</style>

<div align="right">
<a href="http://files.modulo-info.ch/enjeux-sociaux/ia-automatisation/IA-automatisationP1.pdf" class="round-button">
<font color=white id="demo">Cliquer ici pour <br>dossier</font>
</a>
</div>

# IA et enjeux de l'automatisation, partie 1

<br>

Cette première partie du dossier IA et enjeux de l’automatisation propose une contextualisation historique de l’émergence de l’intelligence artificielle en présentant quelques moments clés de la discipline. Il est complété par un état des lieux concernant les différents usages et applications actuels des technologies de l’apprentissage automatique.

## Objectifs

- Comprendre le contexte
d’émergence de l’intelligence
artificielle
- Différencier les courants
symbolique et connexionniste
- Se rendre compte de la pluralité
des applications de l’IA
- Identifier des situations du
quotidien où l’IA intervient

## Enjeux

Depuis la moitié du XXe siècle, les scientifiques essaient de simuler le
raisonnement grâce aux machines. L'histoire de
l'intelligence artificielle est d'abord
marquée par de grandes ambitions et connaît successivement plusieurs
phases d'engouement et de déceptions. Elle se nourrit et
nourrit elle-même des récits de science-
fiction, dont les personnages artificiels, robots, androïdes ou simples
voix de synthèse, influencent à leur tour les imaginaires collectifs. En
résultent de nombreuses croyances, des craintes, mais également des
espoirs, qui ne correspondent pas toujours à l'état des avancées
technologiques actuelles.

Les récentes performances dans le domaine de
l'apprentissage automatique appellent à une réflexion sur
la définition de l'IA en tant que catégorie générale
d'une part, et sur les particularités des technologies
qu'elles englobent d'autre part. Un retour aux
sources du projet visant à simuler le raisonnement permettra également
de comprendre les motivations, les ambitions mais aussi les limites de
certaines applications de l'IA.

### 🧠 IA, une définition

L'intelligence artificielle est un terme à la mode,
fréquemment évoqué dans le débat public et dans les médias. Malgré cette
popularité certaine, rares sont les tentatives d'expliquer
précisément ce qu'est l'IA. Il
s'agit en fait d'une notion générique qui
désigne différentes technologies du traitement automatique de
l'information, ayant pour objectif de simuler le
raisonnement. Aujourd'hui, l'IA fait
principalement référence à l'apprentissage automatique,
aussi connu dans sa version anglaise de *machine learning*.

Les technologies de l'IA partagent des caractéristiques
communes. Elles sont développées par des informaticiens et visent à
imiter certaines fonctions cognitives propres à l'être humain:
l'apprentissage de règles, le raisonnement logique, le
langage, la planification ou encore la reconnaissance
d'images ou de sons. Pour ce faire, une modélisation de ces
processus est nécessaire à l'aide des mathématiques, de
l'algorithmique et de la programmation.

Un contexte socio-technique favorable a permis aux premières tentatives
de simulation de l'intelligence de voir le jour. Dans les
années 1940, le mathématicien Norbert Wiener développe la cybernétique,
un courant de pensée permettant d'appréhender conjointement
le fonctionnement du vivant et des machines à partir des théories de la
communication. Tous deux auraient les mêmes capacités
d'adaptation basées sur des capteurs percevant leur
environnement. Très populaire au sein de l'élite scientifique
américaine, cette approche pose les bases théoriques nécessaires à
l'émergence de l'IA.

Sur le terrain, le développement des premiers calculateurs électroniques
durant la Seconde Guerre mondiale permet de tester le potentiel de la
cybernétique. Deux approches principales vont se distinguer et
s'opposer au fil de l'histoire, avec
d'un côté l'IA connexionniste et de
l'autre l'IA symbolique.

### 📜 Un peu d'histoire

L'histoire de l'IA est principalement composée
de deux courants distincts qui ambitionnent de simuler le raisonnement
humain grâce aux machines. Longtemps ostracisée par
l'approche symbolique, l'IA connexionniste
s'est aujourd'hui imposée avec les
performances de l'apprentissage automatique et des réseaux
de neurones, inspirés des connaissances du cerveau humain.

