Encadré par une introduction générale et l’index, le livre des auteurs
Stephanie Diamond,
Luca Massaron et
John Paul Mueller, dans la collection
Pour les nuls des Éditions First, compte vingt chapitres ainsi regroupés :
Partie 1 – Introduction à l’IA
Partie 2 – L’IA, comment ça marche ?
Partie 3 – Prendre la mesure de nos interactions quotidiennes avec l’IA
Partie 4 – Utiliser l’IA dans des applications industrielles et matérielles
Partie 5 – Se pencher sur l’avenir de l’IA
Partie 6 – Les dix commandements
Dans l’introduction générale, les auteurs rappellent l’omniprésence de l’IA dans les médias et plusieurs de nos activités quotidiennes. Ils soulignent aussi l’originalité de leur ouvrage : « Contrairement à bien d’autres ouvrages sur ce sujet, celui-ci vous révèle aussi la vérité sur les
limites que rencontrent les applications de l’IA. » Un survol du contenu et des modes de consultation du livre sont ensuite présentés.
Objectifs – Des objectifs généraux sont énoncés au début de chaque partie, tandis que des objectifs spécifiques sont affichés dans un encadré au début de chaque chapitre. Ces objectifs débutent par un verbe d’action, par exemple : découvrir, comprendre, utiliser, définir, cerner, considérer, obtenir, rechercher, etc.
Aperçu – Passons en revue les sujets abordés dans les différents chapitres tout s’attardant à quelques exposés particuliers.
Partie I – Introduction à l’IA
Généralités – Les quatre chapitres de cette partie portent respectivement sur ces notions de base : l’intelligence, les données, les algorithmes et le matériel. Les éléments constitutifs de ces notions sont repris et développés dans les parties ultérieures.
Le
Chapitre 1 aborde ces points : la définition, l’histoire, les applications et la surestimation des possibilités de l’IA.
Les auteurs soulignent qu’il existe plusieurs définitions de l’intelligence. Ils notent que la notion d’intelligence recouvre notamment les activités mentales suivantes : apprentissage, raisonnement, compréhension, perception de la vérité, vision des liens, prise en compte du sens, distinction entre les faits et les opinions. Ils définissent chacune de ces activités, en apportant cette précision : « l’intelligence suit souvent un processus qu’un système informatique peut imiter dans le cadre d’une simulation. »
La présentation du tableau
Les différents types d’intelligence humaine et leur simulation par l’IA, inspiré du psychologue Howard Gardner (Harvard), est particulièrement captivante. Chacun des huit types d’intelligence humaine est comparé au potentiel de simulation par l’IA :
– créative : aucun potentiel
– intrapersonnelle : aucun potentiel
– naturaliste : aucun potentiel
– linguistique : potentiel faible
– interpersonnelle : potentiel faible à modéré
– visuelle-spatiale : potentiel modéré
– corporelle-kinesthésique : potentiel modéré à élevé
– logique-mathématique : potentiel élevé.
Les correspondances entre les types d’intelligence humaine et leur potentiel de simulation par l’IA font aussi l’objet de descriptions comparatives détaillées. Par la suite, les auteurs formulent ce constat : « […] la première idée qu’il est important de comprendre est que l’IA n’a pas grand-chose à voir avec l’intelligence humaine. »
Le
Chapitre 2 porte sur les données : l’omniprésence des données, l’impact des grandes données, les sources des données structurées et non structurées, l’adaptation des données à des besoins spécifiques, la détection des cinq types de données incorrectes, les limites de l’acquisition des données et les problèmes de sécurité des données (dont celui des ordinateurs zombies).
Les auteurs identifient, décrivent et évaluent les cinq types de données incorrectes : les données mensongères, les omissions volontaires, les erreurs de perspective, les biais et le cadre de référence.
Le
Chapitre 3 étudie la relation entre les données et les algorithmes en vue d’accomplir une tâche utile, ainsi que le rôle des systèmes experts, de l’apprentissage automatique, de l’apprentissage profond et d’applications de jeux compétitifs. Des phases marquantes de l’IA sont présentées dans ce chapitre.
Un algorithme classique est une procédure constituée d’une série d’étapes servant à trouver une solution à un problème dans un temps fini. Les structures de données utilisées par l’algorithme sont principalement l’arborescence et le graphe.
Les auteurs présentent plusieurs exemples d’algorithmes, dont ceux-ci : l’
approximation du minimax appliquée au jeu de morpion [tic-tac-toc], le système expert MYCIN (diagnostiquer des maladies), l’apprentissage automatique d’AlphaGo (jeu de go).
