267
INTRODUCTION
● Historique de l’intelligence artificielle et des ruptures récentes (deep learning) ; malgré des
applications nouvelles à fort impact, nous sommes loin d’une IA “générale” : les logiciels actuels ne
sont capables de réaliser que des tâches très spécifiques.
● Le déploiement actuel de l’IA s’inscrit dans la continuité des transformations numériques à l’œuvre
depuis des années ; nombre des questions que celles-ci posent font déjà l’objet d’études par
ailleurs (vie privée et gestion des données, éthique, acceptabilité et responsabilité, impacts
écologiques tant en termes de flux et de stockage des données qu'en termes d’épuisement des
ressources).
● Les transformations à venir sont profondes, les incertitudes aussi. Il s’agit d’une technologie au
potentiel très significatif, capable d’étendre fortement le champ des possibles.
● Tout n’est pas rose. Il faut avoir à l’esprit certains points de vigilance : risques de perte de
compétitivité, de dépendance et de renforcement de la concentration de la valeur sur certains
segments de la chaîne de production.
● Un certain nombre d’études a attiré l’attention sur la destruction massive d’emplois. Sans se
prononcer sur la pertinence des réflexions générales sur la redistribution de valeur, cette note se
concentre davantage sur la nécessaire transformation des métiers, notamment la
complémentarité homme/machine.
Reconnaissance d’images, filtre anti-spam à l’efficacité remarquable, système de recommandation de film
ou de musique, traduction automatique, jeux vidéo aux personnages de plus en plus riches, effets spéciaux
psychédéliques, victoire de la machine sur l’homme au jeu de Go, au poker il y a quelques semaines, agent
conversationnel sur Internet ou à domicile et demain, logiciel de conduite automatique ouvrant la voie à la
voiture sans chauffeur. Telles sont les réalisations permises par les progrès récents et spectaculaires de
l’intelligence artificielle (IA), notamment les dispositifs d’apprentissage machine ou d’apprentissage
statistique.
Si les principes de l’intelligence artificielle remontent loin, aux années 1940 par exemple pour les réseaux
de neurones, un palier significatif a été franchi il y a quelques années, sous la triple poussée de
l’augmentation de la puissance de calcul (permise en particulier par les cartes graphiques développées au
départ pour le jeu vidéo), de la constitution d’immenses bases de données d’images, de vidéos ou de sons
qualifiés (grâce à la volonté de quelques grands acteurs et aussi aux travaux des chercheurs et aux réseaux
sociaux), et des progrès en algorithmique.
L’IA a certes fait des progrès spectaculaires, comme en attestent les exemples précédemment mentionnés
et popularisés régulièrement dans les médias. Pour autant, les logiciels actuels ne réalisent que des tâches
très spécifiques et nécessitent le plus souvent d’immenses volumes de données d’apprentissage pour
aboutir à un résultat satisfaisant. Nous sommes encore très loin de l’intelligence artificielle dite
INTRODUCTION
● Historique de l’intelligence artificielle et des ruptures récentes (deep learning) ; malgré des
applications nouvelles à fort impact, nous sommes loin d’une IA “générale” : les logiciels actuels ne
sont capables de réaliser que des tâches très spécifiques.
● Le déploiement actuel de l’IA s’inscrit dans la continuité des transformations numériques à l’œuvre
depuis des années ; nombre des questions que celles-ci posent font déjà l’objet d’études par
ailleurs (vie privée et gestion des données, éthique, acceptabilité et responsabilité, impacts
écologiques tant en termes de flux et de stockage des données qu'en termes d’épuisement des
ressources).
● Les transformations à venir sont profondes, les incertitudes aussi. Il s’agit d’une technologie au
potentiel très significatif, capable d’étendre fortement le champ des possibles.
● Tout n’est pas rose. Il faut avoir à l’esprit certains points de vigilance : risques de perte de
compétitivité, de dépendance et de renforcement de la concentration de la valeur sur certains
segments de la chaîne de production.
● Un certain nombre d’études a attiré l’attention sur la destruction massive d’emplois. Sans se
prononcer sur la pertinence des réflexions générales sur la redistribution de valeur, cette note se
concentre davantage sur la nécessaire transformation des métiers, notamment la
complémentarité homme/machine.
Reconnaissance d’images, filtre anti-spam à l’efficacité remarquable, système de recommandation de film
ou de musique, traduction automatique, jeux vidéo aux personnages de plus en plus riches, effets spéciaux
psychédéliques, victoire de la machine sur l’homme au jeu de Go, au poker il y a quelques semaines, agent
conversationnel sur Internet ou à domicile et demain, logiciel de conduite automatique ouvrant la voie à la
voiture sans chauffeur. Telles sont les réalisations permises par les progrès récents et spectaculaires de
l’intelligence artificielle (IA), notamment les dispositifs d’apprentissage machine ou d’apprentissage
statistique.
Si les principes de l’intelligence artificielle remontent loin, aux années 1940 par exemple pour les réseaux
de neurones, un palier significatif a été franchi il y a quelques années, sous la triple poussée de
l’augmentation de la puissance de calcul (permise en particulier par les cartes graphiques développées au
départ pour le jeu vidéo), de la constitution d’immenses bases de données d’images, de vidéos ou de sons
qualifiés (grâce à la volonté de quelques grands acteurs et aussi aux travaux des chercheurs et aux réseaux
sociaux), et des progrès en algorithmique.
L’IA a certes fait des progrès spectaculaires, comme en attestent les exemples précédemment mentionnés
et popularisés régulièrement dans les médias. Pour autant, les logiciels actuels ne réalisent que des tâches
très spécifiques et nécessitent le plus souvent d’immenses volumes de données d’apprentissage pour
aboutir à un résultat satisfaisant. Nous sommes encore très loin de l’intelligence artificielle dite