• LICA

Wall-E, C-3PO ou Skynet, que deviendra l’intelligence artificielle entre nos mains?

Réchauffement climatique, crise migratoire, chômage et aujourd’hui pandémie, notre société fait face à des enjeux sans précédents. Dans un monde où le numérique est devenu omniprésent, certains voient l’avènement de l’IA comme une opportunité sans pareil pour les affronter. Quel rôle peut-elle vraiment jouer dans cette crise sociétale ? Et quelles dérives doit-on pour cela à tout prix éviter ?

L’humanité fait face à une crise à la fois sociale, économique et environnementale dont les symptômes s’aggravent de plus en plus vite. Selon l’ONU, on comptait par exemple 30 millions de réfugiés suite aux conflits et persécutions en 2018 [46], et aujourd’hui environ 821 millions de personnes souffrent de la faim dans le monde [15]. Côté biodiversité, c’est une espèce sur quatre qui est menacée d’extinction [7].

Pour faire face à ces enjeux, de nombreux espoirs se tournent vers la science et la technologie, et tout particulièrement vers le numérique. En effet, l’inconcevable quantité de données générée par l’activité humaine, estimée à 1.7 méga-octet par seconde et par personne en 2020 [25], est une ressource immense qui peut être exploitée par les systèmes informatiques. Dans ce domaine, la star du moment s’appelle IA, ou intelligence artificielle.

Qui est cette fameuse IA ?

Le concept d’intelligence artificielle est assez flou, si bien que les tentatives pour le définir sont aussi nombreuses que peu consensuelles. On peut le décrire comme la capacité d’un système à interpréter des données externes correctement, apprendre de ces données et adapter les connaissances apprises pour atteindre des buts et réaliser des tâches spécifiques [29]. Cette définition a l’avantage de qualifier un système d’intelligent en fonction du processus par lequel il réalise une tâche, plutôt que par la nature de la tâche réalisée. Elle permet également d’aborder les deux piliers qui sont à l’origine de l’adoption massive de l’IA. Le premier est celui des données. Comme mentionné précédemment, celles-ci sont produites en quantité dans de nombreuses disciplines, et l’IA permet de tirer profit de leur disponibilité croissante. Le second pilier est l’adaptation des connaissances apprises. C’est cette capacité de généralisation, cette aptitude à classifier ou prédire des attributs pour une donnée qui n’a encore jamais été rencontrée qui donne à l’IA tout son intérêt. En effet, quelle serait l’utilité d’un système de diagnostic automatique de tumeur sur des radiographies s’il était incapable de traiter une image nouvelle ?

Avec ces deux piliers, l’IA est aujourd’hui capable de réaliser de nombreuses tâches, allant de la reconnaissance d’image à la recommandation de contenu, et de l’optimisation d’itinéraire à la composition musicale. La liste de ce qu’elle fait plus efficacement et avec moins d’erreurs que l’humain s’allonge d’ailleurs, et de l’art à la compréhension des émotions il devient de plus en plus difficile de définir ce qui est le propre de l’homme et ne sera jamais accessible à la machine.

Alors I, Robot c’est pour demain ?

IA 2

Si l’homme n’est toutefois pas encore obsolète, c’est que malgré les performances de l’IA sur des tâches spécifiques, nous sommes incapables de programmer une intelligence artificielle générale, ou IAG. L’IAG, c’est l’IA de notre imaginaire : I, Robot, Terminator, Matrix, Wall-E. Il s’agit d’une IA capable de comprendre et apprendre à réaliser toute tâche ou résoudre tout problème soluble, ou du moins tous ceux qu’un homme saurait effectuer ou résoudre. Futur proche pour certains, rêve improbable pour d’autres, il nous est impossible de prédire quand une telle IAG verra le jour. Pour cette raison, nous ne questionnerons pas ici le rôle, l’utilité et les risques de l’IAG pour notre société, mais bien ceux de l’IA spécifique. Cette IA qui existe aujourd’hui et dont on croit l’avènement imminent alors qu’elle est d’ores et déjà omniprésente : de nos smartphones pour prédire les mots que nous écrivons à nos réseaux sociaux pour choisir le contenu que nous lisons et visionnons. Cette IA qu’on loue pour les progrès qu’elle permet dans le domaine médical, qu’on admire étonnés en observant les démonstrations de véhicules autonomes et qui nous indigne lorsque les images de son application pour la défense nous parviennent. Cette IA, nous verrons son potentiel face aux enjeux environnementaux, sociaux, économiques et politiques, mais aussi ses dérives et les dangers que peuvent provoquer son utilisation déraisonnée.

L’IA face aux enjeux environnementaux

L’IA pourrait être un atout majeur dans la lutte contre le réchauffement climatique, la pollution de l’air, des sols, des eaux, la perte de biodiversité, etc. En effet, ce que ces différentes problématiques ont en commun, c’est l’étude nécessaire d’un système complexe, aux variables multiples, sur lequel des données brutes de capteurs ou des images satellites sont disponibles en masse. Or traiter cette quantité d’informations pour en déduire modèles et prédictions est précisément le domaine de prédilection de l’IA.

