II. RÉPONSES À LA CONSULTATION ORGANISÉE PAR LE PARIS MACHINE LEARNING MEETUP EN VUE DU RAPPORT DE L'OPECST
Nicolas Beaume (15 février 2017)
Je suis bio-informaticien spécialisé dans l'utilisation des méthodes d'intelligence artificielle (plus précisément d'apprentissage automatique) en génomique. Vu la quantité toujours croissante de données que nous brassons en génomique et la complexité des problèmes abordés, les méthodes d'apprentissages automatiques sont plus qu'utiles, elles deviennent indispensables.
Je pense que ce champ et celui de l'intelligence artificielle en général va devenir un pivot inévitable de nos sociétés. Inévitable ne signifie pas qu'il faut en faire n'importe quoi et c'est pourquoi je trouve cette initiative particulièrement intéressante. Si mon expertise en la matière peut être utile, je serais ravi d'y participer.
Olivier Guillaume, fondateur/CEO d'O² Quant, société spécialisée dans les dernières techniques en intelligence artificielle (17 janvier 2017)
Tout comme l'électricité a augmenté les capacités physiques de l'homme, l'intelligence artificielle augmente de manière significative nos capacités cognitives.
Cette évolution majeure a déjà commencé, on la retrouve déjà dans bon nombres d'applications utiles de la vie courante : smartphones, santé, sécurité, industrie... et ce n'est que le début. Demain ce sera les voitures autonomes de manière certaine, et bien d'autres évolutions encore aujourd'hui insoupçonnées.
Avec l'augmentation très récente des données informatiques (le big data ) et des puissances de calculs, nous entrons maintenant dans une autre dimension, ou le champ des possibles explose. Avec ma société O² Quant, nous travaillons sur des projets améliorant de manière significative la productivité ou la condition de l'homme : amélioration de la sécurité, aéronautique, industrie, réduction du gaspillage alimentaire, recherche appliqué en santé avec des résultats extrêmement rapides...
Même si l'intelligence artificielle pourra être utilisé à des fins malveillantes, je suis très confiant dans l'avenir et à ce que ces nouvelles technologies pourront apporter à l'humanité. Notre pays où il fait bon vivre a bien des atouts, notamment en tant qu'un des acteurs mondiaux majeurs dans l'intelligence artificielle : Nous avons de nombreuses et très bonnes écoles d'informatique et de mathématique ce qui nous procure les data scientists les plus réputés, le dispositif CIR aident les industriel à faire émerger des projets, et bien d'autres atouts ...
Certains pays comme les États-Unis, le Canada ou l'Allemagne croient et investissent dans cette filière d'avenir.
Parce qu'en France nous avons des chercheurs, des entrepreneurs dynamiques et compétents, il y a un terreau fertile au développement de cette ressource stratégique.
Et c'est aussi à vous, femmes et hommes politiques français, d'accompagner cette évolution dans notre pays du droit et des libertés, en vous investissant de ce sujet.
Aurélia Nègre (15 janvier 2017)
Je suis très enthousiaste et pense profondément que l'intelligence artificielle pourra apporter des améliorations majeures dans la vie des gens, en particulier sur les voitures autonomes mais aussi et surtout la prédiction d'incidents/d'activité pour faciliter le travail de la police, des pompiers et des hôpitaux.
Dominique Péré, Directeur R&D aux Éditions Lefebvre-Sarrut (1 er décembre 2016)
L'intelligence artificielle est en passe de poser les fondements d'une nouvelle société :
o Les techniques du machine learning vont créer des robots logiciels qui remplaceront les tâches dites intellectuelles à faible valeurs ajoutées, au même titre que les robots industriels ont fait disparaître les ouvriers spécialisés des usines.
o Les assistants numériques
o La classification des textes, images, vidéos, audio ...
o Le support technique et logiciel de 1 er niveau
o La publication d'informations instantanées (météos, sports, résultats d'élections...)
- De nouveaux métiers apparaissent :
o Data scientists
o Ingénieurs spécialisés en big data
o Exploitation et contrôles des données générées
De nouvelles interactions et expériences utilisateurs apparaissent :
o Systèmes conversationnels ( Chat bots )
o Systèmes adaptatifs de préconisation (boutique Internet, claviers numériques...)
Les données deviennent un enjeu économique majeur. La plupart des gros projets d'intelligence artificielle sont portés par les GAFAMI (Google, Apple, Facebook, Amazon, Microsoft et IBM) et Baidu qui ont la particularité d'être en très grande majorité situés aux États-Unis, sauf un en Chine.
La prépondérance des données sur le logiciel est acquise, selon la logique suivante :
« En échange de l'usage de mes logiciels tu me fournis tes données que je peux utiliser à volonté ».
