L’impact de l’IA sur la recherche : vers un changement de paradigme ?

Le succès foudroyant et très récent (depuis 2010) de l’IA s’appuie en fait sur les méthodes d’apprentissage qui permettent à un système de construire ses réponses à partir des données elles-mêmes, par opposition aux algorithmes qui rassemblent un jeu d’instructions conditionnelles pour répondre à un problème préalablement formalisé.

Ces méthodes, apparues dans les années 1940 [1], ne sont pas neuves. Elles reposent sur une analogie avec ce que l’on pensait être le fonctionnement d’un cerveau. La formalisation numérique de cette analogie sous la forme d’une succession de couches de « neurones » numériques, chaque neurone ayant une entrée et N sorties a eu lieu dans les années 1950 et 60 [2]. La capacité de cette structure de neurones numériques à « apprendre » en fonction des entrées présentées et des sorties attendues en appliquant une méthode de descente de gradient [3] a permis de formaliser un réseau de neurones artificiel, mais sans application réelle à l’époque faute d’ordinateurs suffisamment puissants.

L’arrivée des ordinateurs à architectures parallèles dans les années 1990 a relancé l’intérêt pour les réseaux de neurones, avec de premiers succès importants sur la reconnaissance de caractères (d’imprimeries ou manuscrits), d’objets complexes ou de structures linguistiques.

C’est à l’orée des années 2010 que les réseaux de neurones, rebaptisés « deep learning » (« apprentissage profond ») ont commencé à susciter un intérêt frénétique. Trois évènements concomitants ont participé de cette frénésie : des avancées conceptuelles majeures de la recherche académique (réseau de convolution, généralisation), l’arrivée de processeurs graphiques (GPU) hyper-spécialisés et bons marchés car produits massivement pour l’industrie des jeux 3D, et la disponibilité de données numérisées massives et ouvertes.

Depuis quinze ans, les réseaux de neurones montrent une capacité phénoménale à extraire de l’information, parfois inattendue, à partir de données brutes. Or, la recherche est un des secteurs de l’activité humaine qui utilise les plus gros volumes de données, mais aussi les données les plus variées : imagerie médicale, étude du génome, étude de manuscrits anciens, astronomie, météorologie, mathématique, physique des particules…

Il ne fait aucun doute que l’IA impactera grandement et violemment l’organisation du travail et les recrutements dans l’enseignement supérieur et la recherche, là comme ailleurs. Les métiers d’appui à la recherche sont d’ores et déjà fortement touchés : informaticien·nes scientifiques, statisticien·nes, instrumentistes, électronicien·nes, analystes en chimie ou biologie sont des métiers qui changent vite, et dont chaque remplacement sera dorénavant questionné : un nouvel ingénieur
« augmenté » de l’IA ne pourrait-il pas faire le travail de 2, de 3, de 4 ingénieurs ? Cette menace, de plus en plus documentée concernant l’IA, n’est pas nouvelle pour le syndicalisme, qui a connu plusieurs révolutions industrielles ou technologiques depuis 200 ans. Dans la recherche comme ailleurs, il nous faudra lutter, encore une fois, contre les tentations du capitalisme d’user encore et toujours plus les travailleurs et les travailleuses, via l’IA cette fois-ci, pour augmenter les profits.

Des bouleversements profonds dans la recherche ?

Mais l’activité de recherche elle-même, qu’elle soit menée par des ingénieur·e ou des chercheur·es, ne va-telle pas connaître de profonds bouleversements ? Le développement rapide de l’IA a considérablement simplifié l’accès à des méthodes numériques complexes via des outils libres (open source). Ainsi, l’exploitation massive et systématique de peta-octets (1012 octets), voire d’exa-octets (1015 octets) de données issues de capteurs particulièrement complexes à l’aide des méthodes de « deep learning » va devenir à portée de main de la recherche académique. Elle va permettre d’accéder à de nouvelles mesures inaccessibles jusqu’ici à grande échelle (caractérisation des exo-planètes, observation à travers les nuages, détection précoce de maladies, etc.). Ces nouvelles méthodes vont bouleverser bien d’autres secteurs de recherche, de l’archéologie et l’étude des langues antiques aux mathématiques et à l’informatique théorique. Ainsi, les IA les plus performantes (c’est-à-dire bien conçues, mais surtout les mieux dotées financièrement) décrochent dorénavant les médailles d’or aux Olympiades de mathématiques, résolvant des exercices de niveau bac très compliqués [4]. Des premiers théorèmes de niveau recherche en mathématique commencent à être prouvés avec l’assistance d’une IA [5] et dans certains cas, la preuve est ensuite certifiée par des programmes assistants de preuves, tels ROCQ [6]. L’IA va sans doute aussi accélérer l’interdisciplinarité, en facilitant le croisement de données issues de disciplines éloignées.

On a entièrement raison d’être inquiets de ce que les capitalistes veulent obtenir avec ce bouleversement technologique. Pour eux, cela ne peut servir qu’à accroître la plus-value qu’ils extorquent aux travailleuses et travailleurs, les appauvrissant toujours plus et détruisant la planète, approfondissant la crise du capitalisme. Il faut combattre cette orientation.

Mais, l’IA ne pourrait-elle pas conduire à des changements de paradigmes, par essence inimaginables avant qu’ils interviennent, un peu comme l’imprimerie, les grandes découvertes et la lunette astronomique ont amené la révolution copernicienne, pour finir par l’imposer à l’Église. L’Église qui incarnait alors non seulement la pensée dominante de l’époque, mais aussi la puissance et la violence du pouvoir en place. L’Église, une fois tombée de son piédestal, ne se remettra jamais de sa défaite.

Pourrait-on imaginer que le capitalisme subisse pareil sacrilège ?