Une IA verte

Ainsi, des initiatives tels que AI for Earth de Microsoft [38] voient le jour afin de proposer des applications de l’IA pour la préservation de l’environnement. Ces projets sont parfois déployés à l’échelle de villes entières, comme ça a été le cas pour Green Horizon [22]. Ce projet lancé par IBM en juin 2014 et mis en place à Beijing permet le recueil et le traitement par IA de données issues d’images satellites, de capteurs, des réseaux sociaux, des systèmes de santé, etc. Son objectif est d’améliorer la gestion et la prédiction de la qualité de l’air. Rendant possible l’anticipation de pics de pollution et la simulation des conséquences de prises de mesures possibles (diminution du trafic routier, ralentissement de l’industrie…), il aurait participé à la réduction de 20% des émissions de particules ultrafines dans la capitale chinoise de janvier à septembre 2015 [23].

Les domaines touchés par ces innovations sont nombreux. En agriculture, l’IA peut traiter les mesures de capteurs dans les sols, des données météorologiques, les caractéristiques des graines et des produits utilisés pour adapter au mieux l’utilisation d’eau, d’engrais et de pesticides afin de réduire leur consommation. Dans le transport, elle permet une optimisation des tournées de camions, maximisant leur taux de remplissage à l’aller comme au retour, diminuant donc leur impact environnemental. Appliquée au trafic urbain, elle peut éviter des arrêts inutiles des automobiles aux intersections et ainsi réduire de 20% leurs émissions de CO2 , comme l’a montré le système Surtrac à Pittsburg [16].

Accompagner la transition énergétique

Le monde de l’énergie n’est pas épargné par cette révolution technologique. Ses enjeux sont nombreux : limiter l’épuisement des ressources fossiles, les dégâts environnementaux et sociaux que causent leur extraction toujours plus difficile, réduire les émissions de gaz à effet de serre, accompagner une transition permettant de diminuer l’utilisation d’un parc nucléaire en fin de vie, etc. Si la recherche de solutions se tourne vers les énergies renouvelables, leur adoption à grande échelle est encore très contraignante. Notamment, la plupart de ces énergies ont le défaut d’être intermittentes : elles dépendent du vent, de l’ensoleillement, et peuvent donc connaître de soudains pics ou creux de production. C’est un véritable enjeu, car pour qu’un réseau électrique fonctionne correctement, la production doit constamment être égale à la consommation, sous peine de connaître une variation de fréquence qui pourrait endommager l’équipement du réseau.

Des réseaux électriques intelligents, appelés smart grids [47, 63, 64] pourraient permettre de modéliser et prédire de manière plus précise la consommation électrique, ainsi que d’anticiper les variations de la production d’énergie renouvelable. L’IA intégrée à des appareils du réseau pourrait également reporter la consommation pour l’adapter à la production, augmentant par exemple la puissance des chambres froides lors des pics d’ensoleillement ou stoppant momentanément la charge de voitures électriques lorsque le vent tombe soudainement. Une telle capacité de prédiction à court et moyen termes et d’adaptation des réseaux électriques en temps réel peut amener à une utilisation bien moindre des centrales thermiques, actuellement nécessaires car capables de répondre très rapidement à une variation de la consommation. Plus généralement, elle est un atout majeur pour accompagner une transition énergétique vers des modes de production plus propres.

Un problème : l’empreinte de l’IA

Malgré les espoirs portés par l’IA pour l’écologie, il ne faut pas oublier que bien que virtuelle, cette technologie a une empreinte environnementale bien réelle. En effet, si l’entraînement d’un modèle existant est assez peu polluant, le développement d’une IA pour une application donnée demande de l’exécuter de nombreuses fois, afin d’ajuster les paramètres, d’estimer la sensibilité des performances à ces derniers, d’expérimenter parfois sur plusieurs jeux de données, etc. Prenant tout cela en compte, une étude de l’université du Massachusetts [52] estime que les émissions de CO2 causées par la mise en place d’un modèle traditionnel de traitement du langage correspondent à plus de deux fois celles de la vie d’un américain moyen pendant un an. Pour les plus gros modèles du domaine on atteindrait l’équivalent de cinq voitures sur la totalité de leur durée de vie.

Mais d’où vient donc une telle empreinte carbone ? De l’énergie consommée par les importantes ressources de calcul nécessaire à l’IA. Celles-ci sont d’ailleurs parfois trop coûteuses pour les laboratoires ou entreprises, qui sont alors amenés à reporter les calculs sur les serveurs de fournisseurs tels que Google ou Microsoft, un service connu sous le nom de cloud computing. L’optimisation des architectures de calcul, ainsi que des performances énergétiques des data center est donc un enjeu majeur pour parvenir à une IA plus durable. Or là encore, cette dernière a son mot à dire. En 2016, une IA mise en place par Google est par exemple parvenue à réduire l’énergie utilisée pour le refroidissement de ses data centers de 40% [48].

L’effet rebond

Ces progrès sont particulièrement encourageants, mais ne seront utiles que s’ils sont accompagnés d’une remise en question de nos pratiques du numérique. En effet à l’heure actuelle, la réduction des coûts énergétiques du calcul entraîne une réduction des coûts économiques. Elle promeut ain