En 1955, les mathématiciens américains John McCarthy et Marvin Minsky
organisent le premier projet de recherche sur
l'intelligence artificielle et fondent l'année
suivante le domaine scientifique de l'IA. Leurs ambitions
sont clairement énoncées : ils s'appuient sur la conjecture
que l'apprentissage et l'intelligence sont des
processus suffisamment compris pour qu'ils puissent être
reproduits artificiellement. Ils envisagent ainsi de modéliser le
raisonnement grâce à des manipulations mathématiques et logiques de
symboles.

![Image 1](media/image1.png)

Fonctionnement d'une machine symbolique (1) et
connexionniste (2). En haut, les informations nécessaires aux
calculateurs sont fournies a priori afin d'obtenir les
résultats. En bas, la machine connexionniste déduit le modèle en
fonction des entrées et des sorties.[^1]

Les systèmes experts, qui connaissent un important succès dans les
années 1980, appartiennent à ce courant. Trop complexes, ils offrent des
résultats peu satisfaisants et sont abandonnés en une décennie. Débute
alors une période creuse en terme d'avancées scientifiques,
parfois appelée hiver de l'IA. Aujourd'hui,
les systèmes experts sont toujours utilisés dans des domaines tels que
les jeux vidéo, mais ils ne font plus partie du domaine scientifique de
l'IA.

Depuis le milieu des années 2000, les performances de
l'approche connexionniste permettent un retour en force de
l'IA. Contrairement à l'IA symbolique, elle
s'inspire directement du fonctionnement du cerveau humain.
Ce projet prend racine dès 1943, grâce aux neuroscientifiques
américains
Warren McCulloch et Walter Pitts, qui proposent pour la première fois un
modèle mathématique représentant un neurone. Le terme
n'existe pas encore à l'époque, mais cette date marque le
début de l'approche connexionniste de l'IA.
Sur la base des connaissances en biologie, les neurones formels vont
être mis en connexion afin de former des réseaux et de simuler
l'apprentissage. Pour ce faire, les neurones captent les
signaux de leur environnement et établissent des modèles prédictifs sur
une base d'entrées et de sorties (cf. Schéma ci-contre).

En 1989, l'ingénieur français Yann LeCun
s'inspire de la métaphore des neurones et crée un réseau
multicouche capable de reconnaître automatiquement des codes postaux
manuscrits. Cette technique sera reprise par le secteur bancaire afin de
lire automatiquement des chèques. Il s'agit de
l'une des premières utilisations à grande échelle
d'une technique d'apprentissage automatique
basée sur des réseaux de neurones formels.

Près de trois décennies plus tard, l'optimisation des
réseaux de neurones et des algorithmes, associée à
l'augmentation considérable de la puissance de calcul des
ordinateurs et aux importants volumes de données disponibles (big data),
replacent l'IA au centre des intérêts scientifiques et
technologiques. En effet, les masses de données sont un élément
essentiel à l'entraînement des modèles
d'apprentissage

### ☝ Comment ça marche ?

Pour établir des modèles prédictifs efficaces, les réseaux de neurones
de l'IA connexionniste sont entraînés par des algorithmes à
traiter et agréger d'importantes quantités de données. On
parle d'apprentissage automatique puisque les algorithmes
établissent des modèles à partir des données qui leur sont fournies. Il
existe plusieurs types d'apprentissages.

L'apprentissage supervisé requiert
l'intervention humaine pour labelliser les données,
corriger les erreurs lors des phases d'entraînement et
obtenir les modèles souhaités. Par exemple, pour apprendre à reconnaître
un chat, un algorithme considère des milliers d'images
préalablement étiquetées "chat" ou "non-chat"
afin d'établir un modèle prédictif qui pourra être appliqué à des images
inconnues. Contrairement au cerveau humain, qui n'a besoin
que de quelques exemples pour reconnaître une forme, l'IA
connexionniste nécessite des volumes importants de données pour établir
ses modèles. L'apprentissage non supervisé consiste à
laisser l'algorithme déterminer ses propres modes de
classification et catégories sans intervention externe.

En 2016, le programme AlphaGo de DeepMind (Google) bat pour la première
fois un joueur professionnel au jeu traditionnel de Go. Une combinaison
des différentes méthodes prenant en compte des parties disputées par des
joueurs humains et d'apprentissage par renforcement
uniquement basé sur l'expérience de la machine permet à
AlphaGo de déduire les coups optimaux. La dernière version du programme
baptisée AlphaGo Zero est parvenue à battre n'importe quel
joueur humain, ainsi qu'AlphaGo lui-même, en ne connaissant
que les règles du jeu.

