Analyse

[CONVERSATION] Juliette Mattioli : Intelligence Artificielle, nouveau levier de croissance pour l’intelligence économique ? [1/2]

Le 5 mai 2022 par Yacine Ioualitene

L’intelligence artificielle représente un enjeu considérable dans une multitude de domaines depuis maintenant plusieurs siècles. Revenons sur les fondamentaux de cette technologie et voyons à quel point elle peut s’avérer stratégique dans les affrontements étatiques. Un entretien avec Juliette Mattioli, spécialiste émérite de l’intelligence artificielle, expert sénior en I.A. chez Thalès et présidente du hub DSAI du pôle de compétitivité Systematic Paris-Région.

Portail de l’IE (PIE) : Quelle est votre définition de l’intelligence artificielle ? Est-il possible d’avoir une présentation simple et « vulgarisée » de ce concept ?

Juliette Mattioli (JM) : L’I.A. consiste à donner des capacités cognitives à un système artificiel. Ces différentes capacités cognitives correspondent à la perception, l’apprentissage, l’abstraction, le raisonnement, la décision ainsi que la communication et l’action.

On retrouve deux paradigmes qui s’affrontent mais qui vont s’hybrider, selon moi. D’une part, l’I.A. dirigée par les données, en vogue via l’apprentissage, le computer vision (technique d’intelligence artificielle permettant d’analyser des images) adapté au monde de la perception et de la prédiction. D’autre part, le paradigme plus symbolique de l’I.A., qui se base sur les connaissances. Elle couvre des techniques d’optimisation combinatoire, de planification, de décision multi-critères mais aussi d’ingénierie de la connaissance avec les ontologies. On oppose souvent ces deux paradigmes alors que je pense qu’ils sont complémentaires : résoudre un problème complexe nécessite la combinaison des deux allant vers l’I.A. hybride. 

 

PIE : Comment définissez-vous le “Machine Learning”, le “Deep Learning” et quelle est leur différence ?

JM : Le machine learning appelé en français « Apprentissage automatique » inclut des technologies comme le Deep Learning ou l’apprentissage par renforcement. Globalement, l’apprentissage permet d’apprendre à partir d’exemples, un peu comme un enfant apprend à reconnaître une pomme en voyant des exemples de variétés de pommes.

Aujourd’hui, on retrouve beaucoup de technologies à la base des réseaux neuronaux. C’est grâce à l’algèbre linéaire que nous pouvons inférer ces modèles. Le Deep Learning est un réseau particulier avec beaucoup de couches, ce qui permet de faire mieux que les réseaux de neurones des années 90. Par exemple, cette technologie permet de reconnaître un visage et c’est notamment cette application qui lui a valu sa renommée. Cependant, pour bien fonctionner, cette technologie nécessite beaucoup, beaucoup d’exemples.

On retrouve également des technologies de plus en plus complexes, qui nécessitent aussi de travailler à partir d’exemples, moins statiques que des images, comme les séries temporelles. On peut citer les CNN (Convolutional Neural Network).

 

PIE : Quelles sont les principales activités dans lesquelles l’IA est utilisée aujourd’hui ? Pour quels secteurs l’I.A. se révèle stratégique et pourquoi ?

JM : L’I.A. peut aider à résoudre des problèmes dans tous les domaines. Elle est notamment présente dans tous les verticaux de Thalès. Par exemple, dans l’aéronautique : elle permet d’aider les contrôleurs aériens à mieux estimer les délais lors d’atterrissages. Dans le domaine ferroviaire, elle permet de détecter des obstacles. On peut par ailleurs surveiller la Terre depuis l’espace pour identifier l’impact des changements climatiques, reconnaître des cibles ou planifier des opérations dans le domaine de la défense.

On utilise également l’I.A. dans l’ingénierie comme pour concevoir des batteries de tests de manière automatique ou pour capitaliser et gérer les connaissances métiers grâce à l’ingénierie des connaissances. Pareillement, pour le manufacturing, l’I.A. permet de faire évoluer l’industrie 4.0 en optimisant la supply chain (chaîne d’approvisionnement). Dans le domaine automobile, l’I.A. s’applique aux véhicules autonomes, dans le domaine de la santé et de l’agriculture, pas un domaine n’échappe à l’I.A.

Cependant, elle ne pourra pas résoudre tous les problèmes. Il faut pouvoir montrer sa valeur ajoutée en comparaison à des solutions basées sur des technologies plus « classiques ».

En bref, de nombreux domaines d’application chez Thalès (et ailleurs) utilisent et continueront d’utiliser de l’I.A., que celle-ci soit à la base d’apprentissage automatique, d’I.A. symbolique ou d’I.A. hybride.

 

PIE : L’I.A. est un sujet de discussion populaire depuis plusieurs années. Quelles sont les nouveautés aujourd’hui ? Est-ce que quelque chose a changé depuis le début de sa popularité ?

