L’intelligence artificielle à travers le prisme de l’esprit et de la conscience
Cet article s’appuie sur le talk de Gaël Millet, développeur web, qui aborde des réflexions sur l’intelligence artificielle, suite au suivi d’une formation du MIT.
L’objectif du talk et de l’article n’est pas nécessairement d’apporter des réponses, mais de proposer des pistes de réflexion et d’élargir vos connaissances sur l’intelligence artificielle d’un point de vue philosophique, expérimental, futurologique et informatique.
L’intelligence artificielle est mise en perspective à travers les théories et les liaisons de l’intelligence humaine.
Comment définir et caractériser l’intelligence artificielle ?
Le test de Turing
En 1950, Alan Turing met au point une proposition de test en vue de déterminer l’intelligence artificielle d’une machine.
À l’aveugle, un interlocuteur humain, chargé d’engager la conversation, est mis en présence d’un ordinateur et d’un autre humain.
S’ensuit une discussion par échange textuel.
L’humain qui engage la conversation doit alors deviner qui de ses deux interlocuteurs est l’intelligence artificielle. Le test est concluant et la machine considérée comme “intelligente”, si au moins 30% des participants se trompent dans leur jugement.
Toutefois, ce test est confronté à plusieurs limitations. La première étant qu’on ne teste que la sémantique et non le langage, car le test est effectué uniquement de manière textuelle et non vocale. Et deuxièmement, nous sommes sur une partie réduite de l’intelligence qui ne couvre ni toute l’intelligence humaine, ni une intelligence beaucoup plus générique. En effet ce test ne permet pas d’évaluer toutes les composantes de l’intelligence humaine, comme l’intelligence créative et émotionnelle par exemple. Et de plus n’aborde pas l’intelligence non humaine, comme l’intelligence de la nature et l’intelligence animale : migration des oiseaux, etc.
— Source visuel @WikipediaDans ce cas peut-on affirmer que la partie couverte par ce test est vraiment représentative de l’intelligence ? Peut-on conclure que nous avons vraiment à faire à un cas d’intelligence artificielle ?
La métaphore de la chambre chinoise
En 1980, John Searle, philosophe américain, imagine une expérience de pensée, qui se veut une métaphore de l’intelligence artificielle. Il a appelé cette expérience ‘la chambre chinoise’.
Dans cette expérience, deux interlocuteurs chinois communiquent ensemble en chinois par le biais d’une pièce dans laquelle se trouve un intermédiaire.
Les messages écrits sont pris, ouverts et lus par l’intermédiaire qui n’a aucune connaissance de la langue chinoise. Mais ce dernier a accès à un manuel de règles détaillant quel symbole renvoie vers quelle réponse. Il associe alors une phrase donnée en chinois à une autre phrase correspondante en chinois, qui constitue une réponse à une question posée.
Les deux interlocuteurs chinois vont avoir l’impression de communiquer correctement, puisque le manuel permet de couvrir toute la logique du langage. Ils ne vont pas s’apercevoir que l’intelligence intermédiaire ne comprend pas ce qu’elle lit et dit, et ne fait que suivre des règles prédéterminées.
Les questions que pose cette expérience sont : ‘Est-ce que l’intelligence artificielle est réellement en train de penser ou est-elle simplement en train de simuler l’action de penser ?’, ‘Est-ce qu’on a vraiment une intelligence, une conscience, une intention ou est-ce que l’intelligence artificielle répond simplement à une demande en essayant de s’adapter au besoin attendu ?’.
Cette expérience veut montrer que pour s’exprimer, il n’est pas seulement nécessaire de dire des phrases compréhensibles au bon moment, mais aussi d’avoir une compréhension de ce que l’on dit et une intention de le dire.
Cette vision de l’intelligence remet encore davantage en cause le test de Turing. C’est pour cela qu’il ne représente plus un test de prédilection aujourd’hui.