Les performances actuelles de l'apprentissage automatique
sont certes considérables et dépassent dans certains cas les capacités
humaines. Leurs perspectives demeurent cependant limitées car chaque
réseau de neurones est dépendant du contexte dans et pour lequel il est
développé. Il n'est à ce jour pas possible
d'envisager de les transférer dans un environnement
différent sans un important travail de ré-apprentissage supervisé par
des humains. Pour cette raison, l'IA connexionniste
actuelle est souvent qualifiée d'IA faible ou étroite, en
opposition au projet hypothétique d'IA forte, qui
ambitionne de modéliser toutes les facettes de
l'intelligence, y compris la conscience et les émotions.

Par ailleurs, l'IA connexionniste est fréquemment associée
à un enjeu de transparence. En effet, malgré l'efficacité
de certains modèles prédictifs, la complexité des réseaux de neurones
créent l'effet d'une boîte noire,
caractéristique de l'apprentissage automatique. Même les
concepteurs des algorithmes ne sont pas en mesure
d'expliquer précisément les décisions de leurs programmes.
Cet aspect est souvent présenté comme l'un des défis
majeurs de l'IA contemporaine. Il est intéressant de
souligner que l'enjeu de transparence concerne uniquement
les prises de décision automatisées. En comparaison, les nombreuses
décisions prises par les êtres humains au quotidien ne semblent pas
concernées par cette injonction à la transparence. Pourtant, elles ne
sont pas toujours explicables ni expliquées.

L'effet boîte noire ne remet cependant pas systématiquement
en cause l'application de l'apprentissage
automatique. L'impossibilité d'expliquer
certains choix doit toutefois être prise en compte, en
l'intégrant à des processus non automatisés.
L'appréciation humaine demeure indispensable pour éviter
des prises de décisions arbitraires.

### 🎆 Pluralité des applications

La difficulté à définir précisément l'IA réside en partie
dans la pluralité de ses techniques et de ses applications. Les
prochains exemples, non-exhaustifs, permettent de se rendre compte de la
diversité des champs d'application de l'IA et
de l'évolution de l'utilisation de certaines technologies.

Les débuts de l'IA sont étroitement liés aux institutions
militaires américaines. Dans un premier temps, les technologies du
traitement automatique de l'information reçoivent
d'importants financements de la part de la marine (ONR) et
du Département de la défense (DARPA). Elles comprennent les premiers
programmes de traduction automatique, les logiciels de reconnaissance
d'images ou encore la conduite autonome.
Aujourd'hui encore, la maîtrise des technologies de
l'IA est toujours considérée comme un défi central dans le
secteur militaire à travers le monde.

Petit à petit, ces technologies ont été adaptées à des usages plus
variés. La traduction automatique est désormais utilisée dans nos
pratiques quotidiennes. La reconnaissance de formes et
d'images est employée en médecine et contribue notamment à
l'amélioration de la détection de certaines tumeurs. Google
et Tesla tentent d'intégrer la conduite autonome au trafic.
L'IA façonne également les contenus que nous voyons sur le
Web grâce à ses algorithmes de hiérarchisation et de modération.

Ces exemples montrent que les motivations initiales à produire de
nouvelles technologies peuvent être largement détournées en quelques
décennies. Les technologies ont les mêmes fondements, mais les usages se
sont diversifiés et banalisés. Désormais, elles sont le plus souvent
développées et proposées par des entreprises privées.
L'arrivée de l'IA dans nos quotidiens invite à
réfléchir aux multiples possibilités d'automatisation et
aux conséquences que ces dernières peuvent avoir sur les individus et la
société.

### 🖥 L'IA et les pratiques en ligne

Avec l'avènement des médias sociaux, les entreprises
proposant leurs services sur
Internet ont accès à des volumes de données inédits concernant leurs
utilisateurs. L'IA est utilisée pour gérer et trier ces
importants flux d'informations.

Les moteurs de recherche, les médias sociaux et les plateformes de
streaming récoltent et agrègent automatiquement les traces numériques
laissées par les internautes afin de leur suggérer du contenu
personnalisé. L'exploitation de ces traces permet,
d'une part, de fidéliser l'internaute en lui
proposant du contenu et des services personnalisés et,
d'autre part, d'optimiser les placements
publicitaires.

