Dans les années à venir, l'IA prendra en charge en tant qu’assistante, des tâches basiques et répétitives, que nous assurons jusqu’à maintenant, mais que pour des raisons économiques - c’est ça la motivation de base - nous transférerons aux algorithmes. En gros, cela représentera entre 50 et 80 % des "jobs" qui vont disparaître. Restera aux êtres humains les métiers de conception et de réflexion, inabordables pour l’instant par l’IA. Car qu’on se le dise, elle est tout sauf intelligente. Mais cela n’aura qu’un temps. Et le jour viendra où là aussi, il nous faudra compter avec une nouvelle génération d’IA. Evidemment, ce sera la 2.0… Le pire serait de nous conforter dans une quiétude qui ne durera pas et de faire l’autruche. Mais comptez-sur nous pour que ce webinaire lève le voile sans concessions, sur ce qui pourrait s’avérer être une tragédie.

Il y a des gens qui pensent, d’autres qui écrivent, voire même travaillent. Ray Kurzweil, lui, fait des prévisions. C’est son "dada" depuis les années 90. Il a publié 7 livres, dont 5 ont été des succès et prétend que 86 % de ses 147 prévisions se sont révélées justes. A vrai dire, nous ne partageons pas son diagnostic et certaines d’entre elles sont plus proches du délire technologique que de la réalité : fin des maladies, vie éternelle, transfert de notre esprit dans une machine, etc. Et ce n’est pas parce que le nom de Kurzweil est associé à celui de Zuckerberg ou que le « futurologue » rencontre beaucoup de succès aux Etats-Unis, que cela crédibilise le contenu, qui lui, est plus que contestable. Nous l’opposons à Yann Le Cun, son inverse. Si Kurzweil est un électron négatif, Le Cun est un positon. Contrairement à Kurzweil qui prédit, même en rêvant, Le Cun a conçu et développé certains des algorithmes les plus pertinents de l’Intelligence Artificielle, de "deep learning" surtout, d’apprentissage non supervisé, de réseaux de convolution pour la vision par ordinateur, etc. Globalement, Yann Le Cun a fait faire des pas de géant à l’algorithmique artificielle, pour laquelle il rappelle qu’il ne copie pas le cerveau humain. Incontestablement, le personnage est fascinant et ce ne sont pas ses collègues de l’Académie nationale des Sciences des Etats-Unis qui nous contrediront. L’affrontement risque d’être spectaculaire.

Les objets manipulés par les outils d’IA, sont souvent représentés par des vecteurs, dont chaque élément caractérise l’un de ses paramètres : taille d’une image, niveau de gris des pixels, etc. Ces paramètres peuvent être très nombreux, ce qui induit des vecteurs à dimensions très élevées, éventuellement des milliers. Les SGBD chargés de stocker ces vecteurs n’ont plus rien à voir avec le monde relationnel. D’abord en termes de stockage, mais aussi de requêtage, car contrairement aux données relationnelles pour lesquelles on recherche des correspondances parfaites, on se contente ici d’à peu près, de recherches par similitudes. C’est ainsi qu’une requête sera traduite en un vecteur d’entrée, qui sera ensuite comparé à ceux déjà stockés dans la base de données, de manière à faire ressortir ceux qui lui "ressemblent". Diverses techniques existent pour effectuer cette recherche de similitude, que nous présenterons en détails dans ce webinaire. Il existe déjà un certain nombre d’outils conformes aux représentations vectorielles, de même que des frameworks et API pour nous aider à les interroger. C’est un monde nouveau qu’a ouvert l’IA qui nous oblige à dépoussiérer quelque peu les connaissances que nous avons sur le sujet.

L’intégration des IoT, capteurs de tous ordres, de par leur diversité et spécificités, nous ramène aux années 80, au temps où les capacités mémoires et la puissance des machinées étaient limitées. On a de nouveau affaire à des "engins" qui n’ont parfois que 4 Kb de mémoire et des ressources de calcul réduites à leur plus simple expression. Leur intégration nécessite donc de revenir aux fondamentaux : à la gestion de fichiers, leur optimisation surtout, au bon choix des bases de données avec des paradigmes adaptés aux problèmes à traiter, à l’émission faiblement encombrante sur les interfaces réseaux, à la constitution d’architectures Edge et à leurs différents niveaux d’intégration, aux choix des bases de données centrales de consolidation. En fait, les IoT sont un concentré de tout ce que l’on avait appris pendant des années, du temps où il fallait faire des efforts et preuve d’imagination pour trouver les bons "réglages". C’est à ces différents aspects de l’intégration IoT que nous vous convions aujourd’hui. Du concret, rien que du concret…