Intelligence artificielle : « Nos vies sont de plus en plus dominées par les algorithmes » Data

Hervé Mignot, Partenaire & Chief Scientist Officer chez Equancy est récemment intervenu pour la revue du groupe ELS (Editions Lefebvre Sarrut). Veuillez trouver ci-dessous l’intégralité de l’interview.

Avec l’accroissement continu du nombre de données laissées sur le Web, les algorithmes semblent prendre les commandes. Pourquoi ? Comment ? Jusqu’où ? Une interview d’Hervé Mignot, Partenaire & Chief Scientist Officer chez Equancy. Propos recueillis par Pia de Buchet.

L’intelligence artificielle est un concept ancien : comment expliquer le regain actuel pour le sujet ?

Alan Turing, a lancé le concept d’intelligence artificielle (IA) en 1950. Dans un article intitulé « Imitation game », il imaginait une machine capable de résoudre des problèmes avec un raisonnement digne, à s’y méprendre, de celui d’un être intelligent. Le concept n’a pas toujours occupé le devant de la scène et a vécu des hauts et des bas de popularité. Actuellement, son retour en force est lié à l’utilisation accrue et optimisée de la technique dite des « réseaux de neurones ». Ces réseaux, composés d’unités mathématiques interconnectées, copient le fonctionnement d’un réseau de neurones animal : quand un signal entre dans le réseau, les « neurones » se transmettent l’information pour produire une réponse pertinente à la sortie. Il y a eu d’énormes avancées dans la façon de construire, ordonner et entraîner ces réseaux de neurones. Du coup, ce qu’on appelle le « deep learning » ou « apprentissage en profondeur » a fait une forte percée et l’objet de lourds investissements de la part des grandes entreprises technologiques comme Facebook qui a ouvert à Paris son laboratoire sur le sujet.

De quoi s’agit-il et qu’apporte le « deep learning » ?

Il s’agit d’apprendre aux réseaux de neurones à reconnaître par eux-mêmes des images, des sons, des textes. C’est ce que savent faire, par exemple, l’application Siri d’Apple pour la voix, et celle de Facebook pour identifier des visages. Pour qu’ils apprennent, on présente aux réseaux des bases de données étiquetées (de sons ou d’images dans le cas de ces applications). Par exemple, les réseaux vont enregistrer quantité de données étiquetées « ceci est un bon coup au jeu de Go » versus « ceci n’est pas un bon coup au jeu de Go » ou « cette image représente un chat » versus « cette image ne représente pas un chat ».

L’apprentissage se fait par itération, l’algorithme s’ajustant en permanence aux nouvelles données qui lui sont présentées. Il ne nécessite pas d’intervention humaine d’où l’expression utilisée « d’algorithmes d’autoapprentissage ». Ce qui change aujourd’hui, c’est que la puissance des ordinateurs et la masse de données accessibles permettent à des réseaux de neurones très volumineux d’apprendre des phénomènes très complexes et, du coup, de transformer des connaissances en recommandations ou en prescriptions.

Pouvez-vous donner un exemple concret d’algorithme développé par Equancy pour un client ?

Nous avons développé pour Sarenza, le site commerçant de chaussures, un moteur de recommandation de produits. Un algorithme d’autoapprentissage permet à ce moteur de mettre en avant les produits qui intéressent le visiteur. Il se fonde à la fois sur l’historique de ce client (ses interactions avec les produits, ce qu’il a consulté, mis de côté, acheté, recommandé sur les réseaux sociaux, etc.) et sur l’historique d’autres visiteurs ayant le même profil que lui. Le croisement des deux séries de données aboutit à des recommandations très fines qui donnent au client un fort sentiment d’adéquation entre l’offre du site et ses besoins du moment. Si l’internaute est une grande acheteuse de bottes, le moteur est même capable de lui proposer des baskets dans le style des dernières bottes qu’elle a acquises ! Si elle a des enfants et les chausse chez Sarenza, il sait faire évoluer ses recommandations pour tenir compte de leur croissance et donc de leurs changements de pointures ! Vous comprenez pourquoi il y a une telle course aux données et aux traces laissées sur le Web !

Pourquoi la récente victoire d’AlphaGo sur le champion du monde de Go fait-elle effet de révolution ?

Par sa nature et sa complexité, le jeu de Go est considéré comme difficile à apprendre par un ordinateur : la combinatoire des coups est immense (de l’ordre de Factorielle 361 !) et les positions de jeu très subtiles à évaluer. Le monde scientifique estimait donc qu’il faudrait encore au moins dix ans avant qu’une machine vole à l’homme la maîtrise et l’expertise du Go. La victoire d’AlphaGo, l’ordinateur de Google, sur Lee See-dol, le champion du monde, en mars 2016, marque donc une étape dans la création d’une intelligence artificielle. Les commentateurs du match ont loué « l’intelligence » des coups d’AlphaGo, dont le jeu était indiscernable de celui d’un grand joueur humain. Peut-être qu’à l’avenir nous serons même tentés de dire : « trop intelligent pour être humain » !

De quoi peut-on se réjouir et que faut-il craindre ?

AlphaGo a su combiner très intelligemment deux algorithmes de « deep learning ». D’une part, un algorithme par lequel il a appris à évaluer la pertinence d’un coup. Comme un joueur humain, AlphaGo s’est donc montré capable d’élaguer à chaque coup l’arbre des possibles pour se concentrer sur les seuls coups intéressants. D’autre part, un algorithme par lequel il a appris à évaluer les forces et les faiblesses d’une position sur le jeu et donc la probabilité de gagner en jouant tel coup. Tout le monde a salué cette performance d’AlphaGo : elle montre la puissance des algorithmes conçus par l’intelligence humaine. On peut prévoir que quantité de systèmes intelligents pourront en bénéficier sur des sujets à forts impacts économiques et sociétaux. Des personnalités alertent tout de même sur la nécessité de réguler juridiquement l’exploitation des données. D’autres, plus alarmistes, craignent que l’ordinateur, devenu un jour plus intelligent que l’homme, n’échappe à celui-ci et ne cherche à s’en débarrasser…
Dans la pratique, on en est loin !


Avatar de Equancy
Equancy

Created in 2002, Equancy is a forward-thinking strategic consultancy that advises senior management on how to drive profitable growth through Marketing, Branding and Corporate communications. Within our organization based in Paris, New York, Shanghai and Bangalore, we have high-level Marketing and Brand expertise, industry expertise (e.g. Financial Services, Automotive, Luxury, Travel & tourism, Retail & Consumer goods, e-commerce, Public Sector, Healthcare...) and analytics (webanalysts & data scientists). We specialize in addressing the critical issues facing management in today's global marketplace.

Leave a Reply

Your email address will not be published. Required fields are marked *