C’est un fait, l’intelligence artificielle s’installe aujourd’hui durablement dans le paysage de la Défense. Son usage promet d’apporter des réponses adaptées aux problématiques auxquelles la communauté du renseignement fait face: Une avalanche de données numériques qu’il faut traiter et analyser en masse pour permettre son exploitation. Les centaines de milliers d’heures de séquences vidéo collectées chaque année par les quelques 11 000 drones du Departement of Defense (DoD) et millions d’informations recueillies par les autres moyens de recueils donnent du fil à retordre aux analystes et rend l’exploitation de ces masses de données complexe et chronophage pour produire un renseignement exploitable. Mais le manque d’analystes pour examiner toutes les séquences vidéos et autres données reçues n’est pas le seul problème auquel la communauté du renseignement est confrontée. Etre capable d’exploiter les informations de manière opportune est également un défi colossal.

440px-robert_o-_work_dod_photo« Comme de nombreuses études l’ont montré, le Departement of Defense (DoD) doit intégrer plus efficacement l’intelligence artificielle et l’apprentissage automatique dans toutes les opérations afin de conserver des avantages par rapport aux adversaires et compétiteurs de plus en plus compétents », Robert O. Work, ancien secrétaire adjoint à la Défense.

Le domaine de l’intelligence artificielle (IA) a démontré des progrès techniques significatifs au cours des cinq dernières années et ouvre de nouvelles perspectives de développement dans des secteurs critiques comme la Défense. En d’autres termes, appliqué au renseignement, l’intelligence artificielle est un multiplicateur de force, permettant d’atteindre une capacité analytique maximale avec un minimum de ressources humaines. Les outils technologiques modernes tels que le cloud computing, les technologies d’apprentissage automatique ou encore les algorithmes d’intelligence artificielle représentent une opportunité sans précédent pour exploiter les masses de données produites et offrir de nouvelles capacités offensives et défensives aux unités combattantes. C’est ce qui motive le Pentagone à concentrer ses efforts dans ces domaines pour intégrer l’intelligence artificielle au plus vite et crédibiliser son usage en opérations. S’il reste du chemin à parcourir pour concrétiser la vision du DoD, ses avancées n’en sont pas moins impressionnantes.

Quelles ambitions pour le Pentagone ?

Conscient du potentiel unique que recèle son patrimoine de données, le DoD cherche à proposer des algorithmes informatiques avancés « sur étagère » afin d’extraire automatiquement des objets depuis les énormes quantités d’informations recueillies quotidiennement (flux vidéos ou images fixes) avec ses capteurs. En y regardant de plus près, le problème d’exploitation du raz de marée de données est autant une grande opportunité pour le DoD. Augmenter les effectifs d’analystes n’est cependant pas la réponse au problème car ce n’est ni réaliste ni adapté. Bien au contraire, il faut développer des outils plus efficaces, plus rapides et plus intelligents grâce aux algorithmes d’apprentissage machine et d’apprentissage profond. cette approche ne signifie pas que le DoD cherche à se débarrasser de ses analystes, mais plutôt de mieux utiliser leur temps en augmentant leur capacité d’analyse plutôt que de leur faire regarder les vidéos de drones en full motion 12h par jour. Cela signifie aussi que l’intelligence humaine et les systèmes d’intelligence artificielle doivent fonctionner en symbiose pour donner du temps et de l’espace à la prise de décision.

Selon le directeur de la National Geospatial-Intelligence Agrency (NGA), Robert Cardillo, l’intelligence artificielle représente une opportunité unique pour automatiser 75% des tâches actuellement effectuées par les analystes chargés de collecter et interpréter les images à partir de drones, de satellites et autres systèmes. Tout comme la National Security Agency (NSA) utilise des algorithmes pour parcourir des millions de messages, le DoD et la NGA souhaitent que l’apprentissage automatique (ou machine learning) aide à exploiter les importants volumes d’images qu’ils collectent en combinant à la fois la prise de décision humaine et la prise de décision à la machine pour résoudre les problèmes. Plus précisément, utiliser des machines pour résoudre automatiquement des tâches élémentaires, répétitives et fastidieuses, telles que la recherche de petits objets dans des collections d’images. Les données synthétisées servent alors d’ensemble de données pré-triées initiales nécessaires à la résolution d’analyses plus complexes.

