C’est un phénomène psychologique commun : répétez n’importe quel mot suffisamment de fois, et il finit par perdre toute signification, se désintégrant comme un tissu détrempé dans le néant phonétique. Pour beaucoup d’entre nous, l’expression « intelligence artificielle » s’est désintégrée de cette façon il y a longtemps. L’IA est partout dans la technologie en ce moment, on dit qu’elle alimente tout, de votre télévision à votre brosse à dents, mais jamais les mots eux-mêmes n’ont eu moins de sens.

Cela ne devrait pas être ainsi.

Bien que l’expression « intelligence artificielle » soit incontestablement, indubitablement mal utilisée, la technologie fait plus que jamais – à la fois pour le bien et le mal. Elle est déployée dans les soins de santé et la guerre ; elle aide les gens à faire de la musique et des livres ; elle examine minutieusement votre curriculum vitae, juge votre solvabilité et peaufine les photos que vous prenez avec votre téléphone. En bref, elle prend des décisions qui affectent votre vie, que vous le vouliez ou non.

Il peut être difficile de s’accorder avec le battage et l’esbroufe avec lesquels l’IA est discutée par les entreprises technologiques et les annonceurs. Prenez, par exemple, la brosse à dents Genius X d’Oral-B, l’un des nombreux appareils dévoilés au CES de cette année qui vantait de supposées capacités d' »IA ». Mais si l’on dépasse la première ligne du communiqué de presse, tout ce que cela signifie, c’est qu’elle fournit un retour d’information assez simple pour savoir si vous vous brossez les dents pendant la bonne durée et aux bons endroits. Il y a quelques capteurs intelligents impliqués pour savoir où se trouve la brosse dans votre bouche, mais l’appeler intelligence artificielle est du charabia, rien de plus.

Lorsqu’il n’y a pas de battage publicitaire, il y a des malentendus. La couverture médiatique peut exagérer la recherche, en collant une image de Terminator sur toute histoire vaguement d’IA. Souvent, il s’agit d’une confusion sur ce qu’est l’intelligence artificielle. Le sujet peut être délicat pour les non-spécialistes et les gens confondent souvent à tort l’IA contemporaine avec la version qui leur est la plus familière : une vision scientifique d’un ordinateur conscient plusieurs fois plus intelligent qu’un humain. Les experts désignent cette forme spécifique d’IA par le terme d’intelligence générale artificielle. Si nous créons un jour quelque chose de ce genre, ce sera probablement dans un avenir lointain. En attendant, personne n’est aidé par l’exagération de l’intelligence ou des capacités des systèmes d’IA.

Il vaut mieux, alors, parler d' »apprentissage automatique » plutôt que d’IA. Il s’agit d’un sous-domaine de l’intelligence artificielle, qui englobe à peu près toutes les méthodes ayant le plus grand impact sur le monde à l’heure actuelle (y compris ce qu’on appelle l’apprentissage profond). En tant qu’expression, elle n’a pas la mystique de « AI », mais elle est plus utile pour expliquer ce que fait la technologie.

Comment fonctionne l’apprentissage automatique ? Au cours des dernières années, j’ai lu et regardé des dizaines d’explications, et la distinction que j’ai trouvée la plus utile se trouve dans le nom : l’apprentissage automatique consiste à permettre aux ordinateurs d’apprendre par eux-mêmes. Mais ce que cela signifie est une question beaucoup plus importante.

Commençons par un problème. Disons que vous voulez créer un programme qui peut reconnaître les chats. (C’est toujours des chats pour une raison quelconque). Vous pourriez essayer de le faire à l’ancienne en programmant des règles explicites comme « les chats ont des oreilles pointues » et « les chats sont poilus ». Mais que ferait le programme si vous lui montriez la photo d’un tigre ? Programmer toutes les règles nécessaires prendrait beaucoup de temps, et il faudrait définir toutes sortes de concepts difficiles en cours de route, comme « poilu » et « pointu ». Il vaut mieux laisser la machine apprendre toute seule. Vous lui donnez donc une énorme collection de photos de chats, et elle les examine pour trouver ses propres modèles dans ce qu’elle voit. Elle relie les points, de manière assez aléatoire au début, mais vous la testez encore et encore, en gardant les meilleures versions. Et avec le temps, il devient assez bon pour dire ce qui est et n’est pas un chat.

