Mission Villani et les communautés de partage de l’Intelligence Artificielle

Les communautés françaises de l’IA participent à la Mission Villani. En partant de la gauche, Anastasia Lieva, Olivier Guillaume, Franck Bardol, Olivier Raffard, Damien Gromier, Igor Carron, Alexia Audevart, Anil Narassiguin, Cedric Villani

Le 18 janvier 2018, la Mission Villani a souhaité rencontrer les fondateurs des communautés françaises de l’Intelligence Artificielle (IA) et du Machine Learning (ML).

A cette occasion cet article décrit les communautés françaises IA & ML.

Après une très bref exposé des notions principales de l’IA.

Il précise ensuite comment ces communautés auto-organisées diffusent l’information et la connaissance plus rapidement et efficacement que les structures hiérarchiques classiques.

Il éclaire enfin sur leur apport à la compréhension des bouleversements technologiques en cours.


IA et Machine Learning de quoi parle-t-on ?

L’intelligence Artificielle est née au milieu des années 50 dans les universités américaines.

Le souhait des pères fondateurs de l’IA (John Mc Carthy, Marvin Minsky, Allen Newell, Herbert Simon, et Claude Shannon) en s’appuyant sur les travaux de Alan Turing étaient de reproduire la pensée humaine à l’aide d’un ordinateur. L’objectif de ces pionniers était alors de résoudre des problèmes totalement hors de portée des ordinateurs programmés avec des programmes figés.

Les pères de l’IA

Cet effort de recherche a par la suite donné naissance à plusieurs courants explorant chacun des voies distinctes.

Quelles sont les approches possible pour composer une IA ?

Très brièvement, deux courants principaux ont émergés.

Le premier dit “symbolique” a cherché un ensemble de règles, d’enchainements de déductions qui permettraient d’imiter la pensée humaine afin de résoudre des problèmes par la logique formelle.

Le second dit “numérique” ou “connexioniste” utilise des calculs statistiques et mathématiques complexes pour faire émerger des connaissances et des décisions à partir d’un océan de données massives (Big Data).

C’est cette seconde approche qui triomphe actuellement et qui semble avoir terrassée — provisoirement — sa rivale en donnant naissance au Machine Learning puis au Deep Learning.

Le Machine Learning découvre automatiquement des règles générales en observant des exemples particuliers.

Découvertes de règles par une IA à partir d’exemples

La puissance de calcul gigantesque rendu disponible à un prix dérisoire permet d’injecter des milliards d’observations dans ces moteurs de corrélations complexes afin d’en tirer un portrait général; en ombre chinoise pourrait-on dire.

Ceci a donné naissance à une science sans théorie. Une science “à la Google” qui renverse la table du cheminement de la pensée humaine classique.

C’est-à-dire, hypothèses -> théorie -> vérification avec des exemples (Data).

C’est un profond changement de paradigme auquel on assiste.

Le gagnant de la course qui débute sous nos yeux est celui qui dispose du plus grand volume d’exemples (Big Data) afin de nourrir les algorithmes d’Intelligence Artificielle qui en extrairont les règles et les généralités cachées.

C’est-à-dire, Big Data -> Intelligence Artificielle -> règles.

Le gagnant est celui qui dispose du plus de données, pas du meilleur algorithme” , Peter Norving (Directeur ingénierie @ Google)
Peter Norving

L’IA provoque une interrogation planétaire sur les bouleversements à venir

L’IA connaît aujourd’hui un écho considérable et suscite des craintes et des interrogations jusque dans les milieux politiques.

En effet, ces dernières années ont vu apparaître des réalisations tangibles qui semblaient totalement irréalisables il y a encore peu.

Des programmes intelligents parviennent à supplanter l’homme dans des activités qui lui étaient jusqu’alors réservées (reconnaissance visuelle, écriture automatique d’articles, véhicules sans chauffeur, ventes prédictives, robot de conversation, traduction automatique…).

Des pans entiers de l’économie sont bouleversés par l’arrivée d’acteurs maîtrisant parfaitement ces nouveaux outils.

Toutes les industries sont très fortement impactées par ces technologies déstabilisatrices des forces existantes.

Robots @ Amazon

L’âge d’or du reporting et de la business intelligence tourné vers le passé cède définitivement le pas aux technologies prédictives appuyées sur le Big Data.

La compréhension de ces nouveaux outils technologiques s’avère désormais être un enjeu crucial pour les décideurs du monde de l’entreprise.

Les gouvernements ne sont pas en reste sur l’inquiétude suscitée par le raz-de-marée technologique. Tous les pays développés (GB, USA, Union Européenne) essaient de prévoir quel impact aura l’IA sur nos sociétés.

