Que vous le sachiez ou non, vous utilisez probablement déjà l’IA tous les jours. C’est une technologie que vous rencontrez lorsque vous demandez à votre téléphone de vous faire un rappel, lorsqu’une application crée une playlist adaptée à vos goûts, ou encore lorsqu’un site de rencontres vous montre un profil qu’il pense être compatible avec le vôtre.
Selon IBM, l’IA est « une technologie qui permet aux ordinateurs et aux machines de simuler l’apprentissage, la compréhension, la résolution de problèmes, la prise de décision, la créativité et l’autonomie de l’être humain » (1). Elle englobe un ensemble incroyablement vaste de fonctions que l’on peut apprendre aux ordinateurs à exécuter, des joueurs d’échecs informatisés aux algorithmes complexes des sites de réseaux sociaux.
Au fil des ans, des programmeurs et ingénieurs ont tenté de rendre les ordinateurs plus aptes à accomplir des tâches comme le feraient les humains. Pour ce faire, de nombreuses branches d’IA ont vu le jour.
Par exemple, certaines avancées en matière d’IA ont consisté à enseigner aux ordinateurs comment reproduire la vision humaine, ce qui a donné naissance à la branche de la vision artificielle, le système qui permet à votre téléphone de reconnaître votre visage et qui aide maintenant des radiologues à détecter des cancers à un stade précoce (2).
Un autre exemple est la reproduction de la communication humaine, qui a conduit au développement du traitement du langage naturel (natural language processing), un domaine de l’IA qui implique la reconnaissance de la parole et du texte.
C’est en utilisant ces systèmes qu’ont été créés des outils comme la détection automatique de pourriels, la technologie de synthèse vocale et les chatbots virtuels comme Siri.
Vous avez peut-être également entendu parler de l’apprentissage machine (machine learning), qui vise à apprendre aux ordinateurs à tirer des enseignements des données de la même manière que nous, les humains, interprétons le monde autour de nous.
Ainsi, le développement de cet aspect de l’IA a permis de développer d’autres systèmes, comme des recommandations de publicités qui s’informent de vos habitudes et de vos intérêts, ou encore des systèmes de texte prédictif qui apprennent votre style de communication pour mieux recommander les prochains mots que vous tapez habituellement dans un courriel.
Ces technologies, qui sont étudiées et développées depuis le milieu du 20e siècle, nous ont fourni un large éventail d’outils utiles, mais discrets, qui contribuent à notre vie quotidienne.
Depuis une dizaine d’années cependant, une branche plus autonome de l’IA est au centre de l’attention : le domaine de l’apprentissage en profondeur, aussi connue sous le nom de deep learning.
Alors qu’auparavant, l’IA se contentait d’apprendre et de faire des déductions sur la base des données qu’elle possédait, les systèmes d’apprentissage profond visent à rendre les systèmes d’IA plus indépendants en simulant la manière dont le cerveau humain établit de nouvelles connexions et apprend de nouvelles choses. Une technologie aussi appelée réseau neuronal (neural network).
En fait, un système d’apprentissage profond n’est pas limité à l’exécution d’une seule tâche, c’est un système qui peut apprendre, faire son propre raisonnement à partir de ce qu’il a appris, et vivre une grande évolution à partir de ses essais et erreurs.
Les systèmes d’apprentissage profond peuvent aller très loin, et les innovations qui en découlent le prouvent. Ils sont au volant des voitures autonomes, qui apprennent en permanence à éviter les piétons, les bordures, les obstacles et les autres véhicules. Ces systèmes peuvent apprendre à quoi ressemblent les nouvelles transactions suspicieuses pour optimiser les systèmes de détection des fraudes bancaires. Ils permettent d’améliorer la reconnaissance faciale afin de pouvoir déverrouiller votre téléphone même si vous portez des lunettes ou changez votre apparence.
Ce qui nous amène au sous-ensemble récemment popularisé de l’apprentissage profond que nous appelons l’IA générative. Cette technologie, en plus d’être capable d’apprendre et d’appliquer ses nouvelles découvertes, peut créer de nouveaux matériaux à partir de zéro.
Cette nouvelle avancée de l’IA a permis de mettre en lumière cette technologie, mais il ne faut pas la confon-dre avec celle de ses débuts. Le domaine fascinant de l’IA, avant le ChatGPT d’OpenAI, s’emparait déjà sous nos yeux de la plupart des technologies que nous utilisons couramment.
À travers les articles de ce dossier spécial, nous chercherons à démystifier les aspects positifs, négatifs et fascinants de cette innovation en constante évolution. Dans ce premier numéro, nous nous pencherons sur l’IA et les entreprises, ou comment l’intégration de cette technologie affectera le paysage commercial canadien.
