CLUB SCIENTIFIQUE LYCée malick de thies
Concours aastic-jdas 2022
PRESENTATION DU DOCUMENT
THEME : INTELLIGENCE ARTIFICIELLE
RESUME
On pourrait dire que l’intelligence artificielle (IA) est un ensemble de techniques permettant à
des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux
humains et à certains animaux.
Les tâches relevant de l’IA sont parfois très simples pour les humains, comme par exemple
reconnaître et localiser les objets dans une image, planifier les mouvements d’un robot pour
attraper un objet, ou conduire une voiture. Elles requièrent parfois de la planification complexe,
comme par exemple pour jouer aux échecs ou au Go. Les tâches les plus compliquées requièrent
beaucoup de connaissances et de sens commun, par exemple pour traduire un texte ou conduire
un dialogue.
Depuis quelques années, on associe presque toujours l’intelligence aux capacités
d’apprentissage. C’est grâce à l’apprentissage qu’un système intelligent capable d’exécuter une
tâche peut améliorer ses performances avec l’expérience. C’est grâce à l’apprentissage qu’il
pourra apprendre à exécuter de nouvelles tâches et acquérir de nouvelles compétences.
Le domaine de l’IA n’a pas toujours considéré l’apprentissage comme essentiel à l’intelligence.
Par le passé, construire un système intelligent consistait à écrire un programme « à la main »
pour jouer aux échecs, reconnaître des caractères imprimés, ou faire un diagnostic médical à
partir des symptômes. Mais cette approche « manuelle » a ses limites
TOPIC
Artificial intelligence (AI) refers to the simulation of human intelligence in machines that are
programmed to think like humans and mimic their actions. The term may also be applied to
any machine that exhibits traits associated with a human mind such as learning and problem-
solving.
The ideal characteristic of artificial intelligence is its ability to rationalize and take actions that
have the best chance of achieving a specific goal. A subset of artificial intelligence is machine
learning, which refers to the concept that computer programs can automatically learn from and
adapt to new data without being assisted by humans. Deep learning techniques enable this
automatic learning through the absorption of huge amounts of unstructured data such as text,
images, or video.
Source des images [Link]
0090022018/original/[Link]
[Link]
afrique/#:~:text=L%27autre%20enjeu%20de%20l,une%20fois%20mises%20en%20œuvre.
Introduction
Téléphone, voiture, moteur de recherche ; l’intelligence artificielle est déjà très présente dans
notre quotidien. Depuis les années 2000 ce dernier se développe à vitesse grand V pourtant son
invention ne date pas d’hier.
En effet la notion de l’intelligence artificielle (IA) voit le jour dans les années 1950 grâce au
mathématicien Alan TURING. Dans son livre Computing Machinery and Intelligence ; ce
dernier soulève la question d’apporter aux machines une forme d’intelligence. Il décrit alors en
test aujourd’hui connu sous le nom de « test de Turing » dans lequel un sujet interagit à
l’aveugle avec un autre humain, puis avec une machine programmée pour formuler des réponses
sensées. Si le sujet n’est pas capable de faire la différence alors la machine a réussi le test et
selon l’auteur peut véritablement être considérée comme « intelligente ».
De Google à Microsoft en passant par Apple, IBM ou Facebook toutes les grandes entreprises
dans le monde de l’informatique planchent aujourd’hui sur les problématiques de l’intelligence
artificielle en tentant de l’appliquer à quelques domaines précis. Chacun a ainsi mis en place
des réseaux de neurones artificiels constituées de serveurs et permettant de traiter de lourds
calculs au sein de gigantesques bases de données.
Ce qui amène a dire que L’IA relève aujourd’hui d’une importance capitale dans le monde et
parallèlement soulève plusieurs débats.
I. INTELLIGENCE ARTIFICIELLE
Les méthodes manuelles se sont avérées très difficiles à appliquer pour des tâches en apparence
très simples comme la reconnaissance d’objets dans les images ou la reconnaissance vocale.
Les données venant du monde réel – les échantillons d’un son ou les pixels d’une image – sont
complexes, variables et entachées de bruit.
Pour une machine, une image est un tableau de nombres indiquant la luminosité (ou la couleur)
de chaque pixel, et un signal sonore une suite de nombres indiquant la pression de l’air à chaque
instant.
Comment une machine peut-elle transcrire la suite de nombres d’un signal sonore en série de
mots tout en ignorant le bruit ambiant, l’accent du locuteur et les particularités de sa voix ?
Comment une machine peut-elle identifier un chien ou une chaise dans le tableau de nombre
d’une image quand l’apparence d’un chien ou d’une chaise et des objets qui les entourent
peuvent varier infiniment ?
Il est virtuellement impossible d’écrire un programme qui fonctionnera de manière robuste dans
toutes les situations. C’est là qu’intervient l’apprentissage machine (que l’on appelle aussi
apprentissage automatique). C’est l’apprentissage qui anime les systèmes de toutes les grandes
entreprises d’Internet. Elles l’utilisent depuis longtemps pour filtrer les contenus indésirables,
ordonner des réponses à une recherche, faire des recommandations, ou sélectionner les
informations intéressantes pour chaque utilisateur.
Un système entraînable peut être vu comme une boite noire avec une entrée, par exemple une
image, un son, ou un texte, et une sortie qui peut représenter la catégorie de l’objet dans l’image,
le mot prononcé, ou le sujet dont parle le texte. On parle alors de systèmes de classification ou
de reconnaissance des formes.
Dans sa forme la plus utilisée, l’apprentissage machine est supervisé : on montre en entrée de
la machine une photo d’un objet, par exemple une voiture, et on lui donne la sortie désirée pour
une voiture. Puis on lui montre la photo d’un chien avec la sortie désirée pour un chien. Après
chaque exemple, la machine ajuste ses paramètres internes de manière à rapprocher sa sortie de
la sortie désirée. Après avoir montré à la machine des milliers ou des millions d’exemples
étiquetés avec leur catégorie, la machine devient capable de classifier correctement la plupart
d’entre eux.
Mais ce qui est plus intéressant, c’est qu’elle peut aussi classifier correctement des images de
voiture ou de chien qu’elle n’a jamais vues durant la phase l’apprentissage. C’est ce qu’on
appelle la capacité de généralisation.
L’industrie d’Internet a immédiatement saisi l’opportunité et a commencé à investir
massivement dans des équipes de recherche et développements en apprentissage profond.
L’apprentissage profond ouvre une porte vers des progrès significatifs en intelligence
artificielle. C’est la cause première du récent renouveau d’intérêt pour l’IA.
L’intelligence artificielle aujourd’hui. Ses enjeux
Les opportunités sont telles que l’IA, particulièrement l’apprentissage profond, est vue comme
des technologies d’importance stratégique pour l’avenir.
Les progrès en vision par ordinateur ouvrent la voie aux voitures sans chauffeur, et à des
systèmes automatisés d’analyse d’imagerie médicale. D’ores et déjà, certaines voitures haut de
gamme utilisent le système de vision de la compagnie Israelienne MobilEye qui utilise un
réseau convolutif pour l’assistance à la conduite. Des systèmes d’analyse d’images médicales
détectent des mélanomes et autres tumeurs de manière plus fiable que des radiologues
expérimentés.
Chez Facebook, Google et Microsoft, des systèmes de reconnaissance d’image permettent la
recherche et l’organisation des photos et le filtrage d’images violentes ou pornographiques.
Depuis plusieurs années déjà, tous les moteurs de reconnaissance vocale sur smartphone
utilisent l’apprentissage profond.
Des efforts considérables de R&D sont consacrés au traitement du langage naturel : la
compréhension de texte, les systèmes de question-réponse, les systèmes de dialogue pour les
agents virtuels, et la traduction automatique. Dans ce domaine, la révolution de l’apprentissage
profond a été annoncée, mais n’est pas encore achevée. Néanmoins, on assiste à des progrès
rapides.
La recherche en intelligence artificielle et les obstacles au progrès
Malgré tous ces progrès, nous sommes encore bien loin de produire des machines aussi
intelligentes que l’humain, ni même aussi intelligentes qu’un rat.
Bien sûr, nous avons des systèmes qui peuvent conduire une voiture, jouer aux échecs et
accomplir d’autres tâches difficiles de manière plus fiable et rapide que la plupart des humains.
Mais ces systèmes sont très spécialisés. Un gadget à 30 euros nous bat à plate couture aux
échecs, mais il ne peut faire rien d’autre.
Ce qui manque aussi aux machines, c’est la capacité à apprendre des tâches qui impliquent non
seulement d’apprendre à représenter le monde, mais aussi à se remémorer, à raisonner, à
prédire, et à planifier. Beaucoup de travaux actuels à Facebook AI Research et à DeepMind
sont focalisés sur cette question. Une nouvelle classe de réseaux neuronaux, les Memory-
Augmented Recurrent Neural Nets (réseaux récurrents à mémoire) est utilisée de manière
expérimentale pour la traduction, la production de légendes pour les images, et les systèmes de
dialogues.
Mais ce qui manque principalement aux machines, c’est le sens commun, et la capacité à
l’intelligence générale qui permet d’acquérir de nouvelles compétences, quel qu’en soit le
domaine.
