Qu'est-ce que le deep learning et machine learning?

Peux-tu me parler de ton parcours?

« J’ai une maîtrise en intelligence artificielle de l’Université Laval durant laquelle j’ai effectué de nombreux stages. Je suis en train de faire un doctorat en intelligence artificielle, et plus précisément une thèse sur le traitement automatique de la langue naturelle. Lorsque l’on pense à Google Traduction ou Siri, la modélisation de la langue consiste en la génération automatique de contenu textuel en utilisant la méthode du deep learning, les réseaux de neurones profonds. En parallèle, je suis chargé de cours d’apprentissage par réseaux de neurones profonds et je donne des formations au Centre de recherche de l’Université Laval, tant aux entreprises privées qu’au grand public. Je suis également AI Scientist chez Vooban, où j’ai la chance de chapeauter le développement d’applications au sein de l’équipe d’intelligence artificielle. »

Peux-tu m'expliquer simplement ce qu'est le deep learning ?

« Le deep learning, ou l’apprentissage par réseaux de neurones profonds, utilise des architectures de neurones comme dans le cerveau humain. Pour faire simple, il s’agit d’une fonction mathématique complexe, soit une manière efficace de modéliser un ensemble de données. En d’autres termes, on a un problème d’apprentissage automatique avec un algorithme d’apprentissage ou une fonction mathématique pour reconnaître des objets afin de prendre des décisions. Voici un exemple classique de deep learning : on veut identifier, sur une image, s’il y a présence d’un chien ou un loup. Pour cela, il nous faut une base de données, soit un ensemble d’images de chiens et de loups et un algorithme qui va nous permettre de déterminer  ce que l’ensemble de pixels représente. Le deep learning permet de classer, d'identifier, de générer des images ou du contenu et de prédire une valeur numérique. »

Depuis quand parle-t-on de cet ensemble de méthodes d’apprentissage automatique?

« Cela fait de nombreuses années que l’intelligence artificielle existe, on a commencé à en parler dans les années 1950. Dans les années 1990 et 2000, on avait beaucoup d’attentes vis-à-vis de l’IA, mais à cause de contraintes computationnelles et de la complexité des données, on n’arrivait pas à avoir les résultats escomptés. Yann LeCun est un des pères du deep learning. Il a conçu l’un des premiers réseaux de neurones, mais a rencontré de gros problèmes computationnels. L’humain n’arrivait pas à faire apprendre à une machine. »

 
Quelles sont les autres méthodes d'apprentissage automatique?

« Le deep learning est l’une des méthodes du machine learning. Ce dernier est composé de plusieurs algorithmes. On peut les diviser en 2 grands piliers: les algorithmes supervisés (qui font une prédiction, et s’ils se trompent, on va mettre à jour notre fonction mathématique) et les algorithmes non supervisés (on rassemble des données similaires, représentatives de sous-ensembles). Il y a des méthodes plus interprétables comme les arbres de décisions ou les k plus proches voisins. Avec un arbre de décisions, on va apprendre à l’algorithme certaines règles, comme des vrais ou faux, et on va créer une séquence de décisions pour obtenir une prédiction. Les k plus proches voisins sont vraiment intuitifs. Dans une base de données, si k = 5, je vais rechercher les 5 exemples les plus proches de k, je vais identifier des indices de similarité et je vais pouvoir prendre une décision basée sur ces 5 k. Je vous donne un exemple concret : un patient vient consulter son médecin. En fonction de ses symptômes et à l’aide d’une base de données, on recherche des similarités et on est capables de poser un diagnostic. »

Quelles peuvent être les applications concrètes en entreprise?

« Dans le domaine de la santé, encore une fois, il est possible de détecter un cancer de la peau à partir d’images. On prend une photo de la peau, et avec un algorithme, on compare cette photo avec celles de la banque de données composée de tumeurs bénignes ou malignes, puis on va pouvoir dresser un diagnostic. »

Est-ce que ça s'adresse uniquement aux grandes entreprises ou les PME peuvent en bénéficier? Dans tous les secteurs ?

« Je pense à une start-up dans l’aquaculture à Québec. Sa problématique était de pouvoir compter les micro-organismes (œufs de poissons ou microcrevettes) et de calculer leur taille à l’intérieur d’un seau. Évidemment, c’est impossible à faire à l’œil nu, car les micro-organismes sont minuscules et bougent constamment. On va prendre des photos du contenu du seau et l’algorithme va pouvoir calculer la taille et la quantité des micro-organismes.

