Qu'est-ce que l'intelligence artificielle ?

3 min de lecture

Une définition en termes simples

L'intelligence artificielle (IA) est une technologie qui permet aux ordinateurs et aux machines de simuler des capacités humaines telles que l'apprentissage, la compréhension, la résolution de problèmes, la prise de décision, la créativité et l'action autonome [1]. Pour le dire simplement, c'est la capacité d'une machine à imiter les capacités de l'esprit humain [2] : les dispositifs artificiels réalisent des tâches qui nécessitent une intelligence humaine grâce à l'apprentissage, la perception, le raisonnement et le traitement du langage naturel [3].

Autres définitions complémentaires : Stanford la décrit comme la science et l'ingénierie de la création de machines intelligentes, en particulier de programmes informatiques [4], et elle peut également être vue comme une discipline de l'informatique qui développe des systèmes capables de prendre des décisions de manière autonome [5].

Les applications avec IA peuvent voir et identifier des objets, comprendre le langage humain, apprendre de nouvelles informations et expériences, faire des recommandations détaillées, agir sans intervention humaine (comme une voiture autonome) et générer du contenu original grâce à l'IA générative [6]. En effet, l'IA apprend et s'améliore grâce aux textes, statistiques et informations que nous chargeons dans son système [7].

IA, apprentissage automatique et apprentissage profond

Une façon simple de concevoir l'IA est de la voir comme une série de concepts imbriqués apparus sur plus de 70 ans [1] :

• Intelligence Artificielle : le concept le plus large ; les machines apprennent des données pour raisonner, prédire et agir [8].
• Apprentissage automatique (machine learning) : un sous-domaine de l'IA qui crée des modèles en entraînant un algorithme pour faire des prédictions ou prendre des décisions basées sur des données, sans programmer chaque règle de façon explicite [1].
• Apprentissage profond (deep learning) : un sous-ensemble du machine learning qui utilise des réseaux neuronaux multicouches, avec une couche d'entrée, des centaines de couches cachées et une couche de sortie. Ne nécessitant pas d'intervention humaine, il traite de grands volumes de données non étiquetées et propulse aujourd'hui la plupart des applications d'IA [1].

C'est sur cette base que fonctionne l'IA générative : des modèles d'apprentissage profond qui créent du texte, des images, de la vidéo ou de l'audio originaux en réponse aux instructions de l'utilisateur [6].

Applications et bénéfices

L'IA est présente dans la vie quotidienne : assistants vocaux, recommandations de musique et de vidéo, filtres anti-spam, cartes, reconnaissance faciale, détection de fraudes et chatbots de service client. Parmi les cas d'utilisation documentés, on note les chatbots qui répondent aux questions avec le traitement du langage naturel, la détection de fraude en analysant les modèles de transaction, le marketing personnalisé selon l'historique d'achat et les plateformes de ressources humaines qui filtrent les CV [1]. Ses bénéfices incluent l'automatisation des tâches répétitives, l'amélioration de la prise de décision, la réduction des erreurs humaines, un fonctionnement constant 24 heures sur 24 et la diminution du risque physique dans les travaux dangereux [1].

Risques et éthique

Il est fondamental de comprendre comment fonctionne cette technologie pour tirer parti de ses bénéfices et atténuer ses risques [9]. Les principaux risques sont :

• Données : vulnérables à l'empoisonnement, à la manipulation, aux biais ou aux cyberattaques provoquant des fuites.
• Modèles : les attaquants peuvent compromettre leur intégrité en altérant l'architecture, les poids ou les paramètres.
• Opération : dérive du modèle, biais et défaillances de gouvernance.
• Éthique et légaux : des données d'entraînement biaisées peuvent renforcer des stéréotypes de genre ou raciaux, par exemple dans les décisions d'embauche [1].

C'est pourquoi l'éthique de l'IA étudie comment optimiser son impact bénéfique et réduire les risques grâce à un système de gouvernance qui garantisse des outils sûrs et éthiques [1].

Conclusion

L'IA est la capacité des machines à simuler l'intelligence humaine [2], une discipline en évolution continue [10] construite sur des couches successives de machine learning et d'apprentissage profond [1]. Savoir comment elle fonctionne est le meilleur moyen de tirer parti de ses bénéfices et d'atténuer ses risques [9].