En France, la mission Villani a été chargée par le premier Ministre d’apporter des préconisations et des enseignements sur le sujet.

Pour ce faire, la mission Villani rencontre les experts du domaine afin de dresser un panorama complet et de répondre aux interrogations de la puissance public.

C’est à ce titre, que les fondateurs des communautés ouvertes de l’IA ont été reçus le 18 janvier par M. le député et Président de l’OPECST Cédric Villani et les membres de sa mission parlementaire.

La rencontre a vu le jour en grande partie grâce aux efforts de FranceIsAI. Cette association oeuvre à l’émergence et à la coordination des communautés IA françaises.


La France à la pointe des communautés ouvertes de partage des connaissances d’Intelligence Artificielle

Les communautés françaises de Data Science ont émergées depuis maintenant plusieurs années. Elles communiquent et s’organisent la plupart via une plateforme de rencontre fondée sur les intérêts communs de ses membres (meetup.com).

Ces communautés adoptent un système ouvert (inscriptions non filtrées ni soumises à agrément), gratuit, hiérarchiquement plat et participatif.

C’est-à-dire l’inverse opposé des clubs ou des conférences classiques existantes par ailleurs (droit d’accès, cooptation et paiement d’un droit d’entrée).

Ce mode d’interaction participe aux types de collaboration qui émergent à l’heure des communautés digitales. Le même modèle a fondé le mouvement Open Source.

Le maître mot des communautés qui voit leur essor amplifié par l’internet est l’absence de structures contraignantes mais surtout l’absence d’impulsion descendante des sociétés classiques (relation hiérarchique d’autorité). Ici il n’y a ni organisation pyramidale ni impulsion centralisée.

C’est bien en partant du bas (bottom-up) que les Data-Scientists se sont regroupés spontanément et sans attendre d’impulsions venant d’en haut (top-down).

L’ensemble des communautés françaises regroupe 15 000 membres et a des structures dans toutes les villes importantes de France (Paris, Toulouse, Montpellier, Lyon, Bordeaux, Marseille, Nantes, Mulhouse, Rennes …).

Souvent, plusieurs communautés co-existent dans une même ville. Elles se distinguent en se spécialisant dans l’exploration d’une branche ou d’une technique particulière (analyse du langage naturel par les ordinateurs, moteurs de recommandation, etc). A Paris, il y a une centaine de groupes actifs en la matière.

Il faut noter que la communauté parisienne du nom “Paris Machine Learning” est la plus importante d’Europe avec 6 500 membres et la 4 ème au monde après San-Francisco, New-York et Bombay.

Une réunion du groupe parisien “Paris Machine Learning

Une représentation mondiale des Data-Scientist

Il est intéressant de constater que des communautés similaires existent partout de part le monde. Le même schéma d’organisation est apparu dans bon nombre de pays et de continent (Europe, Russie, Etats-Unis, Inde et Asie).

Ainsi le même désir de se regrouper en communauté d’intérêt est à l’oeuvre quel que soit le pays, la langue et la culture.

On assiste à l’émergence d’une représentation mondiale de groupes de Data Science fondée sur le partage des connaissances d’Intelligence Artificielle.

Le besoin de formation et la compréhension de ces technologiques n’est pas comblé par les structures traditionnelles

L’irruption récente de l’Intelligence Artificielle dans le débat universitaire génère une très forte attente de tous les acteurs.

Les cadres et managers d’entreprises cherchent à démêler les fils de ces techniques qui leur paraissent parfois obscurse. Les étudiants (y compris ceux des écoles les plus prestigieuses) ne veulent pas rester à la traine et souhaitent maîtriser tous les aspects de méthodes qui leur assureront un emploi bien rémunéré.

une réunion du groupe parisien “Paris Machine Learning

En face, les écoles d’ingénieurs et toutes les structures de formation continue sont restés longtemps absentes de ce champ. C’est moins vrai désormais. Beaucoup d’écoles d’ingénieurs et universités incluent dans leur cycle des formations orientées Big Data, Intelligence Artificielle et Machine Learning.

Néanmoins, l’accélération prodigieuse du rythme d’apparition de technologies déstabilisantes provoque un besoin de formation et une soif de compréhension immédiate. Ceci n’est pas en adéquation avec le rythme classique des formations longues qui durent pour la plupart cinq années (Master) voir les doctorats universitaires qui s’étalent encore plus longtemps.

C’est probablement le moteur essentiel des communautés IA & ML dont on parle ici.

Savoir et comprendre tout de suite ce qui est en train de se jouer et qui chamboule l’économie et la société sans attendre plusieurs années en suivant le rythme des cycles d’enseignement traditionnel.

En face de cette demande de connaissances il y a une offre d’expertise tout aussi abondante.

