Une connaissance sociale se dégage de l’accumulation des données : elle nécessite une contractualisation pour être exploitée

Nous vivons une double révolution, celle des mégadonnées (big data) et de l’intelligence artificielle. Pour Bertrand Thirion, directeur de recherche à l’Inria et responsable de l’équipe-projet Parietal spécialisée en neuroimagerie, elle représente un changement majeur de notre cadre de travail et de pensée.

Le cœur de ces deux révolutions en cours est lié aux algorithmes, à savoir des techniques d’apprentissage automatique qui sont mises en œuvre pour analyser les données ou résoudre un problème cognitif. Une approche s’est imposée, celle de l’apprentissage profond, qui peut, mieux que les modèles statistiques ou de décision classiques plus simples, exploiter l’abondance des données, identifier des motifs latents et des régularités invisibles à l’œil. L’automaticité de l’apprentissage le rend irrésistible : alors qu’il est impossible à un humain d’observer des millions d’images annotées, une machine les exploite de façon quasi-optimale.

Impacts attendus

Les mégadonnées alimentent des moteurs d’analyse statistique, lesquels, pour faire simple, établissent des corrélations de plus en plus fiables entre des phénomènes sociaux et des données naturelles. Par exemple, l’accumulation de données de santé et leur croisement avec les profils génétiques d’individus convergent vers une cartographie de plus en plus implacable des risques pour la santé de chacun. Cela permet ensuite de proposer des approches de traitement adaptées aux cas individuels, ce qui constitue un facteur de progrès. En somme, une connaissance sociale se dégage de l’accumulation des données, mais cette connaissance ou capacité à prédire est souvent détenue par des acteurs privés, et nécessite donc une contractualisation pour être exploitée.

Quant à l’intelligence artificielle (IA), elle conduit très clairement à automatiser certaines tâches accomplies jusqu’à aujourd’hui par des personnes. Par exemple, dans un avenir proche, le transport par poids lourds pourrait être organisé en flottes automatiques.

On peut en attendre une fiabilité accrue des systèmes des transports, mais outre les problèmes de responsabilité et d’assurance, cela implique une restructuration sérieuse de ce secteur économique.

Enjeux

L’IA est une technologie nouvelle qui, comme les autres, est facteur de progrès comme de risques nouveaux. La question essentielle est à l’interface qui la lie à l’humain : comment, par exemple, réagira un conducteur humain face à une automobile à conduite autonome ?

Des enjeux essentiels des mégadonnées sont liés à l’asymétrie entre les acteurs économiques concernés et les particuliers : la complexité et parfois l’opacité des contrats encadrant la mise à disposition des données personnelles font que les particuliers n’ont pas une conscience claire des avantages qu’ils concèdent aux plateformes. Par ailleurs, le profilage rendu possible par le croisement de données se fait à l’insu des particuliers. Quand un moteur de recherche ou d’information adapte son résultat à ce qu’un algorithme suppose intéressant pour vous, il s’installe une forme d’opacité dans ce résultat. Enfin, l’adaptativité dans la présentation de ces ressources en ligne ne détruit-elle pas à terme, la possibilité d’un monde commun en créant des sortes de petits clubs ?

Bertrand Thirion, directeur de recherche à l’Inria et responsable de l’équipe-projet Parietal spécialisée en neuroimagerie