Entre innovation et conformisme

Wed 20 September 2023, Philippe Ropenga Artificial intelligence

L’intelligence artificielle progresse tandis que les informaticiens doivent intégrer de plus en plus de contraintes techniques et managériales à leurs projets. Derrière l’innovation affichée (1) se trouve souvent un conformisme assumé (2).

1 L’innovation affichée

En matière d’intelligence artificielle, l’innovation affichée est souvent porteuse de précision (1.1) et d’efficacité (1.2).

1.1 Efficacité

L’intelligence artificielle à laquelle travaillent les informaticiens et data scientists sert à calculer un résultat de manière autonome ; les managers recherchent avant tout l’efficacité et voient dans l’intelligence artificielle un moyen d’améliorer un processus. Cette différence de perception est parfois source d’incompréhension entre managers et informaticiens. Un être humain se décide au regard d’un ensemble d’éléments qui ne peuvent pas tous être quantifiés en vue de produire des données. Tout étudiant en droit apprend à identifier les faits pertinents afin de les associer à la règle juridique adéquate. Cette association a pour résultat une représentation de la situation d’une personne. Une intelligence artificielle ne peut bien évidemment pas associer le droit au fait comme un juriste qui n’obéit à aucune instruction explicite¹, contrairement à un programme informatique. Modéliser différentes associations par ordinateur afin de ne retenir que certaines d’entre elles pour bâtir une argumentation ne suffit pas à trouver une solution favorable.

Le juriste tient compte de l’aléa et du risque en préservant, dans la mesure du possible, la marge de manœuvre de la personne qui y est exposée. Il sait à quel point il est difficile de déterminer a priori ce qui est favorable à une personne sans se perdre en conjectures. Il y a par ailleurs une façon diamétralement opposée d’envisager le risque, plus appréciée des managers et des statisticiens que des juristes, à savoir la restriction maximale de la marge de manœuvre en vue de prévoir par exemple des mesures contraignantes destinées à prévenir la survenue d’un événement. Ces mesures techniques sont en général complétées par des stipulations contractuelles relatives à l’événement que l’on souhaite prévenir. Dans ce cas, la modélisation mathématique ou statistique élaborée à partir de catégories précisément définies à l’avance est omniprésente, même si une action en justice attire plus l’attention. On en vient à se demander si l’entraînement, essentiel au fonctionnement de l’intelligence artificielle, est primordial dans nombre de services dits « prédictifs » qui produisent des données chiffrées à la volée. L’entraînement rend une entreprise dépendante du savoir-faire de celui qui entraîne l’intelligence artificielle. Une petite entreprise qui souhaite intégrer une intelligence artificielle à ses services se demande en pratique souvent s’il est préférable de dépendre des modifications techniques et commerciales d’une intelligence artificielle pré-entraînée fournie par un grand groupe ou d’une solution plus adaptée à ses besoins qui nécessite un suivi technique plus rigoureux. Arnaud Benedetti souligne que le périmètre de la décision d’un manager hautement spécialisé est étroit². L’efficacité qui justifie le recours à l’intelligence artificielle ne tient pas tant au résultat concrètement obtenu qu’à la fluidité du processus de décision, notamment en ce qui concerne le budget et les évolutions techniques.

L’efficacité est liée à la précision.

1.2 Précision

Un ordinateur suit précisément les instructions qui lui ont été données par l’informaticien sous forme de code informatique. Celui-ci ne sait pas nécessairement quelles instructions donner afin d’obtenir un résultat précis. Il ne sait, par exemple, pas quoi lui indiquer afin qu’il calcule la ressemblance entre deux photos, notamment en vue de fournir un service de reconnaissance faciale. S’il connaissait précisément le code informatique à fournir à la machine, il n’y aurait pas besoin d’intelligence artificielle. Une machine ne peut cependant rien inventer ; un être humain doit savoir quelles sont les données pertinentes à traiter par intelligence artificielle afin de rédiger un code informatique que la machine va exécuter. L’ordinateur va ensuite être entraîné : on va par exemple lui fournir des photos et lui demander si telle personne est représentée sur celles-ci. On lui indiquera les images sur lesquelles il a obtenu un bon ou un mauvais résultat. L’ordinateur modifiera enfin son code informatique de manière autonome, sans que l’on puisse forcément expliquer la cause de telle ou telle modification du code. Les résultats obtenus par la machine à la suite de l’entraînement et de la modification autonome de ce code seront ainsi plus précis que ceux qui pourraient être obtenus par un informaticien, même très talentueux, qui aurait intégralement écrit un programme de reconnaissance faciale sans intelligence artificielle.

