Machines apprenantes et réseaux neuronaux
État des lieux à l’international et en Suisse
Les technologies de l’IA comme les algorithmes d’apprentissage automatique et les réseaux de neurones artificiels peuvent être entraînées à exécuter certaines tâches avec une efficience et une précision pouvant complémenter voire dépasser les capacités humaines. Les technologies d’IA les plus populaires comme les réseaux d’apprentissage profond (deep learning) s’inspirent vaguement de la manière dont apprend le cerveau humain. Ces derniers sont typiquement composés de couches de noeuds (neurones) reliés par des poids de connexion variables (synapses). Chaque neurone peut transmettre une information à un autre groupe de neurones sur la base de l’état des valeurs d’entrée pondérées. Ces pondérations s’adaptent au fil de l’apprentissage. L’augmentation spectaculaire de la puissance de calcul disponible dans le cloud et dans les superordinateurs, les avancées de la recherche en matière d’IA et la consolidation récente de grandes plateformes de données ont assuré aux technologies de l’IA un grand succès et une grande visibilité. Les méthodes d’apprentissage automatique modifient notre quotidien à vue d’oeil: reconnaissance vocale, traductions linguistiques, interaction vocale naturelle avec les machines, analyse d’images et reconnaissance faciale ont modifié la manière dont les êtres humains interagissent entre eux et avec les entreprises. Cependant, le potentiel disruptif de ces technologies de l’IA repose sur leur intégration à de vastes plateformes de données. Les méthodes d’apprentissage automatique sont ainsi au coeur de l’automatisation du recueil, de l’étiquetage et de la classification de données au sein de grandes plateformes de données. Cela va augmenter leur acceptation et énormément accélérer leur déploiement dans tous les secteurs et dans les entreprises de toutes tailles, avec des changements disruptifs pour les banques, les services, le commerce de détail, la fabrication, l’industrie pharmaceutique et les assurances.
Implications pour la Suisse
La Suisse a fait figure de leader dans le développement de technologies d’IA et reste aujourd’hui encore très bien positionnée grâce à son écosystème exceptionnel pour la recherche universitaire et industrielle en matière d’apprentissage automatique. Il faut maintenir les investissements dans la recherche et un environnement favorable aux affaires et à l’innovation. À l’avenir, la recherche devrait se concentrer sur le développement de méthodes d’apprentissage automatique stables, précises et robustes basées sur des données réelles à haute dimension (p.ex. médicales, industrielles etc.). La Suisse a l’opportunité de jouer un rôle de pionnier dans la définition de normes et la certification de systèmes d’IA. Au vu de l’utilisation croissante de l’IA, il est important de s’assurer que ces modèles sont éthiques et sûrs: ils ne doivent pas contenir de préjugés concernant l’âge, le sexe, la nationalité ou la religion, doivent exécuter leurs tâches dans le cadre de limites définies et ne doivent pas être vulnérables face aux attaques de nature prévisible. Il ne faut pas non plus sous-estimer le besoin d’améliorer la perception publique des technologies de l’IA.