IA : au commencement était l’algorithme…
L’Intelligence Artificielle fait florès et il ne se passe guère de jour sans que les médias répercutent telle ou telle avancée spectaculaire. Mais parle-t-on bien toujours de la même chose ?
A quoi sert l’Intelligence Artificielle ? A exécuter un certain nombre de fonctions cognitives à la place de l’homme.
Mais est-ce le même type d’Intelligence Artificielle qui est utilisée dans un jeu vidéo, sur certains réseaux sociaux, pour un diagnostic médical, lors d’une opération militaire ou dans un centre de contrôle du trafic aérien ?
Les progrès spectaculaires de l’IA dont les médias se font l’écho concernent essentiellement des applications « grand public », fondées sur des algorithmes comme l’apprentissage profond qui se nourrissent de données massives, à partir desquels, par corrélation, ils arrivent à résoudre certains problèmes, comme la reconnaissance de formes.
L’Intelligence Artificielle appliquée au contrôle du trafic aérien ou aux opérations militaires est d’un autre type que celle utilisée dans les jeux vidéos ou sur les réseaux sociaux.
Or, les clients et partenaires d’un groupe comme Thales sont des organisations dont l’activité, particulièrement complexe, est vitale pour les individus et pour le fonctionnement même des sociétés dans lesquelles nous évoluons : villes intelligentes, transport, sécurité, défense... Leurs missions les conduisent, à des moments bien précis et dans des environnements extrêmement contraints, à prendre des décisions qui engagent la vie des personnes, la sécurité des biens, des infrastructures et des entreprises. C’est ce qui fait toute la différence dans la manière dont l’IA est développée et utilisée.
Ce caractère critique pose des défis spécifiques multiples que peu d’entreprises de haute technologie sont capables de relever.
Au commencement, il y a l’algorithme. Derrière toute IA se trouvent des algorithmes mathématiques, les uns fondés sur les données, les autres sur des modèles, lois physiques, mathématiques, etc. L’IA dont on parle le plus souvent, l’IA « grand public », est fondée sur l’apprentissage à partir des données (le Deep Learning ou Apprentissage Profond), qui se nourrit des quantités astronomiques de données que nous lui fournissons en permanence.
Dans les secteurs critiques, la situation est contrastée. Dans certains cas, la quantité de données produites par les systèmes et tous les capteurs associés peut largement dépasser le volume de données produites dans des contextes « grand public ». Mais il existe également des cas où les données sont très rares, voire inexistantes, parce que les situations que l’on veut comprendre et maîtriser ne se sont jamais produites. L’IA basée sur les données peut traiter le premier cas mais présente néanmoins une faiblesse fondamentale : elle n’explique pas ce qu’elle fait. Elle peut même donner des résultats faux ou être induite en erreur, sans que l’on comprenne pourquoi. Le recours à une IA basée sur les modèles peut alors extrêmement utile.
L’une des grandes forces de Thales est précisément de maîtriser ces deux types d’algorithmes complémentaires. Une maîtrise encore renforcée par l’expertise que possède le Groupe sur l’ensemble des technologies de la révolution numérique : connectivité, Internet des objets et cyber sécurité. Cette dernière constitue un autre différenciateur majeur du Groupe, pour garantir la collecte, l’analyse et la transmission de données fiables et protégées dans des marchés où la sécurité ne peut souffrir d’aucune faille.
Les chercheurs de Thales, tout en travaillant à l’avenir de l’intelligence artificielle, œuvrent aussi à la préservation de la planète !
Il est enfin un défi dont on parle moins : la consommation énergétique. Dans le cas de l’IA « grand public », les données sont stockées et traitées dans des clouds, généralement dans de gigantesques centres installés de préférence dans des zones climatiques froides du fait de l’énorme quantité d’énergie qu’ils nécessitent.
Or, dans le cas des marchés sur lesquels Thales opère, la contrainte énergétique est de plus en plus prégnante, tout particulièrement pour les systèmes embarqués. Il suffit de se représenter le défi que représente, par exemple, l’intégration de systèmes d’IA dans un avion de chasse !
Là encore, les équipes du Groupe explorent de nouvelles pistes. Celles de l’unité mixte de physique CNRS/Thales qui fut longtemps dirigée par le prix Nobel Albert Fert travaillent ainsi à réduire au maximum la consommation énergétique de l’IA afin de la rendre exploitable dans des environnements aussi contraints qu’un cockpit.
Relever ce défi est crucial pour l’avenir, et pas uniquement pour l’univers numérique. L’internet consomme aujourd’hui déjà davantage d’énergie que le trafic aérien si souvent pointé du doigt. Et un système d’IA entre 10 000 et 1 million de fois de plus que les neurones d’un cerveau humain !
En définitive, les chercheurs de Thales, tout en travaillant à l’avenir de l’intelligence artificielle, œuvrent aussi à la préservation de la planète !
Cet article fait partie d'une série de publications associées à la journée Thales Media Day à Montréal, le 24 janvier 2019, consacrée au monde autonome et à l'intelligence artificielle, en présence de Patrice Caine, PDG du groupe Thales et de Yoshua Bengio, professeur titulaire, Département de recherche opérationnelle en informatique, Chaire de recherche du Canada en algorithmes d'apprentissage statistique.