SXSW 2018 : si algorithmes et intelligence artificielle vous intéressent, cet article est pour vous

o  La reconnaissance de la voix par les machines. Ça y est, nous y sommes. Entrainées par l’usage croissant des assistants vocaux (55% des Américains entre 18 et 49 ans les utilisent déjà), elles sont maintenant, et c'est nouveau, en mesure de reconnaître un nombre importants d’accents différents, ce qui était une de leurs limites importantes jusqu’à présent. Plus elle est utilisée, plus la machine apprend et progresse, c’est tout son principe. La technologie de reconnaissance vocale, en outre, est désormais également capable de détecter les nuances émotionnelles d'une voix. L’objectif ? Déchiffrer en temps réel les traits de caractère d’un individu lorsqu’il parle. (Regardez si vous êtes intéressés ce que fait la start-up Beyond Verbal).

o  De même, la traduction des langues est devenue, encore une fois grâce à l’entrainement, pertinente et efficace. D’après Daphne Koller, de Calico Labs, nous sommes à quelques années seulement de la compréhension orale des langues étrangères en direct. Dans ce contexte, allons-nous arrêter d’apprendre les langues étrangères, un peu comme nous avons arrêté d’effectuer des calculs complexes de tête depuis l’avènement des machines à calculer ?

o  La reconnaissance d’images a également évolué de façon spectaculaire. Nous sommes aux prémices d’un nouveau rapport au monde physique, demain décryptable à travers le viseur de nos téléphones. Je saurai, par exemple devant un bâtiment (célèbre ou non), identifier son architecte et potentiellement connaître son histoire. L’intelligence des machines va déjà très loin et parvient à décrire, à partir d’une simple photo, des concepts aussi sophistiqués que “un groupe de jeunes gens en train de jouer au frisbee “ nous dit Nell Watson, de la Singularity University.

- la reconnaissance n'est pas encore parfaite, on le voit ici, mais les progrès sont extrêmement rapides -

o  Sans parler de la reconnaissance des visages, fortement utilisée en Chine et déjà mise en place de façon opérationnelle par un distributeur comme Saks pour identifier ses meilleurs clients. La machine sait identifier à partir d'éléments rationnels tous les visages mieux que n'importe quel humain, bien entendu. Incroyablement efficace pour bien traiter ses clients, certes, et aussi assez flippant, oui.

o  Quand un algorithme peut désormais, à partir d'un corpus d'images et par sa puissance de calcul, développer une vidéo 100% indétectable de Barak Obama tenant des propos qu’il n’a jamais eu… Comment gère-t-on la régulation des informations ? Comment distinguera-t-on, demain les fameuses fake news ? Regardez plutôt.

o  Ce qui a changé, c'est que la machine peut désormais résoudre des problèmes plus efficacement que l'homme, certes, mais surtout, et c'est ce point qui est le plus critique, qu'elle utilise une manière de traiter la donnée, un  « raisonnement » qui n'appartient qu'à elle et qui est souvent inintelligible à l’esprit humain. Un peu comme les génies en fait, ceux qui ont ouvert de nouvelles voies au genre humain. Alpha Go zéro, par exemple, alors qu'il n'avait jamais été entrainé par l’homme s’est révélé meilleur qu’Alpha go (qui avait été d'abord alimenté par des données issues de raisonnements humains) en faisant des choix inédits, qui dépassent ce que l'homme aurait pu imaginer. Dans un monde où ces outils vont se généraliser, cela pose une question fondamentale pour notre futur :  comment allons-nous donner aux citoyens des clés pour comprendre malgré tout cet environnement complexe ?  Andrew Burt Chief Privacy Officer @Immuta affirme que l’encadrement législatif sera déterminant, mais qu’il faudra faire preuve d’une grande finesse. Tout sera, selon lui, une question d’équilibre : entre vouloir donner à tout prix aux citoyens des clés de compréhension des algorithmes (qu'ils sont en droit d’attendre autant que possible, bien sûr) et accepter certains progrès indiscutables, même s’ils ne sont pas accessibles à leur entendement (pour la médecine par exemple), le choix ne sera pas simple.

o  Enfin, l'algorithme ne faisant toujours que travailler à partir d’un corpus de données, par définition jamais neutre, comment gérer le biais inhérent à tout set de données ? Le buzzword de l’année à Austin, c’est sans aucun doute Inclusivity. Il faut que tout (et en particulier la conception des algorithmes) soit « inclusive » , c’est-à-dire respectueux de tous, de chacun. Des toutes les femmes, tous les hommes, toutes leurs minorités. Une manière, semble-t-il, pour la Silicon-Valley de se justifier de n’avoir pas assez tôt réalisé que les pouvoirs immenses qu’elle avait acquis lui donnait l’obligation de ne mettre personne de côté sur la planète. Adam Cheyer, de Viv Labs nous pose la question : si on voulait doter les intelligences artificielles de valeurs, quelles seraient-elles ? Comment les choisir pour inclure vraiment tout le monde, et minimiser les effets de biais ? Faudrait-il créer un Comité Supérieur de l’Humanité qui identifierait le corpus de data le plus approprié ?

C'est une phrase souvent entendue à SXSW cette année. Le meilleur « biais » serait celui qui oriente le monde dans la bonne direction ? Mais quelle est donc cette direction ?

Si la tech veut penser à tous, a-t-elle seulement réalisé combien elle était encore et toujours centrée sur le monde des occidentaux anglo-saxons ? Certes, à Austin, il est bien sûr beaucoup question de la Chine et de son avance technologique, mais sans vraiment tout à fait admettre, soyons honnête, que ses innovations pourraient être le signe d'un déplacement plus profond qu'il n'y paraît du centre de gravité du progrès technologique mondial. Question de biais, probablement : -)