Le corridor canadien de l’IA 
prend de la maturité: L’écosystème de l’IA au Canada 2018

Bienvenue dans cette édition — qu’on pourrait maintenant qualifier « d’annuelle » — du portrait de l’écosystème de l’IA au Canada. Et ce fut toute une année!

Consultez le rapport complet ici. Le rapport vient également alimenter l’excellent répertoire de recherche Canada.ai.

L’idée derrière ce portrait était d’insister sur la force potentielle d’un écosystème de l’IA Canadien, par rapport à celui d’une seule ville. Cette année, nous avons vu nos liens se renforcer, mais nous avons aussi mis en lumière certaines faiblesses. La vision qui se dessine est celle d’un corridor de villes, chacune remarquable à sa façon, qui s’unissent pour former un ensemble cohérent dont la taille et l’influence n’ont rien à envier aux écosystèmes de la côte est américaine, de Paris ou de Londres.

Les experts en IA que nous recherchons : le bassin mondial de talents au début de 2018

Récemment, j’ai demandé de l’aide sur les médias sociaux (LinkedIn et Twitter) pour évaluer l’état et la taille du bassin international de talents dans le domaine de l’intelligence artificielle. Le recrutement de ces talents est un enjeu vital pour notre industrie. Merci à ceux et à celles qui ont répondu en grand nombre de tous les coins de la planète. Les renseignements que vous m’avez généreusement fournis ont été intégrés à un nouveau rapport publié par Element AI. Nous avons maintenant une vue plus précise de la taille et des caractéristiques du bassin de talents au début de 2018. Ce rapport est un document évolutif que nous continuerons à étoffer selon l’apport de tout un chacun. Selon notre évaluation la plus large, le bassin de talents à l’échelle internationale compte 22 000 personnes. De toute évidence, la concurrence pour attirer des talents se poursuivra dans un avenir prévisible.

Le rapport complet peut être consulté à jfgagne.ai/talent.

Voici quelques-unes de mes observations sur la situation à l’échelle de la planète

L’apprentissage à vie : l’IA et l’avenir du monde du travail

On me demande souvent quelles sont les principales habiletés qu’un étudiant doit acquérir en prévision de la prochaine décennie, dominée par les nouvelles technologies de l’intelligence artificielle. Je me doute bien de la raison pour laquelle on me pose cette question, mais je ne cesse de m’étonner devant cette recherche désespérée de compétences « magiques » qui permettraient d’assurer la réussite d’une carrière d’avenir.

Pour l’horizon 2020, Le Forum économique mondial a remanié sa liste de 2015, mais maintenu la résolution de problèmes complexes en tête de liste. Et je ne suis certainement pas le premier à dire que la mission de l’enseignement universitaire est de promouvoir la pensée critique, l’aptitude à apprendre et la faculté de repérer les causes et effets d’un système complexe.

4 étapes pour une bonne IA étroite

Afin d’amorcer la responsabilisation de notre industrie, je pense que nous devons franchir quatre étapes lors de la conception de nos systèmes :

  1. L’IA doit être prévisible – Quel est son but? Avez-vous énoncé vos intentions quant aux usages découlant de ce but?

  2. L’IA doit être explicable – Pouvez-vous expliquer clairement que vous réaliserez le but visé? L’utilisateur est-il en mesure de déterminer comment un résultat a été obtenu?

  3. L’IA doit être sécuritaire – Le but proposé est-il stable? Avez-vous soumis votre concept à des essais de choc pour en vérifier la corruptibilité?

  4. L’IA doit être transparente – Avez-vous publié vos recherches ou fait en sorte que vos données soient vérifiables?

L’intelligence artificielle n’a pas d’intentionnalité propre

« L’intelligence artificielle nous fera-t-elle perdre nos emplois? »

Les gens ont tendance à parler de l’intelligence artificielle comme s’il s’agissait d’un agent autonome. Nous faisons de l’anthropomorphisme en utilisant à son endroit des mots qui s’appliquent aux êtres humains (écrire, voir, dessiner, écouter, converser, etc.). Ces mots ne sont probablement pas inappropriés, mais ils laissent libre cours à l’imagination en ce qui concerne l’intentionnalité. C’est une erreur de croire que l’intelligence artificielle possède une intentionnalité propre.

L’intelligence artificielle est très limitée et très fragile. Elle est inefficace en dehors du champ d’action pour lequel elle a été conçue et elle ne peut exécuter que des tâches objectives simples. Seuls les humains sont vraiment en mesure de l’appliquer efficacement, en misant sur leur propre intelligence, et d’en faire un outil assez performant pour automatiser une tâche.

De plus, seules les tâches extrêmement répétitives peuvent être entièrement automatisées. (Pour avoir un aperçu du travail que nous exécuterons à l’avenir, songez aux éléments subtils et non répétitifs d’une tâche quelconque et cherchez des façons d’en élargir la portée.)

Quand le bruit devient source d’information – 2e partie

Au cours des cinq dernières années, nous avons développé la capacité de capter et de traiter n’importe quelle donnée, à des coûts de plus en plus faibles. Après la loi de Moore, qui prédisait avec justesse que la puissance de calcul des ordinateurs se multiplierait par deux aux 18 mois (et donc que le coût par calcul diminuerait de moitié sur la même période), nous constatons l’émergence d’un nouveau type de réduction des coûts : le coût par prédiction. 

Notre mémoire est une faculté qui oublie. Comparativement aux ordinateurs, nous oublions presque tout.

L’ordinateur est beaucoup plus apte à enregistrer et conserver des informations visuelles que le cerveau humain. Je crois avoir une assez bonne mémoire des noms, des visages et des idées, et quand je marche dans la rue, je pense être conscient de tout ce qui entre dans mon champ de vision. Mais si vous me questionnez sur mon parcours dix minutes plus tard, je serai incapable de me souvenir des affiches de stationnement, du nom des magasins ou du visage des gens que j’ai croisés.

Un ordinateur en sera parfaitement capable.