La matière grise les industriels

L’intelligence artificielle, nouvel eldorado des Gafa ? Difficile d’en douter. Google, Apple, Facebook, Amazon, mais aussi Microsoft ou IBM : tout le monde est sur les rangs. Derrière AlphaGo, l’algorithme de Google DeepMind capable de battre l’un des meilleurs joueurs de go au monde, près de 1 200 projets sont dans les tuyaux de Moutain View. La firme à la pomme, elle, a racheté en quelques mois VocalIQ, une start-up spécialisée dans la reconnaissance vocale, Perceptio, qui a développé une technologie de tri automatique de photos, et Emotient, qui travaille à la reconnaissance des émotions à partir des expressions du visage.

Assistants. Même le PDG de Tesla Motors, Elon Musk, qui s’était pourtant inquiété des dangers de l’intelligence artificielle, a participé en décembre à San Francisco au lancement d’OpenAI, un centre de recherche à but non lucratif également abondé par Amazon Web Services.

Chez les géants du Net et de l’informatique, on investit à tour de bras - et on recrute. En mars 2013, en acquérant la start-up canadienne DNNresearch, Google a embauché son fondateur, le chercheur Geoffrey Hinton. Un spécialiste des réseaux de neurones artificiels dits «convolutifs» et un pionnier du «deep learning», l’«apprentissage profond», qui permet aux machines d’apprendre par elles-mêmes (lire ci-contre). En 1987, Hinton accueillait en post-doc à l’université de Toronto un jeune Français, Yann LeCun. Qui dirige aujourd’hui le département d’intelligence artificielle de Facebook… Tombé en désuétude dans les années 90, faute de puissance de calcul suffisante, le deep learning vit depuis cinq ans un spectaculaire retour en grâce en matière de reconnaissances visuelle et vocale.

Ses applications - et celles de l’IA en général - sont déjà nombreuses : la détection et le classement d’images, le développement des assistants personnels (Google Now, Siri chez Apple, Cortana chez Microsoft ou «M», actuellement en développement chez Facebook pour être intégré à Messenger), mais aussi la voiture autonome, ou l’aide au diagnostic médical - sur laquelle mise IBM avec son programme Watson, qui s’était rendu célèbre en 2011 en participant au jeu télévisé Jeopardy !.

Sans oublier la robotique et ses enjeux pour l’industrie, et les algorithmes prédictifs. Les géants du numérique «font des choses un peu différentes, mais les technologies sont identiques, souligne Jean-Gabriel Ganascia, professeur d’informatique et chercheur à l’université Pierre-et-Marie-Curie. Chacun a des besoins spécifiques et va investir tel ou tel aspect».

En matière de modèle de développement, en revanche, la coupure est nette. Il y a ceux qui font dans la discrétion et gardent leurs projets sous clé - à commencer par Apple - et ceux qui jouent l’ouverture. L’outil d’apprentissage automatique de Google, TensorFlow, a été publié en open source en novembre 2015. Le labo d’IA de Facebook a fait de même pour plusieurs modules logiciels de reconnaissance d’images et de modélisation du langage, et IBM pour son système d’apprentissage machine SystemML. Même Microsoft, partisan historique du code fermé, a rendu disponible sur la plateforme en ligne GitHub sa «boîte à outils» de deep learning, CNTK (pour Computational Network Toolkit), utilisée pour la traduction automatique de conversations sur Skype.

«Régulateur». Louable effort de transparence ? Pas seulement. C’est d’abord un excellent moyen de faire progresser les technologies en s’assurant des retours d’utilisateurs. Mais aussi, avertit Jean-Gabriel Ganascia, de «récupérer une grande partie du travail de la communauté scientifique, voire des données». «Le mode de développement de la science est très différent de ce qui existait il y a trente ou quarante ans, avec de nouveaux acteurs, juge le chercheur. Cela pose beaucoup de questions : là où l’Etat avait un rôle régulateur, il y a aujourd’hui un basculement dont on ne prend pas la mesure.» Ce n’est pas le moindre des enjeux de cette course à l’IA que se livrent les géants du Net.