L'intelligence artificielle existe depuis longtemps et continuera à se développer. Qu'elle devienne notre amie ou notre ennemie dépend de la manière dont nous la gérons.
Le but de cet article est d'examiner ce que l'intelligence artificielle (IA) peut ou devrait faire pour nous. Commençons par la dystopie et regardons le présent. En Allemagne, deux millions d'emplois ne sont pas pourvus et la tendance est à la hausse. La pénurie de personnel qualifié et de main-d'œuvre paralyse déjà sensiblement l'économie allemande, l'administration, les soins de santé, l'éducation et d'autres secteurs économiques. Même la stratégie du gouvernement fédéral en matière de main-d'œuvre qualifiée ne donne pas beaucoup d'espoir. Notre administration est dysfonctionnelle et une énorme vague de départs à la retraite s'abat sur elle. D'ici 2030, on estime que 30 % des employés du secteur public partiront à la retraite. Les chaînes d'approvisionnement mondiales se sont révélées moins fiables qu'on ne l'espérait en raison des crises internationales. On pourrait également mentionner notre infrastructure délabrée, à commencer par les ponts d'autoroute et la couverture réseau déficiente. Comme si tout cela ne suffisait pas, la Cour constitutionnelle allemande nous a écrit que nous ne pouvions pas reporter sur les générations futures tous les problèmes liés au dérèglement du climat et que nous devions par conséquent rénover en profondeur notre économie énergétique, notre production, notre chauffage, notre mobilité, etc. en étroite collaboration avec nos partenaires mondiaux, sans toutefois disposer d'un plan ou du personnel adéquat. On peut donc en conclure que l'Allemagne est en train de se débarrasser d'elle-même à grande vitesse.
Que pouvons-nous espérer ? Démocratisation de la technologie light
Je ne veux pas ici, tel un prestidigitateur, sortir de mon chapeau la technologie qui résoudra tous les problèmes. Néanmoins, je suis profondément convaincu que les solutions d'hier ne fonctionnent plus au vu des caractéristiques des problèmes évoqués et que la technologie intelligente jouera un rôle clé dans leur résolution. La technologie de l'IA n'est pas nouvelle, nous l'utilisons tous les jours. Les moteurs de recherche nous guident sur le web. Des systèmes de recommandation nous suggèrent des actualités pertinentes sur notre smartphone ou des articles dont nous pourrions avoir besoin dans une boutique en ligne. Et les navigateurs nous guident à travers le monde. Ces derniers réunissent d'ailleurs des technologies d'IA de différentes décennies : Recherche heuristique du chemin le plus court (années 1960), système de dialogue vocal (années 1990) et prévision des embouteillages basée sur les données (années 2000). L'IA peut détecter certaines maladies plus tôt que les médecins et assurer l'accessibilité là où il n'y a pas d'interprète en langue des signes. L'IA est pratiquement la grande sœur de la numérisation, qui nous facilite la vie à de nombreux égards.
De même que le jeu de go Alpha-Go a déclenché un boom de l'IA en Chine en 2016, la publication du grand modèle de langage ChatGPT de la société OpenAI à l'automne 2022 a ouvert les yeux de beaucoup d'entre nous sur tout ce que cette technologie peut (potentiellement) faire. Alors que l'utilisation joyeuse de cette technologie par les élèves et les étudiants lors de la rédaction de devoirs dans le cadre universitaire a jusqu'à présent suscité des sentiments mitigés, les informaticiens utilisent déjà de tels modèles pour programmer plus efficacement. Les résultats obtenus par les différents systèmes d'IA lors de la création d'images, de la traduction ou de l'écriture de textes ou d'avatars animés sont étonnants, même pour les experts que nous sommes. Et pourtant, malgré l'euphorie, il reste un bémol : tout cela n'est qu'une démocratisation light. Le développement technologique est fermement entre les mains des hyperscaleurs internationaux, c'est-à-dire des entreprises comme Amazon, Facebook ou OpenAI, et nous sommes jusqu'à présent largement spectateurs, devant quasiment nous contenter de miettes grâce à des accès (encore) gratuits ou bon marché.
