{"id":640,"date":"2022-12-05T15:53:58","date_gmt":"2022-12-05T14:53:58","guid":{"rendered":"https:\/\/wp.unil.ch\/blogdurecteur\/?p=640"},"modified":"2023-03-06T11:40:20","modified_gmt":"2023-03-06T10:40:20","slug":"intelligence-artificielle-quels-enjeux-pour-luniversite","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/blogdurecteur\/intelligence-artificielle-quels-enjeux-pour-luniversite\/","title":{"rendered":"Intelligence artificielle\u00a0: quels enjeux pour l’universit\u00e9\u00a0?"},"content":{"rendered":"\n

J\u2019ai r\u00e9cemment \u00e9t\u00e9 amus\u00e9 par une information en apparence tr\u00e8s l\u00e9g\u00e8re : un doctorant fran\u00e7ais a cr\u00e9\u00e9 une page web sur laquelle il est possible d\u2019entrer un mot et de savoir en retour quelle est son appartenance politique. C\u2019est ludique, d\u2019autant qu\u2019on peut y poser une question absolument vitale pour un\u00b7e Suisse\u00b7sse : est-ce que la fondue est de gauche ou de droite ? <\/p>\n\n\n\n

Pour y r\u00e9pondre, le doctorant explique qu\u2019il utilise un algorithme de machine learning<\/em>. Son site rencontre un \u00e9norme succ\u00e8s, m\u00eame s\u2019il en reconna\u00eet volontiers l\u2019absurdit\u00e9 et les limites lorsque le journaliste lui fait remarquer que la fondue est de gauche et la raclette de droite… Tout cela fait sourire, bien entendu, mais c\u2019est loin d\u2019\u00eatre anodin, car les algorithmes d\u2019intelligence artificielle (IA) sont aujourd\u2019hui absolument partout. Ils influencent nos recherches sur Internet, nous aident \u00e0 choisir nos d\u00e9placements ou nos centres d\u2019int\u00e9r\u00eats, et il ne se passe pas une journ\u00e9e sans qu\u2019ils soient \u00e9voqu\u00e9s dans les m\u00e9dias. Henry Kissinger, Eric Schmidt et Daniel Huttenlocher, auteurs de The Age of IA<\/em>, parlent d\u2019ailleurs de l\u2019intelligence artificielle comme d\u2019une des plus grandes transitions pour l\u2019humanit\u00e9 depuis les Lumi\u00e8res ou l\u2019introduction de l\u2019imprimerie. Dans leur dernier ouvrage, ils nous d\u00e9montrent comment l\u2019IA bouleverse la fa\u00e7on dont nous abordons l\u2019\u00e9conomie, la s\u00e9curit\u00e9, les connaissances, la m\u00e9decine, la (g\u00e9o-) politique, le droit et m\u00eame nos rapports \u00e0 l\u2019autre. Ce faisant, ils nous recommandent vivement d\u2019en \u00e9valuer les limites.<\/p>\n\n\n\n

Ce conseil est aussi valable pour l\u2019UNIL, car l\u2019IA r\u00e9volutionne l\u2019\u00e9ducation – et \u00e0 peu pr\u00e8s tous les domaines scientifiques. Dans notre plan d\u2019intentions, nous d\u00e9clarons vouloir appr\u00e9hender les opportunit\u00e9s et les risques du num\u00e9rique, ainsi que poursuivre son d\u00e9veloppement de mani\u00e8re r\u00e9flexive et critique. Mais comment s\u2019y prendre concr\u00e8tement ? Parmi la myriade d\u2019expert\u00b7e\u00b7s du domaine sur le campus, je souhaite donner ici la parole \u00e0 cinq professeur\u00b7e\u00b7s de l\u2019UNIL qui ont recours \u00e0 l\u2019IA comme m\u00e9thode ou comme objet de recherche, et qui peuvent nous aider \u00e0 nous positionner face aux atouts et \u00e9cueils de cet outil d\u00e9sormais incontournable. <\/p>\n\n\n\n

