Que penser de la nouvelle session 2018 du Microsoft Expérience ayant eu lieu les 6 et 8 novembre dernier ? Cette année, l’histoire se répète encore avec la question « Comment réinventer les métiers à l’heure de l’IA ? ». Au centre des préoccupations on retrouve donc encore l’« IA ». Le marketing informatique pousse régulièrement la thématique ; pour autant, entre fantasme et réalité, depuis les années 80, quoi de nouveau après les premiers systèmes experts ?

Dans les démonstrations mise en avant lors de la session plénière, finalement peu d’IA dans les applications montrées : Un tunnelier d’un grand du BTP, le profilage des clients pour un site de commerce en ligne, etc. En creusant un peu, le sujet n’est pas celui de l’IA, mais d’une seule de ses multiples approches et tendances. Celle qui rencontre et se frotte à la donnée de masse.

Parmi ces tendances, le « Machine et Deap Learning » semble la plus avancée. Derrières cette approche, il s’agit de réaliser des prédictions à partir d’algorithmes statistiques juxtaposés à de la reconnaissance de pattern de données comme on pourrait le faire pour une reconnaissance faciale. Le Datamining traditionnel s’en trouve dopé. De façon caricaturale on pourrait dire : « J’ai beaucoup de données à traiter, mais pour aller plus vite elles me semblent de tel ou tel type alors je peux en déduire que… ».

Turing avait qualifié d’intelligente une machine pouvant faire illusion d’intelligence auprès de l’humain. Lorsque l’on voit encore les robots se démener à coup de machine Learning dans leur apprentissage de la marche, au lieu de vouloir imiter l’humain la question serait plus pour les concepteurs de construire des machines capables d’inventer la roue. Cela nous éviterait de nous gondoler en les regardant.

Non, le danger ne vient pas de l’IA. Les machines intelligentes, hors de contrôle, ne sont pas pour demain. Pour le moment, elles font le buzz et l’IA, comme toujours, fascine et fait peur. Par contre, cette furieuse tendance à vouloir traiter les données de masse est à surveiller. Le rapport relatif à l’IA commandé par le gouvernement à Cédric Villani est d’ailleurs dans cette veine ; son contenu parle plus des enjeux de la circulation des données, de leur maîtrise, des risques associés et d’éthique.

On peut rappeler la dernière déconvenue de Microsoft il y a moins d’un an avec son logiciel de reconnaissance facial. Il avait une forte tendance à rejeter l’humain trop coloré ou du genre féminin. Pourquoi ? Tout simplement parce que l’échantillon de données sur lequel il avait construit son apprentissage était biaisé. Un problème d’IA imitant l’humain ou un problème de qualité des données non vérifiées ?