Il existe cependant déjà quelques approches en Allemagne, comme par exemple le projet OpenGPT-X, soutenu par le ministère de l'économie et dont la startup Aleph Alpha de Heidelberg est également partenaire, ou l'initiative LEAM, lancée par l'association fédérale de l'IA, dans laquelle différentes entreprises et instituts de recherche se sont organisés pour orchestrer des étapes vers la souveraineté numérique.
Sans les hommes, rien n'est possible
La technologie nous aidera-t-elle à compenser le manque de main-d'œuvre ? Il y a beaucoup d'emplois que l'on ne peut pas numériser, parce que ce serait trop compliqué ou tout simplement parce que ce n'est pas encore techniquement possible. Il faudra encore du temps avant qu'un robot puisse brancher un lave-vaisselle dans un appartement ancien, et il y a de nombreux emplois que nous ne devrions pas automatiser en tant que société, par exemple là où nous travaillons avec des groupes vulnérables comme les enfants ou les personnes nécessitant des soins. Mais il y aura aussi de nombreux travaux que nous voudrons conserver chez l'homme, tout simplement parce que nous aimons les faire, parce qu'ils nous comblent. Et c'est bien ainsi ! Le fonctionnement de la coopération homme-machine est une question de conception, pas une question de destin.
Même si des systèmes d'IA comme ChatGPT parlent parfois de manière assez précoce, nous ne devons pas oublier que ces systèmes ont dû apprendre leurs capacités de nous. Le système de base GPT-3 a acquis une compréhension de base de la (des) langue(s) à partir d'énormes quantités de données web, en présentant à plusieurs reprises des textes à un réseau neuronal par le biais d'un algorithme d'apprentissage, tout en masquant un mot quelconque que le réseau devait ensuite « deviner ». C'est ce qu'on appelle l'apprentissage autosurveillé. Le réseau a optimisé ses paramètres et est ainsi devenu un moteur de prédiction de texte, c'est-à-dire un modèle linguistique génératif. Celui-ci continue ensuite à filer n'importe quel début de texte de manière trompeuse, qu'on lui donne un début de poème ou le début d'une dissertation scientifique. C'est en fait ce que nous connaissons déjà des suggestions de saisie dans les moteurs de recherche ou dans les messages, mais en mieux.
Pour que le prédécesseur de ChatGPT, InstructGPT, réagisse également à des instructions telles que « Écris une réponse négative à cette invitation ! Et pour que ChatGPT réagisse par exemple de manière équilibrée aux demandes problématiques, il a été à nouveau entraîné par des personnes qui ont évalué la production correspondante.
Les détails n'ont pas beaucoup d'importance ici, il devrait juste être clair que les systèmes d'IA doivent apprendre leurs tâches de nous. Si je veux qu'un système réponde à des demandes de réparation, il doit connaître les noms des pièces et les contextes techniques, et s'il doit traiter des demandes de garantie, il doit pouvoir appliquer certaines règles. Outre les processus d'apprentissage automatique basés sur les données, on utilise également dans la pratique des approches d'IA basées sur les connaissances et les règles, qui doivent être alimentées par les connaissances d'experts des services spécialisés. Or, dans les administrations et les entreprises, l'attitude est encore souvent la suivante : « Jusqu'à ce que je parte à la retraite, le classeur de circulation suffit encore, ensuite la jeune génération peut se lancer fraîchement dans la numérisation (et l'introduction de l'IA) ». Mais ce calcul ne tient pas la route.
