à déterminer un certain paramètre. Les champs d'applications de ces technologies ont pour seule limite notre imagination, mais également la puissance du matériel, car une IA demande du matériel très puissant (et très énergivore, l'IA n'est pas du tout écolo).