Le
Chapitre 4 présente l’évolution du matériel spécialisé dont dépend l’IA : le matériel standard (la structure de l’ordinateur personnel promu par John von Neumann en 1946) et ses défauts, l’ajout du processeur graphique (GPU); le processeur d’apprentissage profond (DLP); les technologies de pointe (informatique neuromorphique, processus quantiques); l’intégration de capteurs avancés.
Encadré : « Toute avancée se fonde sur quelque chose qui l’a précédée. Il est donc important d’étudier l’histoire des découvertes, car cela permet de cerner le chemin suivi et de mettre en lumière d’autres chemins prometteurs : ceux qui n’ont pas encore été suivis. »
Partie 2 – L’IA, comment ça marche ?
Le
Chapitre 5 explique l’analyse des données et son importance, puis l’apprentissage automatique (définition, fonctionnement, usages, limites) et les trois grandes catégories d’apprentissage automatique (apprentissage supervisé, non supervisé, par renforcement).
« Dans l’apprentissage automatique, l’apprentissage est purement mathématique et il se termine par l’association de certains intrants à certains extrants. »
Le
Chapitre 6 étudie le fonctionnement d’algorithmes d’apprentissage automatique que l’IA peut utiliser pour apprendre à partir de données, en vue de prendre des décisions et d’élaborer des prédictions. Plusieurs formules mathématiques sont démontrées, dont celles de Thomas Bayes (probabilité) et de Claude Shannon (entropie).
Les cinq principales familles algorithmiques sont décrites : les systèmes symbolistes, connexionistes, évolutionnaires, bayésiens et analogiques.
Le
Chapitre 7 porte sur l’apprentissage profond, un type d’apprentissage automatique qui utilise des réseaux neuronaux complexes. Ceux-ci sont le principal algorithme de la tribu des connexionistes. Les points abordés : l’historique des réseaux de neurones, les résultats des réseaux neuronaux convolutifs et les défis de l’image.
Encadré : « Ce qui est essentiel de retenir, c’est qu’en fait, l’apprentissage profond ne consiste pas à comprendre quoi que ce soit. Il consiste à utiliser un nombre considérable d’exemples pour en tirer des correspondances à partir de statistiques et de règles mathématiques. »
Partie 3 – Prendre la mesure de nos interactions quotidiennes avec l’IA
Le
Chapitre 8 présente un aperçu de l’IA générative [IAGen] issue des modèles d’apprentissage profond. Les différentes composantes de cette technologie révolutionnaire sont expliquées, dont le réseau neuronal récurrent, la conversion en jetons, le plongement lexical, les modèles d’autoattention, le test de Turing, les grands modèles de langue, les agents conversationnels, les réseaux antagonistes génératifs. La création de textes et d’images, ainsi que les implications sociétales de l’IAGen sont aussi abordées. Un chapitre long et majeur.
Le
Chapitre 9 détaille des utilisations courantes dans les applications informatiques reliées aux corrections et suggestions. Une troisième section porte sur les erreurs potentielles de l’IA. Les avantages de l’IA sont soulignés, de même que certaines utilisations frauduleuses, comme le piratage et le vol d’identité.
Le
Chapitre 10 porte sur l’automatisation des processus courants pour assurer plus de sécurité dans le domaine des industries, compte tenu des problèmes d’ennui éprouvés par les humains effectuant un travail répétitif. Les dix niveaux d’automatisation sont détaillés.
Le
Chapitre 11 traite des nouveaux modes de communication susceptibles de favoriser l’échange des idées : émoticônes et émojis, traductions linguistiques, réseaux sociaux, etc.
Partie 4 – Utiliser l’IA dans des applications industrielles et matérielles
Les utilisations de l’IA dans les domaines de la santé, des robots, des drones et des véhicules autonomes sont présentées dans cette partie, avec de nombreux exemples.
Le
Chapitre 12 explique comment l’IA peut répondre à de nombreux besoins médicaux. Quelques-uns des moyens exemplifiés : les moniteurs mobiles de surveillance, la thérapie par les jeux, le port d’un exosquelette, les prothèses, les nouvelles méthodes d’analyse et de diagnostic, la robotique (téléprésence, procédures chirurgicales), l’automatisation (gestion des données, tester des médicaments). Les implications de l’utilisation de l’IA par les professionnels de la santé sont aussi abordées, notamment au niveau de la formation et de l’adaptation aux changements dans l’exercice de leur métier.
Le
Chapitre 13 rappelle les robots évoqués dans des récits de fiction par Karel Čapek et Isaac Asimov, décrit les capacités des trois types de robots (bras mécanique, manipulateur, humanoïde) et spécifie les composantes d’un robot.