Un résultat plus précis n’est pas nécessairement plus pertinent. La pertinence du résultat obtenu dépend en partie seulement du choix des données à traiter et de la qualité du code informatique. Les données produites de manière autonome par une intelligence artificielle sont destinées à être exploitées en conditions réelles. Ceci semble tellement évident qu’on en oublierait presque qu’une machine ne peut pas apprécier les conditions réelles comme un être vivant ; elle ne peut que calculer. L’intelligence artificielle pourrait par exemple être utile à un médecin ou à un avocat en lui permettant de prendre en compte davantage de données et de rendre ainsi un avis réellement plus précis, à la manière d’un expert qui demande une analyse des pigments d’un tableau pour asseoir son avis. Les données chimiques sont pertinentes non parce qu’elles sont précises mais parce qu’elles nuancent ce que l’œil de l’expert a remarqué. Elles apportent une information nouvelle en confortant ou en estompant l’impression d’une personne. Une intelligence artificielle qui nuance une analyse favorise l’innovation de la même manière.

En matière d’intelligence artificielle, l’innovation technique affichée est souvent perçue comme un processus managérial optimisé. Cette perception incite au conformisme.

2 Le conformisme assumé

Le fonctionnement de l’infrastructure de traitement autonome occupe l’esprit de ceux qui pratiquent l’intelligence artificielle. Ceci accroît la dénaturation causée par la réduction d’une situation à des données objectives (2.1). Les solutions retenues dans le cadre d’un projet comportant de l’intelligence artificielle sont parfois marquées par l’automaticité (2.2).

2.1 Dénaturation

Nicolas Sabouret insiste sur la particularité d’un programme d’intelligence artificielle qui est de traiter son code informatique comme des données afin d’y apporter des modifications de manière autonome³. Ces dernières ont pour objectif d’améliorer le traitement des données par le logiciel. Une machine ne sait que calculer ; tout ce qui n’est pas calculable par une intelligence artificielle est inexistant. Toute représentation ou modélisation est réductrice. Son auteur fait en général en sorte qu’elle soit fidèle à la réalité qu’il perçoit. Une relation juridique est objective. Tout juriste sait pourtant que la réalité de la relation entre deux ou plusieurs personnes lui échappe en partie. C'est pourquoi il peut la rattacher à un concept juridique tandis qu'un autre juriste, par exemple l'avocat de la partie adverse, peut estimer que cette relation est d'une nature différente et la rattacher à un autre concept dont découle l’application d’un autre régime juridique⁴. C'est au juriste qu'il appartient d'exposer une théorie qui apporte une solution qui n'est pratique que parce qu'elle tient compte d'une réalité qu’il ne connaît que partiellement. La dénaturation causée par l'intelligence artificielle est d'autant plus grande qu'une machine ne peut produire aucune théorie et qu'elle n'a aucun effet direct sur la réalité. Un être humain applique une théorie dont il pense qu’elle pourrait lui être utile à la résolution d’un problème pratique. L'effet qu'une intelligence artificielle a sur la réalité n'est que l'action d'un être humain qui décide quoi faire avant de produire les données qui seront entrées dans la machine, d'une part et quoi faire des données qui sortiront de la machine à l'issue du traitement autonome, d’autre part. Le tropisme vers la concordance entre les entrées et les sorties est de nos jours si fort que ce qu'il y a avant les entrées et après les sorties est bien souvent négligé. Le processus de traitement des données par intelligence artificielle semble s’alimenter lui-même. En réalité, il ne suffit pas d’avoir toujours plus de données pour améliorer le processus de traitement. Il faut en plus qu’une personne perçoive la valeur de tout ce qui a été fait au-delà de ce dernier et la « réalise », pour reprendre Louis Lavelle, en faisant évoluer le procédé de traitement, le produit, le service ou la communication.

« Il n’y a jamais d’autre valeur que celle qui se réalise dans l’instant et par l’action de tel individu. »⁵

Il est parfaitement compréhensible qu'un informaticien s'intéresse avant tout au bon fonctionnement du traitement par intelligence artificielle sur lequel il travaille : il est un professionnel du traitement automatisé de données. Parmi les outils qu’il conçoit ou utilise, il y en a un que l'on appelle pompeusement et improprement intelligence artificielle. Un boulanger qui utilise un four à pain ne se demande pas à quoi peut lui servir cet outil dans le cadre d’un projet ; il s'en sert pour cuire du pain. Il s'inscrit dans une tradition multiséculaire selon laquelle d'autres pains, semblables à ceux qui sont en train de cuire dans son four, ont existé. D'autres pays connaissent d'autres pains. Le pain, comme toute chose, a une nature. C'est parce que le boulanger sait quelle est cette nature qu'il n'a pas besoin de se demander à quoi peut bien servir son four. Il fait cuire des pains qui se distingueront des produits concurrents et continueront à être ses pains alors même qu'il les aura vendus. Les pains appartiendront à ceux qui les auront achetés. Pourtant, le contrat de vente rapidement formé et presque aussitôt éteint entre la boulangerie et le client n’aura que brièvement éclipsé le lien entre le boulanger et son pain. Ce lien est doublement important en ce qu’il renvoie au lieu d’origine ainsi qu’au savoir-faire de l’artisan. Peu de programmeurs informatiques conçoivent à l'heure actuelle leur travail comme un artisan boulanger conçoit son pain. Les géants du big data utilisent une infrastructure de traitement de données en masse qu'ils exploitent afin de créer de nouveaux services traitant toujours plus de données qui seront notamment exploitées afin d'améliorer l'infrastructure de traitement elle-même. Le savoir-faire qui fait vivre l'artisan boulanger et nourrit ses clients est indissociable de sa personne à la différence d'un procédé qui doit être décrit objectivement dans le cadre d'un brevet afin d'être reproductible. En lisant Michael Polanyi, on comprend que l'objectivité tend à estomper les connaissances et l'expérience acquises par une personne tout au long de sa vie⁶. Éric Sadin évoque par ailleurs de manière intéressante le phénomène de contrats qui pourraient être conclus par des objets connectés en vue de réaliser des actes juridiques nécessaires à la vie courante au moyen de la blockchain qui protège l’intégrité des échanges et facilite leur suivi⁷. À la différence du contrat de vente de pain conclu entre une boulangerie et un de ses clients, l'échange automatisé de données entre choses connectées n'a plus directement lieu entre des personnes. Personne ne peut toutefois passer de contrat avec une voiture, même connectée. La connexion informatique masque le contrat entre deux personnes qui sont estompées à leur tour. La dénaturation des choses conduit les êtres à adopter l'attitude la plus facile : celle qui fait que le programme informatique produit l'effet attendu par l'utilisateur. Ce conformisme est commode. Peu de monde apprécierait pourtant qu'un médecin ou un avocat soigne ou défende de la même manière, simplement pour que les outils de précision dont il dispose soient efficaces, c'est-à-dire qu'ils produisent l'effet attendu par l'utilisateur, fût-ce au détriment des particularités de chaque cas.