Pour le machine learning les systèmes auront de plus en plus de données d'entraînement et parce que cette technologie est accumulative, ces intelligences vont devenir de plus en plus performantes donc utiles et bien sûr utilisées.
Maintenant il se profile derrière l'intelligence artificielle classique, une technologie déjà en marche le deep machine learning , c'est à dire le machine learning entraîné dans des réseaux neuronaux.
La soudaine amélioration de Google Translate est due à la bascule vers le deep machine learning .
Cette technologie pose différents problèmes :
- Qui maîtrise les données d'apprentissage ?
- Comment vont évoluer ces systèmes apprenants quand ils vont apprendre avec les données produites par les systèmes de la génération précédente ?
- Quels sont les outils disponibles pour surveiller un « Neural Network » ?
- Quelles garanties aura-t-on d'un fonctionnement non biaisé et bienveillant des intelligences ?
Notre vie quotidienne va être séquencée par cette technologie, il est important que le « politique » s'empare du problème, le comprenne et agisse en conséquence. Par exemple créer une obligation aux systèmes d'apprentissage automatique d'intégrer de nouvelles données d'apprentissage, pour éviter le phénomène d'entonnoir. Avoir les moyens d'observer la qualité et la pertinence des solutions calculées.
Dans notre métier d'éditeur juridique nous voyons se profiler des « robots juges » qui vont prendre en charge les délits mineurs. Nous voyons aussi des « robots avocats » qui vont être capables de construire des raisonnements juridiques sur les cas les plus simples.
Tant que les résultats des systèmes deep machine learning légaux sont intermédiés par des humains, on est dans le légal assisté par ordinateur. Cependant, imaginons qu'à la suite d'un manquement grave au code de la route à 3 heures du matin, pendant que le propriétaire dort, la voiture autonome recevant la notification du robot juge va le renvoyer vers le robot avocat du propriétaire.
Nous voyons se profiler une nécessaire éthique de l'utilisation des systèmes à apprentissage profond.
Oserais-je aborder les problèmes d'indépendances et ces systèmes fonctionnants dans la sphère militaire ? (https://www.youtube.com/watch?v=45-WR5RcIp0)
Comment juger les machines ? (http://abonnes.lemonde.fr/idees/article/2016/12/01/comment-juger-les-machines_5041562_3232.html)
Comment vont évoluer les rapports sociaux, lorsque nous serons entourés par des machines intelligentes nous assistant quotidiennement et travaillant à notre place ?
Va-t-on faire une redéfinition de la valeur travail, et de la place de l'homme au regard du travail ?
Une véritable révolution sociétale est en marche, pour ma part je souhaite que nous évitions la « rage against the machine » des Canuts du numérique, tout autant que l'abandon de notre destin au profit des machines, tout intelligentes soient-elles ?
Tangi Vass (10 novembre 2016)
L'enjeu à mon sens n'est pas tant les hypothétiques dangers de l'intelligence artificielle dans l'absolu et de la singularité - c'est-à-dire le moment où l'intelligence artificielle dépassera l'intelligence humaine - que la rapidité et la brutalité des impacts socio-économiques de la troisième révolution industrielle, déjà largement amorcée, dont l'intelligence artificielle est le coeur.
Le cabinet Roland Berger prévoit qu'en France « 3 millions d'emplois pourraient être détruits par la numérisation d'ici à 2025 . »
« Tout l'enjeu repose donc sur la capacité de l'économie française à produire les nouvelles activités qui se substitueront à celles où les gains de productivité ont réduit le nombre d'emploi, de manière similaire à la substitution de l'industrie par les services au XX e siècle. »
La difficulté de cette transition est accentuée par le fait que dans l'économie de la data, « the winner takes it all », il n'y a pas de place pour des acteurs moyens.
L'échelle nationale n'est d'ailleurs sans doute pas la bonne, comme elle ne l'était pas déjà pour l'aéronautique.
La ressource stratégique de cette 3 e révolution industrielle est la data , le « carburant » de l'intelligence artificielle. L'accès et le contrôle de la data est donc un enjeu géostratégique, comme l'étaient ceux du pétrole dans l'ère précédente. Des cyberguerres liées au contrôle de cette ressource sont déjà en cours, des guerres traditionnelles sont possibles dans un avenir proche.
« Nous n'avons pas de meilleurs algorithmes. Nous avons tout simplement plus de données » Peter Norvig, directeur de recherche chez Google.
Lors du meetup d'hier, le représentant d'Amazon a présenté la technologie du moteur de recommandation d'Amazon, récemment ouverte en open source , tout en plaisantant sur le fait qu'évidemment les données d'Amazon n'étaient pas incluses. C'est un peu comme si l'Arabie Saoudite offrait gratuitement des voitures.
Les États-Unis sont aujourd'hui l'hyperpuissance de la donnée.
