1. Accueil
  2. Réflexion
  3. Articles parus dans l'ADN revue
  4. Algorithme, qui es-tu ? Que fais-tu ?

Algorithme, qui es-tu ? Que fais-tu ?

Algorithme, qui es-tu ? Que fais-tu ?
Introduction
Les algorithmes sont hyper puissants, hyper présents, et ça fait super classe de le dire… mais qu’est-ce qu'un algorithme, à quoi ça sert, qui en fait quoi et vers quoi il nous mène ?

 

Si Babylone utilisait déjà l’algorithmique, le mot «algorithme» est plus récent. Ne cherchez pas une étymologie gréco-latine : il vient de la déformation du nom de celui qu’on considère comme «le père de l’algèbre». Musa al-Khwârizmî naquit en Perse au VIIIème siècle de notre ère, dans l’actuel Ouzbékistan. Mais en occident, il faudra attendre le XIIème siècle pour que ses écrits soient traduits sous le titre : « Dixit Algorizmi ». Ils sont à l’origine et du mot et de la science.

 

Brève définition

 

Que les post trauma. de la bosse des maths se rassurent, c’est très simple. Un algorithme, c’est une méthode. Sur le même principe qu’une recette de cuisine, la plupart de nos actions peuvent être décomposées. On peut séparer chaque étape afin de pouvoir les accomplir séquentiellement. Cela permet de répondre systématiquement et de la manière la plus rapide, efficace et fiable possible à des questions aussi triviales que : « où trouver un(e) partenaire correspondant à mes attentes dans un rayon de 500 mètres ? »…

 

De l’algorithme plein ton ordi

 

Pour bien fonctionner, les algorithmes ont besoin d’une grande puissance de calculs. Mais leurs performances sont aussi très liées aux données : plus on collecte de données, plus on a besoin d’algorithmes pour leur trouver du sens. Et plus on trouve du sens à la donnée, plus on peut imaginer de nouveaux algorithmes. Pour illustrer cette évolution, retraçons en accéléré l’histoire de Google. Depuis sa création en 1996, l’ambition du moteur de recherche n’a pas changé : fournir le plus rapidement possible aux internautes la réponse la plus précise. Quand Larry Page développe à Stanford son premier algorithme, le PageRank, il s’agit de classer les pages du Web selon leur niveau de pertinence. En 2000, le système fonctionne parfaitement et si les choses étaient restées en l’état, l’algorithme n’aurait pas eu à évoluer. Mais le nombre des requêtes des internautes a explosé, le nombre de sites et de pages disponibles aussi et surtout de nouveaux types de contenus sont apparus : des images, du son, des vidéos… Pour poursuivre leur mission de grand ordonnateur, les algorithmes étaient contraints d’évoluer. Avec le 11 septembre, Google bascule dans la course à l’immédiateté. A l’époque, l’indexation des pages est mise à jour mensuellement. Ce jour-là, en tapant « World Trade Center», les internautes obtiennent toutes les informations qu’ils souhaitent sur la taille des tours, leurs heures d’ouverture et le plat du jour de leurs restaurants… mais pas une ligne sur les événements qui se déroulent en direct sur les écrans de télévisions. Google news est inventé dans la foulée. Avec le mobile, les défis de géolocalisation ajoute une nouvelle couche de complexité… Ainsi, de plus en plus de données, de plus en plus de formats, de plus en plus de requêtes et de plus en plus d’exigences obligent les algorithmes à s’adapter sans cesse. En 2011, Google annonçait 538 améliorations à son algorithme, 665 en 2012 et plus de 890 en 2013…

 

L’algorithme est mort… vive le Machine-Learning

 

Aujourd’hui, de nouveaux défis apparaissent et repoussent encore d’un cran la puissance de l’algorithmique. Le concept de « Machine-Learning » n’est pas nouveau. Il a été développé dans le cadre de recherches liées à l’intelligence artificielle. Il consiste à donner aux ordinateurs la capacité d’apprendre afin de pouvoir gérer des situations pour lesquelles ils n’ont pas été programmés. Si nous restons sur l’exemple de Google, la firme utilise ce type de technologies pour mettre au point des systèmes aussi différents que son moteur de traduction universelle ou sa voiture autonome. Dans ces deux exemples, la machine s’adapte à des milliers de situations, dont la plupart ne peut tout simplement pas être prévue : les expressions idiomatiques, les abréviations dans un cas, ou tous les obstacles qui peuvent surgir quand on est au volant. Le Machine-Learning est une révolution majeure qui ouvre la voie de l’analyse prédictive. Steve Ballmer, qui a dirigé Microsoft de 2000 à 2014, le déclarait avec enthousiasme en novembre 2015 : « C’est une ère nouvelle dans laquelle la capacité de comprendre le monde, les gens, et d’en tirer des conclusions sera vraiment remarquable… C’est un champ fondamentalement différent qui s’ouvre pour la science informatique. » Il ajoutait prudemment qu’il était hors de question de le faire monter aujourd’hui dans un véhicule privé de chauffeur. Mais pour pouvoir peut-être le faire un jour, il a fait un don de 50 millions de dollars à Harvard pour financer la chaire d’enseignement qui travaille sur ces sujets.