Plusieurs problèmes émergent face à l'exploitation massive
des données personnelles. Ces méthodes impliquent que des informations
parfois sensibles telles que l'orientation politique,
sexuelle ou religieuse d'une personne soient détenues par
des entreprises privées. Elles touchent directement à la protection de
la vie privée. Les interactions avec les contenus, du simple clic aux
mentions « j'aime », sont également enregistrées et
utilisées à des fins prédictives. L'ensemble des traces
récoltées par les différentes plateformes sont exploitées par des
algorithmes qui établissent des prédictions pour des individus aux
comportements et aux goûts apparemment similaires.

Le traitement automatique des données crée ainsi des bulles de filtre,
qui tendent à enfermer les internautes dans un monde construit
uniquement sur leurs habitudes en ligne et lses contenus
qu'ils consultent. Comme les prédictions sont établies à
partir des traces passées, les publications correspondant à ces
informations seront suggérées. Bien que les bulles de filtre ne soient
pas propres aux pratiques numériques, l'automatisation du
traitement des données tend à les amplifier.

Les algorithmes sont également utilisés pour modérer les contenus
illégaux ou qui ne respectent pas les conditions
d'utilisation des plateformes. Cependant, la modération
automatique des réseaux sociaux n'est pas toujours efficace
et l'incapacité à contextualiser une information engendre
des situations discriminantes. Ainsi, en avril 2019, Facebook a
automatiquement empêché la création d'un compte de soutien
LGBT+, sous prétexte que le mot «lesbienne» contrevenait aux règles de
la plateforme. Plus généralement, la modération automatique
n'est pas assez performante pour localiser et gérer la
totalité des contenus problématiques de manière satisfaisante. Elle
engendre un risque de censure injustifiée, spécialement marqué pour des
communautés déjà sous-représentées. Le principe de liberté
d'expression est ainsi menacé par la modération
automatisée. Pour tenter de résoudre ce problème, une partie du travail
de modération est externalisée et effectuée par des êtres humains.

La pluralité des applications de l'IA et la complexité de
son fonctionnement amènent à réfléchir aux questions de délégation et de
régulation relatives à ces technologies. Quelles tâches peuvent être
déléguées à l'IA? Est-il toujours souhaitable
d'automatiser les prises de décisions? Comment gérer et
réguler ses décisions? Ces thématiques sont présentées dans la deuxième
partie du dossier.

### Ressources

* Le livre du sociologue Dominique Cardon, À quoi rêvent les algorithmes (2015)
* Le livre de l’informaticien et philosophe Jean-Gabriel Ganascia Le Mythe de la singularité
(2017), qui déconstruit les croyances autour de l’intelligence artificielle
* L’article du sociologue Marc Audétat sur la rhétorique de la promesse dans les
technosciences, publié dans Allez Savoir ! (pour l’activité 1b)
* Le documentaire AlphaGo sur sa victoire au jeu de Go face à Lee Sedol
* L’exposition « Intelligence artificielle, nos reflets dans la machine » au Musée de la Main de Lausanne, jusqu’au 23 avril 2023

### Glossaire

* Apprentissage automatique (Machine learning)
* Apprentissage par renforcement
* Apprentissage profond (Deep learning)
* Apprentissage supervisé et non-supervisé
* Boîte noire
* Bulle de filtre
* Cybernétique
* Hiver de l’IA
* Intelligence artificielle connexionniste
* Intelligence artificielle symbolique
* Réseaux de neurones
* Système expert

## Pistes pédagogiques

Pour des idées d'activités sur cette thématique, voir le {download}`dossier<http://files.modulo-info.ch/enjeux-sociaux/ia-automatisation/IA-automatisationP1.pdf>`.

<!-- -----

### Histoire et définitions

**Objectifs**

Se rendre compte de la difficulté de définir l'intelligence humaine et
l'intelligence artificielle

Identifier les forces et les faiblesses d'un programme informatique face
à différents types de questions

#### A. Le Test de Turing

30 minutes, débranché

**Contexte**

En 1950, quelques années avant l'institutionnalisation de
l'IA en tant que domaine scientifique, le mathématicien
britannique Alan Turing publie un célèbre article, dans lequel il pose
la question suivante : « Les machines peuvent-elles penser ? ».

