• La rédaction Du MAG !

L'IA au service de nos communes ?

L'intelligence artificielle est déjà présente dans notre quotidien, comment peut-elle se mettre au service de nos territoires ?

La rédaction, Le Mag des Territoires Numériques #LMNT vous propose un billet sur le sujet de l'IA au service de nos communes ?


Photo by Marius Masalar sur Unsplash

L’on entend souvent parler d’Intelligence Artificielle qui choisit à notre place, d’algorithme caché et néanmoins souverain qui dicte nos actes et nos choix. On imagine des lignes et des lignes de codes qui défilent à la Matrix, des formules secrètes qui viennent chercher dans le tréfonds de nos publications et échanges nos pensées cachées afin de nous cartographier pour nous manipuler… Et si c’était plus simple ? Et si finalement quelques actions basiques permettaient d’entraîner une IA ? Et si Facebook, Twitter ou Amazon se contentaient juste de quelques clics pour nous


Cliquer sur un lien d’une news-letter, d’un article de Facebook ou Twitter, ou d’un produit d’Amazon permet à l’IA émettrice de considérer que l’on trouve l'article /produit digne d’intérêt. Et paradoxalement, c’est comme si l’on disait "j'aime cet article ». Ou si on cliquait sur le bouton vert, cœur, pouce levé situé sous l'article, sous la photo du produit…

Et si après avoir lu l'article ou regardé les caractéristiques des produits, finalement, on se dit qu'en fait que je n’aime pas cela, et bien il suffit de cliquer sur le bouton rouge, le "j'aime pas", pouce en bas …


Ce qui montre que l’IA n’est pas si proche que cela d’une perfection qu’on lui attribuerait volontiers et reste finalement encore très … binaire : l’IA a juste besoin d’apprendre. Et le côté binaire du "J'aime, j'aime pas", qui peut paraître trop simple, est en réalité plus pertinent que d’indiquer des critères précis et nombreux… Car l’IA, malgré ce que l’on pourrait penser, ne comprend pas bien quand on lui parle. Ainsi, les robots et les enceintes connectées, aujourd’hui, ne peuvent comprendre qu’un seul interlocuteur à la fois et dans un langage simple, pour une commande facile…


Miles Davis disait : « pourquoi jouer tant de notes ? Il suffit de jouer les plus belles ». Mais justement, comment expliquer cela ? Comment expliquer la différence entre une bonne et une mauvaise chanson ? Il faut développer un raisonnement complexe, prendre en compte quantité d’éléments dont certains échappent à notre conscience. Si l’on devait lister tous les critères, on en oublierait certainement, et parfois on utiliserait des mots et concepts arbitraires ou ambigus. L'on créerait des biais qui nous enfermeraient ou nous induiraient en erreur. Le plus simple reste de dire : « j’aime cette chanson », ou « je n’aime pas cette chanson ».

Ainsi, si après avoir écouté un album, une chanson, un chanteur, on dit simplement à Deezer ou Spotify qu’on l’aime ou non, même si les raisons sont multiples, cela va permettre à leur algorithme de faire des calculs pour « deviner » quel sera le chanteur susceptible de nous intéresser ou de nous surprendre agréablement. Et pour cela pas besoin de critères, mais de … données.


A partir de celles-ci et de notre impulsion binaire (j'aime, j'aime pas), l’IA va établir ses propres critères qui ne seront pas enfermés dans des mots ou des concepts. Ce sont des fonctions mathématiques que l’IA va pouvoir faire évoluer, par petites touches, pour épouser le plus possible nos goûts. Alors que l’on aurait par exemple une vingtaine de critères pour définir une bonne chanson, l’IA va en générer plusieurs centaines; et comme ces critères IA ne sont pas des concepts, mais des fonctions mathématiques, chacun ayant un poids, l’IA va ajuster celui-ci en permanence en fonction des nouvelles données reçues.


Et comme l’IA ne nous demande qu'un minimum d'efforts (dire ce qu’on aime, ou pas, cliquer sur un produit, un article, une chanson, écoute, regarder une vidéo… actions somme toute très passives et simples), l’IA va devoir aller comparer ces données avec sa base départ, l’implémentation d’articles, de produits, de chansons, … , sur plusieurs années, avec des milliers de données associés à ces contenus (les mots, les sources, les gens qui les ont partagés sur Twitter, sur FaceBook, YouTube, les liens entre tous ces objets,  etc.).

Et comme l’IA va continuer de faire ça jour après jour, elle va pouvoir analyser nos comportements et nos interactions avec les contenus sur les réseaux sociaux par exemple.

Plusieurs modèles, sociaux ou sémantiques, seront créés et mélangés, dans un méta-modèle en quelque sorte, permettant de leur donner du sens. De ce fait, lorsque Facebook met en avant sur notre fil d’actu un article ou le post d’un « ami », ou quand Spotify ou Deezer nous proposent une sélection d’écoute ou un mix, leur IA a déjà analysé les milliers de données qui y sont associées, leur d’attribuant un poids pour situer cet article ou cette chanson par rapport à nous. Dès que l’on donne un retour sur un article, un produit, une chanson, c'est à dire "j'aime" ou "j'aime pas", un clic, une écoute, l’IA prend ça comme un "1" ou un "0", et va recalculer chaque poids de chaque neurone et nous situer, nous et cet article/produit/chanson, dans un espace dimensionnel à X dimensions (autant que de données), par rapport à des millions d'articles et des dizaines de milliers de profils qu’elle a identifié. Et même si l’on ne fait rien, l’IA recalcule quand même notre profil car cet univers est lui toujours en mouvement.


En résumé, une IA n'a pas besoin de beaucoup de données sur nous : les articles/produits/chansons/vidéos sur lesquels on a cliqué lui suffisent. A la limite, une IA n’a pas besoin de fichier de données nous concernant, aucune analyse, à part cette liste de clics. La valeur de l’IA vient de sa capacité à recalculer en permanence le positionnement de ce faible volume par rapport à ce qu’elle observe par ailleurs. Et même si on ne la sollicite pas, si on ne l'entraîne pas pendant de longs mois, si on va très peu sur Facebook, Instagram, Twitter, Amazon, l’IA va continuer à être de plus en plus précise parce que sa compréhension de la complexité et de la qualité de l'information s'améliore chaque heure grâce à sa matrice de référence constituée au départ, aux interactions déjà effectuées, qui va lui permette de détecter très rapidement ce qui sera « utile » à chacun.

Pour cela elle doit être « aidée » en permanence par les humains : programmeurs, concepteurs, entraîneurs de robots, experts, chercheurs, analystes, petites mains (le Turc Mécanique d’Amazon) … et utilisateurs… Pour être performante, une IA a donc besoin à sa conception, dans sa « vie » et dans son utilisation d’une matière première de qualité : l’humain.


Comme quoi, sans humanité, la technologie n’est et ne sert à rien.

#IntelligenceArtificielle #Territoires #Communes #France #Régions #Départements #Elu

Le Mag des Territoires Numériques

1er Partenaire média des collectivités numériques de France 

E-mail: contact@lemagdesterritoiresnumériques.com

Tél: 02 46 91 08 57

Adresse : 331 rue d'Alsace, 45160 Olivet

La rédaction est joignable du

Lundi au Vendredi : 

De 9h00 à 12h00 et de 14h00 à 18h00

Recevez nos actus !