Machine learning, quelle est ta promesse ?

24 septembre 2014

Un monde où des machines seraient capables d’exécuter des tâches difficiles à notre place : ce rêve est-il à portée de clic ? C’est la question que Bernard Ourghanlian et Nicolas Petit se posaient le 23 septembre dernier, à la conférence de rentrée de Microsoft France. Ce pouvoir des intelligences artificielles d’ingérer des données à apprendre et de s’enrichir automatiquement de leurs expériences reste pourtant plein de mystères. Que nous promet exactement cette nouvelle science qu’on appelle machine learning ?

Dans un ciel limpide, diverses pirouettes sont exécutées avec l’habileté d’un pilote d’hélicoptère hors pair. Si la démonstration est impressionnante, elle le devient encore plus quand on sait que… personne n’est aux commandes. Pas même les scientifiques de l’Université de Stanford à l’origine de ce petit hélicoptère « autonome ». Mais comment peut-on laisser agir une machine à notre place dans des situations aussi périlleuses que la conduite aérienne ?


C’est tout l’enjeu du machine learning : si nous pouvons écrire des lignes de code pour décrire une situation de conduite à un ordinateur, nous trouvons vite nos limites face à l’infinité d’états qu’il faut retranscrire à la machine. Certains nous sont même imperceptibles sans l’œil expert des capteurs : température extérieure, pression atmosphérique ou encore usure matérielle de petits composants… Cette meilleure perception donne aux ordinateurs un train d’avance sur nous.

Pourquoi ne pas leur apprendre alors à déduire des enseignements de leurs observations pour agir ensuite plus vite et mieux que nous ne le ferions ? L’ambition paraît digne d’un scénario futuriste et pourtant, nous utilisons tous les jours le machine learning sans le savoir.

Retour vers le… présent

Qu’il s’agisse d’une requête sur un moteur de recherche, de l’écriture rapide d’une adresse sur une carte postale ou encore d’un « report as spam », beaucoup de nos gestes quotidiens impliquent le machine learning. Au lieu de milliers de postiers s’abîmant la rétine à déchiffrer des coordonnées, seuls quelques-uns assistent les machines dans la reconnaissance manuscrite. Car plus ces machines travaillent, plus elles apprennent et se perfectionnent pour avoir moins besoin de solliciter l’homme dans des tâches répétitives.

Ce travail de probabilité statistique et de mémoire des machines n’est donc pas si nouveau. En revanche, la montée en puissance de l’algorithmie et la démocratisation des applications du machine learning rendent aujourd’hui le machine learning accessible à portée de clic… ou de mouvements : l’introduction de la Kinect, emblématique de cette tendance, a ainsi donné lieu à de nombreuses innovations artistiques, médicales et bien sûr ludiques dont nous nous sommes souvent fait l’écho.

Aujourd’hui capables de saisir le poul de l’utilisateur via ses mouvements rétiniens, les puissants capteurs de la Kinect permettent aussi de traduire en temps réel le langage des signes chinois à un auditeur américain, via un algorithme de machine learning :


Courant 2015, le langage corporel ne sera plus le seul défi de ces machines savantes, puisqu’elles transcriront également nos paroles d’une langue l’autre, tout en respectant nos intonations à travers Skype Translator. Mais si le machine learning est capable de s’attaquer au langage, cela signifie-t-il qu’on peut l’étendre à tout ?

A l’avenir, extraire davantage de valeur des big data

Alors que l’on prévoit plus de 50 milliards d’objets connectés d’ici 2020, l’association du Machine Learning et des Big Data esquisse les contours d’un monde radicalement nouveau. Les machines y prendraient notre place dans certaines tâches routinières, comme la conduite ou la gestion de la consommation énergétique de notre maison. Et à plus grande échelle, des domaines comme la santé pourraient voir certaines innovations sauver des vies.

Comme nous vous en parlions dans cet article, la capacité des ordinateurs à repérer toujours plus finement les prémices de certaines tumeurs est un travail aussi difficile que vital, puisque ses progrès pourraient permettre de prévenir la maladie. Dans la recherche de vaccin, des algorithmes comparables à ceux utilisés dans le traitement des spams se chargent d’observer et de comprendre les mutations du virus du SIDA, épidémie la plus meurtrière de ces dernières décennies.

