Image
luc-julia-AI-siri-apple-baseball-football-player-jeu-terrain-casque-course

Luc Julia: "L'intelligence artificielle est un terrain de jeu fabuleux"

Par : Thierry Derouet
24 avril 2018
Temps de lecture : 13 min
Chapo

Avoir été l’inventeur originel et le concepteur de Siri au sein de chez Apple, un système aujourd’hui exploité par l’ensemble des écrans de la firme à la pomme, n’empêche en rien Luc Julia de rester humble, lucide et d’être toujours aussi passionné par l’ « intelligence artificielle » qui reste encore pour lui un terrain de jeu fabuleux.

En partenariat avec
Body

Quand j’interroge Siri, celui-ci ne m’indique pas que vous êtes son père ?

luc-julia-AI-siri-appleJe ne suis pas le ‘’papa’’ de Siri, je suis son grand-père. Siri a une histoire un peu longue puisque l’on a déposé avec mon ami Adam Cheyer nos brevets en 1997. Mais entre 97 et 2007 - où Siri est devenu une société - il y a eu dix années durant lesquelles il y a eu de nombreux changements. Moi j’étais là au début, je suis parti et je suis revenu quand Apple a acheté Siri. Donc j’ai récupéré mon ‘’bébé’’ à ce moment-là et j’ai redéveloppé Siri à l’intérieur d’Apple. Mais si je dis que je suis le grand-père, c’est qu’il y a plein de gens qui peuvent en réclamer la paternité, à commencer par Steve Jobs. Après tout, c’est lui qui l’a extrait d’un monde confidentiel à celui de l’iPhone, ce qui a fait que Siri est passé de 180 000 utilisateurs en 2007/2008 à 80 millions puis à 300 millions au bout d’un an.

Nouveau call-to-action

Pourquoi faisons-nous toujours des raccourcis entre la technologie et les bénéfices qu’elle apporte à l’humain ?

Luc Julia : « On met beaucoup d’espoir dans ces technologies. Mais on essaye de faire rêver les gens pour leur faire croire que le monde va être meilleur. Ceci dit, malheureusement, la technologie est loin de ce que l’on fait miroiter aujourd’hui. Nous nous exposons à beaucoup de désillusions. Nous sommes à la sixième vague de l’histoire de l’intelligence artificielle. Les cinq vagues précédentes ont été décevantes et ont été abandonnées. Avec l’intelligence artificielle, le machine learning, le deep learning… on a inventé de nouveaux mots pour faire ce que l’on sait faire depuis longtemps. Nous sommes en plein milieu de ce cycle-là. Il ne faut pas que cette vague soit aussi décevante que les précédentes.

Est-il difficile de mettre en œuvre les mécanismes d’intelligence artificielle et de deep learning ?

La réponse est oui. Et ce malgré le fait que l’on dise que c’est à la portée de tout un chacun. Les technologies utilisées sont les mêmes que celles utilisées il y a une trentaine voire une cinquantaine d’années. Elles n’ont pas vraiment évolué. Ce qui a évolué, ce sont les capacités des machines. Mais les algorithmes, comme les méthodes mathématiques et statistiques, sont les mêmes que celles qui ont été définies dans les années 50. Ce n’est toutefois pas à la portée de tout le monde. Il faut disposer de data scientists, de gens qui vont comprendre les data ou de gens qui sont spécialisés dans les algorithmes. Mais, il faut surtout appliquer ces algorithmes et ces data à quelque chose qui va être pratique pour une entreprise ou pour un utilisateur. Cela demande énormément de travail. C’est donc compliqué. C’est autre chose que d’appuyer sur un bouton ou choisir dans le menu d’une application. Cela demande beaucoup d’adaptation et de spécificités aux problèmes posés. Ce n’est pas comme dans le menu d’un restaurant chinois où l’on doit prendre le numéro 35 pour être content.

Que doit réaliser une entreprise pour adapter les contraintes de l’IA à son domaine d’activité ?

