Intelligence artificielle : définition
L’intelligence artificielle est un ensemble de méthodes informatiques permettant à des machines d’accomplir des tâches qui mobilisent habituellement des capacités humaines, comme l’analyse, la compréhension du langage ou encore la reconnaissance d’images. Contrairement aux idées reçues, l’IA ne « pense » pas : elle exécute des calculs et des raisonnements formalisés à partir de règles, de modèles et de données.
Née dans les années 1950 au croisement de l’informatique, des mathématiques et des sciences cognitives, l’IA a connu plusieurs phases de développement. Les premières approches, dites symboliques, reposaient sur des règles logiques explicites, comme les mathématiques. Aujourd’hui, les applications les plus courantes s’appuient principalement sur l’apprentissage automatique (machine learning), et en particulier sur l’apprentissage profond (deep learning), qui permet aux systèmes d’apprendre à partir de grandes quantités de données.
Jean-Gabriel Ganascia : L’IA simule sur des ordinateurs les différentes facultés mentales (raisonnement, perception, mémoire, etc.). On devrait ici parler d’un agent artificiel. Cela désigne une entité qui prend des informations sur le monde extérieur avec des capteurs (par exemple des caméras ou des micros), les interprète, puis décide des actions à accomplir pour atteindre les objectifs qu’on lui a fixés. Interprétation et décision font ici appel à des techniques d’IA. À titre d’illustration, une voiture qualifiée d’autonome est un agent artificiel, de même qu’un chatbot, c’est-à-dire un agent conversationnel, est aussi un agent artificiel.
L’IA en tant que discipline scientifique est unique !
Quelle est la logique de l’intelligence artificielle ?
Une logique fondée sur les mathématiques
Au cœur du fonctionnement de l’IA se trouve une logique mathématique. Pour être traitées par un ordinateur, les informations données à l’IA (textes, images ou sons) sont transformées en données numériques. Ces données sont ensuite analysées par des algorithmes, c’est-à-dire des suites d’opérations mathématiques destinées à produire un résultat.
Le rôle central des données
La logique de l’intelligence artificielle est également indissociable des données. L’IA apprend à partir d’exemples : plus les données sont nombreuses, diversifiées et représentatives, plus les résultats sont pertinents. À l’inverse, des données biaisées ou insuffisantes peuvent conduire à des erreurs. Contrairement à un raisonnement humain fondé sur la certitude, l’IA repose ici sur une logique probabiliste. Elle ne fournit pas de vérité absolue, mais calcule la réponse la plus probable au regard des informations dont elle dispose.
Pour approfondir ces notions, nous avons interrogé Jean-Gabriel Ganascia, professeur en informatique, chercheur en IA (Sorbonne Université) et membre senior de l’Institut Universitaire de France.
Rencontre avec Jean-Gabriel Ganascia
Pouvez-vous nous expliquer comment fonctionne l'IA ?
J. G. G : La mise en œuvre d’agents artificiels passe par la simulation de différentes facultés mentales. Certaines portent sur l’interprétation des informations issues des capteurs, elles simulent nos capacités de perception, par exemple la reconnaissance de la parole, des visages, des objets, etc. D’autres déterminent les actions les plus appropriées pour réaliser des objectifs qui ont été préalablement fixés.
Qu’est-ce qui se cache derrière ? Comment fonctionne l’algorithme d’une IA ?
J. G. G : Les techniques algorithmiques déployées par l’IA pour programmer des agents artificiels font appel à de multiples appareils mathématiques. Certains proviennent de la logique mathématique, en vue de modéliser des raisonnements, d’autres des statistiques ou de la théorie des probabilités ou encore de modélisations du vivant, par exemple des réseaux de neurones formels pour acquérir des connaissances à partir de l’expérience, ce qui correspond à l’apprentissage.
Qu’est-ce que l’IA symbolique ?
J. G. G : Ce que l’on appelle l’IA symbolique vise à modéliser les raisonnements avec des symboles, à savoir des mots doués d’un sens. On fait alors appel à des formalismes issus de la logique mathématique pour simuler des déductions, des enchaînements de déductions et, éventuellement, des raisonnements incertains comme l’abduction, qui recherche une explication plausible.
Peut-on vraiment parler de « logique » dans le fonctionnement de l’IA, ou s’agit-il plutôt de calculs statistiques ?
J. G. G : Certaines branches de l’IA font appel à de la logique mathématique pour décrire les connaissances, les organiser et les retrouver dans la mémoire d’un ordinateur. D’autres font appel à des calculs statistiques soit pour extraire des connaissances à partir d’observations, soit pour modéliser des raisonnements approximatifs.
Il y a donc à la fois de la logique et des statistiques en IA.
Peut-on dire que la logique humaine est derrière la logique de l’IA ?
J. G. G : Depuis l’antiquité, la logique se propose de donner les règles du raisonnement juste, afin d’éviter les pièges. Certaines techniques d’IA reposent sur la logique, afin de simuler des raisonnements exacts, par exemple pour démontrer des théorèmes de mathématiques. Certaines font appel à d’autres techniques pour modéliser de l’induction, à savoir le raisonnement qui va du particulier au général, afin d’apprendre. Dans cette dernière éventualité, on ne peut pas parler de logique à proprement parler, car le raisonnement est, par nature, incertain.
À l’heure où l’intelligence artificielle s’impose dans de nombreux domaines, comprendre son fonctionnement devient essentiel. Derrière sa complexité se cache en réalité des principes scientifiques accessibles.