Mais si ces nombreuses activités laissent présager un futur davantage organisé par les machines, pourra-t-on demain se passer du travail des hommes ?

Casser le mythe de la machine autonome

Comme nous expliquait le fondateur de Foule Factory, il y a aura toujours besoin d’humains à la conception de ces algorithmes et à la vérification de leur effectivité :

“On a besoin de l’Homme pour réaliser ce que l’on appelle le premier et dernier kilomètre. Par exemple, pour faire démarrer un algorithme qui fait de la reconnaissance faciale, on a besoin d’un million de contributions humaines. Mais même une fois que la machine est lancée, elle ne peut réussir 100% des tâches qu’on lui confie. (…) Il existe des machines qui parviennent à classer correctement 60% à 80% du flux, mais le reste ne peut être fait que par l’Homme.

Outre cette foule de vérificateurs, c’est aussi le métier de statisticien et d’ingénieur qui opère une hybridation à travers la (plus si) nouvelle profession de « data scientist ». Un métier d’avenir, comme l’expliquait Julien Pouget, directeur de l’ENSAE :

« On parle de 300 000 data scientists à prévoir d’ici 2020. On a même entendu que le métier de statisticien serait le plus « sexy » des prochaines années. Ce sont en tout cas des perspectives enthousiasmantes, puisqu’il s’agit de former élèves dont on est sûrs qu’ils ont des chances de trouver un emploi derrière. »

Des petites mains pour alimenter les algorithmes, donc, et des scientifiques de haut rang pour manipuler les données. Mais entre ces deux catégories d’input humain, restera-t-il des emplois de qualification intermédiaire ? Alors qu’on estime que la moitié de nos métiers pourront être confiés à des machines d’ici vingt ans, les emplois semi-spécialisés sont les plus menacés par l’arrivée du machine learning, estiment certains auteurs – ce qui pourrait polariser l’emploi aux deux extrémités de l’échelle des compétences, et ainsi pénaliser la classe moyenne. L’alimentation des algorithmes par la foule des micro-travailleurs pose elle-même des questions autour de la juste rémunération et la protection de cette nouvelle main-d’oeuvre, quand Amazon Mechanical Turk (une force productive mais sous-payée qui exécute des tâches répétitives en ligne) fait figure de contre-modèle. 

Si le machine learning ouvre d’importantes possibilités en termes d’emploi, il alimente aussi une importante reconfiguration du travail qui nous place face à des défis en matière de formation et de réglementation.

A grand pouvoir, grandes responsabilités : vers une « éthique du machine learning » ?

L’autre dimension qui reste à encadrer, c’est le carburant de ces nouvelles machines : les données elles-mêmes, qui parlent parfois de nous sans que nous le sachions. Pour Bernard Ourghanlian, l’utilisation d’algorithmes capables de prédire des détails extrêmement sensibles de la vie privée des gens (comme leur orientation sexuelle en fonction de leur activité Facebook) doit être questionnée :

« Derrière les bases de données, il y a bien sûr la question de l’usage des données et donc de l’éthique du machine learning. Notre position, puisque nous utilisons des algorithmes, est très claire à ce sujet : il y a un principe de responsabilité qui s’applique aux entreprises et à ses acteurs. »

A l’heure où le Conseil d’Etat lui-même songe à encadrer les algorithmes, peut-être le contrôle éthique du machine learning sera-t-il demain une voie professionnelle aux débouchés prometteurs ? Alors que des intelligences artificielles gèrent déjà directement les marchés financiers, automatisant des millions d’ordres d’achat jusqu’à générer des krachs boursiers, il n’est pas trop tard pour rassurer les observateurs qui, comme Kevin Slavin, s’inquiètent de ce que nous pourrions perdre « le sens de ce qu’il se passe vraiment dans le monde que nous avons nous-même fabriqué ».

C’est en tout cas une voie qui s’impose à l’entreprise, aux pouvoirs publics et aux citoyens, comme semble aussi le présager la concertation sur le numérique prévue prochainement par Axelle Lemaire. Et d’ici là, nous avons tout le loisir de réfléchir à la question de savoir dans quelle mesure nous voulons laisser des algorithmes agir à notre place.

Chaque semaine,
recevez les immanquables
par email