Boris Beaude, Professeur associ\u00e9 en cultures, soci\u00e9t\u00e9s et humanit\u00e9s num\u00e9riques en Facult\u00e9 des sciences sociales et politiques, s\u2019int\u00e9resse aux enjeux \u00e9pist\u00e9mologiques, m\u00e9thodologiques, sociaux et politiques du num\u00e9rique, \u00e0 la tra\u00e7abilit\u00e9 num\u00e9rique des pratiques sociales et au potentiel d\u2019exploitation de donn\u00e9es massives en sciences sociales. \u00c0 ses yeux, la mobilisation de m\u00e9thodes num\u00e9riques est un d\u00e9fi crucial pour les sciences humaines et sociales, qui n\u00e9cessite des ressources humaines adapt\u00e9es. Cependant, la discipline semble r\u00e9ticente lorsqu\u2019il s\u2019agit de d\u00e9l\u00e9guer la r\u00e9solution de probl\u00e8mes \u00e0 un algorithme. En particulier, le deep learning<\/em> a mauvaise presse : on craint qu\u2019il ne remplace bient\u00f4t l\u2019humain, entra\u00eenant dans son sillage une perte d\u2019emplois significative, et son opacit\u00e9 relative est plut\u00f4t malvenue dans le monde acad\u00e9mique. Or, l\u2019IA s\u2019av\u00e8re parfois essentielle pour analyser d\u2019impressionnantes masses de donn\u00e9es, tel que le contenu des millions d\u2019articles de Wikip\u00e9dia dans l\u2019\u00e9tude que r\u00e9alise Boris Beaude sur les attentions collectives. Pour lui, les SHS doivent accepter de s\u2019emparer de ces technologies, \u00e0 trois conditions toutefois : maintenir une r\u00e9flexivit\u00e9 permanente sur les m\u00e9thodes, garder en t\u00eate les biais inh\u00e9rents \u00e0 ce type d\u2019approches, et repenser en parall\u00e8le la soci\u00e9t\u00e9 afin de garantir une redistribution la plus \u00e9quitable possible de la productivit\u00e9 et de l\u2019employabilit\u00e9. <\/p>\n\n\n\n

\u00c9quit\u00e9 : voil\u00e0 un concept difficile \u00e0 concilier avec les effets de l\u2019IA sur la concurrence entre entreprises. Professeure assistante en PTC sp\u00e9cialis\u00e9e dans la finance (HEC), Roxana Mihet analyse l\u2019expansion des technologies du big data<\/em> et ses impacts sur l\u2019\u00e9conomie. L’analyse de milliers de compagnies actives dans le domaine de l’IA conversationnelle sugg\u00e8re que le recours \u00e0 l\u2019intelligence artificielle entra\u00eene rarement une r\u00e9partition des richesses. La comp\u00e9titivit\u00e9 d\u2019une bo\u00eete d\u00e9pend en effet de deux facteurs : sa capacit\u00e9 \u00e0 amasser des donn\u00e9es et son habilet\u00e9 \u00e0 les exploiter. Les grandes entreprises comme Amazon ou Galaxus ont les ressources ad\u00e9quates pour transformer le big data<\/em> en messages utiles qui leur permettent d\u2019anticiper les besoins du march\u00e9 et de proposer des offres \u00ab sur mesure \u00bb aux client\u00b7e\u00b7s. Face \u00e0 elles, les PME n\u2019ont pas les moyens d\u2019\u00eatre concurrentielles. La nouvelle loi sur la protection des donn\u00e9es, qui limitera leur dur\u00e9e de conservation et leur vente \u00e0 un tiers, ne changera pas la donne. Elle p\u00e9jorera surtout les jeunes structures, qui n\u2019auront pas eu assez de temps pour recueillir suffisamment d\u2019informations exploitables. Certes, il est indispensable d\u2019investir sans attendre dans ces technologies d\u2019avenir, m\u00eame dans des domaines qui ne s\u2019y int\u00e9ressent pas encore r\u00e9ellement (en agriculture par exemple, o\u00f9 les algorithmes permettent de mieux pr\u00e9dire le timing id\u00e9al pour les plantations et les r\u00e9coltes, ce qui entra\u00eene un rendement potentiellement meilleur). Mais il ne faut pas se leurrer : 15% de profit suppl\u00e9mentaire chez un paysan ou chez les GAFA n\u2019a rien d\u2019\u00e9quivalent\u2026 En \u00e9conomie, le degr\u00e9 de sophistication des technologies de type IA g\u00e9n\u00e8re indiscutablement des b\u00e9n\u00e9fices, mais ceux-ci sont h\u00e9t\u00e9rog\u00e8nes et profitent aux plus riches.<\/p>\n\n\n\n