Il faut déjà comprendre le problème. Pour cela, il faut être en mesure de modéliser à partir des données que l’on a récupérées au sein de l’entreprise, voire du domaine d’activité que l’entreprise veut développer. Cela demande des capacités particulières. Une fois ces data récupérées, il va falloir les organiser, les mettre en forme de manière à ce qu’elles puissent être traitées par des algorithmes. Il faut trouver les bons algorithmes pour l’application du domaine particulier que l’entreprise veut développer. Cela va demander de réaliser des tests et beaucoup d’erreurs. Il faut donc avoir de la donnée réelle qui va vous permettre de tester les algorithmes. Cela demande donc énormément de temps. Il n’y a pas d’algorithmes universels. Cela demande également une expertise et de nombreuses compétences du domaine étudié.

Quelle est, selon vous, la butée à passer pour que la prochaine vague d’IA soit moins décevante que les précédentes ?

Je pense qu’il va falloir une révolution dans la façon de traiter les données mais aussi d’appliquer les algorithmes. Je pense qu’il faut une révolution algorithmique. Ou peut-être qu’il faut changer les modèles mathématiques ou les modèles statistiques que nous utilisons depuis des dizaines d’années.

Il faut trouver de nouvelles manières d’utiliser les données et peut-être aussi de mélanger les différentes données entre elles. Je pense que le problème essentiel aujourd’hui, c’est que l’on se concentre sur des domaines  spécifiques sans imaginer ce que pourraient apporter les données émanant d’un autre domaine. L’interopérabilité des données va non seulement améliorer les algorithmes, mais va contraindre la façon dont nous les définissons. Les méthodes mathématiques et statistiques qui, encore une fois, sont connues depuis des décennies - devraient peut-être se voir appliquer un élément supplémentaire qui tient plus du domaine de la biologie. Il ne faut pas s’attaquer seulement à des domaines finis mais à des domaines infinis qui ne répondent pas aux mathématiques. Il faut penser différemment.  

Si nous ne révolutionnons pas la façon de mélanger toutes ces données et de les faire interagir d’une autre manière, je ne pense pas que l’on obtiendra des résultats extraordinaires. Nous allons continuer à faire des progrès. On va aller plus vite, on va aller plus profond, cela va aller plus fin… mais cela ne va pas aller mieux. Il y a plein de domaines qui valent la peine d’effectuer des recherches profondes pour améliorer d’un dixième ou d’un centième les résultats obtenus. Mais pour réaliser quelque chose qui soit plus de l’ordre de l’intelligence, parce que je ne pense pas qu’aujourd’hui nous faisions de l’intelligence, il va falloir mélanger des domaines. C’est ce que nous ne savons pas faire aujourd’hui.

À force de trop vouloir parler d’intelligence artificielle, ne sommes-nous pas tombés dans l’ère de l’intelligence superficielle ?

Nous ne sommes définitivement pas dans de l’intelligence artificielle. Aujourd’hui ce que nous appelons l’intelligence artificielle, moi j’appelle cela de la connaissance artificielle. C’est-à-dire que tout ce que l’on arrive à faire faire aux machines, c’est de leur donner de la connaissance, des data, beaucoup, beaucoup de data, le fameux big data. Donc on donne de la connaissance aux machines et on leur fait apprendre des choses qui sont modélisables. Par exemple, pour battre des joueurs d’échecs ou des joueurs de go. Mais les problèmes que nous résolvons sont des problèmes qui sont purement finis et mathématiquement modélisables. Ce sont des règles. Ce n’est pas de l’intelligence, c’est de la connaissance. Avec une large base de données de connaissances, les machines vont être beaucoup plus fortes que nous à reconnaître des choses car elles vont avoir accès, grâce au big data, à des informations qui ne rentrent pas dans notre cerveau.