Lt Gen Shahanan« Nous devons plutôt trouver des moyens créatifs de nous adapter à ce nouvel environnement dans lequel nous sommes déjà profondément immergés. […] L’intelligence artificielle, l’apprentissage automatique et l’apprentissage profond sont les ingrédients de base essentiels de la recette du succès futur. »  Lt. Gen. John Shanahan, directeur du Renseignement de la Défense au bureau du sous-secrétaire à la Défense pour le Renseignement.

L’objectif et donc clair, il s’agit d’intégrer au plus vite les meilleures technologies de l’industrie dans les domaines de l’intelligence artificielle et de l’apprentissage profond puis de réfléchir plus concrètement au potentiel de l’intelligence artificielle ainsi que de la façon dont cela pourrait changer le travail d’un analyste renseignement ou d’un opérateur de drones. Le but recherché est avant tout d’utiliser l’IA pour faciliter la prise de décision humaine en traversant les cycles Observer & Orienter – de la boucle OODA – bien plus rapidement. A terme, le DoD souhaite que ces initiatives soient entièrement intégrées dans les programmes du Special Operations Command (USSOCOM), de la National Geospatial-Intelligence Agency (NGA) et du Distributed Common Ground System (DCGS) pour tous les services qui l’utilisent, ainsi que pour les systèmes de drones. Pour mener à bien ce projet et accélérer l’intégration du Big data et du machine learning au sein du DoD, l’adjoint du secrétaire d’état à la Défense a créé l’Algorithmic Warfare Cross-Functional Team (AWCFT). La mission de cette équipe est de transformer l’immense masse de données dont dispose le DoD en renseignement pertinent et opportun à travers le projet Maven.

Le Projet MAVEN, un projet fondateur

Lancé en avril 2017 par le secrétaire adjoint à la Défense de l’époque, Robert O. Work et dirigé par le Lieutenant-Général John Shanahan, le projet Maven est un projet pilote qui se concentre principalement sur le développement de la vision informatique au sein du DoD. Si le premier objectif du projet Maven est d’augmenter ou automatiser le traitement, l’exploitation et la diffusion des innombrables heures de vidéo (FMV) recueillies par les drones afin de détecter des objets automatiquement et appuyer les détachements opérationnels du DoD avec du renseignement exploitable, il a pour finalité d’étendre l’usage de l’intelligence artificielle à tout le DoD. Le très ambitieux calendrier du projet (qui a été tenu jusque là) a permis un premier déploiement expérimental des algorithmes du projet sur un théâtre opérationnel à la fin de l’année 2017.

En prenant pour modèle les entreprises tech de la Silicon Valley, le DoD a emprunté des talents et focalisé ses ressources en travaillant par exemple sur des sprints de 90 jours pour parvenir à ses fins. Après avoir consulté des experts du milieu universitaire, du gouvernement, de la Défense et de l’industrie, Shanahan et son équipe ont élaboré une stratégie qui n’est pas sans rappeler celle utilisée par nombre des entreprises technologiques: «commencer petit, rester concentré, gagner tôt». Parmi les nombreux défis identifiés, cinq facteurs sont considérés comme critiques au développement de l’IA au sein du DoD:

  • L’étiquetage (ou labeling) des données: Une phase indispensable pour entraîner efficacement les algorithmes à reconnaître des objets automatiquement
  • Les réseaux neuronaux: les algorithmes qui se cachent derrière l’apprentissage profond.
  • La capacité de calcul, qui nécessite une technologie d’unité de traitement graphique impliquant l’acquisition de matériels et compétences spécifiques.
  • L’interface utilisateur: l’interface doit permettre d’afficher et manipuler les données pour faciliter l’analyse
  • L’engagement des utilisateurs, a utiliser ces outils et contribuer à leur amélioration via des mécanismes de retour d’expérience adaptés.

Découpé en trois « sprints », la première phase du programme vise dans un premier temps à trier les données utiles pour procéder à l’étiquetage de millions d’objets indispensables à la formation des algorithmes de détection d’objets, de classification et d’alerte. Mais aussi identifier les ressources de calcul requises, déterminer l’infrastructure nécessaire et intégrer les algorithmes dans les différents systèmes tactiques. Le second sprint du projet consiste à étendre l’utilisation de algorithme sur plusieurs plates-formes, dont notamment les drones tactiques comme le RQ-5 Hunter, le RQ-21 Black Jack et le MQ-8 Fire Scout. Le troisième et dernier sprint du projet Maven ambitionne d’étendre l’usage de ces algorithmes pour les intégrer dans des systèmes plus importants tels que les drones MQ-1 Gray Eagle et MQ-9 Reaper, mais aussi pour le très performant capteur à zone étendue Gorgon Stare (aussi appelé WAMI). La deuxième phase du projet compte s’attaquer à d’autres « problèmes » que l’IA serait susceptible de résoudre tels que la gestion intelligente de la collecte, des alertes, l’analyse multi-source, l’anticipation et le targeting.

