Il peut y avoir plusieurs définitions de l’intelligence artificielle (IA). Ma préférée parmi toutes est celle d’un outil capable de prendre des décisions.

Bien, mais que peut-on faire avec l’intelligence artificielle ? La question n’a pas une mais deux réponses car il y a deux intelligences artificielles.

Intelligence artificielle faible et forte

Dans le cas de l’IA forte, le cerveau d’une machine serait le même que celui d’un humain. Cela n’existe pas. On ne peut imiter le cerveau humain sans tout savoir de lui. Pour le moment on ne comprend pas encore très bien comment il fonctionne donc impossible de l’imiter.

La deuxième IA est beaucoup plus accessible et elle nous accompagne depuis déjà un moment. Elle est qualifiée de « faible » mais en fait beaucoup. Elle peut identifier un vélo devant une voiture, comprendre une question posée à un téléphone, reconnaître un visage sur une photo et peut même devenir une championne d’échecs.

Comment ça marche ?

Le principe de fonctionnement est finalement plutôt simple : pour reconnaître une voiture, la machine commence son apprentissage en enregistrant à partir d’une quantité gigantesque d’images des parties de l’images représentant des roues, des volants ou des capots moteur. Puis la machine peut être utilisée : elle pourra annoncer qu’une image contient « probablement » une voiture.

Lorsqu’un humain intègre le concept de voiture : qu’il comprend ce que c’est, le terme couvre aussi bien les cabriolets que les familiales ou les berlines. Les voitures peuvent être vues de haut, de côté, peuvent être miniatures ou caricaturées sur un dessin, elles entreront toujours dans la case du concept voiture.

Le fonctionnement de l’intelligence artificielle faible diffère totalement. Au cours de l’apprentissage, elle emmagasine des suites de pixels, autrement dit de points sur l’écran, qu’elle associera par la suite à la « voiture ». Il faudra présenter une quantité suffisante d’exemples pour que le verdict soit non erroné.

Quel est l’ordre de grandeur d’une quantité « suffisante » ? On atteint rapidement plusieurs millions. L’apprentissage est lourd et réalisé objet par objet à reconnaître. La voiture autonome, par exemple, doit détecter les autres voitures bien entendu mais également les piétons, les vélos, les chantiers, les feux rouges, les panneaux, les bâtiments, un chapeau ou une pierre sur la route et dans l’idéal ne devrait jamais être prise au dépourvu. Véritable défi !

Quelles sont les limites de l’intelligence artificielle faible ?

Le mécanisme délivre une partie de la réponse. Une machine ne peut que piocher dans ce que nous avons emmagasiné. Par exemple, si on a appris à un ordinateur à reconnaître un chat, elle sera incapable de reconnaître un chien. L’innovation est exclue et l’imprévu pas de mise.

Par ailleurs, tromper une intelligence artificielle n’est pas si difficile. Sur une image représentant par exemple une voiture, quelques points représentant un chien sont apposés. Même si la transformation est imperceptible à l’œil humain, la machine appelle chien la voiture.

Citons également la reconnaissance en conduite autonome. Jusqu’à quel point un panneau de signalisation routière peut-il être dégradé avant que son identification n’en soit affectée ? Comment faire la différence entre une tache sur la route et un obstacle à éviter ? Entre un journal froissé et une pierre ? Les ajustements des paramètres sont délicats et atteindre un compromis viable n’est toujours pas évident. Bref, tu ne pourras pas rouler dans une voiture automatique tout de suite…

Quel avenir pour l’intelligence artificielle ?

Faire œuvre de prévision m’a toujours semblé présomptueux et les nombreux échecs en la matière sont là pour me le confirmer. Cela dit, un des atouts de l’intelligence artificielle faible me semble majeur : il est insensible à la routine et peut rester des heures face à des écrans de surveillance ou un volant : par rapport à un humain qui se fatigue, la machine est toujours vigilante et peut donc nous servir.

Jacques Baudron, Chargé de cours technologies virtuelles licence MRT, Université Paris Sud – Université Paris-Saclay

Cet article est republié à partir de The Conversation sous licence Creative Commons.