Pourquoi l’intelligence artificielle est inutile sans les humains

L'IA domine diverses discussions aux niveaux scientifique, économique, social et politique. Ses partisans estiment que cette technologie résoudra les problèmes de la société numérique, tandis que les critiques mettent en garde contre les conséquences néfastes et les mauvais usages possibles.

Selon une récente étude de l'Observatoire européen des technologies de l'information (EITO), le marché européen de l'IA devrait passer à lui seul d'environ trois milliards d'euros cette année à 10 milliards d'euros en 2022. Cela correspond à une croissance moyenne annuelle de 38%. À titre de comparaison, l’année dernière, le volume du marché n’était que de 2 milliards d’euros. Selon une analyse du marché réalisée par le groupe de conseil international PWC, le marché mondial de l'IA devrait atteindre 70 milliards de dollars d'ici 2020, transformant ainsi les marchés des consommateurs, des entreprises et des gouvernements dans le monde entier. Une comparaison entre les investissements dans l'IA de différents pays montre que les États-Unis et la Chine dominent le marché. En revanche, l'Europe, y compris l'Allemagne, est toujours très frileuse à investir dans l'IA.

Ceci est principalement dû au fait qu’il existe encore de nombreux obstacles à l’utilisation de cette technologie. Ceux-ci incluent, par exemple, le fait que la recherche, l'acquisition et le traitement des données représentent 60 à 70% du temps total nécessaire à la mise en œuvre des projets d'intelligence artificielle. Les entreprises sont actuellement dépourvues d’un système unifié pour le stockage et le traitement des données : les données sont collectées dans des systèmes séparés et souvent non intégrés. Les méthodes en matière d'organisation du stockage sont également différentes. En outre, le processus de gestion des données (qualité et exhaustivité) revêt également une grande importance. De nombreuses entreprises ne collectent tout simplement pas les données nécessaires à la mise en œuvre d'algorithmes d'intelligence artificielle. Ainsi, pour le moment, le rythme de mise en œuvre de l'intelligence artificielle est freiné par le fait que les entreprises ne sont pas prêtes à investir dans le stockage, la collecte et la gestion des données et à intégrer ces données au sein des processus d’affaires clés.

Les détracteurs de l'intelligence artificielle avancent souvent que les solutions d'intelligence artificielle ne peuvent pas être normalisées, car il n'existe aucune adaptation aux différentes solutions techniques dans les systèmes de production complexes en l'état actuel du développement. Par conséquent, tout doit encore être expliqué dans le langage du profane et il faut apprendre à l'algorithme à gérer chaque processus séparément. Outre les informations sur le fonctionnement d’un marché donné, l’IA a besoin de données sur les processus d’affaires et de production pertinents pour chaque type de secteur.

Des ingénieurs expérimentés font souvent appel à l’intuition dans le processus de production des métaux. Par exemple, ils utilisent des ferroalliages pour obtenir la formule chimique requise. L'acier au ferroalliage présente des propriétés physiques et mécaniques améliorées. Comme en témoigne la pratique sur différents sites de production d'une même entreprise, la quantité de ferroalliage ajoutée peut varier. Cela influe grandement sur le coût des matières premières et pourrait être optimisé si les décisions concernant les proportions de ferroalliages reposaient sur une approche standardisée basée sur l'IA, plutôt que sur l'intuition d'un ingénieur. Mais le problème ici est l'absence de processus décisionnel clair : les mécanismes de décision sont intuitifs et ne sont jamais formalisés.

Une question cruciale est donc la suivante : l'IA peut-elle apprendre, en observant un ingénieur au travail et en collectant des données, la manière dont il prend ses décisions en fonction de facteurs externes ? La réponse est oui, cela peut et devrait être possible. Cependant, les décisions relatives à l'IA sont limitées par des algorithmes opérationnels précédemment appris auprès de l'homme.

Si l’IA rencontre une situation inconnue encore inédite, elle peut émettre une recommandation erronée et est contrainte de rendre le contrôle à l’ingénieur en charge des processus. Il est important de noter que plusieurs grands fournisseurs d'équipements industriels, dont Siemens et Mitsubishi, qui avaient initialement demandé aux sous-traitants d'appliquer un système de collecte de données à leurs équipements, bénéficient d'un avantage certain en ce qui concerne la mise en application de l'IA.

Dans l’ensemble, l’absence de normes et de procédures opérationnelles unifiées entrave le processus de numérisation. Ainsi, la montée en puissance des machines sera en fin de compte stoppée par le désir humain de prendre des décisions basées sur l’intuition et par le désordre qui règne actuellement dans le processus de production.

La capacité de l’IA à évaluer de manière critique est strictement limitée par son cadre rigide. C'est pourquoi les solutions d'IA ne sont mises en œuvre que dans des étapes de production et des installations soigneusement choisies. Nous ne parlons pas de l'intellect à ce stade, mais uniquement de ses éléments.

En résumé, on peut dire que l'IA n'est capable de rien sans l'homme, ni d’apprendre, ni de comprendre les facteurs transitoires, et ce car l'industrie a été créée par l'homme et pour l'homme. Si l'intelligence artificielle pourra remplacer l'homme dans un avenir très lointain, la technologie traverse actuellement une phase d’incertitude et de nombreuses questions restent ouvertes, le programme reposant sur l'homme. Et il est bien qu’il en soit ainsi, car la sécurité devrait être au cœur de tout le processus de mise en œuvre de l'IA. Les décisions erronées de l'IA et l'utilisation abusive de cette technologie devraient être immédiatement stoppées par les humains. Il convient d’espérer que les recherches sur le sujet déboucheront sur une intelligence artificielle capable de collecter des informations et de prendre des décisions correctes et sécurisées dans des situations critiques.