En quoi consiste l’IA?

Il est difficile de définir l’IA, et il n’existe aucune définition reconnue. Les technologies incluses dans le terme évoluent et se développent constamment à mesure que la science de l’IA progresse, alors que de nombreuses technologies plus anciennes, autrefois incluses, ne sont plus du tout considérées comme de l’IA. 

Pour le MDN et les FAC, l’IA s’entend de la capacité d’un ordinateur de faire des choses qui sont normalement associées au processus cognitif humain, comme le raisonnement, l’apprentissage et l’auto-amélioration.

Même l’IA la plus avancée de nos jours est restreinte : les outils sont axés sur des tâches précises telles que la reconnaissance de formes, la classification, l’optimisation des tâches et la détection d’anomalies. Les experts ne sont pas d’accord sur le moment ou même si l’IA générale — qui peut effectuer n’importe quelle tâche cognitive aussi bien ou mieux qu’un humain — sera un jour développée. Les systèmes d’IA générale sont donc en dehors de la portée de cette Stratégie. L'intelligence augmentée est également un sous-ensemble de l'IA dans lequel les technologies d'IA et d’AA, telles que les assistants virtuels, aideront les humains en analysant les requêtes et en fournissant des données pertinentes pour aider le demandeur à prendre de meilleures décisions.

L’AA est actuellement la technique dominante en IA, en termes d’application généralisée et d’efficacité. Plutôt que de définir des règles pour obtenir un résultat, comme le fait un logiciel conventionnel, l’AA utilise des données antérieures pour y relever des modèles, ce qui lui permet d’optimiser ses performances en vue d’atteindre un objectif prédéfini. Lorsqu’ils fonctionnent correctement, les outils d’AA peuvent aider à prévoir les besoins, les événements, les tendances et les risques futurs, ce qui permet aux utilisateurs de réaliser des gains d’efficacité importants dans des domaines tels que la maintenance, la logistique et la gestion des inventaires. Cependant, l’efficacité de l’AA dépend de l’accès à des données suffisantes, pertinentes et de haute qualité, sans lesquelles les résultats de l’outil ne seront pas fiables. Par conséquent, la quantité et la qualité des données utilisées pour les applications de l’AA sont une priorité clé pour le MDN et les FAC.

L’IA générative est un sous-ensemble de l’AA qui peut produire une grande variété de nouveaux contenus, comme des images, des vidéos, de l’audio, du texte, du code et des modèles 3D, en réponse aux messages-guides des utilisateurs. Elle le fait en dégageant la structure et des modèles de grandes quantités de données existantes, puis en utilisant ces tendances pour générer de nouveaux résultats ayant des caractéristiques semblables. Les extrants de l’IA générative peuvent être complexes, très réalistes et parfois indiscernable du contenu créé par un humain. Les percées récentes dans le domaine, en particulier quant aux grands modèles linguistiques et à la génération d’images, ont considérablement amélioré les capacités de l’IA générative, ouvrant de nouvelles possibilités d’utilisation de la technologie pour résoudre des problèmes complexes, notamment pour la recherche scientifique.

Dans la culture populaire, l’IA est souvent caractérisée comme une concurrente de l’intelligence humaine, mais dans la pratique, les deux types d’intelligence sont très complémentaires. Dans de nombreux domaines, l’intelligence humaine soutenue par l’IA peut fournir des résultats supérieurs à ceux obtenus séparément. À titre d’exemple, l’IA peut entreprendre des tâches répétitives ou qui exigent un niveau élevé de précision et une attention soutenue. Le personnel humain peut donc exécuter les tâches auxquelles il excelle, particulièrement celles qui nécessitent du jugement, de la créativité, de l’initiative et une compréhension du contexte stratégique dans son ensemble.

Descriptions longues

On trouvera ci-dessous les diverses forces et faiblesses de l’intelligence humaine et artificielle.

Intelligence humaine

Forces

  • Peut innover, imaginer et créer sans données
  • Comprend la conversation, les émotions et l’humour
  • Peut tirer des conclusions avec peu de données
  • Peut prévoir des résultats possibles mais incertains et comprendre les implications d’une décision
  • Peut intégrer rapidement de nouvelles sources de données et adapter les interventions
  • Très écoénergétique

Faiblesses

  • Capacité limitée de travail, de mémoire à long terme et de calcul
  • Entrées sensorielles limitées et vitesse de signaux lente
  • Ne peut pas être reconfiguré, mise à jour, mise à niveau ou mise à l’échelle
  • Communique indirectement par le langage et ne peut pas être mis en réseau avec d’autres humains ou machines
  • Lutte pour maintenir l’attention et la précision dans des conditions monotones
  • Les biais cognitifs affectent la rationalité et la qualité de la décision
  • Risque d’erreur : le rendement se dégrade lorsque l’on est fatigué, affamé ou stressé
  • Pas de transfert de connaissances en fin de vie

Intelligence artificielle

Forces

  • Capacité de calcul presque illimitée
  • Entrées de capteurs presque illimitées, avec une vitesse de signal proche de la vitesse de la lumière
  • Peut être mise en réseau avec d’autres IA/ordinateurs pour une communication directe
  • Peut être mise à jour et mise à l’échelle
  • Excelle dans les tâches nécessitant une attention soutenue
  • Aucune limite biologique liée à la fatigue, à la faim ou à la mortalité
  • L’apprentissage peut être transféré en fin de vie

Faiblesses

  • Ne peut pas apprendre en s’attaquant à des problèmes
  • Peut être formée pour reconnaître, mais sans comprendre le langage et les émotions
  • Nécessite des données pour l’apprentissage et, à l’heure actuelle, n’apprend pas bien avec des données limitées
  • Impossible d’intégrer des faits en dehors des données de formation dans la prise de décision
  • Ne peut pas comprendre les conséquences des décisions
  • Incapable de juger l’importance ou la signification du problème qu’on lui demande de résoudre
  • Soumis aux biais des données et des algorithmes
  • Très inefficace sur le plan énergétique

En plus de ses promesses, l’IA et son utilisation des données entraînent des défis et des responsabilités. Si un modèle d’IA est formé sur des données biaisées, la prédiction qui en résulte peut refléter et perpétuer ces biais, entraînant des préjudices dans le monde réel. En outre, il se peut que les prédictions de l’IA basées sur des données passées ne représentent pas l’avenir, ce qui signifie que cette IA ne parviendrait pas à prévoir des événements peu probables, mais ayant d’importantes répercussions. Enfin, l’utilisation des données par l’IA peut également présenter des risques liés à la protection des renseignements personnels et à la sécurité, en particulier lorsque ces données comportent des renseignements permettant d’identifier une personne ou des renseignements gouvernementaux de nature sensible. Par conséquent, les résultats de l’IA doivent toujours être analysés par rapport au jugement humain expert et aux contraintes et attentes de l’organisation, en tenant compte des limites de l’IA. Sur la voie de l’habilitation de l’IA, il est essentiel que l’Équipe de la Défense établisse et respecte les exigences en matière d’éthique, d’équité et de sécurité pour l’utilisation de l’IA.

Détails de la page

Date de modification :