Ces machines ne vont pas avoir notre capacité d’intelligence, notre capacité de réflexion. Selon moi, l’intelligence, la véritable intelligence qui est déjà difficile à définir, c’est casser les règles. Cela revient un peu à innover. Car l’innovation c’est casser les règles. C’est faire quelque chose qui n’existe pas aujourd’hui. Et par définition, ce que l’on appelle intelligence artificielle suit les règles. Et l’apprentissage des machines est dispensé par les humains. Quand je vais vouloir reconnaitre un chat et l’image d’un chat, je vais donner à la machine 100 000 images de chats. Et la machine sera alors capable de reconnaitre un chat. Un bébé, un enfant n’a pas besoin de 100 000 images de chats : au bout de deux, trois chats, il sait que c’est un chat. Et ce qui permet cela, c’est cette histoire d’algorithmie biologique dont je parlais tout à l’heure, quelque chose que l’on n’a pas compris, quelque chose que l’on n’arrive pas à modéliser. C’est ce « quelque chose » qu’il va nous falloir trouver pour pouvoir vraiment atteindre l’intelligence artificielle. L’intelligence artificielle sera l’intelligence qui sera capable de produire quelque chose qui n’existe pas.

Que pensez-vous de ce que dit Elon Musk sur l’IA ?

N’importe qui est aujourd’hui capable de programmer un robot pour tuer quelqu’un. C’est facile. Mais avoir un robot qui se programme tout seul pour tuer quelqu’un, là ça m’a l’air un peu plus compliqué. C’est du fantasme. Les choses qui vont être dirigées par l’intelligence artificielle telle qu’elle est définie aujourd’hui suivent les règles qui ont été élaborées par les humains. Si un humain définit un robot pour aller tuer quelqu’un, je vous assure que ce robot ira tuer quelqu’un bien mieux qu’un humain.

En revanche, cela ne me parait pas complètement aberrant d’imaginer que l’on puisse rajouter des cases mémoires à un humain. Éthiquement, on peut en discuter. Charger la mémoire et faire que ces personnes pensent autrement pose un problème. Aujourd’hui, je n’en vois pas l’utilité sauf pour « augmenter » des gens atteints de la maladie d’Alzheimer. Mais ceux qui disent que les robots ou les algorithmes vont prendre le pouvoir par eux-mêmes et commencer par innover par eux-mêmes... On est loin de cela.

Nouveau call-to-action

Est-ce qu’une entreprise doit aller de l’avant en usant et abusant de l’intelligence artificielle ou du machine learning ?

La réponse est oui. Des entreprises qui construisent des objets aujourd’hui, Samsung par exemple qui vend 1 milliard d’objets par an, est-ce qu’elle doit penser plus aux services et aux technologies qui vont permettre à ces objets d’être plus communicants, plus intelligents, plus serviables dans le futur ? C’est évident ! Si elles se contentent de fabriquer des objets que l’on peut qualifier d’objets stupides, je pense que les entreprises auront vocation à mourir parce que n’importe qui pourra fabriquer de tels objets stupides de plus en plus facilement. Donc il faut rajouter une couche de services qui va faire que l’objet va devenir moins stupide. Je ne sais pas s’il va devenir intelligent, mais il va devenir moins stupide. Et selon moi, cette couche passe par le cloud.

Le cloud va être un fédérateur de capacités de ces objets à pouvoir dialoguer ensemble pour délivrer un service qui soit plus en adéquation avec les besoins de l’utilisateur final. C’est là que l’on va faire du machine learning, du big data, de l’IA peut-être… C’est définitivement des choses qu’il faut développer dans une grosse boîte aujourd’hui.

Qu’est-ce qui vous a le plus surpris en matière d’IA et de machine learning ces derniers temps ?

C’est peut-être le fait que l’on en parle beaucoup mais que l’on ne voit pas grand-chose de concret. Il y a des entreprises qui essayent de changer les algorithmes, du moins la façon dont on traite les algorithmes. Dans un domaine que je connais assez bien qui est la reconnaissance de la parole, nous voyons des entreprises qui essaient de casser la manière logique dont on a fait de la reconnaissance de la parole. La reconnaissance de la parole c’est dans les faits : ‘’Je reconnais le son, je reconnais les mots qui sortent de la bouche des gens’’. C’est du signal processing. Ensuite je fais du natural language processing :  ‘’J’essaie de reconnaitre ces mots et d’en comprendre le sens’’. On fait donc séquentiellement la reconnaissance des sons suivi par la reconnaissance des mots. Il y a quelques société qui ont montré ces derniers mois que l’on pouvait mélanger les deux.

