L’ordi (Word, Excel, Canva, ajoutez votre pain point favori) ne fait pas ce que je lui demande !
Combien de fois avons-nous prononcé cette phrase de dépit et d’impuissance. Je pense surtout à ceux qui ne sont pas nés la souris à la main, c’est-à-dire dont les dates de naissance sont dans l’ensemble situées avant 1995. On pourrait penser que l’IA va changer tout cela.
Pouvons-nous en être certains ?
Essayons de tirer cela au clair : dans un premier temps, cinq minutes devraient suffire.
Un bébé apprend à distinguer un verre d’eau en deux ou trois impressions. Pour un enfant humain, il suffit de voir un objet courant plusieurs fois pour l’identifier comme tel. Une IA aura besoin de plusieurs centaines de milliers d’itérations pour pouvoir reconnaître un verre. Tout un dispositif sera mis en place pour lui permettre de distinguer les verres. Ce savoir ne sera quasiment pas transférable à d’autres tâches.
En effet, l’intelligence artificielle dont nous disposons aujourd’hui est associée à des tâches précises. Dans le vocabulaire des spécialistes, l’intelligence humaine, notre étalon, est désignée comme IG ou intelligence générale. On parle alors d’AGI en anglais (Artificial General Intelligence). Cette catégorie d’intelligence suppose l’aisance de la conceptualisation, la facilité du transfert d’une tâche à l’autre et, d’une manière générale, la souplesse dont font preuve les humains dans la gestion des situations imprévues. En fait, la flexibilité mentale est le point d’entrée dans l’intelligence. Le concept actuel d’intelligence artificielle est un vocable qui a sédimenté dans la recherche dans les années 1950. Malheureusement, il est à l’origine de bien des malentendus aujourd’hui.
Disons-le clairement, l’IA n’est pas une intelligence… de type humain. L’intelligence artificielle, celle des machines, est d’une autre nature. Elle permet, par exemple, de stocker des volumes massifs d’information, de procéder à des opérations susceptibles d’être décrites en séquences ordonnées (les algorithmes) à des vitesses mirobolantes.
Pour nos sociétés avides de quantification, d’estimations et averses au risque, la capacité de compter, calculer, anticiper est formidable. La roboticienne Kate Darling, compare cette capacité nouvelle à l’apport phénoménal qu’a représenté la domestication du buffle en Mésopotamie, qui a inauguré l’ère agricole il y a 25 siècles environ. En effet, il s’agit bien d’un apport en puissance sur un périmètre d’action déterminé. Le buffle, en tant qu’agent autonome, apporte une puissance incomparable à l’humain sur le strict périmètre des actions qui lui sont dévolues. En substance, une IA permet à un humain de labourer beaucoup plus vite et plus profondément un champ de données. Toutefois, l’humain qui la programme devra toujours s’impliquer pour assigner les objectifs, délimiter le champ et atteler la charrue. Ainsi, dans son dernier ouvrage en date « The New Breed, What Our History with Animals Reveals about Our Future with Robots », Kate Darling nous invite à penser les robots et l’IA à partir de notre expérience avec les animaux, plutôt que de nos lectures de science-fiction. Soyons clairs, les trois principes de la robotique d’Asimov ne sont pas transposés en code dans la réalité, car la méthode consistant à appliquer des principes généraux à des situations concrètes ne convient pas à l’IA. L’argument est convaincant.
Reformulons donc pour plus de clarté : l’intelligence artificielle est une intelligence d’un type non humain. Songeons aux animaux de compagnie pour asseoir ce point. S’il semble contraire à l’expérience et au bon sens de les considérer comme privés d’intelligence, il n’en serait pas moins discutable de leur attribuer une intelligence de type humain. Le même raisonnement s’applique à la machine. La logique inhérente à un ordinateur est différente de la nôtre. Ergo, « il ne fait jamais ce que je veux … tant que je lui assigne des tâches à la manière dont je le ferais pour un humain » ! Le défi d’UX designer consiste en particulier à favoriser cette traduction de besoins d’utilisateurs humains en cahiers des charges susceptibles d’être compris et réalisés par une machine.
La méthodologie à nos mots part de ce constat. Nous opérons toujours en intelligence mixte afin que la charrue et les bœufs conceptuels soient toujours correctement alignés. Dans cet ordre d’esprit, les résultats obtenus lors de recueils à grande échelle et traités pas apprentissage automatique ont un statut particulier qui doit être pris en compte lorsqu’il s’agit de les convertir en insights.