/
Maître Véronique Rondeau-Abouly > Domaines de Compétences > Droit numérique > Définition de l'Intelligence Artificielle (IA)

Définition de l'Intelligence Artificielle (IA)

L’année 2018 sera celle de l’intelligence artificielle (IA) ; en anglais AI pour Artificiel Intelligence ; chaque jour délivre ses articles et commentaires.

 

Le dépôt récent du rapport de Monsieur le Député Cédric VILLANI ne peut que nourrir le débat bien plus encore.

 

Employer le « vocable intelligence artificielle » ne renvoie pas encore à une norme légale précise dans le contexte où l’emploi du terme « intelligence artificielle » apparaît encore trop souvent comme un « repoussoir » porteur de peurs inconscientes qui nous renvoient à la science-fiction ou à la notion de robot très mal comprise encore avec un imaginaire où se focalisent toutes les connotations négatives.

 

Comme le souligne Cédric VILLANI dans son rapport sur l’IA, si la robotique et l’intelligence artificielle sont deux domaines liés dans l’imagination collective, en pratique, la convergence n’a pas encore eu lieu.

 

De nombreuses applications en robotique ne relèvent pas de l’IA et réciproquement.

(Rapport VILLANI page 57).

 

Et si finalement, de l’intelligence artificielle

on ne savait rien ou pas grand-chose de ce que c’est vraiment ?

 

De fait, l’intelligence artificielle c’est avant tout une « technique » qui met en œuvre :

 

  • Un traitement par un algorithme de « données».

 

Car l’intelligence artificielle procède d’un traitement au sens très large du terme d’une très grande variété de données pour résoudre des problèmes à très forte complexité.

 

Parler de l’intelligence artificielle implique de différencier deux notions :

 

  • L’intelligence artificielle forte,
  • L’intelligence artificielle

 

L’intelligence artificielle forte : (IA forte)

 

Nous n’y sommes pas encore, même si des laboratoires y travaillent, c’est la possibilité pour une « machine » ou « programme » au sens large du terme d’exécuter les mêmes fonctions cognitives qu’un être humain, telles qu’apprendre de façon indépendante, faire un choix face à des conditions incertaines, et même pourquoi pas avoir également à terme, une perception de sa propre conscience et existence.

 

L’intelligence artificielle faible : (IA faible)

 

Elle se concentre sur des tâches spécifiques en suivant des règles données,

 

Et elle peut atteindre par rapport à sa spécification un degré de perfection pour une tâche unique que vraisemblablement un être humain ne pourrait atteindre.

 

Pour ces deux définitions voir : « la Fabrique Numérique des Connaissances – production et valorisation des résultats scientifiques » sous la direction de Renaud FABRE et Alain BENSOUSSAN aux Editions ISTE page 85.

 

Donc, l’intelligence artificielle (forte ou faible) c’est de fait une « solution technique à très grande valeur ajoutée qui est le résultat d’un traitement de données dédiées à l’atteinte d’un résultat pré-défini confié à un algorithme ».

 

Les techniques pour l’intelligence artificielle faible fonctionnent au moyen de deux procédés :

 

  • Le Machine Learning,

Et

  • Le Deep Learning.

 

Le Machine Learning repose sur une définition qui a été donnée par l’informaticien scientifique « Ethem ALPAYDIN », rappelée par l’ouvrage précité, « la Fabrique Numérique des Connaissances – production et valorisation des résultats scientifiques » pages 44 et suivantes.

ALPAYDINE:« Machine Learning », WIREs Comp Stat, n°3, P.195-203, 2011.

 

« Le Machine Learning est la programmation d’ordinateurs pour optimiser leur performance en utilisant des données d’exemple ou des expériences déjà effectuées.

 

Un exemplaire des paramètres est défini et la performance du modèle est optimisée et l’algorithme s’améliore après avoir reçu du feedback. »

 

En un mot, l’algorithme s’améliore après avoir reçu des informations complémentaires enrichies par ses propres résultats de calcul notamment.

 

En Machine Learning, trois référentiels de paramétrage ou fonctionnement s’utilisent :

 

  • Le système par renforcement,
  • Le système supervisé,
  • Le système non supervisé.

 

Voir opus précité pages 44 et 45.

 

L’apprentissage peut utiliser également la technique d’inférence.

