On dit que l’intelligence artificielle pourrait changer le monde. Elle est capable de rédiger l’invitation parfaite à une fête, de raconter des blagues et d’anticiper ce que nous voulons dire ou voir. Et bien qu’elle puisse faire toutes ces choses, il importe de ne pas oublier que l’intelligence artificielle a certaines limites et qu’elle doit être utilisée avec prudence, du moins pour l’instant.
Qu’entendons-nous par-là ? Rappelons d’abord comment naissent les technologies de l’intelligence artificielle. Les data scientists alimentent les ordinateurs et autres machines avec les informations qu’ils souhaitent les voir imiter, ce qui fait qu’ils sont la principale source d’information dont disposent les machines. Par conséquent, s’il y a une incohérence ou un biais dans les données, l’ordinateur les répétera.
Si l’intelligence artificielle est utilisée pour une activité récréative, par exemple écrire un poème à un ou une amie, ça ne pose pas de problème. Mais lorsque l’IA est utilisée pour la prise de décision ou est censée tirer des conclusions par elle-même, les biais, intentionnels ou non, peuvent sérieusement compromettre la fiabilité du résultat.
Pour bien comprendre le rôle crucial de l’éthique et des biais dans l’intelligence artificielle, nous allons d’abord revoir les fondamentaux de l’IA, puis donner quelques exemples pour illustrer comment les biais et l’éthique peuvent compromettre l’intégrité de l’intelligence artificielle.
Qu’est-ce que l’intelligence artificielle ?
L’intelligence artificielle est la capacité d’une machine à reproduire et à imiter les réponses et les réactions humaines face à des situations. En entraînant les machines à penser comme les humains, nous pouvons automatiser des tâches autrement fastidieuses ou répétitives et utiliser l’apprentissage machine pour traiter de grandes quantités de données.
L’intelligence artificielle a considérablement évolué au fil du temps, mais il y a encore du chemin à faire avant qu’elle n’imite correctement la pensée humaine. Cependant, même en l’état actuel des choses, les avancées réalisées dans ce domaine transforment notre perception des machines et de leur potentiel. Dans notre vie quotidienne, l’intelligence artificielle se manifeste :
dans la cartographie et le transport : vous êtes-vous déjà demandé comment votre application de cartographie pouvait vous donner en temps réel des informations sur les embouteillages, les routes barrées ou le meilleur itinéraire à prendre en transports publics, à pied ou à vélo ? Grâce à l’intelligence artificielle, votre application de cartographie peut être mise à jour en temps réel et vous offrir la meilleure expérience possible ;
dans la reconnaissance faciale : en recueillant des données sur la structure et les caractéristiques de votre visage, votre téléphone est capable de reconnaître qu’il y a un visage devant l’écran et de vérifier votre identité ;
dans l’aide à l’écriture : la vérification orthographique n’est pas la seule aide que vous obtenez lorsque vous écrivez ; grâce aux énormes volumes de données chargés dans les machines, elles sont capables de vous suggérer ce que vous pouvez écrire ensuite.
Il est indéniable que l’intelligence artificielle est très utile pour un large éventail d’applications. Mais comme pour tout, il y a des préoccupations et des limites dont il faut être conscient. Maintenant que nous savons clairement ce qu’est l’intelligence artificielle, penchons-nous sur l’éthique et les biais dans le domaine.
Les biais dans l’intelligence artificielle
On dit qu’une machine ne peut pas avoir d’à priori. Après tout, elle n’a pas vécu d’expériences, ni de souvenirs à partir desquels elle pourrait se forger des à priori. Malheureusement, ce n’est pas tout à fait exact. En effet, les machines ne peuvent apprendre qu’à partir des données dont elles disposent, et si ces données sont biaisées, incomplètes ou de mauvaise qualité, la production de la machine reflétera les mêmes problèmes.
Voici des exemples courants de biais de l’intelligence artificielle :
biais algorithmique : si l’algorithme qui détermine les calculs de la machine est erroné ou dysfonctionne, les résultats seront faux ;
biais d’échantillonnage : si l’ensemble de données que vous sélectionnez ne décrit pas fidèlement la situation, vos résultats reflèteront cette erreur ;
exemple : vous recueillez des informations sur les salaires, mais vous n’enregistrez que ceux des employés masculins ;
biais de préjugé : tout comme le biais d’échantillonnage, le biais de préjugé utilise des données qui sont influencées par des biais sociétaux et qui donc intègrent des préjugés dans ce qui devrait être des données objectives ;
exemple : vous évaluez la répartition des hommes et des femmes dans certaines professions, mais vous ne comptez que les enseignantes et les médecins masculins, ce qui fausse vos données.
biais de mesure : le biais de mesure apparaît lorsque des données sont recueillies de manière inappropriée, notamment la manière dont elles ont été mesurées ou évaluées ;
exemple : si des employés sont sondés sur leurs sentiments vis-à-vis de leur employeur et qu’une récompense leur a été promise si suffisamment d’employés répondaient au sondage, ceux qui sont uniquement motivés par la récompense pourraient donner des réponses floues ou inexactes ;
biais d’exclusion : vous ne pouvez pas choisir les données que vous utilisez dans votre analyse et si vous excluez (intentionnellement ou par erreur) certaines données, vos résultats seront inexacts ;
exemple : si vous pensez que les réponses à une enquête qui sont dans la moyenne ne sont pas corrélatives et que vous les supprimez, vous obtiendrez des données biaisées aux deux extrémités du spectre et une représentation inexacte de ce que pensent réellement les répondants ;
biais de sélection : bien qu’il puisse être assez difficile d’obtenir un échantillon suffisamment large ou représentatif de l’ensemble de la population, le choix de certains groupes seulement peut rendre vos données complètement inutilisables ;
exemple : vous voulez évaluer les universités que les lycéens choisissent de fréquenter après avoir obtenu leur bac, mais vous laissez de côté ceux qui choisissent d’entrer immédiatement sur le marché du travail ou de faire un BTS, peignant ainsi une image inexacte des choix de vos diplômés.
Il y a bien d’autres genres de biais qui peuvent apparaître dans l’intelligence artificielle, mais ceux susmentionnés sont les plus fréquentes. Ce qu’il faut retenir : l’intelligence artificielle apprend à partir des données avec lesquelles elle est alimentée et si ces données sont problématiques ou inexactes, les résultats de l’intelligence artificielle le seront également. Voici ce que vous pouvez faire pour éviter les biais :
dans de nombreux cas, les biais proviennent d’ensembles de données petits ou limités ; faites de votre mieux pour collecter le maximum de données possible auprès du maximum de sources possible, diversifiant ainsi votre ensemble de données ;
lorsque vous commencez à alimenter votre ordinateur en données, faites des tests au cours des premières étapes de testing pour vérifier la présence de biais et, le cas échéant, les corriger ;
utilisez les tests d’impartialité et de biais en ligne pour vous assurer que rien ne vous échappe ;
montrez vos résultats à d’autres experts pour obtenir d’autres avis et vérifier continuellement la qualité de vos données.
Les biais dans l’intelligence artificielle
On vous a sûrement déjà dit qu’un jour, l’IA vous prendrait votre travail. Et bien que la grande majorité des emplois soient sûrs (et ceux que l’IA peut remplacer adopteront d’autres formes), il y a de sérieuses considérations éthiques à garder à l’esprit lorsqu’on parle d’intelligence artificielle.
Une chose est sûre : la puissance de l’intelligence artificielle est considérable et nous commençons à peine à découvrir de quoi elle est capable. Mais les considérations qui suivent sont absolument cruciales pour que l’éthique reste respectée par l’intelligence artificielle de demain :
protection des données : on dit que si nous alimentons les machines avec des tonnes de données personnelles, c’est pour les aider à réagir de manière plus humaine. Mais comment nous assurer que ces données sont à la fois sécurisées et privées ? Donner la priorité à la protection des données tout au long du cycle de vie de l’intelligence artificielle est l’une des principales préoccupations au niveau mondial ;
dépendance humaine : oui, l’intelligence artificielle est capable d’automatiser certaines tâches que les humains géraient auparavant et elle peut également traiter beaucoup plus de données que les humains. Mais il est absolument essentiel de ne pas laisser l’IA prendre ses propres décisions, car cela ne remplacera jamais la responsabilité humaine ;
durabilité : les avancées dans l’intelligence artificielle et la technologie sont encouragées, mais tant qu’elles ne sont pas au détriment de l’environnement et de la durabilité globale ;
accessibilité : les nouveaux développements doivent être accessibles dans le monde entier et non uniquement dans les pays très développés où la technologie est facilement accessible.
Pour faire en sorte que l’éthique demeure une priorité dans l’intelligence artificielle, de nombreux pays et organisations internationales travaillent ensemble pour élaborer des politiques et des règlements, comme le RGPD dans l’Union européenne. Mais des avancées technologiques véritablement éthiques dans l’intelligence artificielle nécessitent un engagement de chaque personne, entreprise et pays à travers le monde.
La puissance de l’intelligence artificielle est vraiment inégalée, mais il nous appartient de l’utiliser judicieusement. Et la Tech a cruellement besoin d’experts en intelligence artificielle. Alors, si vous souhaitez entrer dans ce domaine prometteur, n’hésitez plus : il y a de nombreuses possibilités d’évolution dans l’intelligence artificielle.
