Les concepts essentiels de l’IA

Les concepts essentiels de l’IA

Pour commencer cette série de capsules mensuelles sur l’intelligence artificielle, ou « IA », je voulais tout d’abord revenir sur des notions essentielles, des définitions et un peu d’histoire. Nous nous assurerons ainsi que nous parlons tous de la même chose.

Il est difficile aujourd’hui d’échapper à l’IA. Elle nous attend à chaque détour de notre vie, souvent invisible. Elle tend même à diviser notre société, entre ses adeptes inconditionnels, rêvant d’un monde libre de toute tâche fastidieuse, et ses adversaires farouches, anticipant la révolution des robots.

COMPRENDRE L’IA

Pour mieux comprendre l’intelligence artificielle, peut-être serait-il utile de mieux comprendre ce qu’est l’intelligence naturelle.

Or nous nous apercevons qu’il nous est difficile, sinon impossible de nous mettre d’accord sur une définition de l’intelligence naturelle ; donc a fortiori sur sa composante artificielle. Il ressort toutefois des composantes communes, incontournables : l’adaptation à un environnement changeant, l’acquisition d’information et la prise de décision.

Ce dernier concept, la décision, composante essentielle de l’intelligence, est la plus intéressante en ce qu’il conditionne nos vies et est consubstantiel à notre condition humaine.

Décider c’est exister. Décider, cependant, se révèle une tâche ardue et anxiogène ; et ce pour une seule et unique raison : l’incertitude du futur.

Nous, êtres humains, sommes condamnés à décider dans l’incertitude, à ne jamais savoir à l’avance si nous prenons la « bonne décision ».

Ainsi de tout temps avons-nous tenté de connaitre l’avenir. Nous avons tout essayé, divination, cartomancie, chiromancie, astrologie et autres, avec plus ou moins de succès.

LA NAISSANCE DES PROBABILITÉS

En 1654, en France, à la suite d’un problème de jeu de hasard qui lui est posé, le mathématicien Blaise Pascal, invente les probabilités.

Il jette ainsi les bases de la modélisation prédictive, qui est la quantification mathématique de la probabilité d’occurrence d’un évènement dans le futur, fondée sur l’observation de corrélations entre évènements passés.

Il est ainsi possible, grâce à des modèles mathématiques prédictifs, de connaitre la probabilité d’occurrence d’un évènement.

Pour être plus précis, une régression nous donnera la probabilité d’une dimension (prix, vitesse, temps, volume, etc.), et une classification, la probabilité d’appartenir à une classe.

Les classificateurs sont aujourd’hui majoritairement des réseaux de neurones. C’est ainsi qu’ils reconnaissent une image (probabilité d’être un chien, un chat ou un arbre) ou un son, ou lisent l’écriture manuelle (probabilité d’être un A, un B, un C, etc.)

Une famille particulière est celle des classificateurs binaires, dont le résultat est limité à deux possibilités : vrai ou faux, malade ou pas, etc.

Un réseau de neurones est composé de couches. Une couche d’entrée et une couche de sortie, avec entre les deux plusieurs couches « cachées ».

Au-delà de 5 couches cachées, un réseau de neurones présente une grande instabilité qui le rend difficile à maitriser. On dit alors qu’il s’agit d’un réseau neuronal « profond ».

L’apprentissage profond, ou « Deep Learning » n’est donc rien d’autre que l’utilisation d’un réseau de neurones avec plus de 7 couches.

Tous ces modèles nous apportent ce que l’être humain a toujours recherché, une connaissance, même parcellaire, du futur.

Forts de cette connaissance, nous pouvons alors prendre une décision « éduquée ».

MEILLEURE PRISE DE DÉCISION

Si la prise de décision, en fonction de la probabilité du futur, obéit à des règles qui rendent possible l’automatisation de son exécution, nous avons alors un « système autonome » où l’humain a été retiré, depuis l’acquisition des données jusqu’à l’exécution de la décision.

Si ce système est mis en œuvre de manière physique, à l’aide d’une machine, nous avons alors un « agent intelligent », ultime matérialisation de l’intelligence artificielle. Des exemples d’agents intelligents sont la voiture autonome, ou l’aspirateur Roomba.

En conclusion, il est possible de dire que l’IA répond à la volonté de l’être humain de rediriger la responsabilité de la décision vers une machine, mieux à même, par sa capacité de calcul, de prendre une décision éduquée, donc potentiellement meilleure.


Roger Vandomme

Roger Vandomme

Ce texte est le premier d’une série d’articles écrits par Roger Vandomme, associé principal et directeur en analyse des données au Groupe NEOS, visant à démystifier l’IA aux différents secteurs économiques.