Comment acquérir ce sens commun ? Une hypothèse possible est l’apprentissage prédictif. Si
l’on entraîne une machine à prédire le futur, elle ne peut y arriver qu’en élaborant une bonne
représentation du monde et de ses contraintes physiques. Dans un scénario d’apprentissage
prédictif, on montre à la machine un segment de vidéo, et on lui demande de prédire quelques
images suivantes. Malheureusement, le futur est impossible à prédire exactement et la machine
s’en tient à produire une image floue, une mixture de tous les futurs possibles.
À quoi ressembleront les machines intelligentes de demain ?
Si nous arrivons à concevoir des techniques d’apprentissage machine aussi générales et
performantes que celle de la nature, à quoi ressembleront les machines intelligentes de demain
?
Il est très difficile d’imaginer une entité intelligente qui n’ait pas toutes les qualités et les défauts
des humains, car l’humain est notre seul exemple d’entité intelligente. Comme tous les
animaux, les humains ont des pulsions et des instincts gravés dans notre cerveau reptilien par
l’évolution pour la survie de l’espèce. Nous avons l’instinct de préservation, nous pouvons
devenir violents lorsque nous sommes menacés, nous désirons l’accès aux ressources pour ne
pas mourir de faim, ce qui peut nous rendre jaloux, etc. Nos instincts d’animaux sociaux nous
conduisent aussi à rechercher la compagnie d’autres humains. Mais les machines intelligentes
n’auront aucune raison de posséder ces pulsions et instincts. Pour qu’elles les aient, il faudrait
que leurs concepteurs les construisent explicitement.
Les machines intelligentes du futur auront des sentiments, des plaisirs, des peurs, et des valeurs
morales. Ces valeurs seront une combinaison de comportements, d’instinct et de pulsions
programmés avec des comportements appris.
Dans quelques décennies, quand nous pourrons peut-être penser à concevoir des machines
réellement intelligentes, nous devrons répondre à la question de comment aligner les valeurs
des machines avec les valeurs morales humaines.
Mais c’est un futur lointain où l’on pourra donner de l’autonomie aux machines. D’ici là, les
machines seront certes intelligentes, mais pas autonomes. Elles ne seront pas à même de définir
leurs propres buts et motivations. L’ordinateur de votre voiture s’en tiendra à conduire votre
voiture en toute sécurité. L’IA sera un amplificateur de notre intelligence, et non un substitut
pour celle-ci.
Tout d’abord, il faut garder à l’esprit que l’apparition de l’IA ne sera pas un événement
singulier, ni le fait d’un groupe isolé. Le progrès de l’IA sera progressif et ouvert. Comprendre
l’intelligence est une des grandes questions scientifiques de notre temps.
Aucune organisation, si puissante soit-elle, ne peut résoudre ce problème en isolation. La
conception de machines intelligentes nécessitera la collaboration ouverte de la communauté de
la recherche entière.
Faut-il avoir peur de l’intelligence artificielle ?
L’IA n’éliminera donc pas l’humanité de sa propre initiative. Mais comme toute technologie
puissante, l’IA peut être utilisée pour le bénéfice de l’humanité entière ou pour le bénéfice d’un
petit nombre aux dépens du plus grand nombre.
L’émergence de l’AI va sans doute déplacer des métiers. Mais elle va aussi sauver des vies (par
la sécurité routière et la médecine). Elle va très probablement s’accompagner d’une croissance
de la production de richesses par habitant. La question pour les instances dirigeantes est
comment distribuer ces nouvelles richesses, et comment former les travailleurs déplacés aux
nouveaux métiers créés par le progrès technologique. C’est une question politique et non
technologique. C’est une question qui n’est pas nouvelle : l’effet du progrès technologique sur
le marché du travail existe depuis la révolution industrielle.
L’émergence de l’IA n’est qu’un symptôme de l’accélération du progrès technologique.
II. ENJEUX ET PERSPECTIVES L’AFRIQUE
L’Afrique, un continent engagé dans une « folle » course contre la montre pour le
développement. Ici, tout est priorité ! De l’éducation à l’urbanisation, en passant par la santé,
l’agriculture…. Cela fait sans nul doute qu’ici, l’intelligence artificielle a de beaux jours devant
elle. Plusieurs enjeux pour être concret.
S’agissant de l’environnement, le continent noir fait face à plusieurs défis. C’est pourquoi, il a
sans conteste besoin d’un levier comme l’intelligence artificielle (IA) pour accélérer son
développement conformément à l’Agenda 2063 de l’Union africaine (UA) et aux Objectifs de
Développement Durable de l’ONU.