Le
Chapitre 14 traite des drones destinés au grand public ou utilisés à des fins militaires, commerciales et industrielles. Les avancées actuelles et les perspectives d’innovations sont illustrées par de multiples exemples, notamment dans le domaine militaire. Les problèmes de confidentialité et de protection des données sont aussi soulevés.
« Les armes autonomes pourraient bien être l’enjeu d’une nouvelle course aux armements qui changerait à jamais la conduite des guerres. »
Le
Chapitre 15 brosse un panorama de la conduite automobile par une IA : l’historique, les six niveaux d’autonomie, les impacts sur la vie quotidienne, les attentes irréalistes, les aspects techniques, dont les capteurs.
Partie 5 – Se pencher sur l’avenir de l’IA
Le
Chapitre 16 porte sur le développement d’applications qui ne mènent nulle part : « Les sections qui suivent décrivent des solutions dans lesquelles l’IA ne peut pas fonctionner pour la simple raison qu’il s’agit d’une technologie, et non d’une personne. » Le chapitre aborde aussi les hivers de l’IA en 1974-1980 et 1987-1993 : causes, conséquences et opportunités.
Le
Chapitre 17 escompte un avenir radieux pour l’humanité, avec moult hypothèses futuristes, selon une approche optimiste et jovialiste.
Le
Chapitre 18 décrit l’exploration et l’exploitation de l’espace, de nos jours comme dans le futur. Par exemple, l’extraction des minéraux est développée.
Partie 6 – Les dix commandements
Le
Chapitre 19 postule le crédo des auteurs : «Une technologie n’est utile que dans la mesure où elle apporte une contribution substantielle à la société. Cependant, cette contribution doit être accompagnée d’une forte incitation financière, sinon les investisseurs s’en détourneront. »
Quelques exemples cités dans le domaine médical, les technologies industrielles et l’espace.
Le
Chapitre 20 cite dix exemples d’échecs de l’IA.
Quelques brèves citations sur la nature de l’IA : « La faculté de compréhension est innée chez les humains, mais les IA en sont totalement dépourvues. […] Malgré l’apparence éventuelle du contraire, une IA travaille uniquement avec des nombres. […] Une IA peut analyser des données, mais elle ne peut pas produire un jugement moral ou éthique. »
Compléments
Ce livre de vulgarisation scientifique ne contient pas de bibliographie. Par contre, tout au long de l’ouvrage, des adresses Internet sont référencées en lien avec des notions exposées. De plus, certains passages nécessitent une maîtrise approfondie des mathématiques.
La table des matières détaillée, insérée en début d’ouvrage, et l’index s’avèrent des outils de repérage utiles pour trouver / retrouver des informations spécifiques.
Appréciation
Un livre fort intéressant, notamment pour les informations contenues dans les deux premières parties.
Référence
Diamond, Stephanie; Massaron, Luca, Mueller, John Paul. – L’intelligence artificielle. – 3e édition. – Traduction de l’anglais par Marc Rozenbaum. – Paris : Éditions First, 2025. – xiv-405 p. – (Collection Pour les nuls). – ISBN 978-2-4120-9744-1. – [Citations : p. 2, 9, 12, 75, 98, 143, 292, 326, 377, 386, 387, 388]. – Bibliothèques de Montréal et BAnQ : 006.3 DIA ; 006.3 D5378i 2025.
Note
Exemple cité – La date de l’automatisation ancestrale, soit une organisation de travail à la chaîne, est 1574 et non 1104 (page 217). – (
Arsenal de Venise)
Image
Internal view of UNIVAC I (Alejandro Quintanar, 2016 07 16, Wikimedia Commons, CC-BY-SA-4.0)
« L’UNIVAC I (UNIVersal Automatic Computer I) est le premier ordinateur commercial réalisé aux États-Unis. Il a été créé par J. Presper Eckert et John Mauchly, déjà à l'origine de l’ENIAC et du BINAC. Avant que d’autres machines ne sortent dans la même série, l’UNIVAC I était tout simplement appelé UNIVAC. Le premier ordinateur est livré à l’United States Census Bureau le 30 mars 1951 et mis en service le 14 juin. » (
Wikipédia)
Synthèse graphique
Taxonomie de l’intelligence artificielle (Bureau d’appui et d’innovation pédagogique – Polytechnique Montréal / Bibliothèque de Polytechnique Montréal, sous licence CC BY 4.0)
Articles connexes
Ressources documentaires sur l’intelligence artificielle
Tout comprendre (ou presque) sur l’intelligence artificielle
Contre-atlas de l’intelligence artificielle
Une contre-histoire d’Internet
