book.chapter Introduction

L’intelligence artificielle rassemble toutes les techniques permettant à des ordinateurs de simuler et de reproduire l’intelligence humaine » (p. 12). La notion n’est donc pas nouvelle. On peut même l’assimiler à l’apparition des premiers algorithmes, et rattacher la BI (business intelligence ou informatique décisionnelle) à sa première apparition dans l’entreprise. Cette intelligence qui se décline en cinq fonctions principales (la perception, la mémoire ou apprentissage, le calcul, les capacités de communication, les capacités d’exécution) est désormais présente dans nombre d’équipements grand public (reconnaissance vocale, traitement automatique des chèques, etc.) Elle découle d’un changement de paradigme. L’algorithme traditionnel fixait des règles immuables (sous la forme fréquente de « si...alors »). Le machine learning permet aujourd’hui à l’ordinateur d’adapter les règles en fonction des éléments qu’on lui soumet. À partir d’un jeu de données portant sur la surface, l’ancienneté, l’étage, l’arrondissement… il va être capable d’apprendre à estimer le prix d’un appartement parisien. Il remplace donc le raisonnement d’un agent immobilier expérimenté et s’adapte à l’évolution du marché. Cette capacité d’analyse, qui se passe de modélisation a priori, fonde « 90 % de l’IA de ces dernières années », selon un taux d’erreur que le contexte va considérer comme acceptable ou non. On peut tolérer un taux de 10 % dans la coloration d’un bonbon, mais pas dans la solidité du câble d’un ascenseur. C’est pourquoi le jeu d’apprentissage est fondamental, voire critique, tant par la qualité des données que par la taille de l’échantillon. Cela explique la supériorité des GAFAM, qui s’appuient sur un volume de données considérable.