 

Le site « Journal du Net » donne de l’inférence la définition suivante :

 

« Opération de déduction à partir d’informations implicites comme la logique, elle est à la base de tout raisonnement et permet de créer des liens entre les informations afin d’en tirer une assertion ou conclusion voir même une hypothèse.

Elle fait appel à un ensemble de règles se basant sur un système de références. »

 

De la construction et du paramétrage du système d’apprentissage de l’algorithme s’engendreront donc les principes de responsabilité applicables.

 

Mettre en œuvre un système d’intelligence artificielle impliquera pour son « créateur » au sens très large du terme de pouvoir justifier :

1) la construction de la solution technique issue des calculs d’un algorithme qui va bien au-delà de la justification éventuelle du « Code de Calcul » de l’algorithme qui ne fait que mettre en œuvre les choix fondamentaux d’opportunités de ses systèmes de fonctionnement.

 

2) des données remises en apprentissage à la machine :

 

  • Quelles données, c’est-à-dire une donnée fiable, intègre, pertinente et complète,
  • Quelle intention à prédéterminé le traitement,
  • Clé de paramétrage du traitement notamment pour sa remise à jour et ses évolutions.

 

Ce qui implique tant pour le créateur qu’ensuite pour l’utilisateur final d’ailleurs, une démarche de traçabilité très précise du cheminement de l’apprentissage de l’algorithme et de sa mise à jour.

 

Ainsi, au sens très large du terme, l’utilisateur de l’algorithme en distinguant donc précisément :

 

  • Le commanditaire,
  • Le créateur,
  • L’acheteur,
  • L’utilisateur final,

 

Devront pouvoir présenter notamment la traçabilité de ces données dans un DPM ou Data Management Plan qui est un outil à mettre en œuvre dès le montage du projet par un document formel mis à jour en permanence et qui devra respecter le Fair Data qui tend à s’imposer comme l’un des moyens pour le producteur de données pour la rendre utilisable par tous (voir notre FAQ précédente sur la définition de la donnée numérique).

 

Mais l’intelligence artificielle faible peut aussi utiliser un autre procédé d’apprentissage le « Deep Learning » ou « apprentissage profond ».

 

En ce cas, l’apprentissage profond utilise des couches cachées de réseaux et de neurones artificiels et des séries de calculs complexes.

 

Pour simplifier la différence avec le Machine Learning porte sur le nombre de transformations réalisées sur les données entre la couche d’entrée des données et leur couche de sortie.

 

Ce système d’apprentissage pose le plus de questions éthiques puisqu’il peut être couplé aussi avec le développement de techniques diverses :

 

  • Technologie neuromorphique,
  • Interaction de la machine avec des émotions humaines (technique du traitement du langage naturel PAL soit en anglais NLP : (Natural Language Progressing)

 

Ainsi, la technique du Deep Learning est utilisée dans les chatbots de conversations et pour la plupart des objets connectés.

 

C’est la technique du Deep Learning qui permet notamment la « justice prédictive » ou « médecine prédictive » où sont traitées à très grande échelle des millions de données.

 

C’est du traitement de données dans les deux cas à très grande échelle.

 

Par exemple pour la justice prédictive, un algorithme peut être utilisé pour analyser des clauses contractuelles ou des clauses générales de vente en travaillant notamment sur la jurisprudence.

 

L’intelligence artificielle est une notion en pleine construction aux retombées multiples.

 

Il s’en déduit que les chercheurs, ou entreprises innovantes ou même les entreprises clientes qui souhaitent acheter un système d’intelligence artificielle construit par d’autres doivent s’assurer que ce système a été fait en respectant ces normes qui commencent à s’élaborer.

 

Dès le stade de l’élaboration d’un projet d’intelligence artificielle notamment pour rechercher la donnée ou l’information scientifique et technique nécessaire au projet et à l’apprentissage de l’algorithme, Il est nécessaire de s’entourer bien sûr de chercheurs et d’informaticiens, sans oublier le troisième compagnon important dans la construction de l’édifice, « le juriste spécialisé » dans le traitement de la donnée notamment pour s’assurer de sa régularité juridique au sens très large du terme

 

 

Si vous avez besoin d’un avis de juriste « Data Scientist »  pour vos projets de production d’intelligence artificielle ou la rédaction de vos contrats en procédant quel qu’en soit le stade,

 

N’hésitez pas à consulter le Cabinet de Maître RONDEAU-ABOULY, Avocat à Marseille, pour toute question Juridique relative à l'Intelligence Artificielle.

 

 

Contactez-nous