Citation de Stéphane Frénot (INSA Lyon) et Stéphane Grumbach (Inria) : « Les données personnelles, tant celles directement produites par les usagers, textes, photos, vidéos, etc., que celles indirectement générées bien souvent à notre insu par les systèmes que nous utilisons, sont au coeur de l'économie de la société de l'information, au coeur, donc, de l'économie en général . »
« Dans ce domaine, les États européens ont fait l'impasse, ou tout au moins ont échoué à promouvoir les entreprises de la nouvelle économie. En ne construisant pas d'industrie du Web 2.0, l'Europe s'est privée de l'accès à la ressource, y compris à la ressource provenant de ses territoires. Pour des raisons historiques et politiques, l'Europe a peur des données. Elle voit dans la société de l'information une immense menace qu'il convient de circonscrire, et qui semble inhiber toute vraie ambition, sans se rendre compte que moins on développe l'industrie de l'information, plus nos données quittent le territoire. »
« La maîtrise de données permet également la maîtrise de certains marchés qui transitent déjà majoritairement dans certains domaines par les outils de commerce électronique américains. Faute de développer cette industrie, il est probable qu'à brève échéance nous achèterons de très nombreux biens et services produits et consommés en France, comme nos billets de train ou notre électricité, à un prestataire étranger qui dégagera une part de la valeur ajoutée et aura le contrôle de la partie la plus rentable de la chaîne industrielle, laissant les parties coûteuses comme les infrastructures à ses partenaires . »
Charly FLORENT (29 août 2016)
L'intelligence artificielle est un domaine extrêmement fantasmé sans être réellement connu pour ses applications concrètes. Une bonne partie de mon travail au jour le jour en tant que data scientist dans une grande entreprise est la vulgarisation et l'évangélisation autour de ce sujet : que peut réellement faire la data science ?
Les machines, même si elles peuvent « apprendre », sont limitées par les algorithmes qui les animent. L'apprentissage à proprement parler est mathématique, c'est une reconnaissance de schémas, l'intelligence artificielle ne créé pas. Ceci étant, elle peut, à partir de ce qui existe déjà, reconnaître des schémas que nous n'avions pas perçus au préalable et faire des connexions entre des éléments qui n'étaient pas évidentes. C'est pour cette raison qu'il est possible aujourd'hui de battre des champions d'échec ou de Go, pas en inventant de nouvelles stratégies mais bien en décortiquant les anciennes pour sublimer le mécanisme du jeu.
En conclusion, je pense que c'est une excellente initiative que l'intelligence artificielle soit comprise par les hautes sphères du gouvernement car elle n'est pas à négliger. Cette recherche de schémas peut s'avérer extrêmement puissance dans des domaines peu soupçonnés et apporter une amélioration nette à certains services publiques (on pense déjà à la santé avec les carnets de santé virtualisés ou à la détection de fraudes fiscales).
Jean-Armand Moroni - ingénieur Centrale Paris avec une spécialisation en intelligence artificielle (28 août 2016)
L'intelligence artificielle est de nouveau sur le devant de la scène, après un moratoire de 1990 à 2005.
À l'actif :
• Des succès récents : automobile autonome, catégorisation d'image, reconnaissance de personne, IBM Watson à Jeopardy, Go...
• Une dynamique forte et relativement ouverte : communauté de chercheurs, d'amateurs, de sociétés (les grands du Web), de sites (Kaggle pour le data mining ), mouvement open data , etc. L'intelligence collective du Web .
• Des données en quantité suffisante, des algorithmes pour les traiter (en particulier le deep learning ), des puissances de calcul qui continuent de croître, des outils open source dédiés (bases NoSQL, bibliothèques ex. TensorFlow).
• Des robots avec des capacités physiques qui s'améliorent (même si toujours loin de celles des humains) ; des plateformes accessibles (Arduino, Raspberry, capteurs et actionneurs) et l'impression 3D simplifient l'expérimentation.
Au passif :
• Toujours pas de conversation possible avec une intelligence artificielle. Toujours pas de sens commun. Les succès remportés ne vont pas au-delà de ce que sait faire un animal, qui n'a pourtant pas accès au langage structuré. Risque d'atteindre le plus haut du « hype cycle » et d'en dégringoler ensuite : un troisième « hiver de l'IA ».
• Les algorithmes d'apprentissage actuels semblent beaucoup moins efficaces que ceux mis en oeuvre par un humain (ex. la quantité de données nécessaires) : est-on sur la bonne piste ?
• Les open data sont hétérogènes ; l'absence de standardisation complique leur croisement ; le semantic Web patine.
• Les retombées commerciales du big data pour les sociétés qui y investissent ne sont pas évidentes, en dehors de cas particuliers type Google.
• Très forte domination des États-Unis pour la mise en oeuvre, même si la recherche est beaucoup mieux distribuée (ex. Yann LeCun, père français du deep learning ).