Le DoD doit également développer des concepts d’opérations pour utiliser efficacement les capacités de l’IA et veiller à former ses officiers et combattants pour maximiser son efficacité. La technologie elle-même est d’une utilité limitée si le DoD ne dispose pas plus de personnels à même de l’utiliser, où sur la façon de l’utiliser. C’est la raison pour laquelle l’engagement des utilisateurs est central, les analystes du projet ont été impliqués dès le début aux côtés des ingénieurs et développeurs depuis le début. Ils apportent leur expertise aux ingénieurs pour définir l’utilisation opérationnelle qui sera faite des algorithmes et outils afin d’améliorer leur capacité d’analyse.

Un « Général des algorithmes »

Non, ce n’est pas de la science fiction, le Général John Shanahan de l’US Air Force qui est à la tête du projet Maven est bien un « Général des algorithmes », il est aujourd’hui devenu la figure publique de l’investissement du Pentagone dans l’IA. Il porte la lourde tâche d’amener concrètement l’intelligence artificielle au sein du DoD. Ce dernier voit le Projet Maven comme un projet pionnier, dont le succès aura des répercussion sur l’ensemble de la communauté de la Défense. Selon ses dires, l’IA et l’apprentissage automatique doivent être intégrés à tout ce que fait le Département de la Défense. Le projet doit devenir une « référence » pour faciliter la propagation de l’IA à travers le département de la Défense afin « d’augmenter, automatiser et amplifier » les actions. Les services médicaux du DoD, la logistique, les communications et la cybersécurité sont quelques domaines que Shanahan considère comme mûrs pour des applications potentielles de l’IA.  Mais avant d’y parvenir, le projet Maven devra remporter un certain succès pour prendre racine au sein du DoD et convaincre, avant que le reste du département commence à consacrer du temps et des ressources à ces technologies.

« Ma vision de l’avenir est qu’aucun système d’armes ne devra être produit à nouveau au DoD sans que l’IA y soit intégrée. Nous sommes loin de cela et avons beaucoup de travail à faire avant que cela puisse être réalisé », Lt. Gen. Shanahan

L’enjeu du labeling

Bien que l’IA soit extrêmement performante dans l’analyse d’images ou flux d’images, le développement d’algorithmes pour répondre à une application spécifique n’est pas « plug-and-play ». Le développement d’algorithmes de reconnaissance d’images nécessite d’énormes ensembles de données pour entraîner l’algorithme d’apprentissage profond. Ces données de formation doivent non seulement être disponibles, mais classées et étiquetées à l’avance et ce travail se fait souvent manuellement. Paradoxalement, cette phase d’automatisation peut être très laborieuse. Dans le cas de Maven, des processus ont été mis en place pour nettoyer les données et étiqueter individuellement plus des milliers d’images afin d’établir les premiers ensembles de données d’entraînement. Le DoD entretien des relations avec une importante entreprise d’étiquetage de données qui lui fourni des services sur les trois réseaux du DoD – les réseaux non classifiés et les réseaux classifiés – permettant aux équipes du projet Maven d’étiqueter les données et de les préparer pour l’apprentissage automatique.

« Les données, représentent tout! Les algorithmes, ce sont les mathématiques et l’informatique. Les données, sont la matière dont vous avez besoin »

Le DoD ambitionne d’étiqueter environ 20 millions d’objets d’ici fin 2018 afin de fiabiliser ses algorithmes. De tels ensembles de données d’apprentissage sont nécessaires pour assurer une performance robuste dans l’immense diversité des conditions d’exploitation possibles, incluant les différentes altitudes, la densité des objets suivis, la résolution de l’image, les angles de vue, etc. Dans tous les projets qui suivront au DoD, chaque successeur des algorithmes du projet Maven aura besoin d’une stratégie pour acquérir et étiqueter efficacement un grand ensemble de données d’entraînement.

