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.

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.

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 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.)

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. 

Les directeurs des technologies de l’information sont les maîtres des données de l’entreprise. Ils ont la responsabilité de recueillir les bonnes données, de les faire parler et d’en extraire de quoi propulser l’entreprise.

Mais leur façon de faire s’apprête à changer.