Apprentissage automatique (Machine Learning) : tout le monde en parle, mais c'est quoi ?
L'esprit humain a des limites de traitement de données. Les machines les dépassent. On cherche maintenant à les rendre autonomes dans leur apprentissage. Mais dans quel but ?
Qu'est-ce que le Machine Learning ?
L'apprentissage automatique (ou « apprentissage intelligent ») rend un système capable d'apprendre seul. Rupture avec la programmation classique : humain donne ordre, machine exécute. Ici, la machine s'adapte et apprend par elle-même. Nécessite algorithmes logiciels ET matériel dédié (ex. puce TPU de Google, annoncée à l'I/O 2017).
Différence avec l'Intelligence Artificielle (IA)
Concepts liés mais distincts. Machine Learning = capacité d'adaptation et d'auto-évolution. IA = système autonome. Exemple voiture autonome :
- IA sans ML : milliards de règles fixes, mises à jour manuelles.
- IA avec ML : apprend du trafic, s'adapte aux situations nouvelles.
Le ML offre le plus fort potentiel pour faire progresser l'IA durablement.
À quoi ça sert ?
Objectif principal : réaction autonome face aux cyberattaques (protection système/réseau). Avantages : pas besoin d'expert connecté au moment de l'attaque. Vocation : grand public, pas niche. Google l'utilise dans Google Photos (apprentissage usages, données téléphone → expérience personnalisée).
Stratégie Google : consolider tous ses services autour de l'IA, visage public = Google Assistant. L'Assistant apprend de tout ce qu'il observe, l'écosystème Google enrichit la data → meilleure adaptation.
Une technologie puissante, mais restons vigilants
Stephen Hawking : « Ignorer l'IA hautement intelligente = erreur potentiellement fatale, peut-être la dernière. » Risques à surveiller :
- Éthique : acceptable qu'une entité accède à tant d'infos sur nous ? Google + agences US y ont accès (Hans-Georg).
- Impact social : Assistant = point unique de contact (directions, commandes…). Conséquences sur interactions humaines ? Remplacement emplois ? Google lance Google Jobs (portail emploi) à l'I/O, conscient de l'impact.
La technologie obéit à son créateur. Bien ou mal. Pas de Terminator, mais conflits cybernétiques possibles.
Le ML est utile et a de l'avenir, mais le gain de temps/effort ne doit pas faire baisser la garde.
Selon vous, où le ML sera-t-il le plus utile ? Le plus impactant ? Vos idées en commentaire.