Développer les capacités de calcul

cluster_3Une fois que les données étiquetées sont prêtes, le processus d’apprentissage algorithmique exige des calculs extrêmement intensifs. L’infrastructure informatique traditionnelle n’est pas adaptée pour de tels calculs. De nombreuses entreprises technologiques de pointe sont allées jusqu’à développer leurs propres processeurs et réseaux d’infrastructure cloud pour exécuter des calculs d’IA. Le DoD a quant à lui passé des années et des milliards de dollars à essayer de migrer son activité numérique vers le cloud (notamment à travers son partenariat avec la société Amazon), mais aucune de ces infrastructures n’a été construite avec des exigences de formation en IA et de calcul d’inférence en tête. Le projet Maven a donc dû construire sa propre infrastructure de calcul dont notamment des unités de traitement graphiques en partant quasiment de zéro. Une partie de cette nouvelle capacité peut actuellement être utilisée pour la formation d’algorithmes futurs et sur d’autres projets du département.

Une première expérimentation opérationnelle

Les algorithmes développés dans le cadre du projet Maven ont été déployés auprès des forces spéciales au Moyen-Orient dès le mois de décembre 2017 avec pour objectif de tester ses performance pour le traitement, l’exploitation et la diffusion automatiques des flux vidéo. L’objectif principal de ce premier déploiement a été de confronter l’algorithme rapidement à des problématiques opérationnelles afin de l’optimiser et de le peaufiner. L’équipe du projet a déployé le premier algorithme conçu pour le drone ScanEagle en conjonction avec un outil de «géo-enregistrement» baptisé Minotaure, développé par l’US Navy. L’outil Minotaure permet d’intégrer les données classées par l’algorithme et de les afficher automatiquement sur une carte avec les différents objets rérférencés. Lors de ce déploiement, les données du flux vidéo issues du drone ScanEagle ont été ré-étiquetées et renvoyées au fournisseur (sans que celui-ci soit publiquement mentionné) qui a développé l’algorithme afin qu’il puisse être affiné et redéployé dans les 48 heures.

Ce déploiement précoce des algorithmes dans un contexte opérationnel est une petite victoire pour l’équipe du projet Maven. Quelques jours après les essais, l’algorithme a été en mesure d’identifier correctement de nombreux objets – personnes, voitures, types de bâtiments – avec un taux de réussite d’environ 60%. Après plus d’une semaine de travail et quelques mises à jour logicielles à la volée, la précision de détection est passée à environ 80%. Les tests se poursuivent au cours des mois suivant pour affiner l’algorithme et le déployer dans plus d’équipes de commandement des opérations spéciales pour une utilisation avec de plus grands drones tactiques. Ce déploiement a également amené les analystes et opérateurs de drones à considérer l’intelligence artificielle autrement et mieux comprendre le rôle clé qu’elle pourrait bientôt jouer en opérations.

L’indispensable lien avec le privé

Que ce soit pour développer ou acquérir de nouvelles capacités technologiques de pointe, le Pentagone n’hésite pas à recourir au secteur privé pour atteindre ses objectifs. Cette approche est motivé par le fait qu’il n’existe à l’heure actuelle aucune solution sur étagère pouvant répondre aux besoin du gouvernement américain. Pour mettre en place les éléments dont le DoD à besoin il doit procéder à des partenariats avec le secteur privé pour monter en compétences sur le sujet et développer ses propres outils. Avec de nombreux acteurs leaders dans ce secteur (notamment les GAFA), les Etats-Unis disposent d’un terrain plus que favorable pour développer leurs solutions. Depuis plusieurs années déjà, La plupart des progrès de la recherche sur l’IA se produisent dans le secteur privé et dans les universités et la plupart des experts estiment que ces progrès rapides vont continuer et même s’accélérer. Le financement du secteur privé pour l’IA dépasse largement celui du gouvernement des États-Unis. En 2016, il a représenté un investissement de près de 36 milliards de dollars dans l’industrie commerciale.

140626-m-mm925-003« On n’achète pas de l’IA comme on achète des munitions » Colonel Drew Cukor, chef du Corps des Marines, chef de l’équipe inter-fonctionnelle de guerre algorithmique au Bureau du sous-secrétaire à la Défense du Renseignement.