La force réside dans l'action
La technologie est venue pour rester, et nous avons l'espoir qu'elle puisse nous aider à résoudre différents problèmes. Que devrions-nous donc faire ? Construire l'avenir ! L'adaptation et l'ajustement des systèmes dans les processus d'entreprise doivent se faire d'urgence maintenant, tant que nous avons encore la connaissance des clients et des processus dans les entreprises et l'administration. Une fois qu'il sera à la retraite et que personne ne le suivra à temps, il sera extrêmement difficile de « faire tourner la boutique » avec le peu de personnel disponible et de rattraper la numérisation manquée.
Là où nous pensons qu'il y a du bon travail et où nous avons un besoin urgent de personnes, comme dans les soins ou la formation, l'IA et la numérisation peuvent aider à rendre les emplois plus attrayants. Si les médecins et les infirmières passent aujourd'hui 40 % de leur temps de travail à documenter, ils travaillent de facto déjà la moitié de la journée comme des robots - mais pas de manière aussi fiable. Ces tâches peuvent être mieux accomplies par des lunettes de données ou des robots piluliers qui ne sont jamais distraits et ne se fatiguent jamais. Si une partie importante du temps restant peut être consacrée au patient, nous aurons gagné sur le plan de la numérisation. Et si les formateurs reçoivent une aide pour corriger les tests et les exercices de calcul et peuvent consacrer ce temps à la préparation des cours et à l'accompagnement individuel, c'est certainement aussi un gain.
Le travail devrait être rendu plus attrayant par la numérisation et l'IA. Les « quatre D de la robotisation » peuvent servir d'inspiration : dull, dirty, dangerous et dear. Ce sont donc les tâches répétitives, sales et peut-être même dangereuses que nous devrions d'abord déléguer aux machines. Nous ne pouvons plus nous permettre de faire exécuter en masse par des êtres humains des tâches qui peuvent être automatisées sans concessions, comme le traitement de formulaires ou la recherche de paquets dans des entrepôts. Il ne s'agit pas de remplacer les hommes par des machines. Il s'agit plutôt de faire fonctionner le système socio-technique, dont fait partie la satisfaction au travail. Il peut être judicieux à cet égard de laisser les machines effectuer un triage : Les 60 % de demandes de garantie des clients sont des cas clairement positifs et les 20 % de cas clairement négatifs qui peuvent déjà être approuvés ou rejetés par la machine (avec des échantillons humains pour le contrôle de la qualité). L'homme ne doit alors plus s'occuper que des 20 % de cas douteux intéressants. Cela valorise en même temps sa profession, car il a alors le temps nécessaire pour cela.
Où est le piège ?
Il est certain que la technologie de l'IA, comme toute autre technologie, pose ses propres problèmes, mais je ne veux pas me lancer dans le chant habituel sur la protection des données et les problèmes éthiques. Dans les conférences, j'aime dire à ce sujet : « Plus nous discutons de la protection des données et de l'éthique, plus le risque est grand que nous achetions l'éthique en Chine et la protection des données aux États-Unis ». Ces deux thèmes sont bien sûr importants, mais nous avons élaboré en Europe et en Allemagne de bonnes solutions et des processus de conception qui nous permettent de mettre en œuvre une IA digne de confiance.
L'une des grandes préoccupations que m'inspire actuellement l'IA générative est la « pollution » de l'Internet par des images et des textes générés artificiellement et bientôt sans doute aussi par des vidéos, des films et d'autres données. Les prochaines générations de systèmes d'IA seront en effet formées à partir de ces données, qui ne peuvent souvent pas être distinguées des données réelles. Cela peut entraîner une baisse de la qualité des données. Mais nous espérons trouver des solutions à ce problème.
Au début, j'ai écrit qu'il s'agissait de savoir ce que l'IA devrait faire pour nous. J'aimerais maintenant que vous me le disiez. Ne laissez pas les technologues répondre à cette question - utilisez votre pouvoir de création !
A propos de la personne
Aljoscha Burchardt est chercheur principal et vice-président du site du Centre allemand de recherche en intelligence artificielle (DFKI) à Berlin. Il est expert en technologie linguistique et en intelligence artificielle.