E Novembre 2016 Édition 1 Numéro 9
euratech trends
L’intelligence artificielle
Après avoir connu une histoire tumultueuse entre déception et fascination, l’intelligence artificielle semble
enfin avoir trouvé la maturité scientifique et technologique nécessaire à son avènement au cours des
prochaines années. Restent néanmoins de nombreux questionnements, notamment que la machine dépasse
l’Homme.
Si l’expression « Intelligence poursuit dans les années 40 sur l’aboutissement d’un sys- cessaire pour que la machine
Artificielle », et toutes les disci- avec le développement de la cy- tème neuronal en une dizaine devienne « apprenante ». Deux
plines scientifiques qui en dé- bernétique par Nobert Wiener d’années, les progrès technolo- méthodes se développent : le
coulent, naissent officiellement et en 1950 par le célèbre test giques ne se développaient pas machine learning (appren-
en 1956, lors de la conférence de Turing pour valider l’intel- autant que les intentions des tissage automatique), donc
de Dartmouth qui réunissait ligence d’une machine et donc chercheurs. S’en suivirent alors un apprentissage à base d’un
notamment John McCarthy et la conférence de Dartmouth une série de « AI winters », algorithme, et le deep lear-
Claude Shannon, l’idée même qui a fait naî�tre une véritable périodes d’euphorie théorique ning (apprentissage profond),
de créer un être doté d’une discipline académique. Der- aboutissant à des déceptions un modèle permettant d’ap-
certaine intelligence remonte rière toutes ces avancées, une sur la faisabilité technique et prendre à partir d’une infor-
pratiquement à l’histoire de nouvelle approche émerge, le donc de veille en termes de mation brute en grande quan-
l’humanité. Les robots dorés « connexionnisme » avec pour recherche. Au tournant des tité, dont Yann LeCun est un
d’Héphaï�stos, le Golem, Fran- objectif de reproduire le fonc- années 80 et 90, la puissance des pères fondateurs. Depuis,
kenstein et tant d’autres ont tionnement interne du cer- croissante des processeurs (en les victoires retentissantes de
déchainé passion et imagina- veau humain. Dans ces années, particulier des processeurs Deep Blue contre Garry Kas-
tion au cours du temps sur les apparaî�t ainsi le perceptron et graphiques), cumulée avec la parov en 1997 et plus récem-
potentiels de ces êtres artifi- la promesse d’un système de réduction des coûts, donne ment d’AlphaGo de DeepMind
ciels mais aussi leurs dangers. réseau neuronal qui permet de un nouvel élan à l’Intelligence sur le champion du monde de
reproduire la perception des Artificielle. go ont eu des répercutions mé-
Quoi qu’il en soit, l’Intelli- images et des mots. diatiques importantes, qui ont
gence Artificielle telle qu’on la La technologie permet propulsé l’intelligence artifi-
connaî�t aujourd’hui démarre AI Winters alors des millions de connec- cielle sur le devant de la scène.
à la fin des années 30 avec les tions entre les différents
travaux de McCulloch et Pitts Contrairement à ce nœuds et le big data offre
sur les neurones artificiels, se qu’affirmait John McCarthy désormais toute la matière né-
Les cinq lois proposées par la Silicon Valley Robotics,
1. “ Les robots ne doivent pas être utilisés comme des armes ”
2. “ Les robots doivent se conformer aux lois, notamment celles sur la protection de la vie privée. ”
3. “ Les robots sont des produits : en tant que tels, ils doivent être sûrs, fiables et donner une image exacte de leurs capacités. ”
4. “ Les robots sont des objets manufacturés : l’illusion créée ne doit pas être utilisée pour tromper les utilisateurs les plus vulnérables. ”
5. “ Il doit être possible de connaî�tre le responsable de chaque robot ”
02 euratech trends #09
Aujourd’hui
U
n signe ne trompe tion d’un centre de recherche
pas sur les pro- public-privé. Il faut dire que
messes actuelles de d’un point de vue économique,
l’intelligence artifi- le cabinet d’analyse Tractica
cielle : tous les grands noms s’y estime que le marché de l’in-
engouffrent avec des moyens telligence artificielle pour les
conséquents. Apple a lancé le applications en entreprise,
bal avec l’acquisition de la star- qui ne représentait que 200
tup à l’origine de son assistant millions de dollars en 2015,
personnel Siri et a récemment dépassera les 36 milliards d’ici
jeté son dévolu sur Emotient à 20251 ! Sans compter les 950
et sa technologie d’analyse des jeunes pousses répertoriées
visages et des émotions. Chez dans le monde sur le sujet par gerie médicale, la gestion des c’est toute la relation avec les
Google, pas moins de 1 200 le cabinet Venture Scanner, qui flux de patients aux urgences… clients qui devra être repen-
projets sont en cours quand totalisent presque 5 milliards Le positionnement de la très sée pour faciliter leur engage-
