L’intelligence artificielle est-elle une opportunité ou une menace ? Certainement un peu des deux, et beaucoup d’autres choses encore, car son caractère disruptif implique l’émergence de la nouveauté, qui est par définition imprévisible. Et pourtant, la science-fiction n’a-t-elle pas exploré le thème dans toutes ses profondeurs et ses dimensions, d’Isaac Asimov et Arthur C. Clarke dès les années 1950, jusqu’à la multitude de séries et films aujourd’hui disponibles ? Le prochain grand film ou grand roman de science-fiction sur l’intelligence artificielle viendra probablement… d’une intelligence artificielle.

Agents conversationnels

« Apprendre, comprendre, s’adapter. » Si l’on retient cette définition, imparfaite et incomplète, de l’intelligence, alors nous y sommes… presque. Car l’intelligence artificielle apprend et s’adapte ; elle poursuit même des buts, qu’on lui assigne, mais « comprendre »… on peut encore en douter. La question qui fait peur est celle de son autonomie. De fait, les méthodes de programmation ont été modifiées ces dernières années, afin de s’assurer que les machines soient dotées d’un bouton marche-arrêt qu’elles ne puissent pas elles-mêmes désactiver ! C’est une réflexion tout à fait sérieuse et qui montre que les chercheurs avancent à la manière d’« apprentis sorciers ». Pour l’instant, l’IA fait ce qu’on lui demande, à partir des éléments qu’on lui donne, et elle accomplit déjà certaines choses mieux que les humains. Mais c’était déjà le cas d’une simple calculatrice. Les « agents conversationnels » (chatbots) comme ChatGPT, ChatSonic, BlenderBot, Bard, ou les versions plus spécialisées comme Aloha (conseiller emploi), Duplex (secrétariat), Ouibot (voyages), etc., font le travail d’un bon assistant, mais (beaucoup) plus rapidement. Les premiers répondent à des questions ou des demandes (appelées « prompts ») telles que : « Rédige un brouillon d’e-mail pour dire que je suis d’accord avec la proposition », « Crée une présentation imagée de dix pages à partir de ce document », « Dis-moi quels sont les produits les plus rentables ce trimestre dans ce tableau de chiffres »… Les inquiétudes se font jour quand on constate la vitesse à laquelle ces « agents » progressent. Un rapport publié par OpenAI, créateur de ChatGPT, montre que son IA obtient des résultats impressionnants à plusieurs examens, dont celui d’accès au barreau (LSAT aux États-Unis) ou celui qui permet d’intégrer les prestigieuses universités de l’Ivy League (Harvard, Yale, Princeton, Columbia…). On y lit notamment que, « à un examen simulé du barreau, GPT-4 parvient à se classer parmi les 10 % d’étudiants les meilleurs. GPT-3.5, quant à lui, faisait partie des 10 % les moins bons. » Certaines tâches vont également être grandement facilitées par l’IA, par exemple dans l’industrie, avec la recherche de nouveaux matériaux ou médicaments. Ainsi, on lit dans la revue Nature que l’outil M3GNet a permis de prédire la structure de millions de protéines en quelques semaines, là où il aurait fallu des décennies aux anciens outils.

Renforcement et récompense

L’IA apprend « par renforcement », en explorant une multitude d’actions possibles et en ne retenant que celles qui maximisent la « récompense ». Dit autrement : un agent effectue une action sur l’environnement, cette action est interprétée en une récompense et une représentation du nouvel état, et cette nouvelle représentation est transmise à l’agent, qui effectue une nouvelle action, etc. C’est ainsi que les premiers « robots » ont gagné aux jeux vidéo Atari, aux échecs ou au jeu de go. Ils ont non seulement appris à bien jouer, mieux qu’un humain, mais ils s’étaient également enseignés à eux-mêmes les règles de ces jeux. L’apprentissage par renforcement se distingue ainsi de « l’apprentissage supervisé », car on ne fournit pas de données d’entraînement à l’algorithme, il les acquiert directement au contact de son environnement et les mémorise. L’apprentissage non supervisé est donc un gain d’autonomie évident, mais qui reste contraint par l’environnement de l’algorithme. Il fallait auparavant montrer des millions d’images de chiens à un programme pour qu’il soit capable d’identifier tout seul une image de chien. Mais attention, car les deux méthodes peuvent aujourd’hui être combinées en un « apprentissage autosupervisé par renforcement ».

(...)