INTRODUCTION
Si l'on se base sur le critère de l'autonomie du
logiciel, il existe de nombreuses techniques d'intelligence artificielle,
réunies sous le terme d'intelligence artificielle. Il est donc
préférable de parler « d'intelligences artificielles
»28. Par ailleurs, L'Institut National de Recherche en
Informatique et en Automatique (INRIA), dans son livre blanc
sur l'intelligence artificielle29 considère qu'effectuer de
nombreuses typologies sur les technologies d'intelligence artificielle est
possible mais qu'aucune ne prévaut car « L'IA est un vaste
domaine; toute tentative de le structurer en sous-domaines peut donner lieu
à débat. ». Néanmoins, la technologie de
l'intelligence artificielle est dominée par les techniques
d'apprentissage automatique30. Seront ainsi
étudiées dans ce mémoire, les techniques d'apprentissage
automatique supervisé, non supervisé et par renforcement.
L'apprentissage automatique, ou « machine learning
», peut se définir comme une « branche de
l'intelligence artificielle, fondée sur des méthodes
d'apprentissage et d'acquisition automatique de nouvelles connaissances par les
ordinateurs, qui permet de les faire agir sans qu'ils aient à être
explicitement programmés.31 » Concrètement,
le développeur doit ici « alimenter la machine avec des
exemples de tâche que l'on se propose de lui faire accomplir. L'homme
entraine ainsi le système en lui fournissant des données à
partir desquelles celui-ci va apprendre et déterminer lui-même les
opérations à effectuer pour accomplir la tâche en question
»32. La CNIL caractérise ce type de
logiciel comme ayant la particularité d'être conçu de sorte
que son comportement évolue dans le temps, selon les données qui
lui sont fournies. En effet, ces types d'algorithmes ont la
particularité de ne pas être totalement programmés, ils se
différencient ainsi des algorithmes classiques de programmation par leur
logique d'apprentissage33.
L'algorithme de machine learning est une innovation
de rupture par rapport à l'algorithme classique. Selon J.P. Desbiolles,
on passe progressivement « d'un monde de programmation à un
monde d'apprentissage »34. On peut donc opposer les
algorithmes classiques, déterministes, qui fonctionnent selon des
instructions définies, aux algorithmes apprenants, probabilistes. La
machine découvre par elle-même les corrélations entre les
phénomènes traduits en données35. Si les types
de logiciels d'apprentissage automatique sont
28 T. Morisse, « intelligence artificielle,
un nouvel horizon : pourquoi la France a besoin d'une culture numérique
? », Les Cahier Lysias, 2017, p. 41
29 INRIA, « intelligence artificielle, livre
blanc n°1 », 2016, p. 20
30 Commission Européenne, « robustness
and Explainability of Artificial Intelligence », JRC technical report,
2020, p. 1
31 Vocabulaire de l'intelligence artificielle, JORF
n°0285, 9 décembre 2018
32 CNIL, les enjeux éthiques des
algorithmes et de l'intelligence artificielle, op. cit., p. 16
33 C. Villani, Rapport «Donner un sens à
l'intelligence artificielle», 2018, p. 26
34 CNIL, les enjeux éthiques des
algorithmes et de l'intelligence artificielle op. cit., p. 16
35 Y. Meneceur, « Pourquoi nous devrions (ne
pas) craindre l'IA », LinkedIn, 23 février 2020
- 7 -
| 