Facebook a notamment créé à de dollars d’investissement. prometteuse Sentient Tech- ment. Le meilleur exemple se
Paris un laboratoire dédié avec En France, elles sont déjà 180 nologies est en ce sens très matérialise dans les chatbots,
à sa tête Yann LeCun, Amazon selon ISAI, ce qui en fait le se- explicite « From healthcare to ces agents virtuels que 37%
développe son majordome vir- cond pays européen derrière la finance to e-commerce, we’re des fondateurs de startups sur
tuel Alexa, le révolutionnaire Grande-Bretagne. focused on changing people’s l’AI voient comme l’applica-
Watson, la plateforme cogni- lives ». tion principale de l’intelligence
tive, fer de lance d’IBM, fait artificielle, selon TechEmer-
ses preuves dans le célèbre jeu Les applications Bref, le deep learning gence. Les technologies ont
télévisé Jeopardy! ou Toyota a de beaux jours devant lui fait énormément de progrès en
annonce un plan d’investisse- Si l’intelligence artificielle et certains prédisent même quelques années, notamment
ment de plus de 1 milliard de connaî�t un tel engouement, sa généralisation dans toute sur la reconnaissance vocale,
dollars dans la recherche en c’est aussi parce que ses l’électronique de décision. comme récemment Microsoft
intelligence artificielle pour les champs d’application sont D’ailleurs selon une étude de dont le logiciel dédié a obtenu
véhicules autonomes… particulièrement vastes Narrative Science2, le princi- un taux d’erreur de 5,9 %, égal
comme par exemple (parmi pal bénéfice de l’intelligence à celui que les transcripteurs
Face à tous ces investisse- tant d’autres) la maintenance artificielle pour une entreprise humains! « Nous sommes en
ments privés, certains gouver- prédictive dans l’industrie, le serait pour 44 % des sondés train de passer d’un monde où
nements ont pris le taureau par développement des véhicules dans l’émergence de données les gens doivent comprendre
les cornes comme aux É� tats- autonomes, la cybersécurité pour aider aux décisions. Ce les ordinateurs à un monde
Unis avec l’annonce d’un plan à préventive, en détection de qui implique derrière de re- dans lequel les ordinateurs
4 milliards de dollars pour faci- fraudes ou encore la régénéra- penser les organisations et les doivent nous comprendre »,
liter l’émergence du secteur ou tion après attaque, l’optimisa- investissements. En interne, explique Harry Shum, patron
en Corée du Sud avec un plan à tion des moyens de production mais aussi vers l’externe car du groupe Microsoft Artificial
795 millions d’euros et la créa- pour le manufacturing, l’ima- avec l’intelligence artificielle, Intelligence and Research.
« Nous sommes en train de passer d’un monde où les
gens doivent comprendre les ordinateurs à un monde
dans lequel les ordinateurs doivent nous comprendre »
1. Tractica, “Artificial Intelli- 2. Narrative Science, “2015 State 3. TechEmergence, “Machine
gence Market Forecasts”, août of Artificial Intelligence & Big Learning Healthcare Applications –
2016, [Link]/research/ Data in the Enterprise”, juin 2015, 2016 and Beyond”, août 2016, http://
artificial-intelligence-market-forecas [Link] [Link]/machine-learn-
ts/ com ing-healthcare-applications/
euratech trends #09 03
Les enjeux Gartner, un tiers des emplois
dans le monde seront même
remplacés par des applications
science-fiction : l’utilisation
de l’intelligence artificielle à
des fins malveillantes ou pire
d’intelligence artificielle d’ici que l’intelligence artificielle
«
2025. Toute la question est dès prenne le pas sur l’intelli-
En tant que fournis- recommandations, suit aussi lors de savoir si dans le même gence humaine. C’est le fameux
seur, ce sont les briques cette tendance. Le but de la temps d’autres métiers vont point de singularité, fixé pour
autour de l’intelligence manœuvre : s’assurer d’évolu- émerger ou si comme l’indique le moment en 2045 et qui a
artificielle qui génèrent tions rapides pour dépasser la le cabinet de conseil en stra- poussé d’illustres personnali-
de la valeur, explique Damien concurrence et surtout que la tégie Roland Berger dans un tés du monde technologique à
Cudel, chef de marché plate- solution d’intelligence artifi- rapport de 2014 : « les tâches tirer dès maintenant le signal
forme applicative chez Micro- cielle soit au cœur des projets qui requièrent de la créativité, d’alarme. Un consortium a
soft. Le stockage, le streaming futurs… du sens artistique, ou de l’intel- même été créé en septembre
des données… l’apprentissage ligence sociale et du contact 2016 par les ténors du secteur
statistique ne coûtera pas cher, humain, qu’elles se rapportent Amazon, Facebook, Google,
c’est sur la chaî�ne globale de L’emploi à un métier manuel ou intel- Microsoft, et IBM. Son but ?
