Université porteuse : Université POLITEHNICA de Bucarest

« Pour le renforcement de la recherche en vue du développement des formations francophones niveau master – La Plateforme du français technique et des technologies de la langue »


Entrez dans la fabrique des génies


Technologie - 18/03/2014
Par Gautier Cariou


Docteur House n’a qu’à bien se tenir! À l’université d’Indiana, aux États-Unis, une machine pose des diagnostics plus sûrs que ceux des médecins. Elle propose des traitements plus efficaces de 30% et réduit les dépenses de santé des patients concernés… de moitié.
Du moins dans ses simulations, car il n’est pas encore question de laisser un ordinateur rédiger des ordonnances. Reste que les experts se frottent les mains à la perspective de confier un jour un système de santé aux capacités d’analyse d’une intelligence artificielle (IA). Une tâche pas si complexe.
Ordinateurs et robots sont aujourd’hui capables d’évaluer les tendances politiques des journaux, d’apprendre à reconnaître seuls des objets, de s’inventer un langage… Ces capacités qui nourrissaient la science-fiction il y a encore deux décennies ne sont qu’un début.
Dans le documentaire Comment j’ai détesté les maths, l’informaticien Rocco Servedio, de l’université Columbia à New York, en est persuadé: demain, les ordinateurs surpasseront les mathématiciens, et les machines résoudront des types de problème que l’homme ne peut pas conceptualiser. Mais comment instiller un tel degré de génie dans les circuits des processeurs?
Pour y parvenir, les chercheurs en IA explorent des domaines à la pointe de l’informatique et de la robotique.

Le robot se perfectionne tout seul
Parmi ces domaines, se distingue l’apprentissage automatique ou «machine learning» en anglais. Cette branche de l’IA consiste à inculquer aux machines la capacité de s’adapter et de réaliser des prédictions en fonction des données qu’elles reçoivent. Cette aptitude est conférée par des algorithmes, autrement dit des suites d’instructions en langage informatique.
La majorité des machines et des robots exécutent leurs tâches en obéissant à des algorithmes classiques: comme un pâtissier réaliserait une recette à la lettre, la machine exécute, étape après étape, les actions que lui dicte son algorithme. À moins qu’elle ne soit dotée d’algorithmes d’apprentissage.
L’ordinateur devient alors capable de moduler son propre programme en considérant les données auxquelles il a accès. Un peu comme si notre pâtissier goûtait sa pâte, la trouvait trop sucrée et modifiait la recette d’origine pour la rendre plus savoureuse.
Dans l’histoire de l’informatique, l’apprentissage artificiel est vieux comme Hérode. «C’est probablement en 1957 qu’il faut situer sa naissance. Le psychologue américain Frank Rosenblatt inventait alors le Perceptron, le premier algorithme d’apprentissage capable d’élaborer une méthode de résolution à partir de données», rappelle Jean-Denis Muller, directeur du Centre français de recherche aérospatiale. Pourtant, ce n’est que récemment que la cote des algorithmes d’apprentissage a explosé.
Pourquoi? Parce que la capacité de calcul des ordinateurs a augmenté de façon fulgurante. Ce que l’on calculait en 24 heures dans les années 1990 s’effectue aujourd’hui en une fraction de seconde. Ajoutez à cela l’utilisation généralisée d’objets connectés (smartphones, tablettes, bracelets…) qui font de chaque utilisateur un consommateur d’information – et donc de traitements algorithmiques élaborés – et vous obtenez un domaine incontournable des technologies de l’information.
D’ailleurs, que serait Wall Street sans les algorithmes d’apprentissage? Dans les systèmes financiers, des sommes considérables font l’objet de traitements par ordinateur de façon autonome, sans consulter l’homme. Ces machines reçoivent en temps réel l’état du marché financier, analysent ces données colossales et prennent des décisions en quelques microsecondes en minimisant leurs erreurs à l’aide de formules statistiques complexes. Une performance dont l’homme, et sa capacité de calcul réduite, est évidemment incapable.
Pour autant, «aussi efficaces soient-ils pour un usage précis, les algorithmes peuvent devenir des outils inappropriés si ceux qui les utilisent ignorent leurs limites», précise Jean-Denis Muller. Ainsi, une mauvaise utilisation des algorithmes financiers a été mise en cause dans le krach boursier de 2010, où le Dow Jones, l’indice boursier de New York, avait chuté de 9% en seulement dix minutes.
Mais il est un autre domaine qui génère des données foisonnantes: l’assurance maladie. Livré à une intelligence artificielle – les experts en sont persuadés –, ce secteur déficitaire pourrait être géré de façon plus «cohérente» qu’aujourd’hui – comprenez plus «économe».
Kris Hauser et Casey Bennett, de l’université d’Indiana, notent ainsi qu’aux États-Unis, seul un patient sur deux reçoit le bon diagnostic lors de la première consultation médicale. Grâce à leur automate médical, les deux informaticiens sont parvenus à réduire de moitié les dépenses de santé concernant 500 patients.
Et les malades s’y retrouvent: l’efficacité des traitements a été améliorée de 30 à 35%, selon les chercheurs.
Comme dans les systèmes financiers, leur ordinateur utilise l’apprentissage automatique. Ses algorithmes combinent deux approches statistiques: les processus décisionnels de Markov et les réseaux de décisions dynamiques. Ce bagage lui permet, à partir du dossier médical d’un patient et d’une base d’informations cliniques importante, de simuler plusieurs voies de traitement et de prédire lesquelles seront les plus efficaces. Si on lui fournit de nouvelles données sur l’état du patient, la machine peut modifier ses diagnostics en temps réel et adapter son traitement à cette situation nouvelle.

Champion de jeu télévisé et apprenti médecin
D’autres systèmes médicaux sont en phase de recherche. Au Memorial Sloan Kettering Cancer Center, à New York, médecins et informaticiens « enseignent » la médecine à Watson, supercalculateur conçu par IBM, pour tenter de mieux diagnostiquer les cancers du poumon.
Son nom ne vous est peut-être pas inconnu. En 2011, il avait marqué les esprits en remportant le jeu télévisé américain Jeopardy! face aux deux champions humains en titre.
La capacité de cet ordinateur à comprendre le langage naturel, à aller chercher l’information dans une base de données et à synthétiser la réponse en a fait un candidat idéal pour « apprendre » la médecine : il a ingurgité à ce jour près de deux millions de pages d’études médicales.
En entrant les symptômes du patient, il est capable de confronter ces derniers à sa base de données, puis de fournir une liste de diagnostics, accompagnée de leur traitement et d’un indice de confiance pour chaque diagnostic.
Quelle pourrait être la place d’une telle IA dans le futur ? Toute performante qu’elle soit, il n’est pas question qu’elle remplace le médecin. « Un médecin argumente toujours son diagnostic et ses choix de traitements sur des faits, il fait un raisonnement qu’un autre médecin peut comprendre. Le raisonnement de l’ordinateur, lui, repose sur une analyse statistique de données massives », intervient Colin de la Higuera, président de la Société informatique de France.
En outre, la machine n’est jamais à l’abri d’une erreur. Mais si le médecin analyse l’état de son patient en se fondant sur ses connaissances, son expérience et parfois son intuition, la machine s’appuie sur l’analyse froide et statistique d’études scientifiques, extrêmement nombreuses et parfois très récentes. Une démarche médicale complémentaire.



EXERCICES.

Affiché
up