Les différents niveaux d’intelligence artificielle
Aujourd’hui, nous caractérisons les différentes intelligentes artificielles selon trois différents niveaux :
- Weak AI
Il s’agit d’intelligence qui peut simuler certains processus mentaux isolés — par exemple la reconnaissance d’image sur Google. L’intelligence artificielle ne portera que sur ce processus isolé précis. - Strong AI
Plus complexe, ce niveau désigne une intelligence artificielle qui simule un comportement intelligent plus complet et qui donne l’impression de conscience.
Ce qui signifie qu’on peut installer le programme correspondant sur n’importe quel ordinateur qui peut l’exécuter, et on atteindra cette même conscience. Ce qui correspondrait à une conscience qui serait un peu notre propre esprit dans une machine.
Toutefois il manque encore la notion de prise en compte de l’environnement.
Par exemple : nous créons une intelligence artificielle sur Terre, et lors de son installation nous lui indiquons que Steve Jobs est le créateur d’Apple. L’ordinateur est ensuite envoyé dans l’espace. Puis ce serveur est interrogé par des habitants d’une autre galaxie. Dans cette autre galaxie existe également un Steve Jobs qui dirige une société qui s’appelle, elle aussi, Apple. Mais ils n’ont absolument rien à voir l’un avec l’autre.
Le problème est qu’il n’y a pas de liaison entre ces deux personnes. Le Steve Jobs de notre planète ne peut pas être le dirigeant de la société Apple d’une autre planète et vice-versa.
Pour le savoir, il faut vraiment être ancré par rapport à son environnement, c’est-à-dire avoir la conscience de ce qu’il se passe autour de nous et avoir certaines liaisons et affinités. - C’est ce qu’on appelle la strongish AI. Ce terme désigne une intelligence qui prend en compte l’environnement.
L’esprit et la conscience d’un point de vue philosophique
En tant qu’être humain, c’est notre esprit qui nous permet d’assimiler et de comprendre des informations.
Plusieurs concepts philosophiques, anciens et modernes, corrélés ou opposés, se sont saisis de ce sujet.
La définition de l’esprit reste encore non clairement déterminée, mais la présentation de ces concepts peut vous permettre de vous en faire votre propre idée.
Dualisme
Théories sur les relations entre l’esprit et le corps
Un des premiers à s’être penché sur la notion d’esprit et de conscience est René Descartes au 17e siècle.
Il a établi plusieurs théories sur les relations entre le corps et l’esprit.
‘Ce moi, c’est-à-dire l’âme, par laquelle je suis ce que je suis, est entièrement distincte du corps.’
Pour lui son esprit était totalement désolidarisé de son corps.
‘Je me considérais moi-même comme n’ayant point de mains, point d’yeux, point de chair, point de sang, comme n’ayant aucun sens, mais croyant faussement avoir toutes ces choses.’
Et il pense vivre dans une sorte de simulation.
‘Je suis, j’existe, est nécessairement vrai, toutes les fois que je la prononce ou que je la conçois en mon esprit.’
Pour conclure il affirme que puisque nous pensons, nous existons. Mais puisque la pensée est dans notre esprit, il n’y a que l’existence de notre pensée qui est une certitude, et on peut donc douter de l’existence de notre corps.
Ces croyances peuvent vous rappeler le film Matrix, qui est largement inspiré des travaux de Descartes.
Behaviorisme
Théories sur les interactions de l’individu avec son milieu
Ce concept est apparu au 20e siècle avec les travaux de J.B. Watson et B.F. Skinner, deux psychologues américains.
Il est basé sur des expériences réalisées avec des animaux : des rats ou des pigeons doivent appuyer sur des leviers ou des boutons pour obtenir une récompense sous forme de nourriture, ou à l’inverse éviter une punition.
Le but de ces expériences est de conditionner le sujet à agir en vue d’une récompense ou de l’absence de punition, et par conséquent à modifier son esprit. On peut par exemple modifier la sensation de faim pour arriver à moduler l’esprit.
La croyance est donc que comme tout comportement est issu d’un stimulus déclencheur, il peut être conditionné.