traitement (collecte des don- lectuel, peu ou bien qualifié, Répondre aux questions sou-
nées, traitement temps réel, Toutes ces avancées ne com- seront préservées. » D’ailleurs levées par le développement
restitution…) que se trouvent portent bien entendu pas que l’étude de Narrative Science4 de l’intelligence artificielle,
les enjeux. » Du coup, de nom- des promesses, mais aussi des souligne que 80 % des sondés partager les bonnes pratiques
breux acteurs majeurs comme craintes. Au premier chef : l’em- estiment que l’intelligence arti- et éduquer le grand public sur
Apple, Facebook, Microsoft et ploi. Dans un rapport publié fin ficielle va améliorer la perfor- cette thématique. Des craintes
IBM ont fait le choix de l’open 2015, des analystes de Bank mance des employés et créer temporisées par de nombreux
source en mettant à disposi- of America Merrill Lynch1 ont des emplois. chercheurs comme le phy-
tion de tous l’avancée de leurs estimé que la moitié des em- sicien Stephen Hawking qui
recherches. Le TensorFlow de plois aux É� tats-Unis pourraient s’inquiète au final plus de notre
Google que l’on retrouve dans être remplacés par des robots La singularité dépendance aux machines que
de nombreuses applications au cours des vingt prochaines leur véritable émancipation.
comme la recherche, la tra- années, en particulier dans Autre crainte majeure alimen-
duction automatique ou les l’industrie. Selon le cabinet tée par les fantasmes de la
1. Bank of America Merrill Lynch, 2. Gartner, “Disruptive Macro 3. Roland Berger, “Les classes moy- 4. Narrative Science, “2015 State of
“Robot Revolution – Global Robot Trends for 2025 Personal Tech ennes face à la transformation digi- Artificial Intelligence & Big Data in
& AI Primer”, décembre 2015 Market — Artificial Intelligence tale”, octobre 2014, the Enterprise”, juin 2015, [Link]
— Me, Myselves and AI”, octobre [Link]
2016
AGENDA The AI Summit du 09 au 10 mai 19e Conférence sur l’Appren-
2017, Londres (GB) tissage automatique (CAp
gence (IJCAI) du 19 au 25 août
2017, Melbourne (AU)
2017) du 28 au 30 juin 2017, Gre-
16th International Conference noble (FR) 18th EPIA Conference on Artifi-
3 International Conference
rd
on Artificial Intelligence and cial Intelligence du 5 au 8 sep-
on Artificial Intelligence and Soft Computing (ICAISC) du 24 La plate-forme Intelligence tembre 2017, Porto (PT)
Applications (AIFU) du 28 au au 26 février 2017, Singapour Artificielle (PFIA) du 3 au 7 juil-
29 janvier 2017, Dubai (UAE) (MY) let 2017, Caen (FR) European Conference on Ma-
chine Learning and Principles
9th International Conference 16th International Conference [Link] 2017 du 24 au 26 juillet and Practice of Knowledge
on Agents and Artificial Intel- on Artificial Intelligence and 2017, Vienne (AT) Discovery du 18 au 22 sep-
ligence (ICAART) du 24 au 26 Law (ICAIL) du 12 au 16 juin tembre 2017, Skopje (MK)
février 2017, Porto (PT) 2017, Londres (GB) 34th International Conference
on Machine Learning (ICML) du 16th IEEE International Confe-
9th International Conference 13th International Conference 06 au 12 août 2017, Sydney (AU) rence on Machine Learning and
on Machine Learning and Com- on Machine Learning and Data Applications (ICMLA) du 5 au 8
puting (ICMLC) du 24 au 26 fé- Mining (MLDM) du 15 au 20 juin 26th International Joint Confe- septembre 2017, Porto (PT)
vrier 2017, Singapour (MY) 2017, New York (US) rence on Artificial Intelli-
04 euratech trends #09
Hauts-de-France
nancement flow-shop, élabo- de grande taille avec struc-
ration de tournées, etc.) et des ture complexe. L’optimisation
problèmes industriels de logis- consiste à trouver une meil-
tique, transport, énergie ou de leure solution parmi un en-
L
bioinformatique. semble de solutions possibles.