Pour l’instant, tout est prévisible. En fait, vous avez probablement déjà lu une explication comme celle-ci, et j’en suis désolé. Mais ce qui est important, ce n’est pas de lire la glose mais de vraiment réfléchir à ce que cette glose implique. Quels sont les effets secondaires d’un système de prise de décision qui apprend comme ça ?

Bien, le plus grand avantage de cette méthode est le plus évident : vous n’avez jamais à le programmer réellement. Bien sûr, vous faites beaucoup de bricolage, en améliorant la façon dont le système traite les données et en trouvant des moyens plus intelligents d’ingérer ces informations, mais vous ne lui dites pas ce qu’il doit chercher. Cela signifie qu’il peut repérer des modèles que les humains pourraient manquer ou auxquels ils n’auraient jamais pensé en premier lieu. Et comme le programme n’a besoin que de données – des 1 et des 0 -, vous pouvez l’entraîner à de très nombreuses tâches, car le monde moderne regorge de données. Avec un marteau d’apprentissage automatique dans votre main, le monde numérique est plein de clous prêts à être enfoncés en place.

Mais pensez aussi aux inconvénients. Si vous n’enseignez pas explicitement à l’ordinateur, comment savez-vous comment il prend ses décisions ? Les systèmes d’apprentissage automatique ne peuvent pas expliquer leur pensée, et cela signifie que votre algorithme pourrait être performant pour de mauvaises raisons. De même, comme l’ordinateur ne connaît que les données que vous lui fournissez, il risque d’avoir une vision biaisée du monde ou de n’être bon que dans les tâches étroites qui ressemblent aux données qu’il a vues auparavant. Il n’a pas le bon sens que l’on attend d’un humain. Vous pourriez construire le meilleur programme de reconnaissance de chats au monde et il ne vous dirait jamais que les chatons ne devraient pas conduire de motos ou qu’un chat a plus de chances de s’appeler « Tiddles » que « Megalorth l’Immortel ».

Apprendre aux ordinateurs à apprendre par eux-mêmes est un raccourci brillant. Et comme tous les raccourcis, ça implique de prendre des raccourcis. Il y a de l’intelligence dans les systèmes d’IA, si vous voulez l’appeler ainsi. Mais il ne s’agit pas d’une intelligence organique et elle n’obéit pas aux mêmes règles que les humains. Vous pouvez tout aussi bien vous demander : à quel point un livre est-il intelligent ? Quelle expertise est encodée dans une poêle à frire ?

Alors, où en sommes-nous avec l’intelligence artificielle ? Après des années de gros titres annonçant la prochaine grande percée (ce qui, eh bien, ne s’est pas encore tout à fait arrêté), certains experts pensent que nous avons atteint une sorte de plateau. Mais ce n’est pas vraiment un obstacle au progrès. Du côté de la recherche, il y a un nombre énorme de pistes à explorer dans le cadre de nos connaissances actuelles, et du côté des produits, nous n’avons vu que la partie émergée de l’iceberg algorithmique.

Kai-Fu Lee, un capital-risqueur et ancien chercheur en IA, décrit le moment actuel comme « l’âge de la mise en œuvre » – celui où la technologie commence à « se répandre hors du laboratoire et dans le monde ». Benedict Evans, un autre stratège du capital-risque, compare l’apprentissage automatique aux bases de données relationnelles, un type de logiciel d’entreprise qui a fait fortune dans les années 90 et révolutionné des industries entières, mais c’est tellement banal que vos yeux se sont probablement éteints à la seule lecture de ces deux mots. Ce que ces deux personnes veulent dire, c’est que nous sommes maintenant au point où l’IA va devenir normale et rapide. « Au bout d’un certain temps, presque tout sera doté d’une intelligence artificielle et personne ne s’en souciera », affirme M. Evans.

Il a raison, mais nous n’en sommes pas encore là.

Dans l’immédiat, l’intelligence artificielle – l’apprentissage automatique – est encore quelque chose de nouveau qui reste souvent inexpliqué ou sous-examiné. Alors dans le numéro spécial de The Verge de cette semaine, AI Week, nous allons vous montrer comment tout cela se passe en ce moment, comment cette technologie est utilisée pour changer les choses. Parce qu’à l’avenir, ce sera tellement normal que vous ne le remarquerez même pas.

.