Le premier avantage d’une telle approche est que c’est beaucoup plus rapide car le process, au lieu d’être séquentiel, est maintenant parallèle et donc réalisé en une seule étape. Deuxième avantage : on améliore la reconnaissance des mots par la connaissance du domaine. C’est la preuve qu’en mélangeant deux formes d’algorithmie dans un seul algorithme, il va être possible de réaliser des choses beaucoup plus intéressantes que ce que l’on a fait pendant des décennies.

Que vous inspire ce déploiement d’API spécialisées dans l’intelligence artificielle ?

L’API a du bon. Fournir des API à ses experts, c’est-à-dire à des gens qui vont faire du business dans des domaines verticaux particuliers, c’est la solution que l’on a trouvée aujourd’hui pour qu’ils puissent utiliser de l’IA ou du machine learning dans leurs propres domaines. Ce sont des raccourcis. Car ce sont des fonctionnalités qui ne sont pas universelles. Toutefois,  cela va permettre à ces experts de domaines non pas de devenir des experts de data, de big data et de machine learning, mais de penser leur domaine d’une manière différente. Ensuite, ils vont pouvoir réclamer à des spécialistes de l’IA des briques plus spécifiques pour mieux servir leur domaine. C’est donc un cercle vertueux.

Ne devons-nous pas revenir parfois à un vocabulaire plus simple, pour ne serait-ce que simplifier la compréhension du sujet ?

Il faut effectivement dire que l’on dispose d’algorithmes qui aident à faire ceci ou cela. On peut l’appeler IA, on peut l’appeler comme bon nous semble mais il faut mettre en avant ce qui va aider le business à faire quelque chose de connu car on a réussi à extraire des process, des algorithmes, donc des règles. Il y a des entreprises dont le rôle est d’aider à modéliser ces algorithmes, à utiliser des data qui appartiennent à moi ou à d’autres pour faire en sorte que mon process soit amélioré.

Le problème de l’intelligence artificielle est que nous sommes multi-focus. Et c’est cela peut-être la définition de l’intelligence : quelque chose qui fait que l’on est capable de faire du cross domaine. Ces algorithmes ne sont pas toujours adaptés à tous les domaines. Pour moi, ce n’est pas de l’intelligence artificielle, mais de l’amélioration de process et de l’automatisation de tâches qui sont plus ou moins fastidieuses. L’intelligence, c’est certainement ce qui est en lien avec l’innovation et avec la remise en question des règles. Et par définition, tous nos algorithmes sont basés sur des règles, sur des bases de données connues que j’apprends moi-même à quelqu’un d’autre, car c’est quelque chose qui est défini, qui est règlementé.

Vous êtes enthousiasmé par le potentiel qu’offre l’IA ?

Il est évident que je ne suis pas pessimiste et qu’il y a quelque chose qui va être incroyable et qui va révolutionner la façon dont on utilise les objets autour de nous, dont on va proposer des services qui vont vraiment aider l’humain. Je suis déçu par certaines personnes qui, à mon avis, sont irresponsables. Mais je suis définitivement confiant sur le fait qu'il y a quelque chose d’incroyable dans ces technologies que l’on n’a pas encore découvert et qui va effectivement révolutionner l’humain dans sa capacité.

Nouveau call-to-action

Profile picture for user ThierryDerouet
Thierry
Derouet

Journaliste / consultant en communication digitale, Thierry Derouet effectue une veille depuis son poste d’observation depuis plus d’une vingtaine d’années sur les évolutions technologiques et leurs applications au sein d’environnements B2C/B2B.

Journaliste / consultant en communication digitale, Thierry Derouet effectue une veille depuis son poste d’observation depuis plus d’une vingtaine d’années sur les évolutions technologiques et leurs applications au sein d’environnements B2C/B2B.

Lire la suite