a région Hauts-de- pages web créées, modifiées Sa modélisation peut être un
France ne compte pas ou supprimées du web ou des MODAL programme mathématique
moins de 6 équipes de mesures de capteurs acquises MOdel for Data Analysis and où les variables de décisions
recherche, soit près par un système passif ou actif Learning doivent satisfaire un ensemble
d’une centaine de chercheurs (interagissant sur son environ- [Link] de contraintes définissant la
et doctorants qui travaillent nement, tel que agent logiciel réalisabilité de la solution et
sur le Machine Learning et ses ou robot matériel). À� partir de MODAL développe des mo- optimiser une ou plusieurs
applications. ces données, ces systèmes ex- dèles génératifs pour l’analyse fonctions objectifs. Elle est dite
traient des informations pour de données hétérogènes et / à structure complexe quand
Magnet repérer des objets (classifica- ou complexes multivariées. elle comprend des décisions
MAchine learninG in infor- tion), pour évaluer les para- Les exemples typiques de ce de type/nature différentes
mation NETworks mètres d’un processus (esti- type de données sont des cova- (par exemple stratégique, tac-
[Link] mation), pour interagir avec riables nominales multivariées tique ou opérationnelle) et/ou
son environnement (décision ou la combinaison de variables des décisions présentant une
Magnet s’intéresse à la défini- séquentielle). Ces algorithmes continues et nominales hété- structure hiérarchique du type
tion de méthodes et modèles sont également utilisables rogènes. Bien évidemment, meneur-suiveur (problèmes
d’apprentissage automatique dans le cadre de traitement par le traitement d’autres cova- bi-niveau) et/ou des décisions
au sein de réseaux d’informa- lot de gros volumes de don- riables complexes - ordinales, prises dans un environnement
tions, en particulier ceux pré- nées. Ces travaux ont des appli- de rapport ou d’intervalle - incertain.
sents sur Internet : réseaux cations dans les systèmes de est envisageable. À� partir de
d’interactions, hyperliens ou recommandation ou le jeu de ces modèles génératifs, une HEUDIASYC
réseaux sociaux. Ces réseaux Go (Crazy Stone, logiciel primé analyse statistique pertinente Heuristique et Diagnostic
sont constitués d’informations à de nombreuses reprises). permet ensuite d’obtenir des Systèmes Complexes
en grands volumes hétéro- l’analyse visuelle et la classi- [Link]
gènes, principalement tex- DOLPHIN fication supervisée, semi-su-
tuelles, organisées sous forme Discrete multiobjective Opti- pervisée ou à l’estimation de L’équipe DI (Décision, Image)
de grands graphes dont les liens mization for Large-scale Pro- densité. Les axes de recherche concentre son activité sur le
sont explicites ou induits. Les blems with Hybrid dIstribu- se concentrent sur les modèles développement de nouvelles
objectifs envisagés sont les sys- ted techNiques génératifs, qui sont des mo- méthodes d’analyse et de fu-
tèmes de veille, de recherche et [Link] dèles décrivant le processus sion de données, le raisonne-
d’extraction d’informations, et de génération des données, à ment dans l’incertain, l’appren-
de recommandations. DOLPHIN est au coeur de la la différence des modèles pré- tissage statistique, l’analyse
modélisation et la résolution dictifs. d’images et la vision par ordi-
SequeL parallèle de problèmes d’opti- nateur. Les applications se font
Sequential Learning misation combinatoire (multi- INOCS dans les secteurs de l’environ-
[Link] objectifs) de grande taille. Des INtegrated Optimization nement, de la santé, des trans-
méthodes parallèles coopéra- with Complex Structure ports, du diagnostic industriel,
SequeL développe des tives efficaces sont dévelop- [Link] la bioinformatique et l’aide au
concepts et algorithmes fiables pées à partir de l’analyse de la diagnostic médical.
pour répondre aux problé- structure du problème traité. INOCS travaille sur la modé-
matiques de systèmes artifi- Les problèmes ciblés sont des lisation et la résolution des
ciels traitant, par exemple, des problèmes génériques (ordon- problèmes d’optimisation
165 avenue de Bretagne 59000 Lille
Atos lance le programme quantum, une plateforme de simulation quantique pour l’IA [Link].55
contact@[Link]
Après la présentation de son supercalculateur exaflopique Sequana qui pourra calculer 1 milliard de
milliards d’opérations par seconde d’ici 2020, Atos lance son programme Quantum afin de permettre le
Directeur de publication : Massimo Magnifico
développement d’une plateforme de simulation destinée à tester les algorithmes et les logiciels des futurs
ordinateurs quantiques. Un pôle sera tout particulièrement consacré à la mise au point d’algorithmes destinés Rédacteur en chef : Patrick Bertolo
à la constitution d’un portefeuille d’applications quantiques pour le calcul intensif, le big data, l’intelligence Journaliste : Thibault Caudron
artificielle et la cybersécurité.
[Link]