Il a été vu que le conformisme conduisait souvent à dénaturer une situation de fait.

La dénaturation s'explique par la nécessité de réduire toute chose à des données afin de permettre un traitement objectif et indifférencié. Cette dénaturation favorise l'automaticité.

2.2 Automaticité

La conception d’un service comportant de l’intelligence artificielle ressemble au travail du diamantaire qui taille un diamant brut avec un autre diamant en vue d’obtenir un diamant taillé. La donnée, chose artificielle, est un diamant brut qui doit être traité au moyen de données d’apprentissage en vue de produire d’autres données. Le big data est un traitement de données en masse qui vient souvent à l'esprit lorsque l'on songe à l'intelligence artificielle. Celle-ci ne repose pas toujours sur un traitement de ce type. Une infrastructure conséquente est nécessaire pour traiter les données en masse. L’entrepreneur en intelligence artificielle qui ne dispose pas d’une telle infrastructure est nécessairement un artisan de la donnée. La spécificité d’un produit artisanal tient en grande partie au savoir-faire de l’artisan. Celui du boulanger, par exemple, est essentiel non seulement parce qu’il lui permet de produire un pain qu’un industriel ne peut pas produire mais aussi parce qu’il l’amène à donner un sens à ce qu’il fait. Si un ingénieur informaticien se borne à montrer qu’il sait intégrer les contraintes techniques liées à un outil de développement à un projet, sa maîtrise dudit outil ne lui permet plus de se différencier car l’informatique est beaucoup plus standardisée qu’au temps des premiers hackers⁸ qui s’intéressaient à la diffusion de logiciels sous licence ouverte ou libre. Fonder une start-up revient à chercher à attirer des investisseurs en vue d’une croissance particulièrement rapide, souvent appelée hypercroissance⁹. Une société de ce type alloue la plus grande partie, si ce n’est la totalité de ses ressources, au développement d’un seul produit ou service, contrairement à un artisan boulanger qui doit proposer plusieurs produits pour assurer la pérennité de son activité. L’omniprésence de cet unique produit ou service dans la communication de l’entreprise peut susciter l’incompréhension d’une partie du grand public qui ne voit pas toujours très bien ce qu’un produit ou service aux caractéristiques souvent complexes peut lui apporter. Ceci peut sembler injuste à beaucoup de fondateurs de start-up mais un artisan n’a pas besoin de surmonter une incompréhension liée à une technique innovante dans la mesure où son activité ne repose pas sur une seule technique mais sur un savoir-faire. C’est pourquoi il suffit au client d’un artisan boulanger de goûter l’un de ses produits pour apprécier son savoir-faire. Le flou qui entoure parfois un service d’intelligence artificielle commercialisée par la start-up peut aussi avoir pour origine la volonté de séduire des investisseurs qui s’intéressent surtout à la finance. Ceux-ci peuvent préférer une stratégie commerciale et publicitaire qu’ils connaissent déjà. La reproduction d’un message en fin de compte peu spécifique entretient la confusion autour du sens du projet porté par la start-up. L’automaticité n’est pas que la conséquence technique du recours à l’intelligence artificielle.

Il a été vu qu’en matière d’intelligence artificielle, l’innovation s’accommodait parfois très bien du conformisme en ce qu’elle impliquait une certaine dénaturation et pouvait favoriser les comportements automatiques.

En bref, le manque d'intérêt pour le savoir-faire en matière de programmation risque de causer des difficultés aux petites entreprises qui pourraient tirer parti de celui-ci afin de donner un sens à l’intelligence artificielle qu’elles exploitent.

Go Top