Pour y répondre, il propose le jeu de l'imitation.
L'expérience se résume ainsi : un être humain (A) est mis
en communication écrite avec deux entités qu'il ne voit pas
et dont il ignore la nature. D'un côté se trouve un
ordinateur (B), de l'autre, un humain (C). Si, au bout
d'un temps donné, l'être humain n'est pas
capable de savoir qui de (B) et de (C) est l'ordinateur, ce
dernier passe le test.

Le jeu de l'imitation est avant tout un exemple théorique.
Alan Turing était conscient que les machines de son époque ne
permettaient pas d'envisager l'assimilation
des questions et encore moins la formulation de réponses adaptées.
Aujourd'hui, les agents conversationnels, appelés aussi
chat bots, sont ce qui se rapproche le plus du jeu de
l'imitation. Leurs performances actuelles demeurent
toujours insuffisantes et sont encore loin de créer la confusion.

Au-delà des limites techniques du jeu de l'imitation, sa
conceptualisation permet de comprendre comment Turing définissait la
pensée et l'intelligence. Pour l'ingénieur,
une machine peut être qualifiée de pensante si elle parvient à se faire
passer pour un joueur humaine. Néanmoins, l'intitulé de son
jeu précise qu'il est avant tout question d'«imitation». La
nuance est importante car ce n'est pas parce
qu'une machine imite la pensée qu'elle peut
être qualifiée d'intelligente, au même titre que les êtres
humains.

**Matériel**

Questions du Test de Turing pour la classe (à projeter)

Une copie des réponses pour l'ordinateur, une feuille blanche pour
l'être humain

Quatre volontaires pour jouer le rôle de l'ordinateur, de l'humain, et
deux messagers

**Déroulement**

*Partie 1*

Cette activité consiste à mettre en scène le jeu de l'imitation d'Alan
Turing. En sélectionnant des questions, les élèves doivent déterminer
qui des deux volontaires joue le rôle de l'ordinateur et de l'être
humain. En introduction, demander aux élèves si un ordinateur peut être
considéré comme intelligent. Les réponses doivent être justifiées.

* a) Présenter et contextualiser ensuite le Test de Turing et expliquer que
les élèves vont mettre en scène l'activité. Pour ce faire, il faut
quatre volontaires. Les rôles de l'ordinateur (A) et de l'être humain
(B) sont distribués secrètement à l'aide de deux enveloppes. L'une
contient les réponses du jeu, la personne qui la reçoit joue le rôle de
l'ordinateur. L'autre est vide, l'élève volontaire doit répondre aux
questions selon ses propres connaissances. Les deux autres volontaires
sont des messagers. Le reste de la classe forme le public et va devoir
découvrir les rôles assignés à leurs deux camarades.

* b) Une fois les enveloppes distribuées, les deux volontaires quittent la
classe et vont découvrir leur rôle dans deux lieux séparés (corridor,
bibliothèque).

* c) Pendant ce temps, les questions (en annexe) sont projetées à la classe.
Elle s'accorde pour choisir une première question à poser au volontaire
afin de savoir qui est l'ordinateur et qui est l'être humain. Les deux
messagers prennent notes et s'occupent d'aller la poser aux volontaires.

* d) L'ordinateur et l'élève humain n'ont pas le droit de parler, ils
écoutent la question de la classe posée par le messager et y répondent
par écrit. L'ordinateur copie la réponse de la feuille-réponse, l'élève
répond selon ses connaissances, également par écrit. Il/elle peut
prendre 30 secondes pour effectuer un calcul écrit mais n'a pas le droit
d'utiliser autre chose qu'un stylo. Les messagers retournent ensuite en
classe et lisent la réponse qu'il/elle a reçue à la classe.

Le processus est répété 3 à 5 fois en fonction du temps disponible. Une
fois toutes les questions posées, les volontaires reviennent. La classe
vote à main lever. Les élèves décident qui de A et B est l'ordinateur
selon les réponses reçues. Sont-ils/elles parvenues à distinguer
l'ordinateur de l'être humain sur la base des questions sélectionnées ?

*Partie 2*

Discussion concernant le choix des questions.

L'enseignant-e demande aux élèves d'expliquer leurs choix de questions

Eléments pour préparer la gestion de la discussion :

*Certaines questions permettent de reconnaître rapidement l'ordinateur.
La réponse à la question de la racine de 2, qui comprend huit chiffres
après la virgule ne peut pas être donnée par un être humain.*

*Le fait de poser plusieurs fois le même type de question, du type
"aimes-tu danser/l'école/jouer aux jeux vidéo vont faire apparaître des
réponses systématiques de la part de l'ordinateur.*

Comment un programme pourrait-il être amélioré pour mieux tromper le
public ?

