Faut-il avoir peur de l’intelligence artificielle (IA) ?

Mythes et réalités de l’intelligence artificielle (IA)

La venue de l’intelligence artificielle (IA) a engendré beaucoup d’enthousiasme et de confiance en l’avenir. La puissance révolutionnaire des algorithmes de l’IA exécutés sur des machines modernes, plus rapides, laisse présager l’accélération de l’exécution de plusieurs tâches et la possibilité d’aborder des problèmes connus avec de nouveaux outils auparavant indisponibles. Ce vent d’enthousiasme a aussi déclenché des opinions plus pessimistes dont certaines sont le fruit d’une connaissance partielle ou erronée des mécanismes qui permettent toute cette nouveauté.

Voici quelques-unes des idées les plus répandues qui donnent une fausse image de l’IA, une image souvent plus redoutable faisant craindre, sans fondements, des développements néfastes ou inquiétants.

L’intelligence artificielle remplacera tous les emplois

L’utilisation de l’IA au sein des entreprises n’entraînera pas un simple transfert du travail de l’humain à la machine. L’arrivée de l’IA dans le monde du travail ressemblera plutôt à d’autres changements survenus dans l’organisation du travail dans le passé, comme le déplacement de nombreux travailleurs agricoles vers le travail en usine dans le cadre de la révolution industrielle au dix-neuvième siècle. Le nombre d’emplois, à cette époque, était demeuré plutôt stable, mais ces emplois, tout comme la technologie qui les rendait possibles, étaient d’un modèle nouveau.

Les avantages de l’intelligence artificielle dans les entreprises

Avec la présence accrue de machines utilisant les méthodes de l’IA, une société plus productive verra le jour. Ce changement sera favorisé par l’automatisation de tâches très simples grâce à une plus grande efficacité et par une diminution des pertes. Cela permettra alors d’exploiter de nouvelles possibilités pour s’occuper en s’adonnant à des activités plus productives, plus enrichissantes.

Une aide au diagnostic médical et légal avec l’intelligence artificielle

L’IA et l’automatisation ne remplaceront que des travailleurs peu qualifiés et des travailleurs manuels

Les systèmes d’IA accomplissent déjà de nombreuses tâches assumées généralement par des travailleurs de très haut niveau, tels que des médecins ou des avocats. L’IA permet en effet d’améliorer les prédictions, les classifications et le repérage des ressemblances, et ce, à tous les niveaux. En médecine, par exemple, plusieurs tâches sont grandement renforcées. Le repérage de zones suspectes dans les résultats d’examens radiologiques ou IRM, et la reconnaissance de combinaisons particulières de symptômes améliorent la précision et la fiabilité des diagnostics, et aident au choix des traitements les plus appropriés. En recherche, l’efficacité du développement de nouveaux médicaments peut être significativement accrue par l’IA de par l’examen structurel des biomolécules qui entrent en jeu dans les maladies et l’identification d’inhibiteurs spécifiques, un travail de très grande envergure. Cette méthode a été mise en pratique de manière bénéfique, par exemple pour la recherche touchant la récente pandémie de COVID-19 liée à la prolifération du virus SARS-CoV-2. D’importants progrès ont aussi été réalisés dans le domaine de l’édition génomique. L’algorithme inDelphi^{Note de bas de page 1}, par exemple, permet de mieux prédire les comportements inconnus et difficiles à anticiper de chaînes d’ADN obtenues par des méthodes de découpage.

Dans le domaine légal, on utilise l’IA pour examiner des milliers de documents, à une vitesse vertigineuse, afin d’y déceler des éléments pouvant servir une cause. Ces deux derniers domaines, ainsi que de nombreuses autres professions, imposent une combinaison de procédures routinières mais complexes pouvant facilement être confiées à des machines. Il faudra toujours, bien sûr, ajouter une touche humaine à ces démarches. Pour un avocat, cela pourrait lui permettre de renforcer la présentation de ses arguments à un jury et, pour une équipe médicale, une manière plus appropriée d’annoncer des résultats médicaux à un patient ou à sa famille. Ces aspects peuvent difficilement être pris en charge par un algorithme; les professionnels, déchargés des tâches qu’accomplissent les algorithmes, pourront donc leur consacrer plus de temps.

L’IA surpassera rapidement l’intelligence humaine

Cette erreur est liée à une vision de l’intelligence qui place l’IA sur une échelle unidimensionnelle. Concrètement, il faut plusieurs dimensions pour mesurer l’intelligence. Pour certaines d’entre elles, telles que la vitesse de calcul et la mémorisation, les ordinateurs surpassent les humains depuis longtemps tandis que pour d’autres, telles que la créativité, l’intelligence émotive et la planification stratégique, il n’y a aucune comparaison possible. Il est difficile de prédire l’avenir mais pour le moment, l’IA n’est pas plus intelligente que les développeurs et les algorithmes qui l’ont créée.

Puisque l’apprentissage machine utilise les réseaux de neurones, les ordinateurs peuvent apprendre comme le font les humains

Les réseaux neuronaux sont incapables de rivaliser avec le cerveau humain en ce qui concerne la complexité des traitements. Le cerveau renferme des milliards de neurones. Au grand nombre de connexions entre ces neurones s’ajoutent des paliers de traitements qui ne sont pas reproduits dans les réseaux neuronaux informatiques. Les connexions entre les neurones humains se font par l’entremise de synapses contenant plusieurs centaines de types de molécules entrant en jeu lors de la transmission de l’information d’un neurone à un autre. S’ajoutent une centaine de neurotransmetteurs qui déterminent comment les neurones communiquent entre eux, donnant comme résultat un assemblage qu’aucun ordinateur actuel ou envisageable dans un proche avenir ne peut ou ne pourra égaler.

