Trop technique, l’IA ? Avec quelques explications simples, même le plus compliqué des algorithmes n’aura plus de secret pour vous.

De manière pratique, l’intelligence artificielle est un mélange de mathématiques et d’informatique.

Pour fonctionner, elle a besoin de deux choses. D’une part, elle a besoin d’un grand nombre de données. C’est son carburant, comme l’essence pour un moteur. D’autre part, elle a besoin qu’un informaticien lui transmette des instructions de départ pour pouvoir traiter ces données. Ces instructions, ce sont les fameux algorithmes.

L’IA apprend de sa propre expérience

Par exemple, imaginons une intelligence artificielle utilisée dans le secteur médical, et spécialisée plus particulièrement dans l’analyse de radiographies. Lors de sa conception, l’informaticien va traduire sous la forme d’algorithmes mathématiques les raisonnements habituellement menés par un médecin humain pour déchiffrer les clichés radiographiques. En nourrissant ensuite l’IA créée avec de plus en plus de ces clichés (ce sont les données, dans ce cas-ci), celle-ci va pouvoir commencer à identifier le type de fractures ou de tumeurs sur les nouvelles radiographies que le médecin lui présentera.

Comme pour un humain qui apprend à mesure qu’il gagne en expérience, plus cette IA aura affaire à de nouveaux cas, plus son diagnostic deviendra précis et pertinent. Bien sûr, elle ne remplacera pas le médecin humain et ce n’est pas l’objectif. Mais cette l’IA pourra l’aider dans sa prise de décision, afin que le patient soit soigné de la manière la plus adéquate possible.

« Machine learning » et « Deep Learning » : ce n’est pas si sorcier !

Cette intelligence artificielle qui s’améliore par un apprentissage progressif, comme le fait un enfant à l’école, est la catégorie la plus prometteuse d’IA. En effet, à partir des instructions initiales données par son concepteur (les algorithmes), elle est capable de se perfectionner et d’ajuster ses algorithmes en fonction des nouvelles choses qu’elle apprend. On parle alors de « Machine learning » (« apprentissage automatique »), voire de « Deep learning » (« apprentissage profond »).

Dans le premier cas, l’IA a quand même encore besoin d’un retour humain pour lui dire quand elle se trompe, afin d’ensuite pouvoir ajuster son fonctionnement automatiquement.

Dans le second cas, l’IA est suffisamment sophistiquée pour ne plus avoir besoin de ce retour d’expérience de la part d’un humain. Une fois qu’on lui a donné une base de données dans laquelle se nourrir, elle apprend de manière complètement autonome, via plusieurs couches d’algorithmes, qui imitent les réseaux neuronaux de notre cerveau humain.

L’âge d’or des données

Pour fonctionner en « apprentissage profond », l’IA a besoin de quantités colossales de données. Celles-ci sont justement de plus en plus nombreuses ces dernières années, grâce à l’émergence généralisée des objets connectés dans notre quotidien (montres, frigos, vêtements, voitures…) et de « l’internet des objets », c’est-à-dire les interactions entre tous ces objets connectés, qui génèrent elles-mêmes de nouvelles données. On parle d’ailleurs de « Big Data » pour qualifier cet amas gigantesque de données disponibles dont les IA pourraient se nourrir pour se développer plus rapidement à l’avenir.