*Programmer des réponses intentionnellement erronées*

*Simuler un temps de réponse plus long*

*Varier les réponses qui reprennent les formulations de questions
(j'aime, je n'aime pas)*

Pour conclure, demander aux élèves si une liste de questions, aussi
variée soit-elle, peut constituer un test "d'intelligence"?

*L'intelligence est un ensemble de capacités, impliquant la mémoire, la
logique, la contextualisation, les émotions ou encore la coordination
entre la pensée et le corps. Il est actuellement techniquement
impossible d'envisager de pouvoir la reproduire dans son ensemble. C'est
pour cette raison que le jeu de l'imitation est avant tout un exemple
théorique et non une réalité, même plus de 70 ans après sa conception.*

*Aujourd'hui, le Test de Turing ne constitue pas un but pour les
chercheurs en IA. Ils travaillent plutôt sur des tâches sous-jacentes et
distinctes telles que le traitement automatique du langage, le
raisonnement et bien sûr, l'apprentissage automatique.*

**Questions à projeter à la classe :**

Comment s'appelle la petite sœur de Bart Simpsons ?

Qui est J.K. Rowling ?

Es-tu un ordinateur ?

Complète la suite 3, 6, 9, 12, 15, ?

Que penses-tu de l'arme nucléaire ?

Combien font 2 x 78 ?

Quelle est la racine carrée de 2 ?

Additionne 3492 et 76282

Aimes-tu l'école ?

Aimes-tu danser ?

Quel jour sommes-nous ?

Quelle heure est-il ?

Combien de jours y a-t-il dans le mois de février lors d'une année
bisextyle ?

Combien de jours y a-t-il dans une semaine ?

Quel pays a un drapeau représentant une croix blanche sur fond rouge ?

Aimes-tu jouer à des jeux vidéo ?

Qu'aimes-tu manger ?

**Questions et réponses pour le rôle de l'ordinateur :**

Comment s'appelle la petite sœur de Bart Simpsons ? Aucune idée !

Que sais-tu de J.K. Rowling ? Elle écrit des livres supers, j'aime bien
Harry Potter.

Es-tu un ordinateur ? Es-tu un ordinateur ?

Complète la suite 3, 6, 9, 12, 15, ... ? 18

Que penses-tu de l'arme nucléaire ? L'arme nucléaire est très dangereuse
et ne devrait pas être utilisée.

Combien font 2 x 78 ? 156

Quelle est la racine carrée de 2 ? 1.41241356.

Additionne 3492 et 76282 Attendre 20 secondes avant de donner la réponse
79774

Aimes-tu l'école ? Oui, j'aime bien l'école.

Aimes-tu danser ? Oui, j'aime bien danser.

Quel jour sommes-nous ? Indiquer le jour exact.

Quelle heure est-il ? Indiquer l'heure exacte.

Combien de jours y a-t-il dans le mois de février lors d'une année
bisextyle ? 2000 et 2004 étaient des années bisextiles. (C'est
volontairement imprécis.)

Combien de jours y a-t-il dans une semaine ? Sept

Quel pays a un drapeau représentant une croix blanche sur fond rouge ?
Je ne sais pas.

Aimes-tu jouer à des jeux vidéo ? Oui, j'aime jouer aux jeux vidéo.

Qu'aimes-tu manger ? Je n'ai pas faim, merci.

B. **La rhétorique des promesses**

20 minutes -- branché

Matériel

L'article "Les promesses des technosciences n'engagent que ceux qui les
croient" de Marc Audétat. à faire lire aux élèves en préparation du
cours

Extrait du texte de Herbert. A. Simon et tweet d'Elon Musk

Projeter ces deux affirmations à la classe :

![Une image contenant texte Description générée
automatiquement](media/image2.png){width="5.805555555555555in"
height="2.263888888888889in"}

![Une image contenant texte, intérieur Description générée
automatiquement](media/image3.png){width="5.527777777777778in"
height="1.3194444444444444in"}

Par groupe de 2, répondre aux questions suivantes, à l'aide de
recherches en ligne si nécessaire. Si l'activité est débranchée,
présenter les auteurs de ces citations et expliquer ce qu'est "summon".

