Lors de ce Huawei Talk, en partenariat avec le HUB Institute, dédié à l’intelligence artificielle, le directeur du centre R&D de Huawei France Merouane Debbah et le directeur de recherche chez Owkin ont échangé sur leur vision de l’intelligence artificielle et l’application de l’IA daans leurs domaines respectifs : le mobile et la santé. Retour sous forme de Q&A.

La stratégie R&D de Huawei France dans l’IA

La France est-elle en retard sur l'intelligence artificielle (IA) ?

Merouane Debbah, directeur du centre R&D de Huawei France : "Nous ne sommes pas tant en retard que cela sur l'IA en France. l'IA française, c'est 13 500 chercheurs, dont pas moins de 150 dans les centres R&D de Huawei dans l’Hexagone. La France n’est donc pas en retard, néanmoins ce qui lui manque encore pour être un leader de l'IA, ce sont les plateformes de calcul. De ce point de vue, nous attendons beaucoup de la mission IA du Gouvernement et du rapport qui sera bientôt annoncé par Cédric Villani.

?L'#IA en France, c'est 13 500 chercheurs, dont 150 dans les centres de R&D de Huawei en France#HuaweiIA pic.twitter.com/wUBnVzEt4B

— Huawei France (@HuaweiFr) 25 janvier 2018

Sur quels sujets précis le centre R&D de Huawei France travaille-t-il ?

Le centre R&D de Huawei en France emploie 150 personnes dont 85 mathématiciens experts de l'algorithmie dans trois domaines : la 4.5G depuis 2009 avec une norme de réseautage jusqu’à huit fois plus élevé que la 4G, la 5G d’ici 2020, la virtualisation des réseaux, et enfin l'IA, segment en plus forte croissance en termes de recrutement en France. À Paris, nous travaillons sur des algorithmes mathématiques afin de comprendre les corrélations qui deviennent de plus en plus complexes s’agissant des réseaux télécoms. Cette stratégie de R&D s’intègre aussi dans le projet de « L’Arche de Noé », le laboratoire sur l’IA créé en 2011 par le groupe pour anticiper le tsunami de données et explorer les pistes de croissance de demain. Basé à Hong Kong et déployé à l'international, l’Arche de Noé rassemble 200 collaborateurs dans le monde (Montréal, Londre, Israël, Chine, Singapour, Hong Kong), dont 15 en France.

Quels sont les enjeux de  l’IA appliqué au mobile ?

Conserver les données sur les téléphones est notre premier enjeu. Nous avons sorti il y a un an notre téléphone "Huawei P10", qui a le premier processeur capable de faire du calcul IA. Via des algorithmes prédictifs, l’IA permet aux modèles de fonctionner en local, même lorsque nous ne sommes pas connectés. Au niveau mondial, les industriels travaillent sur la manière dont on peut changer de modèles sans échanger les données.

L'#IA sera partout, même lorsque nous ne sommes pas connectés : nos modèles fonctionnent en local, et un appareil déconnecté ne cessera pas d'être intelligent #Mate10Pro#HuaweiIA pic.twitter.com/rctuUHR3Ff

— Huawei France (@HuaweiFr) 25 janvier 2018

L’apprentissage des machines avec peu de données est aussi un autre chantier important car les technologies aujourd'hui font face aujourd’hui au dilemme de la surconsommation. Par exemple, le bitcoin est un gros consommateur de serveurs. On va arriver à un moment donné où le nombre de serveurs dépassera, en consommation d'énergie, les résultats obtenus de nos recherches en IA. Il sera alors beaucoup plus cher de travailler les datas, avec un coût supérieur aux gains générés (énergie consommée par tous les serveurs). Nous avons besoin d’avoir d’énormes jeux de données pour faire du deep-learning. Or, les puissances de calcul sont très énergivores. Nos chercheurs travaillent donc sur la manière dont on peut traiter l’IA avec moins de données tout en produisant de l’intelligence.

Le machine learning appliqué à la santé en France : le cas Owkin

Owkin est une start-up spécialisée dans le machine learning appliqué à la recherche médicale. Son ambition : profiter de sa récente levée de fonds de 11 millions de dollars pour participer à créer des découvertes dans le domaine de la recherche médicale avec, comme philosophie, l’éthique et la sécurité des données.

Doit-on s'inquiéter en France, de la confidentialité de nos données santé ?

Mathieu Galtier, directeur de recherche chez Owkin : Il y a à l'international une vraie bataille éthique et idéologique quant aux données de santé, notamment aux Etats-Unis, où les hôpitaux vendent les données des patients ! En France, nous avons encore un système de santé protecteur. Comment sécuriser les données ? Il est primordial dans la santé de développer une approche saine et transparente sur ce sujet. Appliquer le machine learning et l'IA sur des données sensibles comme la santé nécessite avant tout de sécuriser les données personnelles. Chez Owkin, nous cherchons via l'IA à générer des applications médicales, avec une infrastructure de données sécurisées et traçables (traçabilité de la blockchain). Les données resteront sécurisées dans les hôpitaux.

Concrètement, quelles sont les applications du machine learning à la santé ?

Je peux vous donner trois exemples :

• La dermatologie : les cancers de la peau sont très répandus. Aujourd'hui via une application sur un simple smartphone, on peut identifier automatiquement si un grain de beauté tend vers un mélanone. C'est à partir de 200 000 photos que l'application prédictive a été créée. Elle fonctionne très bien, sa performance est même meilleure que celles des médecins. Les algorithmes ont cette capacité d'extraire de l'information pertinente.
• La médecine clinique : Le machine learning permet d'accélérer ce que l'on sait faire, via des processus existants (afin de palier par exemple à la pénurie de médecins). A terme, l'IA nous permettra de faire des découvertes et de réaliser des opérations et des ajustements que les médecins ne savent pas faire actuellement. Par exemple, pour certains patients qui suivent des thérapies très agressives pour leurs organismes, il est très difficile en l’état des connaissances actuelles de savoir quand il faut arrêter ou continuer le traitement. La balance bénéfice-risque est compliquée à déterminer. C'est un domaine où l'IA pourrait aider le médecin à faire son choix
• La découverte de médicaments : Fabriquer un médicament prend beaucoup de temps et donc d'argent. Il faut d'abord observer comment les molécules interagissent entre elles, puis pratiquer des tests sur les animaux, avant de les faire sur l'homme. Les recherches à l'aveugle peuvent être optimisées par l'IA pure, à partir d'un ensemble de tests sur l'impact sur les cellules. A terme, des algorithmes très pertinents seront à même de proposer les molécules pertinentes.

A quelles freins ou problèmes se heurte actuellement l'IA appliquée à la santé ?

C'est très compliqué de travailler les données hétérogènes, par exemple en mélangeant les informations de deux hôpitaux différents. Nos chercheurs travaillent sur le transfert learning et l'interprétabilité. Il n'y a pas de méthode générique pour comprendre comment l'algorithme fonctionne, alors même que les médecins cherchent justement toujours à comprendre.  

Huawei au HUBDAY Future of Mobile Engagement

Autre sujet de prédilection pour Huawei : la mobilité. Le géant des télécommunications est aussi l'un des leaders des technologies 5G. Pour en savoir plus rendez-vous lors du HUBDAY Future of Mobile Engagement où le groupe présentera son positionnement et l'avancée de ses propositions sur le sujet.