L’Intelligence Artificielle en 2018

La partie a déjà commencé. D’un côté, le jeu/l’enjeu : l’Intelligence Artificielle (IA) et son impact dans notre société. De l’autre, les protagonistes : groupes de recherche et géants de la technologie, gouvernements et communautés d’États. Jetons un coup d’œil afin de mieux comprendre cette partie, sa dynamique actuelle, ses acteurs et son évolution.

L’IA : un (vieux) rêve en cours de réalisation

Qu’est-ce que l’IA ? D’où vient-elle ? Pourquoi l’IA ? Qu’est ce que l’IA en 2018 ? Chacune de ces questions mérite un sinon plusieurs articles tant le sujet est vaste et difficile à définir. Essayer d’y répondre de façon succincte nous oblige à délimiter et inévitablement réduire la définition de certaines notions clés.
Commençons d’abord par définir l’Intelligence Artificielle (IA). On doit la première utilisation du terme à John McCarthy qui dès 1955 la définit comme étant la science et la conception de machines intelligentes. Il s’agit d’un domaine de l’informatique ayant pour but d’élaborer des programmes capables d’accomplir des tâches jusque-là associées à l’intelligence humaine. En termes simples, l’Intelligence Artificielle a pour objectif de reproduire de façon automatique des fonctions cognitives. On peut citer entre autres : le raisonnement, la perception, l’apprentissage, la résolution de problèmes.

IA forte vs IA faible

Pour atteindre cet objectif, deux grands courants de pensées ont émergé : L’IA forte et l’IA faible. Le premier, l’IA forte, demeure fortement rattaché au rêve originel. Son but est de formuler et résoudre le problème dans son entièreté. A savoir : doter les machines de capacités intellectuelles égales au cerveau humain. Plusieurs tests ont été proposés pour évaluer la réussite d’un tel projet. Le plus célèbre d’entre eux reste sans doute le test de Turing. Malheureusement, la tâche reste difficile et le chemin à parcourir long…
A l’opposé, l’IA faible ou IA appliquée, est la déclinaison du grand problème (IA forte) en plusieurs sous-problèmes plus accessibles. Ces sous-problèmes dits plus faibles concernent des tâches spécifiques et suivent le principe « diviser pour mieux régner » (« divide and conquer »). Par conséquent, l’essentiel de la recherche scientifique se concentre sur l’IA faible avec des problèmes bien définis. Les différents résultats obtenus (positifs ou non) contribuent au progrès vers l’ultime objectif qui est l’IA forte. Ceux-ci s’avèrent très utiles car ils mettent en lumière de nouvelles technologies ainsi que leurs champs d’applications possibles.
Les assistants personnels (Siri d’Apple, et Alexa d’Amazon), le programme AlphaGo de Google quasi imbattable au jeu de Go et aux échecs sont des exemples de succès récents d’IA faible.
Aujourd’hui l’IA rime avec les domaines de la vision par ordinateur, de la reconnaissance vocale, du traitement automatique du langage et de l’apprentissage automatique (Machine Learning). Parlant de Machine Learning, la technique à la mode en ce moment est l’apprentissage profond encore appelé Deep Learning. Le Deep Learning (DL) est à la base des récentes avancées dans le domaine: voitures autonomes, détection/reconnaissance instantanée des personnes et objets (algorithme YOLO), transfert de style artistique, chatbots, génération de données plus vraies que nature, etc.

Les leaders

Aujourd’hui, l’IA ne relève plus de la simple curiosité scientifique mais elle devient de plus en plus une nécessité. Il s’agit par exemple d’être capable de valoriser l’explosion du flux de donnés massives (Big Data), de se doter de systèmes de défense et de détection autonomes quasi infaillibles, de proposer au plus grand nombre des services attractifs et compétitifs, et d’être au cœur de la recherche scientifique et de l’innovation. A l’ère numérique globale, ces quelques enjeux majeurs sont ciblés par différents acteurs mondiaux. A cet effet, le président russe a déclaré que la nation qui serait leader en IA dominerait le monde. Par conséquent, nous assistons à une véritable course aux armements. Passons brièvement en revue les grands blocs et leurs spécificités.

– Le Bloc Nord-Américain (USA et Canada)
Forces : Leaders mondiaux, cœurs historiques et actuels moteurs de la recherche et de l’innovation en IA. Géants de l’industrie technologique (Google, Amazon, Facebook, Apple, Microsoft, IBM), et de l’économie numérique (Netflix, Airbnb, Tesla, Uber).
Défis et stratégies : Le Canada fut le premier pays à établir une stratégie nationale d’IA (Pan-Canadian Artificial Intelligence Strategy). Contrairement aux autres pays, le Canada vise surtout le développement de pôles d’excellence, de recherche et de formation en IA. L’administration américaine  quant à elle cherche à maintenir le leadership américain en IA, enlever toute barrière à l’innovation, et promouvoir la recherche tout en protégeant le marché du travail américain.

– La Chine
Forces : Taille du marché (population de plus d’un milliard d’habitants). Écosystème numérique chinois indépendant et très développé : Baidu, Alibaba, Tencent, Xiaomi. Politique d’État volontaire pour la recherche et l’innovation.
Défis et stratégies : Protection de la vie privée et création d’un cadre éthique. Recrutement de talents étrangers tout en limitant la fuite des cerveaux locaux. Développement à long terme d’un écosystème chinois leader mondial en IA. Plan global: A Next Generation Artificial Intelligence Development Plan. Plan sur 3 ans : Three-Year Action Plan to Promote the Development of New-Generation Artificial Intelligence Industry

– Le bloc Européen
Forces : Qualité de l’enseignement et de la recherche. Des États conscients et  ouverts à la fois individuellement (exemple français de la mission Villani) et ensemble au changement.
Défis et stratégies : En Avril 2018, la Commission Européenne a adopté le plan « Communication on Artificial Intelligence for Europe » . Ce plan vise à accroître la capacité industrielle et technologique en IA des secteurs publics et privés. En outre, il permettra de se préparer aux changements socio-économiques apportés par l’IA. Enfin, ce plan servira à créer un cadre éthique à l’IA.

Le détail des stratégies et des autres acteurs mondiaux peut être consulté ici.

Africa is coming

Où se situe le continent Africain me direz-vous ? Soyons honnêtes, l’Afrique est à la traîne sur le sujet. Les centres de recherche et de formation dédiées à l’IA sont trop peu nombreux :Accra accueillera le futur centre d’IA de Google en Afrique. Les initiatives des États sont rares. Il faut néanmoins saluer les exceptions kényanes et tunisiennes. L’essentiel de l’activité est donc à retrouver du côté privé, dans l’entrepreneuriat notamment. Citons quelques cas d’applications : la surveillance des côtes maritimes, l’agriculture, la santé .

Cependant, il existe un autre facteur clé de développement de l’IA en Afrique relativement méconnu mais extrêmement efficace : les forums d’innovation numérique. A titre d’exemple, on peut citer en Côte d’Ivoire le Hackathon CIE « Africa Digital Revolution », le Dakar Digital Show au Sénégal. Ces forums constituent avant tout des lieux de rencontre et d’échange entre acteurs en IA. Ils créent de facto un environnement encourageant la création de solutions d’IA pour répondre aux défis de développement du continent africain. C’est là, un des véritables enjeux de l’IA en Afrique !