Pourtant pendant ces expériences, on a beau avoir analysé le cerveau sous toutes ses coutures, il n’a toujours pas été observé ou trouvé de zone qui rattache directement l’esprit à la conscience.
Ce concept-ci vous évoquera sûrement le film Orange Mécanique.
Théorie de l’identité
Théorie définissant les états mentaux à leur seul rôle fonctionnel
Il s’agit d’une approche complètement opposée au concept du behaviorisme.
Dans cette approche, chaque sensation, comme la faim ou la douleur, est considérée comme un simple processus de survie du cerveau et du corps, complètement décorrélé de l’esprit.
U.T. Place, philosophe et psychologue britannique du 20e siècle, contributeur majeur de ce mouvement de pensée, a fait mettre en scène son cerveau à l’université où il enseignait. Son cerveau y est exposé avec la mention suivante : ‘Est-ce que ce cerveau contient la conscience d’U.T. Place ?’.
Est-ce que la conscience est liée physiquement au cerveau et aux processus neuronaux ou à l’inverse en est-elle totalement détachée ?
Fonctionnalisme/ computationalisme
Théorie concevant l’esprit comme un système de traitement de l’information
Cette théorie est issue des premières recherches en intelligence artificielle. Elle se base sur le principe des entrées et des sorties. On considère l’esprit comme un processeur, un moyen de calculer, et la pensée comme le calcul en lui-même.
C’est-à-dire par exemple que toutes les sensations liées au sens pourraient être automatisées, en étant traduites par des entrées et des sorties de données.
Les sens (inputs) sont traités par l’esprit (algorithme) et engendrent des actions et comportements (output).
La notion de perception
Nous avons plusieurs sens nous permettant de percevoir notre environnement. Mais nous allons nous concentrer sur la vision.
Beaucoup d’algorithmes d’intelligence artificielle travaillent d’ailleurs sur ce processus mental, comme la reconnaissance d’images sur Google.
Si nous regardons une orange, que voit-on ? Une orange. Et que perçoit-on de cette orange ? Sa couleur, qui est orange.
C’est une image assez basique.
En revanche si nous regardons un objet totalement inconnu, sur quoi va-t-on se baser pour en décrire notre perception visuelle ? Sur ses formes, sur sa couleur, sur son aspect, … Et on aura tendance à toujours vouloir y donner un nom en lien avec notre savoir et aux informations récoltées tout au long de notre vie.
Notre perception reste donc interne et est conditionnée à notre langage. Sans langage, nous ne savons pas dénommer un objet et expliquer ce qu’il est, ni même forcément le concevoir.
Par exemple, il est courant que les personnes muettes prennent des cours pour accroître leur vocabulaire des signes afin de pouvoir mieux exprimer leurs pensées sur différents objets et concepts.
À l’inverse d’une vision directe, une hallucination est une perception absente ou altérée de nos sens. Comme l’apparition d’un mirage dans le désert.
Mais de la même façon que si je regardais une orange réelle en face de moi, si l’on vérifie par IRM, les mêmes zones sont stimulées dans le cerveau lors d’une hallucination. Alors même que ce mirage qui me paraît externe et réel n’existe pas, et est totalement interne.
On peut donc se poser la question suivante : ‘Au final est-ce que la perception visuelle est un processus interne ou externe ?’.
Pourquoi est-ce que nous voyons une orange de couleur orange ? Cela est dû à ses pigments et sa réflectance. La lumière éclaire l’orange, se reflète et atteint l’œil.
Il faut noter que les daltoniens, à qui il manque certains capteurs dans leur rétine, et certains animaux ne voient pas les mêmes couleurs que le reste de la population. Par exemple, certains animaux voient uniquement en monochrome, et d’autres peuvent voir seulement quelques nuances de couleurs.
On peut aussi remarquer que notre perception de la couleur d’un objet peut varier selon s’il est exposé en pleine lumière ou dans l’ombre. Les couleurs nous apparaissent en effet changées selon l’éclairage, l’angle de vision, etc.
Outre les pigments et la réflectance, y a-t-il donc un autre critère pour caractériser la couleur d’un objet ?