On estime qu’un seul cerveau humain contient plus de mécanismes d’aiguillage que l’ensemble de tous les ordinateurs, tous les routeurs et toutes les connexions Internet de la Terre. Ces divergences rendent l’apprentissage par les machines radicalement différent de ce que les humains peuvent faire. Les expériences de vie qui servent à former un être humain dépassent en complexité et en nombre ce que l’on peut fournir à un programme d’apprentissage assisté. Elles demeurent largement inconnues en comparaison des transformations relativement simples que l’on arrive à provoquer dans un système d’apprentissage automatique.

Les machines intelligentes apprennent par elles-mêmes

Dans le développement de toutes les applications de l’IA, des experts interviennent pour déterminer le problème à traiter, et choisir et trier l’ensemble des données devant servir à l’apprentissage. Ils doivent s’appliquer à éliminer les données ambiguës et, surtout, ajuster continuellement et à répétition le programme pour qu’il intègre les nouvelles données et connaissances qui ne cessent de s’accumuler.

L’intelligence artificielle (IA) peut résoudre tous les problèmes

L’IA n’est pas une panacée. Malgré le caractère magique que semblent posséder ses algorithmes, ils sont uniquement le produit de l’imagination humaine, et la quantité et la nature des problèmes que la vie, la société ou l’environnement nous obligent à confronter demeureront toujours inconnaissables.

Les algorithmes de l’intelligence artificielle peuvent interpréter toutes les données brutes

Pour une application de l’IA, la qualité des données est beaucoup plus importante que la quantité et/ou l’algorithme qui seront impliqués. Beaucoup de gens semblent croire qu’il suffit d’appliquer une approche IA à une grande quantité de données pour qu’une solution émerge automatiquement après l’application d’algorithmes sophistiqués d’apprentissage machine. Or, l’intelligence artificielle ne peut pas tirer d’informations pertinentes d’un ensemble de données trop vaste ou n’ayant pas été traité au préalable pour donner aux informations une forme dont le système peut tenir compte ou pour éliminer les données infructueuses.

L’IA prendra des décisions médicales et posera des diagnostics

Les diagnostics médicaux découlent de prises de mesures et d’examens spécifiques et précis. L’IA améliore sensiblement la précision de ces mesures et permet de compenser les omissions ou les erreurs de repérage pouvant survenir lors d’examens effectués par des médecins ou par des techniciens. En 2018, l’algorithme DLAD Deep Learning-based Automatic Detection d’analyse de radiographies thoraciques a surpassé 17 médecins sur 18 dans le repérage de zones de croissance cellulaire anormale^{Note de bas de page 2}. Toutefois, un examen subséquent à ces résultats d’analyse par des médecins chevronnés et des tests spécifiques supplémentaires seront toujours nécessaires pour l’établissement d’un diagnostic valable.

Pour des raisons sociales et légales, les décisions touchant la prescription de médicaments ou de traitements spécifiques ne peuvent pas être confiées à une machine; elles doivent être prises par des médecins ou par une équipe médicale compétente qui tiendra compte de l’ensemble des circonstances liées à un patient.

Les entreprises n’ont pas besoin d’une stratégie d’intelligence artificielle

L’utilisation de l’intelligence artificielle par les entreprises est déjà déterminante pour une grande majorité d’entre elles, et celles qui se tourneront vers ces solutions seront de plus en plus nombreuses. Toutes les organisations devront bientôt composer avec l’impact qu’aura l’IA dans leur stratégie d’affaires. Les transformations constantes du marché, alimentées par la croissance exponentielle des progrès dus à l’utilisation de l’IA, feront en sorte que les organisations et les entreprises qui auront tardé à implanter des solutions de ce genre seront fortement défavorisées vis-à-vis celles qui s’en seront dotées.

Il faut disposer de spécialistes de la science des données, d’experts en apprentissage machine et de très gros budgets pour utiliser l’intelligence artificielle en affaires

De nombreux outils, qui nécessitent peu d’investissements, sont accessibles aux gens d’affaires. Bien sûr, certaines applications d’IA requièrent la contribution de chercheurs chevronnés ou d’experts en linguistique computationnelle. Cependant, les utilisateurs d’affaires peuvent tirer profit d’un nombre croissant d’outils logiciels ne demandant qu’un minimum d’investissement en temps et en argent. L’importance pour les entreprises d’avoir accès à ces outils a donné lieu à de nombreux développements axés sur la fourniture d’environnements pouvant être exploités par des travailleurs qualifiés qui ne sont pas spécialisés en informatique, encourageant ainsi leur utilisation.

Il faut une énorme quantité de données pour entraîner une intelligence artificielle

Il faut distinguer l’entraînement par lequel on fait passer un algorithme d’analyse IA en le soumettant à une grande quantité de données et la prospection de données (data mining), l’étape précédant cette analyse. C’est à ce moment que l’ensemble original, gigantesque, des données issues de l’une ou de plusieurs sources modernes est réduit à un ensemble de données plus petit, convenant davantage aux fins que l’utilisateur veut atteindre. Un ensemble comportant une grande quantité de données tirées d’une source très riche, soumis à un algorithme d’analyse, donnera de nombreux résultats vides ou négatifs ne présentant aucun intérêt pour la résolution du problème par le système. De plus, une tâche inutilement exigeante sera imposée au système d’analyse puisque l’étape de l’analyse sera beaucoup plus coûteuse, en temps et en espace, qu’un processus de filtrage qui aurait d’abord fait le tri entre les données qui sont pertinentes et celles qui ne le sont pas.