Pouvoir exposer les résultats des dernières recherches et les méthodes des entreprises les plus en pointe

Face à ce besoin de compréhension, les membres de ces communautés qui ont des résultats tangibles en appliquant des techniques et des méthodes d’Intelligence Artificielle les partage au groupe en de courts exposés de 20 minutes.

Chaque réunion voit se succéder 3 à 4 intervenants issus de toutes les sphères du monde économiques (start up, grands groupes) mais aussi des chercheurs du monde académique.

Une sélection de corporates venus exposer aux membres du Paris Machine Learning

Le défi est de donner une intuition et des pistes de réflexions au plus grand nombre sans forcément rentrer dans les détails techniques qui masquent l’essentiel du propos.

Ainsi, après chaque rencontre les membres repartent avec des méthodes concrètes qui leur permettront eux-mêmes de faire face et de résoudre des problèmes d’ampleur.

En résumé, un intervenant = un problème ET une solution pour le résoudre.

Certains de ces groupes filment les exposés et le mettent en libre accès sur YouTube.

Venir rencontrer les meilleurs talents pour un recrutement rapide et efficace

Les recruteurs ont très tôt compris l’intérêt de ces réunions. Pouvoir approcher dans le même lieu les profils les plus pointus en matière d’Intelligence Artificielle et de Machine Learning leur épargnent un long travail de prospection.

Networking après les exposées (“Paris Machine Learning”)

Les discussions qui ont lieu après les exposés leur permettent également de juger l’importance de tel ou tel technique afin d’affiner leur recherche de candidat et bien sur de rencontrer les cerveaux qui vont les programmer.

Des interactions fructueuses entre les membres

On conclura ce bref tour d’horizon du fonctionnement de ces groupes de partage d’algorithmes par les interactions qui naissent entre les membres lors des réunions.

On ne compte plus le nombre de start-ups dont les membres se sont rencontrés lors de ces réunions, des étudiants de doctorat y trouvent des sujets et des directeurs de recherche.

Des hackathons sont régulièrement organisés. Ce sont des sprints de codage informatique organisés autour d’un thème et qui durent le temps d’un week-end ou d’une soirée. Le but est d’élaborer un prototype viable et opérationnel afin de résoudre un problème précis.

Ainsi, parmi les défis que l’ensemble des communautés françaises ont explorés figurent “vaincre le cancer” (challenge Epidemium), “Intelligence Artificielle sur des données cryptées” (challenge openMined), “génération automatique d’algorithmes d’Intelligence Artificielle” (challenge Auto-ML), “Data for Good” .

Hackathon Auto-ML

Ce qui frappe dans cette liste de sujets d’attention des Data-Scientists est l’ambition de confronter les solutions d’Intelligence Artificielle à des problèmes d’ampleur qui touchent tout à chacun.

“les solutions classiques ne fonctionnent pas. Laissez nous essayer avec nos méthodes”. Tel est le mot d’ordre rappelé par un participant.

En définitive, les Data-Scientists experts ou simplement curieux se sont regroupés spontanément en communauté de partage. Les groupes les plus importants comptent plusieurs milliers de membres. L’ensemble de ces communautés fédèrent la majorité des Data-Scientist français. Les groupes français sont parmi les plus importants au monde.

Les mêmes regroupements sont à l’oeuvre sur tous les continents.

Le fonctionnement de ces communautés de partage obéit à une structure plate, non hiérarchique qui privilégie les interactions entre ses membres (bottom-up) sans besoin d’injonctions autoritaire, centralisée (top-down).

Parmi ce qui lie et motive les participants est l’accès aux dernières recherches les plus pointues.

La volonté de savoir, comprendre et maîtriser immédiatement les techniques qui sont en train de changer le fonctionnement de secteurs économiques entiers sans attendre la longueur d’un cycle d’enseignement classique. Ainsi que le plaisir d’échanger avec ses pairs.

Du bas à gauche vers la droite, Anastasia Lieva, Damien Gromier, Olivier Guillaume, Cedric Villani, Franck Bardol, Olivier Raffard, Igor Carron, Anil Narassiguin et Alexia Audevart

L’auteur :

Franck Bardol,

co-Fondateur et co-organisateur du “Paris Machine Learning

Professeur associé en grande école, algorithmie & programmation

Formateur Big Data Marketing Digital, Machine Learning, Intelligence Artificielle, Programmation, …

Tech Mentor, evangelist

En savoir plus sur les meetups IA & Machine Learning :

  • Excellent numéro spécial IA de l’abcedaire des institutions, numéro 110, l’IA jusqu’à où ?
  • Rapport du Sénat et de l’Assemblée Nationale, Pour une Intelligence Artificielle maîtrisée, utile et démystifiée