De l’importance du « temps long » pour analyser la création de valeur d’une TIC à travers ses usages et ses mutations
Le nom même de cette discipline - intelligence artificielle - était porteur dès le départ de tous les phantasmes et controverses. Tout comme les expressions « systèmes experts », « réseaux de neurones », « agents intelligents » ou encore « vie artificielle », cette appellation n’appelait pas à la clémence en cas de difficultés ou de déceptions. Cette discipline a incontestablement pâti de ce vocabulaire immodeste qui a conduit certains à tenir des propos déraisonnables, à imaginer des systèmes experts partout, et globalement à nourrir de trop gros espoirs au milieu des années quatre-vingt. À l’époque la lucidité imposait d’être prudent et de ne pas développer des systèmes experts, sans réel besoin, pour le simple besoin d’être « tendance ».
La voix de certains pionniers comme Edouard Feigenbaum, le père du célèbre système expert Mycin et fondateur de Teknowledge la première société spécialisée en IA, s’étaient élevées à l’époque pour expliquer que certains discours étaient déraisonnables mais cela n’empêcha pas la désillusion du début des années quatre-vingt-dix, le dépôt de bilan ou la réorientation de l’activité des startups du domaine, l’abandon de projets des grands comptes dans ce domaine, le désintérêt des investisseurs, etc.
Les systèmes experts, pour ne parler que d’eux, ont connu des échecs pour différentes raisons :
- difficulté et coût de la maintenance d’une telle technologie dans un domaine d’expertise fortement évolutif, etc.
- choix d’un domaine d’expertise non stratégique pour l’entreprise et absence de calcul de ROI,
- choix d’un domaine où l’expertise est faiblement formalisée ou formalisable,
- choix d’experts qui n’en étaient pas,
- choix d’outils inadaptés au domaine d’expertise (temps réel, configuration, etc.)
- in fine les entreprises ne se sont pas lancées dans la production en masse de systèmes experts pour capitaliser leurs connaissances.
Trois erreurs majeures ont été commises dans les années quatre-vingt concernant l’IA :
- celle de penser que les technologies de l’IA étaient suffisamment matures à l’époque et que leurs insuffisances seraient rapidement corrigées ; le rythme de la recherche dans ce domaine comme dans d’autres ne coïncidait pas avec les besoins de retour sur investissement rapide des entreprises et des investisseurs,
- celle de penser que l’heure était venue d’un monde où les entreprises capitaliseraient massivement leurs connaissances sous forme de systèmes experts avec des ateliers de génie cognitif ;
- celle de penser que l’architecture de Von Neuman était inadaptée au traitement symbolique et qu’il fallait de fait développer de nouvelles architectures et machines adaptées à ce type de traitement : machines Lisp outre-atlantique ou machines Prolog du MITI japonais.
Est-ce à dire 20 ans plus tard que l’intelligence artificielle n’a rien apporté et n’apporte rien à l’informatique ?
Ce serait tout d’abord oublier l’apport de l’IA aux développements et aux réflexions autour des « langages objets » et le fait que les méthodes d’acquisition et de modélisation des connaissances pour les systèmes experts (KADS, KOD) ont débouché sur la gestion des connaissances (le « Knowledge Management » ou KM) forme beaucoup plus souple de capitaliser les connaissances qu’un système expert. Les entreprises qui s’étaient investies dans l’IA au milieu des années quatre-vingt ont été les premières à tirer partie des technologies objet et du KM.
De plus, le vocabulaire de l’IA est devenu plus neutre et plus orienté métier au fur et à mesure de l’usage de ces technologies : les éditeurs parlent par exemple aujourd’hui de « règles métier » au lieu de systèmes experts, de « moteur d’optimisation » pour désigner la « programmation par contraintes », une technologie proche de Prolog qui devait être le langage de la fameuse 5e génération d’ordinateurs développée par les Japonais.
Certaines des technologies de l’IA sont intégrées dans des produits sans que cela soit clamé haut et fort : Qui sait que le module de supply chain planning APO (Advanced Planner and Optimizer) de SAP repose sur un moteur d’optimisation fondé sur la « programmation par contraintes » ?
Qui sait que les aides informatiques des hotline informatiques reposent souvent sur le « case-based reasonning » qui est l’aboutissement des travaux menés dans les années quatre-vingt sur l’apprentissage symbolique ? (voir par exemple Kaidara ou eGain).
Qui sait par exemple qu’un réseau de neurones associé à des grammaires statistiques permet l’automatisation du traitement de messages bancaires SWIFT à la Banque de France et dans de nombreuses banques en France et à l’étranger (voir FircoSoft). Quelle serait la banque, qui bien que convaincue de la fiabilité de ce système, serait assez « folle » pour s’en vanter sachant qu’une erreur de traitement peut conduire à transférer des sommes souvent énormes sur un compte erroné ?
Qui se soucie aujourd’hui de savoir que ce sont ces technologies qui permettent de faire des recherches sur Internet (traitement de la langue naturelle), de pouvoir commander à son téléphone portable (reconnaissance de la parole) : « appeler Martin » au lieu de composer le numéro de Monsieur Martin.
L’intelligence artificielle s’est faite aujourd’hui plus discrète et modeste lorsqu’elle intervient dans les systèmes d’information ou les logiciels Son vocabulaire est devenu celui de ses usages mais son apport n’en est pas moins réel. Elle continuera sans doute à le faire dans le futur par exemple dans le domaine du Web sémantique.
Hello people
1b7b621ef6d556bb730c7a2ca716f33e
Rédigé par: http://www.empireunion.org/music.htm | décembre 11, 2007 à 07:04 AM