 

JM : L’I.A. était déjà populaire il y a plus de trente ans, citons par exemple, l’I.A. battant Kasparov en 1996. Depuis, plusieurs choses ont changé : la puissance de calcul en premier lieu. Elle permet de faire des choses beaucoup plus complexes et beaucoup plus rapidement. La disponibilité des données a permis de concevoir de nouvelles approches comme le deep learning (apprentissage profond). Internet et l’Open Data, ont aussi contribué à la renaissance de l’I.A. De ces innovations, découle directement l’explosion des approches de l’I.A. à base de données, notamment grâce aux travaux de LeCun, Bengio et Hinton.

Selon moi, des années et des années d’algorithmes ont permis la capitalisation de bibliothèques (scikit-learn). L’arrivée du web sémantique a également démocratisé les travaux scientifiques (google scholar, etc.) permettant le cassage du silo scientifique. Tout cela mène par exemple à réduire les barrières entre des professionnels de la santé avec les scientifiques de l’I.A.

De ce fait, les échanges de connaissances sont beaucoup plus fluides. Enfin, beaucoup plus d’argent est injecté, particulièrement via les GAFAM et bien sûr via l’industrie des jeux-vidéos faisant connaître l’I.A. à un plus large public.

 

PIE : Aujourd’hui, comment la France est-elle positionnée sur ce sujet ? Quelles sont nos forces et faiblesses ?

JM : En 2018, la France s’est positionnée sur l’I.A. pour l’humanité (c'est-à-dire l’I.A. éthique) notamment via la mission de Cédric Villani. Cela a donné un grand boost pour la recherche académique.

À cette époque, les grands industriels Français comme Renault, Michelin, Safran ou Thalès étaient peu concernés par cette stratégie. Certains ont alors signé le manifeste I.A. en 2019, regroupant aujourd’hui 15 industriels français. En effet, l’I.A. de confiance était leur préoccupation. Cette vague impulsée a été entendue par le gouvernement. Ce dernier a lancé par la suite le Grand Défi National de l’I.A. de confiance ou le grand Défi de l’I.A. en santé. Aujourd’hui, la force de la France repose sur le fait qu’elle est le leader d’opinion sur l’I.A. de confiance, c'est-à-dire l’I.A. pour les systèmes critiques.

Les principales faiblesses de la France dans ce domaine reposent sur le fait que les différents professionnels du domaine ne savent pas vraiment se vendre même s’ils disposent d’un réel savoir-faire. La conséquence directe : les Français sont peu visibles à l’international et s'ils le sont, cela reste des succès individuels autour d’une personne, d’un labo, ou une entité, mais pas un écosystème français reconnu dans sa globalité. Deuxièmement, nous ne disposons pas des mêmes moyens qu’en Chine ou qu’aux USA, que ce soit en terme salarial ou dans les équipes de recherches. Enfin, l’enseignement de l’I.A. n’est pas forcément bien structuré et reste inégal entre les différentes formations disponibles. Pour résumer, il faut que la France mise sur la formation dans l’I.A., la visibilité et un « faire savoir ». Cependant, il est important de souligner que le « savoir-faire » est là, car nous disposons de scientifiques très brillants dans le secteur. 

 

PIE : On entend souvent parler de fuite des cerveaux, qu'est-ce que vous en pensez ?

JM : Que ce soit du côté des GAFAM ou des BATX, tous deux reconnaissent la formation française ainsi que ses talents, précédemment cités, car la majorité a été installée en France. Leur centre de recherche (FAIR pour facebook, Huawei), l’une des principales sources de cette fuite des cerveaux se trouve être le problème d’attractivité salariale. On retrouve un facteur multiplicatif de presque deux entre le salaire d’un thésard du CIFRE et celui d’un thésard de Facebook.

Le manifeste I.A. précédemment cité s’intéresse aussi à la problématique d’attractivité : comment garder ses talents dans les industries françaises. Un groupe de travail étudie d’ailleurs le sujet et un événement a été organisé en novembre 2021, où toutes les écoles d’ingénieur de France étaient invitées pour découvrir les industries françaises qui ont de beaux problèmes en I.A. et pallier cette fuite.

 

PIE : Comment la France peut-elle tirer un avantage de ce bouleversement technologique ?

JM : Il faut que la France continue à innover, à se rendre encore plus visible, à déposer des brevets et de l’open source autour de l’I.A. pour développer cette culture de la propriété intellectuelle tout en gardant la spécificité de la France, sa spécialisation dans l’I.A. de confiance, l’éthique pour les domaines des systèmes critiques, la santé et le B2B.

 

Propos recueillis par Yacine Ioualitene pour le club Data Intelligence de l'AEGE

 

Seconde partie le 06 mai

Pour aller plus loin: