La recherche en IA & les entreprises par Xavier Comtesse

On croit – souvent à tort – que l’innovation est un processus linéaire, qui démarre par la fabrication du savoir dans les grandes écoles (type École Polytechnique) ou les grands laboratoires publics comme le CERN, et gagnerait ensuite les entreprises, notamment à travers le transfert technologique et les start-ups. C’est ce que l’on a convenu d’appeler le modèle de la Silicon Valley. Dans les faits, c’est rarement le cas et, dans le domaine de l’IA (notamment avec le « Machine Learning », le « Deep Learning » et les « réseaux de neurones »), ce n’est pas du tout la réalité. C’est au contraire plutôt les entreprises qui sont en avance (notamment les GAFA et BATX (équivalent chinois) et donnent aux grandes écoles leur savoir car, ne l’oublions pas, aujourd’hui, faire de l’IA est à la portée de presque tous avec les plateformes de développement dédiées à la gestion des Big Data et à l’IA. 

Juste une remarque intermédiaire : La gestion de la crise du Coronavirus par les entreprises, notamment asiatiques, est une autre démonstration de la valeur - non linéaire - du processus d’innovation. Dans ce cas précis on était plus proche d’une forme fractale de gestion de crise.

Démonstration :

Google d’abord :  La victoire il y a trois ans, du programme DeepMind sur l'un des meilleurs joueurs de go mondial, a bouleversé le monde académique. Il était désormais clair qu'à l'avenir, il faudrait compter sur l’intelligence artificielle, car les programmes auto-apprenants appelés « machine learning » ont la capacité de faire des analyses prédictives qui permettent notamment, d’optimiser les processus industriels.

L’année dernière (juin 2019) s’est tenu à Los Angeles le grand rassemblement des spécialistes mondiaux du « machine learning » (ICML). Sur les 800 papiers scientifiques présentés, la très grande majorité venait de Google, Facebook avec Zurich Eye, IBM avec Watson, Amazon avec Alexa, etc. Les entreprises inventent plus rapidement que les académiciens. Les rôles semblent s’inverser !

C’est le fondement d’une nouvelle époque. On l’avait déjà connu dans la pharma et l’électronique mais avec l’IA, on généralise le concept de l’innovation : corporate first !

Prenons un exemple emblématique de ce nouveau pouvoir des entreprises : OpenAI, association fondée en 2015 à San Francisco dans le domaine de l’intelligence artificielle. Elle avait pour mission de développer une intelligence artificielle (IA) à visage humain. Le projet semblait charismatique. En fait, dépassée par son succès, OpenAI est devenue une société anonyme capable de capter et sécuriser des capitaux et de commercialiser un produit phare : le GPT.

À la base, GPT était une plateforme logicielle capable, sans supervision humaine, de produire du texte. Certes, pas n’importe quel texte puisque l’on va donner au système des mots clés, un style d’écriture (faire du Proust) et un titre (qui donnera l’orientation précise à l’IA). Ces écrits produits sont de qualité. Comme il s’agit de texte, on peut demander toute sorte de rédactions dans n’importe quelle langue et même des traductions. Toutefois, le plus surprenant tient au fait que l’on peut aussi lui faire écrire des logiciels dans n’importe quel langage informatique. Et comme l’a dit Elon Musk : « l’intelligence artificielle finira bien par écrire son propre langage si bien qu’on sera définitivement largués ». On n’en est pas loin.  Jugez plutôt : les versions successives de GPT se sont fortement améliorées. La version 3, qui vient de sortir cet été, est tout simplement affolante de qualité. Si on lui appliquait le test de Turing (sur l’impossibilité de remarquer la différence entre ordinateur (IA) et humain), alors GPT-3 le passerait haut la main. Il faut l’admettre : on ne voit pas de différence. On ne sait pas qui de l’IA ou de l’humain a écrit le texte !

La recherche en IA appliquée vient ainsi de franchir une étape. Ces logiciels non-supervisés par l’homme (comme le GPT-3) échappent de plus en plus à la recherche universitaire.

En Suisse aussi 

Quand l’innovation s’accélère, les entreprises n’ont pas le temps d’attendre la promotion de nouveaux ingénieurs issus des grandes écoles. Elles forment leur personnel à l’interne. Les plateformes Google, les MOOC (Massive On-line Open Courses) ou encore les sociétés de services sont sollicitées. Il faut aller vite si l’on veut « bypasser » le système de l’éducation classique.

Regardons pour s’en convaincre quelques exemples romands.

D’abord, parlons du précurseur Vidi System dans le Canton de Fribourg. Leader mondial de la vision industrielle, dans son domaine, il a devancé de plusieurs années les grandes écoles dans le « Machine Learning ». Son système permet aux machines de voir ce qu’elles font et de se corriger elles-mêmes, le cas échéant. C’est inouï, tellement fort qu’il a été racheté par les bostoniens de Cognex ! 

Regardons ensuite l’industrie suisse de la machine-outil qui, elle aussi, s’est emparée du « machine learning » sans passer par la case des grandes écoles. 

À Delémont, les ingénieurs de chez Willemin-Macodel ont fabriqué une machine la 701S capable d’autoréglages.

Courte explication :  La matière à usiner est vissée sur un posage. Une broche se déplace selon les instructions de la commande numérique pour réaliser les formes prévues par dessin technique, transformé en instruction d’usinage.

Les platines de montre les plus complexes peuvent nécessiter jusqu’à 80 opérations différentes : fraisage, perçage, alésage, chaque enlèvement de matière nécessite un outil différent. Après les avoir choisis parmi environ 500 références, un opérateur doit fixer chaque outil coupant sur un tasseau à l’aide d’une pince et d’un écrou. Pour les pièces les plus complexes, cette opération préliminaire peut nécessiter jusqu’à un jour de travail au total. 

Les nouvelles Willemin-Macodel 701 S, elles, changent la donne, pour chacun des paramètres. Elles font leurs propres mesures et appréciations : elles décident en somme.

Au final, le temps de fabrication est plus court.

Regardons encore d'autres exemples :

En Romandie, depuis quelques années, les start-ups en intelligence artificielle sont à la mode. Il faut dire qu’elles sont capables d’exploits inouïs dans des domaines aussi variés que les véhicules autonomes, les drones, l’industrie 4.0, la médecine de précision, la fintech ou encore l’agriculture. Rien ne semble leur échapper. Prenons l’exemple de Visium, un trésor d’ingéniosité en intelligence artificielle, qui emploie une cinquantaine de « data scientists » dans le parc technologique de l’EPFL. Véritables touche-à-tout de l’IA, ils ont développé une panoplie de projets allant de la maintenance prédictive (analyse des bruits des machines) à l’écoute de la ville (en mettant des micros dans une ville, on peut entendre les incidents, par exemple les accidents, les incendies, les bagarres d’ivrognes ou encore, pourquoi pas, des actions terroristes.) Fascinant !

Lorsque Jérôme Kehrli, de la société NetGuardians d’Yverdon, parle d’IA comme d’un rempart efficace pour lutter contre les cyberattaques bancaires, on a l’impression d’être dans un film de science-fiction tant son récit est poignant et les situations décrites inimaginables.

« Au début tout le monde faisait de l’échantillonnage pour identifier des fraudes internes ou externes. On faisait des prélèvements et on regardait ce qui s’était passé. Mais dès 2005, tout a changé, les fraudes sont devenues massives. Il fallait tout changer et surtout devenir réactifs en temps réel. Dès lors, on a vu se déployer une nouvelle technique dite du « moteur de règles ». En gros, on va regarder si la transaction vient d’un pays à risque ou d’un comportement douteux du fait d’un montant anormalement élevé. En examinant tous ces facteurs de plus près, on se donne rapidement la possibilité de bloquer la transaction » raconte Jérôme Kehrli avec enthousiasme et talent.

Le domaine de l’assurance (notamment à La Vaudoise ou au Groupe Mutuel) est particulièrement propice à l’intégration de modules d’IA pour augmenter l’efficience des processus de gestion ainsi que le potentiel business. De nombreux projets voient le jour, notamment autour de l’amélioration du processus de gestion des sinistres : il s’agit d’un processus très coûteux en termes de mobilisation de ressources humaines. En effet, un gestionnaire qualifié doit passer au travers de chaque déclaration de sinistre pour évaluer sa gravité, le coût annoncé et enfin valider les paiements nécessaires à la réparation des dommages. La question de la justification de cette mobilisation se pose dès lors.

La réalité du terrain montre que tous les sinistres ne sont pas de la même complexité, voire même que la gestion d’une proportion importante d’entre eux ne nécessite aucune expertise. Ce segment de sinistre a été appelé dans une étude de PWC le segment « Pay & Forget ». La capture de ce segment de sinistre - et son traitement automatique - se fait justement à l’aide de plusieurs modules d’IA. À la déclaration du sinistre, un module d’IA analysera si celui-ci présente les caractéristiques d’un sinistre simple, autrement dit de type Pay&Forget. Un deuxième module analyse l’aspect potentiellement frauduleux de la déclaration. Enfin, un dernier module analyse la plausibilité du coût sur la base d’un historique d’apprentissage.

Ce qui frappe dans tous ces exemples, c’est qu’ils sont entrepris par les milieux économiques. Et en généralisant cette vision de l’innovation numérique par les entreprises, on réalise que le monde académique est désormais à la traîne. C’est surprenant. Cela demande aussi à être confirmé sur la durée. C’est en tous cas suffisamment nouveau pour que l’on s’interroge sur l’avenir de l’éducation. Il faudra scruter d’autres domaines car on pressent d’ores et déjà des changements sociétaux nombreux.