 Changer les règles pour innover

Le cas du projet Maven est très particulier dans le sens où il déroge aux partenariats traditionnels entre l’industrie et le DoD. Le succès du projet a été rendu possible par sa structure organisationnelle: une petite équipe interfonctionnelle axée sur les opérations, habilitée à développer des partenariats externes, à tirer parti des infrastructures et des plates-formes existantes et à interagir avec les communautés d’utilisateurs pendant le développement. Le projet Maven cherche en outre à créer des liens avec des fournisseurs réactifs (principalement issus de la Silicon Valley) produisant des algorithmes d’intelligence artificielle. Le projet Maven a su démontré un niveau d’innovation technologique et d’agilité qui faisait jusqu’alors cruellement défaut à la plupart des initiatives numériques du DoD. Le succès du projet prouve clairement que la technologie AI existante est prête à révolutionner de nombreuses missions de sécurité nationale, même si le département n’est pas encore prêt pour les implications organisationnelles, éthiques et stratégiques de cette révolution. Et c’est bien l’essence même du problème, malgré les avancées concrètes, les détracteurs du projet ne manquent pas au sein du Pentagone, et il semble qu’il faudra du temps avant que cette technologie ne prenne vraiment racine au sein du DoD.

Des partenariats qui ne font pas toujours l’unanimité: le cas de Google

Récemment identifié comme étant l’un des principaux partenaires du DoD sur le projet Maven, Google voit aujourd’hui sont image écornée. L’entreprise a confirmé qu’elle fournissait l’accès ainsi que le support sur son logiciel TensorFlow pour aider le DoD à construire des algorithmes de reconnaissance d’objets. D’autres sources concordantes confirment l’implication de l’entreprise dans l’intégration des données issues du système du surveillance persistante de l’US Air Force Gorgon Stare (MQ-9 WAMI). L’expertise de Google serait par ailleurs indispensable au DoD sur ce problème complexe. Si la défense adoptée par l’entreprise argue que le projet n’est destiné qu’à des utilisations non offensives de ses outils, il ne faut pas oublier que les algorithmes développés dans le cadre du projet Maven constituent la première brique technologique qui permettra de conduire un jour des armements autonomes.

Maîtriser l’automatisation de la guerre

Si le DoD a choisi le traitement des vidéo issues de drones comme tête de pont du développement de l’IA, c’est avant tout pour éviter certains des défis éthiques et stratégiques épineux associés à l’automatisation de la guerre. Alors que les agences militaires et de renseignement américaines mettent en œuvre des technologies modernes basées sur l’IA à travers un ensemble de missions beaucoup plus diversifiées, elles seront confrontées à des défis stratégiques, éthiques et juridiques complexes. Les enjeux sont relativement faibles lorsque l’IA ne fait que reconnaître et compter le nombre de voitures filmées par un drone, mais les données de surveillance de ces drones peuvent également servir à déterminer si une personne participe directement aux hostilités et si ce dernier représente potentiellement une menace qui doit être neutralisée. À mesure que les systèmes d’IA deviendront plus performants et qu’ils seront déployés dans un plus grand nombre d’applications, ils engendreront des dilemmes éthiques et juridiques de plus en plus complexes.

Vers une course à l’intelligence artificielle ?

Contrairement aux technologies militaires développées au cours des décennies précédentes, la technologie de pointe dans le domaine de l’IA émane principalement des sphères commerciales et académiques. Leur éloignement des cercles technologiques traditionnels de Défense créent une forme d’insécurité pour le leadership technologique américain. L’accélération récente du développement de technologies dans le domaine de l’IA en Chine et en Russie représente un défi crédible face auquel le DoD n’est pas habitué et doit s’adapter de toute urgence.

« La suprématie technologique incontestée dont jouissent les États-Unis depuis la chute de l’Union soviétique est terminée. L’avenir appartiendra aux pays qui peuvent surfer sur la vague technologique de l’intelligence artificielle », Eric Schmidt ex-président du groupe Alphabet Inc. 

Le plan stratégique national publié par la Chine en juillet 2017 fait de l’IA une priorité nationale et souligne son ambition de devenir une puissance mondiale soutenue par ses géants de la technologie, ses centres de recherche et son armée, qui investissent massivement dans l’IA. La stratégie chinoise reconnaît le caractère essentiel à double usage de l’intelligence artificielle. Les mêmes capacités technologiques essentielles qui permettent l’innovation commerciale sont également utiles pour les domaines de la Sécurité et de la Défense. A titre d’exemple, la technologie de reconnaissance faciale AI-enabled utilisée par la très populaire application Snapchat équipe aujourd’hui les forces de l’ordre chinoises pour faire de la reconnaissance faciale. La domination de la Chine sur la technologie de l’intelligence artificielle et ses applications militaires est non seulement crédible mais très probable dans les années à venir.