Si vous laissez tomber un verre en verre, il y a de grande chance que celui-ci se casse car il est fragile. Et la fragilité est une prédisposition à la casse.
En partant de ce principe, on peut penser qu’une orange peut être prédisposée à paraître orange pour des personnes non daltoniennes, sous un éclairage ‘normal’.
Dans ce cas l’orange est donc de couleur orange grâce à :
- ses pigments et sa structure physique et chimique,
- sa réflectance,
- sa prédisposition à paraître orange.
Selon cette logique, notre système de vision s’apparente donc à des machines, programmées selon les capteurs dont elles disposent.
L’esprit et la conscience d’un point de vue scientifique et expérimental
Nous avons tous des qualia, c’est-à-dire des sens, des sensations corporelles, des sentiments qui nous sont propres et qui sont incommunicables.
Par exemple, si je dis que je vois une orange de couleur orange, peut-être que ma référence de l’orange correspondra à du vert ou à du rouge pour quelqu’un d’autre et ce, bien que nous définissons tous les deux ces différentes couleurs par l’orange.
En effet, comment pouvons-nous savoir que ce que nous percevons dans notre tête et perçu de la même façon par une autre personne ?
Nous avons notre perception, mais nous ne pouvons connaître exactement celle des autres.
Pour l’illustrer, T. Nagel, philosophe dans les années 70, a mené un essai à partir de la question : ‘Qu’est-ce que ça serait d’être une chauve-souris ?’.
On peut s’imaginer avoir cette expérience en tant qu’humain, donc avec notre réflexion. Mais pour réellement savoir ce que vit une chauve-souris, il faudrait être une chauve-souris (qui elle ne se pose a priori aucune question sur la notion de conscience…).
On peut donc supposer, mais on ne peut vraiment pas savoir ce qu’il se passe dans les processus mentaux d’autres personnes ou espèces.
Un autre exemple sur la perception des couleurs a été donné par F. Jackson, philosophe australien dans les années 80.
Il a inventé un univers dans lequel il met en scène une scientifique. Elle connaît absolument tout sur les phénomènes physiques liés à la couleur et à sa perception, mais elle a toujours été enfermée dans une pièce où tout est en noir et blanc. Elle sait comment fonctionne la couleur, mais elle ne l’a jamais vue.
Un beau jour elle peut sortir, et elle découvre alors le monde extérieur en couleur.
Deux réactions sont alors possibles :
- de l’émerveillement (‘je suis surprise, je ne m’attendais pas à ça’),
- de la déception (‘je m’attendais à plus’).
Dans les deux cas, elle aura expérimenté une même vision des couleurs. Mais il faut tenir compte du fait que chaque expérience peut être expérimentée différemment par chacun. Et également que même si on connaît un principe physique, on ne pourra pas le conceptualiser tant qu’on n’en aura pas eu l’expérience.
Pour conclure cette partie, nous vous présentons également le point de vue du philosophe contemporain David Chalmers sur la notion de conscience.
À l’occasion d’une conférence TEDx, il déclamait :
‘En ce moment même, il y a un film qui passe dans votre tête. C’est un incroyable film multi-pistes. Il vous passe ce que vous voyez et entendez en ce moment même en images 3D, et avec le son surround, mais ce n’est que le début.
Votre film a l’odorat, le goût et le sens du toucher. Il vous fait ressentir dans votre corps, la douleur, la faim, les orgasmes. Il a des émotions : la colère et le bonheur. Il a des souvenirs, comme des scènes de votre enfance qui se jouent devant vous.
Et il a cette voix off permanente dans votre flux de pensées conscientes.
Le centre de ce film, c’est vous, en train de faire l’expérience directe de tout ceci.
Ce film c’est votre flux de conscience, le sujet qui fait l’expérience de l’esprit et du monde.’
Esprit et conscience : cerveau vs ordinateur
Machine de Turing
Mis à la part le test de Turing, A. Turing a réalisé de nombreuses autres choses, comme la conceptualisation de la machine de Turing.
