Le machine learning : futur de l’intelligence artificielle ?

Le dessein ultime de l’intelligence artificielle est d’aboutir à des machines, au sens large, capables de « penser » et de se comporter comme les humains. Pour relever ce défi ambitieux, on compte sur le machine learning, encore appelé « apprentissage automatique » ou « apprentissage statistique ». Décryptage…

Qu’est-ce que le machine learning ?

En 1959, Arthur Samuel, pionnier du jeu sur ordinateur, définissait le machine learning comme « un domaine d’études qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmés ». Il s’agissait de mobiliser une approche statistique pour « enseigner » aux ordinateurs à accomplir des tâches sans qu’ils ne soient explicitement et directement programmés pour le faire. En somme, on reste dans le champ de l’amélioration de l’autonomie des machines. Pour donner un coup de pouce médiatique à ce concept, Arthur Samuel avait conçu un programme de dames qui avait fini par battre le champion de l’État du Connecticut en 1962.

Le concept du machine learning est souvent associé à une idée abstraite qui serait compliquée à saisir. Il est important de le démystifier car finalement, il ne s’agit que de doter les machines de données empiriques massives afin qu’elles puissent en déduire un certain « comportement ». Les applications sont nombreuses : aide au diagnostic médical, détection des fraudes à la carte de crédit, analyse du marché boursier, classification des séquences ADN, analyse juridique prédictive, etc.

Le machine learning et l’IA : l’histoire des poupées russes

C’est simple : le machine learning est une intelligence artificielle, mais l’inverse n’est pas vrai. Par exemple, les graphiques de reconnaissance sont bien une forme d’intelligence artificielle, mais ne relèvent pas du machine learning. Bien sûr, les avancées du machine learning nourrissent l’IA, dans la mesure où elles permettent de « sauter » l’étape de la programmation. In fine, l’IA englobe le machine learning, telles des poupées russes. Voici un exemple : pour qu’une machine apprenne à se comporter comme un animal de compagnie (un chien par exemple), il fallait saisir toutes les caractéristiques qui lui sont propres : forme physique, évolution dans le temps, comportement face au maître qui lance une balle, etc. Aujourd’hui, le machine learning permet de simuler un chien simplement en compilant de nombreux exemples empiriques qu’il transmet à un algorithme.

Pour les entreprises, cela constitue une occasion remarquable pour cerner le comportement de leurs prospects et de déterminer leur stratégie marketing en conséquence. Pour les marques géantes qui mobilisent une quantité d’informations gigantesque comme Facebook, Twitter et LinkedIn, c’est une évolution normale et inévitable de l’intelligence artificielle. À ce titre, le directeur général de Google, Sundar Pichai, a déclaré lors d’une réunion publique à San Francisco en janvier 2018 : « L’IA est l’une des choses les plus importantes sur lesquelles l’humanité travaille. C’est plus important que l’électricité ou le feu ». Voilà qui annonce la couleur pour les étudiants en informatique qui doivent tirer leur épingle du jeu sur un marché très porteur !