Un tel constat trouve un \u00e9cho inattendu en climatologie. Tom Beucler, Professeur assistant en PTC en sciences des donn\u00e9es g\u00e9oenvironnementales au sein la Facult\u00e9 des g\u00e9osciences et de l\u2019environnement, se penche sur la mani\u00e8re dont le deep learning<\/em> est susceptible d\u2019aider les sciences atmosph\u00e9riques. Son travail s\u2019articule autour de deux axes principaux : l\u2019\u00e9laboration de mod\u00e8les de pr\u00e9vision m\u00e9t\u00e9orologique et climatique, et l\u2019utilisation des lois physiques pour rendre les algorithmes existants plus coh\u00e9rents. \u00c9tonnamment, l\u2019\u00e9thique est une pr\u00e9occupation centrale des scientifiques de sa discipline (voir les articles en lien<\/a>). En effet, pour apprendre, le machine learning<\/em> se \u00ab nourrit \u00bb de quantit\u00e9 de donn\u00e9es. Or, celles-ci sont g\u00e9n\u00e9r\u00e9es par des capteurs qui, sans surprise, sont davantage pr\u00e9sents dans les pays ais\u00e9s. En cons\u00e9quence, les pr\u00e9dictions des cyclones tropicaux sont beaucoup plus fiables pour les Etats-Unis que pour l\u2019Oc\u00e9an Indien Nord. Dans le m\u00eame ordre d\u2019id\u00e9es, les bilans de risque, lorsqu\u2019ils sont quantifi\u00e9s en monnaie, sont clairement sous-estim\u00e9s dans les r\u00e9gions d\u00e9favoris\u00e9es : la destruction d\u2019une villa avec piscine en Floride peut en effet co\u00fbter plus cher qu\u2019une personne tu\u00e9e par un cyclone au Bengladesh\u2026 On le voit, les biais sont pr\u00e9sents l\u00e0 o\u00f9 on ne les attend pas forc\u00e9ment, et Tom Beucler consid\u00e8re qu\u2019il est fondamental pour un\u00b7e scientifique de se rappeler que son travail s\u2019inscrit dans une soci\u00e9t\u00e9 imparfaite qui sera directement impact\u00e9e par ses r\u00e9sultats. Les chercheuses et chercheurs doivent donc adopter un comportement clairvoyant et responsable.<\/p>\n\n\n\n

M\u00eame conclusion du c\u00f4t\u00e9 de la sant\u00e9. Rapha\u00ebl Gottardo, Professeur ordinaire en Facult\u00e9 de biologie et de m\u00e9decine, sp\u00e9cialiste en immunologie num\u00e9rique et responsable du Centre de la science des donn\u00e9es biom\u00e9dicales au CHUV, confirme que les biais n\u2019\u00e9pargnent pas le big data<\/em> dans le domaine m\u00e9dical. Les algorithmes pr\u00e9dictifs y pr\u00e9sentent souvent des pr\u00e9jug\u00e9s raciaux importants en raison de donn\u00e9es d\u2019apprentissage lacunaires. Par exemple, les populations afro-descendantes aux \u00c9tats-Unis sont moins \u00e9tudi\u00e9es, ce qui peut d\u00e9favoriser leur prise en charge. La biologie humaine se retrouve en outre confront\u00e9e \u00e0 des probl\u00e8mes sp\u00e9cifiques face \u00e0 l\u2019explosion g\u00e9n\u00e9rale des donn\u00e9es et aux besoins accrus en efforts computationnels et multidimensionnels : les algorithmes du genre sont, d\u2019une part, difficiles \u00e0 entra\u00eener et, d\u2019autre part, complexes \u00e0 interpr\u00e9ter. M\u00eame si un mod\u00e8le parvient \u00e0 pr\u00e9dire si un\u00b7e patient\u00b7e r\u00e9pondra positivement ou non \u00e0 un traitement, il sera difficile d\u2019expliquer son raisonnement et d\u2019en extraire les variables pertinentes. Or, si l\u2019IA devient de plus en plus accessible au tout venant (par exemple en proposant aux gens de calculer en ligne leurs risques de d\u00e9velopper un cancer), il est de moins en moins facile d\u2019acc\u00e9der \u00e0 ce qui se cache derri\u00e8re des r\u00e9sultats qui ont l\u2019air vrais – mais qui ne le sont pas forc\u00e9ment. L\u2019\u00e9chec retentissant de Galactica, le logiciel d\u2019IA lanc\u00e9 par Meta et entra\u00een\u00e9 sur 48 millions de donn\u00e9es pour g\u00e9n\u00e9rer des articles scientifiques \u00e0 l\u2019aspect hyperbolique mais au contenu discutable, en est un bon exemple. Nous n\u2019avons pas le choix : la digitalisation s\u2019acc\u00e9l\u00e8re, il faut investir dans le num\u00e9rique, mais sans oublier de former des sp\u00e9cialistes pour lire intelligemment les donn\u00e9es produites – et pour les prot\u00e9ger.<\/p>\n\n\n\n