Le principe de cette machine est simple : nous avons une grande bande, supposément infinie et une tête de lecture qui se déplace sur cette bande-là, et qui peut écrire ou effacer une donnée. Il y a également un registre qui tient compte de l’état complet de la machine.
Le but de cette machine et de ce concept est de théoriquement obtenir le résultat d’absolument n’importe quel programme calculable.
Le cerveau humain
Nous avons environ 86 milliards de neurones avec chacun plus de 7000 dentrites (filaments) qui se connectent à environ 10 000 synapses.
Tout cela représente un nombre extraordinaire de connexions simultanées. Et les informations de ces neurones se déplacent à 120m/seconde.
Et contrairement à certaines idées reçues nous utilisons bien 100% de notre cerveau, pas en simultané, mais il n’y a aucune partie de notre cerveau qui n’est pas utilisée.
Cerveau vs ordinateur
Un ordinateur réalise du traitement digital rapide avec très peu de parallélisme.
Le cerveau humain réalise du traitement digital (nos neurones vont chacun s’activer ou non), mais également du traitement analogique. Mais le tout avec une vitesse de traitement assez lente comparée à un ordinateur.
En revanche, à l’inverse nous pouvons faire beaucoup de choses en simultané et coordonner nos mouvements en parallèle, alors que l’ordinateur résout ses calculs l’un après l’autre.
Sur certains traitements, comme le langage, nous évoluons toutefois aussi sur un processus en série. Je ne peux pas ou entendre dire plusieurs phrases en même temps.
Un point fort de notre cerveau est la plasticité neuronale.
Plus on active une zone de notre cerveau, plus cette zone va être renforcée et pourra réaliser plus rapidement les traitements. À l’inverse, si on n’entretient pas une zone pendant longtemps, le temps de traitement de celle-ci deviendra plus lent.
Les scientifiques ont voulu simuler le fonctionnement du cerveau dans un ordinateur. Dans le but de mieux comprendre le fonctionnement du cerveau et d’entraîner une intelligence artificielle plutôt que de la programmer.
Ainsi Google, montre par exemple un tas d’images de chats, de chiens, etc., à son intelligence artificielle. À chaque image on lui demande ce qu’elle voit : ‘est-ce un chien, un chat, … ?’. Et l’ordinateur répond.
S’il se trompe, on le lui signale et on fait une action de back propagation, c’est-à-dire que l’on fait remonter l’information sur toute la file des neurones qui ont fait l’erreur de calcul. En bref, on lui demande d’oublier sa réponse et de retraiter l’image, jusqu’à avoir le bon résultat.
Et il faut avouer, que ceux qui conçoivent ce type de machine artificielle, connaissent le fonctionnement des composants, mais n’ont en réalité aucune idée de comment la machine ‘réfléchie’. C’est la machine qui s’est entraînée et a fait des liaisons et des processus, mais on ne sait pas comment cela fonctionne.
Où en est-on dans le développement de l’intelligence artificielle ?
La singularité technologique
Depuis la création de la vie, il y a eu une extrêmement longue période de temps avant l’arrivée des premiers organismes multi-cellulaires. Puis, petit à petit les développements se sont accélérés, avec l’apparition des reptiles et des mammifères. Et depuis nous observons une accélération avec une concentration d’apparitions sur un laps de temps de plus en plus court.
Rapporté à l’échelle de l’intelligence artificielle, nous avons un point de vue plutôt erroné sur son évolution.
Lorsqu’on voit des tests d’intelligences artificielles qui commencent à simuler le comportement d’une fourmi, d’un oiseau ou d’un chimpanzé, cela nous paraît loin et futile. On pense alors que les intelligences artificielles sont encore loin de simuler le comportement humain, et encore plus d’humains intelligents.
Mais il faut prendre en compte que bien qu’on se visualise très au-dessus du reste des espèces vivantes, nous ne sommes pas si différents des chimpanzés. De plus, entre un humain abruti et un homme surdoué comme Einstein, il n’y a pas de si grand écart.