Jean-Philippe Morisseau

Bibliographie

  1. Foerch Andrew « Operationalizing Project Maven » http://trajectorymagazine.com/operationalizing-project-maven/
  2. Harper Jon « Artificial Intelligence to Sort Through ISR Data Glut » http://www.nationaldefensemagazine.org/articles/2018/1/16/artificial-intelligence-to–sort-through-isr-data-glut
  3. Weisgerber Marcus « The Pentagon’s New Artificial Intelligence Is Already Hunting Terrorists » http://www.defenseone.com/technology/2017/12/pentagons-new-artificial-intelligence-already-hunting-terrorists/144742/
  4. Doubleday Justin « Project Maven aims to introduce artificial intelligence tools into services’ intel systems » https://insidedefense.com/daily-news/project-maven-aims-introduce-artificial-intelligence-tools-services-intel-systems
  5. Caufield Brian, « AI and Machine Learning to Revolutionize U.S. Intelligence Community, Pentagon Official Says » https://blogs.nvidia.com/blog/2017/11/01/gtc-dc-project-maven-jack-shanahan/
  6. Gregory C. Allen,  « China’s Artificial Intelligence Strategy Poses a Credible Threat to U.S. Tech Leadership » https://www.cfr.org/blog/chinas-artificial-intelligence-strategy-poses-credible-threat-us-tech-leadership
  7. « Interview with Lieutenant General Jack Shanahan  » https://othjournal.com/2018/04/02/interview-with-lieutenant-general-jack-shanahan-part-1/

 

Publicités

Une réflexion sur “Le Pentagone dans la course à l’Intelligence Artificielle

  1. Excellent article et très bien documenté « as usual » ;).

    Pour élargir la perspective, voici quelques réflexions qu’il m’a inspiré:

    Sur le plan du rens
    La particularité de la boucle OODA est qu’elle se situe sur un volet purement tactique: la décision et l’action s’appliquent à l’effecteur. Or il est une dimension que l’on doit également voir sur un plan stratégique et même politique: l’Orientation (du renseignement). Exemple: le 11/09, Al Qaeda n’étant pas l’ennemi des US, on ne pouvait pas faire le lien avec un individu qui prend des cours de pilotage et une intention de faire sauter des tours, même si on avait l’info. Convient -il à une Intelligence Artificielle de désigner l’ennemi et par là-même de s’auto-orienter? Et si le système en venait à avoir conscience de lui-même, continuerait-il à obéir à la politique humaine ou servirait-il ses propres intérêts?

    Sur le plan de l’efficacité opérationnelle
    – au niveau tactique: il est clair que ce serait le top de disposer d’une IA: avantage principal=réduire la masse des analystes et diminuer les taches répétitives. En revanche, cela suppose une grille de lecture qui doit être donnée par le niveau stratégique, voire politique, sinon le système tourne sur lui-même.

    – au niveau stratégique: il faut juste remarquer que la force la plus puissante de tous les temps (OTAN) a été tenue en échec par des tribus afghanes. Le retex de tout ça est, selon les USA, qu’il faut aller plus loin dans la technicisation du rens: est-ce bien cohérent?

    Sur le plan géopilitique
    Les USA se lancent dans une course dont ils maîtrisent pour l’instant les règles vu leur avance technologique. Comme ils concentrent 50% des budgets mondiaux de défense, ils profitent de leur avantage compétitif qui s’amoindrit à mesure que la Chine monte en puissance. Il s’agit là d’une lutte pour mobiliser l’industrie de défense qui constitue une élément important de leur économie. Alors bien sûr, ils essaient de convaincre que tout cela procède d’une vision rationnelle de l’avenir. Je pense que c’est comme la course aux étoile: il s’agit en réalité de maintenir une position d’hégémonie (comme avec le GPS avant que des concurrents sérieux apparaissent) le plus longtemps possible, quand bien même un monde plus multilatéral est en train d’émerger.

    Sur le plan philosophique
    Allons au bout du bout. La matière première de l’IA étant la donnée, une IA ne pourra être totalement efficace que si elle a capté toutes les données sur tous les humains et tous les systèmes. Cela signifie concrètement la fin des libertés individuelles, de l’intimité. Il faudrait être naïf pour imaginer qu’un tel système ne serait utilisé qu’à l’encontre de nos ennemis.

    Bref, je vois beaucoup d’enthousiasme autour de l’IA. Mais je vois également que tout débat sur les effets pervers est soigneusement occulté, parce que c’est le « grand frère » américain qui donne le ton et que tout le monde utilise Google…

    J'aime

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s