Qui sont les auteurs de ces citations ?

*Herbert A. Simon (1916-2001) est un économiste, politologue, sociologue
et informaticien américain. Il a notamment travaillé sur l'intelligence
artificielle et l'automatisation des prises de décision. Il a reçu le
prix Turing en 1975.*

*Elon Musk est un ingénieur, homme d'affaire et entrepreneur originaire
d'Afrique du Sud. Il est connu pour avoir fondé les sociétés Paypal,
SpaceX, et Tesla, qu'il dirige toujours.*

De quoi parle le tweet d'Elon Musk ? Qu'est-ce que "summon" ?

*Il parle de la technologie "summon", aujourd'hui rebaptisée "Smart
summon", intégrée aux voitures de la marque Tesla. Son appelation vient
du verbe anglais «to summon» qui signifie appeler ou convoquer. La
fonction permet en théorie d'appeler sa voiture et de la faire rouler de
manière autonome depuis une place de stationnement jusqu'à son
propriétaire. Dans son tweet, Elon Musk annonce qu'il sera possible
d'utiliser Summon pour traverser les états-Unis dans les deux prochaines
années (le tweet est publié en 2016). Or, plus de 6 ans après cette
annonce, la fonction summon pose toujours des problèmes irrésolus sur
des trajets de quelques mètres seulement. Les multiples avertissements
publiés sur le site du constructeur sur le sujet adoptent un ton bien
plus prudent que les déclarations publiques de son directeur.*

*Elon Musk est coutumié des grandes promesses non-tenues. Pour aller
plus loin, voir par exemple* cet article*.*

Selon les indications historiques, la déclaration de Herbet A. Simon
s'est-elle révélée exacte ?

*L'extrait a été publié en 1960 et prédit que les machines pourraient
effectuer n'importe quel travail humain d'ici 20 ans soit en 1980.
Aujourd'hui, même avec des IA performantes pour effectuer des tâches
précises de calculs et de prédictions, les machines ne sont pas capables
d'effectuer la majorité des tâches domestiques.*

Comment ces deux citations s'inscrivent-elles dans la rhétorique de la
promesse présentée dans l'article de Marc Audétat ?

*Dans les deux cas, espacés de 46 ans, une annonce d'innovation
technologique relative à l'IA est formulée. Dans les deux cas, ces
annonces se sont révélées incorrectes.*

*
*La première partie de l'exercice montre une tendance caractéristique de
l'histoire de la technologie et de l'IA. Il est important de
contrebalancer ces exemples en expliquant que d'autres événements n'ont
pas suivi la rhétorique de la promesse. Demander aux élèves s'ils
peuvent citer un exemple.

*La victoire d'AlphaGo en 2015 n'était pas attendue avant au moins une
trentaine d'années. Même les spécialistes ont été surpris que cette
performance arrive si rapidement.*

*Les performances d'AlphaFold, autre filiale de DeepMind, dans le
domaine de la bio-informatique n'ont pas non plus été annoncées
publiquement avant la confirmation des résultats.*

*Le domaine de la traduction automatique a fortement progressé ces
dernières années, sans répondre à de grandes promesses préalablement
énoncées.*

2. IA ou pas

Objectifs :

Identifier des situations où intervient l'IA

Déterminer le type d'IA dont il est question

Différencier l'automatisation d'une tâche et l'application de l'IA

IA et automatisation

20 minutes débranché

Matériel

Slides avec exemples

Déroulement

Après avoir contextualisé la pluralité des applications de l'IA sur le
Web, projeter les images à la classe. Pour chaque exemple, demander aux
élèves d'identifier la situation, le type d'IA qui pourrait être utilisé
ainsi que les données prises en compte.*
*

*Slide n°1 : Google Search / Google Suggest*

*IA* ✅

*L'outil de suggestion semi-automatique Google Suggest traite
automatiquement de nombreuses requêtes pour établir des suggestions
générées algorithmiquement. Elles se basent sur plusieurs variables que
sont notamment les requêtes d'autres internautes, l'historique des
recherches de la machine ou encore la position géographique de
l'utilisateur.*