 

Qui connaît l’algorithme ?

 

Réjouissons-nous : la France est historiquement un pays de matheux et d’ingénieurs. Mais pour quelques brillants diplômés, le reste de la troupe ne suit pas toujours. Lors de son intervention du 6 novembre 2015, François Hollande déclarait vouloir faire de l’école un des leviers de la numérisation du pays. « Nous allons commencer par des expériences à l’école et au collège en 2015 » et, en 2016, « tous les élèves de classe de 5ème seront équipés d’une tablette et auront une formation avec le numérique ». La mesure concernant les tablettes a provoqué les quolibets de la communauté des programmeurs. A juste titre, elles ne sont certainement pas le meilleur outil pour apprendre le code et la programmation. Mais, ces déclarations vont dans le sens proposé de longue date par les porte-drapeaux les plus actifs du secteur et sont en œuvre dans les lycées depuis la dernière réforme. Dans un texte paru en juin 2009, la Direction générale de l’enseignement scolaire soulignait : « Depuis l’automate le plus simple jusqu’aux systèmes les plus complexes, les algorithmes ordonnent beaucoup de nos gestes quotidiens. Leur présence cependant ne se traduit pas par un contact direct avec l’utilisateur qui assimile volontiers « la machine » à son mode de fonctionnement». Le constat est clair, les intentions louables : de la seconde à la terminale, les enseignants sont désormais invités à sensibiliser les lycéens à l’algorithmique quel que soit le chapitre abordé. Est-ce que cela fonctionne ? « C’est compliqué tout simplement parce qu’il est difficile d’expliquer quelque chose sans passer par la maîtrise des fondamentaux. Officiellement, nous n’avons pas à le faire. Officieusement, on le fait quand même pour donner le b.a.-ba de l’algorithme aux élèves », reconnaît Adèle G., enseignante de mathématique dans un lycée de l’Ouest parisien. En effet, dans le même temps, l’enseignement de l’algèbre a été très allégé dans les classes de collège… Par ailleurs, les enseignants n’ont pas reçu de formation leur permettant de maîtriser eux-mêmes les liens entre algorithmique et numérique et les établissements peinent à réunir machines et connexions nécessaires à cet enseignement.

 

Pourtant, spontanément, quelques élèves nourrissent un véritable appétit pour ces cours. « Quand on fait de l’algorithme, ce ne sont pas les mêmes qui s’intéressent. Ce ne sont généralement pas les meilleurs de la classe, mais ils ont une appétence pour le numérique depuis longtemps. Ils peuvent avoir touché à de la programmation. Cela concerne peut être 10% des cas mais ceux-là pourront se réconcilier avec les mathématique pas ce biais », ajoute Adèle G.

 

Où trouver son maître es-algorithme ?

 

En attendant que l’enseignement infuse nos chers petits, les entreprises rament pour dégoter la poule à trois pattes capable de pondre et veiller sur l’or de ses secrets algorithmiques. Les salaires s’envolent et même une entreprise comme Facebook reconnaît sa difficulté à attirer les meilleurs profils. Comme tous les géants du Net, le réseau social va chasser dans les communautés de geeks qui entretiennent forum sur le Net. Kaggle.com start-up californienne, est une plateforme qui prétend réunir des milliers de doctorants et de chercheurs en sciences prêts à consacrer leurs nuits à résoudre des problèmes soumis par des universités ou des entreprises.

 

Pour quelques millions de dollars ou juste pour l’amour du jeu, ils tentent de modéliser les signes précoces de la somnolence au volant pour Ford ou trouver le moyen de visualiser la matière noire pour la Nasa. Total, Merck, Deloitte comptent parmi les clients fidèles… Sous prétexte de faire monter l’adrénaline des participants, chacun d’entre eux est noté. Les meilleurs auront accès à des questions plus sensibles et à des jeux de données classés top secret. L’algorithme de recommandation à l’origine du succès de Netflix a été trouvé grâce à ce type de concours. De 2006 à 2009, l’entreprise a parrainé le « Netflix Prize » qui offrait 1 million de dollars à celui qui saurait rendre des recommandations 10% plus précises que celles générées par le système original de la compagnie. Sur un modèle complémentaire, le site Algorithmia a levé 2,4 millions de dollars. Fondé par un ancien de chez Microsoft, il propose d’offrir une seconde vie aux nombreux algorithmes développés dans les universités puis abandonnés dès leur parution dans d’obscures revues scientifiques. Chaque formule a sa page personnelle, présente beau en expliquant sa fonction, et quand un prétendant l’achète, son inventeur reçoit quelques dollars. Les compositeurs d’algorithmes ne sont pas prêts de s’ennuyer…

 

A lire dans L’ADN revue, notre dossier Datas sur L’Algorithme. Pour vous propcurer ce numéro, cliquez ici.

 

Ajouter votre commentaire