L\u2019invasion de la sph\u00e8re priv\u00e9e, c\u2019est un des multiples sujets de recherche de Rebekah Overdorf, Professeure assistante en PTC en Facult\u00e9 de droit, des sciences criminelles et d\u2019administration publique. Son travail explore notamment la manipulation d\u2019opinions sur les r\u00e9seaux sociaux, la d\u00e9sanonymisation des contributions en ligne par le biais d\u2019analyses des styles d\u2019\u00e9criture, ainsi que les effets du machine learning<\/em> sur la s\u00e9curit\u00e9 et la confidentialit\u00e9 des donn\u00e9es. Elle enseigne \u00e9galement le d\u00e9ploiement \u00e9thique de l’IA dans la criminalistique num\u00e9rique. De son point de vue, le recours \u00e0 l\u2019intelligence artificielle dans des domaines comme le profilage ou la reconnaissance faciale est tr\u00e8s dangereux, car les \u00e9tudes prouvent que les logiciels y relatifs discriminent notamment les femmes racis\u00e9es, ce qui est susceptible d\u2019avoir des cons\u00e9quences judiciaires d\u00e9sastreuses. Les algorithmes utilis\u00e9s pour accorder ou non des pr\u00eats bancaires peuvent, eux aussi, \u00eatre fortement biais\u00e9s. Peut-on contre-attaquer face \u00e0 cette ing\u00e9rence de l\u2019IA dans nos vies, et, le cas \u00e9ch\u00e9ant, de quelle mani\u00e8re ? C\u2019est ce \u00e0 quoi s\u2019attellent les POTs (protective optimization technologies<\/em>), qui se sont par exemple pench\u00e9es sur Waze, le fameux assistant de navigation en temps r\u00e9el. Les calculs de cette application ont submerg\u00e9 de trafic certaines localit\u00e9s dont les infrastructures n\u2019\u00e9taient pas faites pour absorber autant de v\u00e9hicules. Les POTs leur ont permis de retrouver une vie normale en \u00e9valuant le nombre de limitations de vitesse, de ralentisseurs et de carrefours \u00e0 impl\u00e9menter pour sortir des itin\u00e9raires alternatifs privil\u00e9gi\u00e9s… Pour Rebekah Overdorf, la pens\u00e9e globale pratiqu\u00e9e par l\u2019IA cr\u00e9e des probl\u00e8mes locaux qui n\u00e9cessitent de s\u2019arr\u00eater un instant pour r\u00e9\u00e9quilibrer les pouvoirs. <\/p>\n\n\n\n

Vous l\u2019aurez compris en lisant ces lignes, la conclusion est aussi \u00e9vidente qu\u2019unanime : la r\u00e9volution num\u00e9rique n\u2019attend pas, et il est primordial que nos sept facult\u00e9s continuent de se saisir avec brio de la question. Mais cette transformation doit se faire en conscience, dans le respect des valeurs d\u2019\u00e9galit\u00e9, de diversit\u00e9 et d\u2019inclusion port\u00e9es par l\u2019UNIL, et en limitant son impact sur l\u2019environnement. Ce n\u2019est qu\u2019en alliant excellence technologique et respect de l\u2019autre que nous pourrons faire r\u00e9ellement progresser la science \u2013 et la soci\u00e9t\u00e9. <\/p>\n\n\n\n

Liens<\/strong><\/h3>\n\n\n\n