*Slide n°2 : YouTube (rappeler que YouTube est détenu par Google!)*

*IA* ✅

*Youtube utilise l'IA pour organiser et suggérer des vidéos à ses
utilisateurs. Comme dans la majorité des cas, l'algorithme de suggestion
est tenu secret. On sait tout de même que le nombre de vues, le temps de
visionnage et l'engagement (likes, commentaires, partages), sont des
variables importantes pour augmenter la visibilité d'une vidéo.*

*L'IA intervient également pour modérer les commentaires.*

*Slide n°3 : Amazon*

*IA* ✅

*Amazon intègre l'IA pour suggérer toujours plus de nouveaux produits à
ses clients. C'est d'ailleurs l'une des plus anciennes plateformes
commerciales à avoir intégré la suggestion personnalisée sur son site.
Historiquement spécialisé dans la vente de livres, Amazon a très tôt
exploité les données relatives aux habitudes de ses clients. En croisant
les préférences de différents utilisateurs ayant des goûts similaires,
elle est parvenue à émettre des suggestions précises pour provoquer les
futurs achats. Aujourd'hui, ces algorithmes se sont complexifiés et
améliorés grâce à l'apprentissage profond.*

*Slide n°4: Wikipédia*

*IA* ⛔

*Wikipédia n'utilise pas d'IA dans pour trier ou suggérer ses articles.
Des hyperliens permettent de se rendre d'une page à une autre. Les
utilisateurs et utilisatrices contribuent à l'écriture et aux
modifications de l'encyclopédie en ligne sur la base du crowdsourcing.
L'IA est appliquée de manière marginale pour détecter le vandalisme de
certaines pages sensibles.*

*Slide n°5: Instagram*

*IA* ✅

*Instagram fait appel à l'IA à plusieurs fins. Elle permet de
personnaliser les fils d'actualité, de proposer de nouveaux comptes à
suivre et de trier les stories. Pour ce faire, les données personnelles
ainsi que les interactions sont prises en compte. La modération de
contenu est en partie automatisée grâce à l'IA. Les images, les vidéos
et les commentaires contrevenant aux règles d'utilisation sont
automatiquement supprimés, ce qui peut parfois engendrer la suspension
temporaire ou définitive d'un compte. Les filtres qui s'adaptent aux
visages se basent également sur de l'IA, grâce à des techniques de
reconnaissance d'image.*

*Slide n°6: Spotify*

*IA* ✅

*Chaque morceau écouté sur Spotify laisse une trace qui va être prise en
compte par un algorithme de suggestion, afin de proposer des contenus
similaires ou des playlists.*

*Slide n°7: Netflix*

*IA* ✅

*Netflix suggère également ses contenus grâce à l'IA. En prenant en
compte les métadonnées concernant un film (producteur-trice,
acteur-trice, genre, etc.), les habitudes et la position géographique de
ses abonné-e-s, Netflix établit des modèles prédictifs. Ils servent à
adapter les suggestions en fonction des goûts de chacun-e. En tant
qu'entreprise productrice d'une partie de ses contenus, les modèles
peuvent aussi servir d'indicateur sur la pertinence de lancer la
production d'un film ou d'une série pour un marché donné.*

*Slide n°8: Airbnb*

*IA* ✅

*La plateforme de location d'hébergement intègre l'IA pour suggérer des
lieux adaptés aux habitudes des utilisateurs. Elle a également développé
un système de reconnaissance d'images pour classer et sélectionner des
images (piscine, chambre, etc.). La plus récente application de l'IA par
Airbnb est utilisée pour établir un score de confiance attribué aux
hôtes.*

*Slide n°9 : Assistant vocal (Siri)*

*IA* ✅

*Les assistants vocaux sont des logiciels basés sur la reconnaissance
vocal du langage. Ils reposent sur l'IA à la fois pour traiter la
requête, chercher et formuler une réponse personnalisée. Pour cela, ils
sont entraînés avec de nombreuses données, notamment les informations
fournies par l'utilisateur : contacts, recherches, géolocalisation...
La complexité du traitement du langage demande cependant encore beaucoup
d'entrainement et une supervision humaine en appui de l'IA.*

*Slide n°10 : Caisse automatique*

*IA* ⛔

*Il n'y a pas d'IA dans les caisses automatiques. Il s'agit d'une base
de données des articles du magasin.
*
-->

[^1]: Schéma adapté de : Cardon, D., Cointet, J. & Mazières, A. (2018).
La revanche des neurones: L'invention des machines inductives et la
controverse de l'intelligence artificielle. *Réseaux*, 211, 173-220.