Dans un tout autre domaine, pensons également à Labplas, une entreprise manufacturière de 85 employés située à Sainte-Julie. Ils ont présentement un important problème de main-d’œuvre qui freine leur croissance. Pour contrer ce problème, Vooban entraîne actuellement des algorithmes d’IA qui viennent  diminuer le nombre d’opérateurs requis par ligne de production en plus de leur permettre d’améliorer leur contrôle de qualité.

En fait, toutes les entreprises peuvent utiliser l’intelligence artificielle si elles ont besoin d’améliorer leurs processus ou si elles veulent des recommandations et des pistes d’amélioration basées sur l’analyse de leurs données. Pour cela, toutefois, elles doivent posséder un certain nombre de données de qualité pour que l’algorithme ait assez d’informations pour apprendre et ainsi améliorer leurs processus. Il est certain que les grandes entreprises ont souvent une importante quantité de données. Avec l’ajout d’un petit modèle ou d’un algorithme d’IA, cela va nous permettre d’améliorer ou de faciliter des processus, nous fournir des insights et suggérer des décisions. »

Pourquoi Montréal ou le Québec est la nouvelle plaque tournante de l'intelligence artificielle ?

« Au Québec, nous avons de nombreuses formations en IA. Ainsi, nos diplômés en intelligence artificielle sont très compétents et convoités. D’ailleurs, nous avons la plus importante concentration de chercheurs en IA au monde, avec 1 milliard de dollars investis dans la recherche universitaire et plus de 20 professeurs de renommée mondiale. Le gouvernement canadien a fait des investissements publics majeurs et Montréal a été choisi comme le siège de SCALE IA, une supergrappe d’innovation en IA unique au Canada. De nombreux leaders mondiaux (comme Google, Facebook et Microsoft) ont aussi choisi Montréal pour développer leur expertise dans ce domaine, en partie car la main-d’œuvre spécialisée est moins coûteuse comparée à la Silicon Valley. Montréal n’attire pas seulement les gros joueurs de l’industrie, c’est également l’un des meilleurs incubateurs et accélérateurs en IA au monde pour les startups. »

Est-ce que l'intelligence artificielle ne risque pas de dépasser l'intelligence humaine? Les robots ne vont-ils pas remplacer les employés ?

« Honnêtement, je ne pense pas qu’on en soit rendu là. Au contraire, l’intelligence artificielle va aider certaines personnes à faire leur travail et à créer des emplois. On peut apparenter cela à la révolution industrielle et au travail à la chaîne, pénible et répétitif.

Un robot est capable d’être beaucoup plus constant que l’être humain, et il sera aussi plus impartial. Il va prendre des décisions par rapport aux données et n’a pas de biais puisqu’il n’a pas d’émotions. »

Quels sont les usages malveillants ou dérives possibles ? (Deepfakes, incrustation d'un visage sur un corps)

« Il y aura toujours des usages malicieux qui vont découler de nouvelles avancées technologiques. Il n’y a pas de moyen de contrer cela sauf par l’éducation et la prévention. Il est donc important de sensibiliser les gens sur les fausses nouvelles en leur faisant comprendre comment fonctionne l’IA et quelles sont les dérives possibles. »

Peux-tu m'expliquer le machine learning ? Quelle est la différence entre intelligence artificielle, machine learning et deep learning ?

« On peut le traduire par  « apprentissage automatique ». Il regroupe plusieurs sortes d’algorithmes en fonction du type de problème à résoudre. Le machine learning, c’est l’apprentissage supervisé ou non supervisé. Pour qu’une machine apprenne, on a besoin de données et d’un algorithme qui assimile ces données.

L’intelligence artificielle est une évolution des systèmes experts. Avant, l’humain analysait des données et programmait un ordinateur ou un logiciel. Désormais, l’ordinateur va apprendre de lui-même à partir des données et l’humain va pouvoir prendre des décisions grâce à lui. Le deep learning est une fonction mathématique, qui est une famille d’algorithmes.  »

Quels sont les métiers qui vont disparaître ou évoluer drastiquement avec la démocratisation de l'intelligence artificielle?

« Tous les métiers qui sont très répétitifs et méthodiques seront concernés, surtout ceux qui ne nécessitent pas de réflexion, car l’ordinateur a seulement besoin de données pour accomplir ses tâches. Toutefois, pas de panique, un robot n’est pas capable de créativité. Il ne peut pas faire preuve d’humour ou d’intelligence émotionnelle, alors tous les métiers dans lesquels il y a de l’interaction humaine ne pourront pas être remplacés par des robots.  »

Vous souhaitez en savoir plus sur ce sujet? Découvrez la formation "Introduction au Machine Learning et au Deep Learning".