D’où l’urgence d’initier une plateforme de réduction des risques de catastrophe. Celle-ci doit
être fondée sur la coopération internationale et l’exploration de données à grande échelle.
Cela a abouti à la création du Service de développement des connaissances sur la réduction des
risques de catastrophe, sous l’égide du Centre international de connaissances pour les sciences
de l’ingénieur et la technologie en partenariat avec l’UNESCO en Chine. Ledit service met au
point des normes mondiales de métadonnées sur les catastrophes, des bases de données
thématiques sur les tremblements de terre, les inondations, la sécheresse, le gel, etc., des bases
de données historiques sur les cartes des catastrophes, des bases de connaissances comprenant
des spécialistes des catastrophes, des événements catastrophiques, des documents sur les
catastrophes, des institutions chargées des catastrophes, etc.
L’autre enjeu de l’IA en Afrique demeure son appropriation par les Africains. Si ces derniers
ne contribuent pas à l’essor de ces technologies, elles seront biaisées et auront de mauvaises
répercussions sur eux, une fois mises en œuvre. Ainsi, il convient de former une main d’œuvre
qui formulera et mettra en œuvre ces solutions d’IA.
Certes, le développement de l’intelligence artificielle est encore à ses prémices sur notre
continent, mais il n’en demeure pas moins que l’Afrique a aujourd’hui la possibilité de penser
un modèle humain adapté aux défis de demain et cohérent avec les aspirations de ses citoyens.
C’est autant dire que l’Afrique a la possibilité de construire son propre modèle d’intelligence
artificielle qui pourrait notamment renforcer les capacités des citoyens, lutter contre les
disparités, promouvoir l’égalité des chances et du genre.
Pour ce faire, il sera essentiel de soutenir et encadrer les initiatives privées en Afrique, et
parallèlement d’encourager et d’apporter le soutien nécessaire aux initiatives de la société
civile.
Dans cette optique, un partenariat public-privé pour booster l’IA sera le bienvenu. Ce qui fera
que le secteur public adoptera l’intelligence artificielle pour soutenir la croissance et la
compétitivité nationales, favoriser l’engagement et la satisfaction des citoyens tout en préparant
la main-d’œuvre aux emplois de demain.
Cependant, l’utilisation de l’Intelligence artificielle dans l’analyse de données massives pour
créer des modèles et anticiper les réponses, nécessite un accès transparent aux données, dans la
manière dont elles seront utilisées, stockées, sécurisées et contrôlées.
Aussi, il faut former la société pour mieux comprendre l’IA qui s’impose de nos jours comme
l’un des principaux acteurs du développement d’un pays. Cela est d’autant plus nécessaire que
l’impact économique mondial de l’IA est d’environ 16 milliards de dollars, générant environ
2,3 millions d’emplois.
Etant un phénomène multidimensionnel, multicouche et complexe, l’IA nécessite le
développement des systèmes intégrés d’intelligence artificielle et de gouvernance
Internet. Aujourd’hui, le débat transcende le seul domaine technologique ; il touche d’autres
domaines du savoir, comme les sciences sociales, les sciences naturelles, la philosophie,
l’éthique, l’économie, etc.
L’IA intègre un écosystème complet reposant sur des technologies Internet. Par conséquent, un
modèle multipartite de gouvernance d’Internet qui apporte cohésion, innovation, transparence
et efficacité à cet écosystème est essentiel pour favoriser le développement d’Internet, des
applications d’IA et de l’industrie connexe.
CONCLUSION
Il ne faut pas tout attendre de la technologie. Comme l’expliquait récemment le président de
Google, nous avons été naïfs de penser que la technologie allait magiquement résoudre les
problèmes des hommes. Elle peut nous aider, mais ce sont les hommes et leurs décisions
politiques qui règleront leurs problèmes. Dans certains domaines, l’IA va pouvoir mieux faire
les choses que l’Homme. Par exemple, analyser un scanner, conduire une voiture ou un camion.
Cela a deux conséquences. Premièrement, le renforcement des capacités humaines, car nous
allons mieux faire les choses. Ainsi, si je reprends l’exemple de la voiture autonome, les
accidents de la route vont quasiment disparaître dans les trente années à venir, grâce aux
voitures pilotées par l’IA. Deuxièmement, la déqualification massive de personnes. Le grand
spécialiste de l’IA, Yoshua Bengio, disait qu’il serait malhonnête de penser que les
professionnels du transport qui perdront leur emploi à cause de l’IA vont devenir
des spécialistes du data ou de l’informatique. L’IA pose ici un vrai problème, celui de la
reconversion professionnelle pour lequel, aujourd’hui, nous n’avons pas de réponse.