Le développement de l’intelligence artificielle s’accélère donc et se rapproche des simulations de comportements humains, avant qu’il puisse les dépasser.
La loi de Moore sur l’évolution de la puissance de calcul est ici illustrée avec une représentation du lac Michigan.
Selon cette loi, tous les 18 mois on double le nombre de transistors et donc par conséquent, à peu près la vitesse de calcul.
Si l’on observe la représentation du lac, on voit qu’il ne se passe pas grand choses au début, puis le lac se remplit tout d’un coup de manière exponentielle.
En suivant cette évolution, en 2025 nous devrions atteindre l’équivalent de la puissance de calcul des cerveaux de l’humanité entière en puissance de calcul sur un ordinateur.
Projets marquants d’intelligence artificielle
Pour n’en citer que quelques-uns :
- The Next Rembrandt
Après 500 heures de machine learning en analysant les toiles existantes de Rembrandt, l’intelligence artificielle a créé une toute nouvelle toile se fondant parfaitement dans la collection du peintre. - Heliograph a été mis au point pour le Washington Post en 2016 afin de couvrir les J.O. de Rio à l’époque.
Cette intelligence artificielle rédige aujourd’hui plus de 850 articles et posts Twitter par an, sur des résultats sportifs et des actualités politiques. - The Humain Brain Project est un projet européen qui vise une simulation complète du cerveau humain d’ici à 2024.
- Neuralink est un projet de recherche d’Elon Musk en vue d’augmenter les capacités cérébrales de l’humain. Cela pourrait permettre la télépathie, des réflexions groupées, des transferts sonores, visuels et sensitifs, l’interconnexion du cerveau à Internet, …
- Alphago est l’intelligence neuronale qui a battu le champion mondial de Go en 2017. Il a réalisé des mouvements qu’aucun joueur n’avait jamais pensé à faire jusqu’à présent.
Et pour plus d’informations sur les domaines d’application de la Data Science, vous pouvez retrouver notre article de blog sur ce sujet :
Doit-on craindre le développement des intelligences artificielles ?
En 2015, 700 scientifiques, dont Elon Musk et Stephen Hawking, ont signé une lettre ouverte, contenant le message suivant :
‘Étant donné le grand potentiel de l’intelligence artificielle, il est important d’étudier comment la société peut profiter de ses bienfaits, mais aussi comment éviter ses pièges.’
Nous évoquons d’ailleurs certains pièges que peut présenter l’intelligence artificielle dans l’article suivant :
Stephen Hawking ajoutait également :
‘Je pense que le développement d’une intelligence artificielle complète pourrait mettre fin à l’humanité. […], celle-ci […] se redéfinirait de plus en plus vite. Les humains, limités par une lente évolution biologique, ne pourraient pas rivaliser et seraient dépassés.’
Pour autant Stephen Hawking représente une des fusions Homme-Machine la plus aboutie.
Il est vrai que nous avons d’un côté des machines qui évoluent extrêmement vite et de manière exponentielle et à l’inverse nous sommes liés à notre process biologique qui arrive à ses limites.
Et si nous avançons sur la voie du transhumanisme, nous serions alors liés à la Machine.
Il existe effectivement plusieurs risques.
Des intelligences artificielles ont déjà réussi à développer un langage incompréhensible pour l’Homme. Mais il ne faut pas oublier que ce sont des humains qui paramètrent ces machines et les orientent donc dans leur dessein.
De plus, aujourd’hui les machines n’ont pas la capacité de s’alimenter en énergie par elle-même et ont une faible efficience énergétique. Elles dépendent donc de notre capacité à créer et à leur donner accès à de l’énergie.
Un enjeu actuel et futur est d’ailleurs de réussir à réguler l’empreinte carbone de ces intelligences.
Des pistes sur ce sujet sont d’ailleurs évoquées dans un de nos récents articles sur l’empreinte écologique des entraînements de modèles en Data Science.
Et s’il est vrai que les intelligences artificielles commencent à remplacer des emplois, elles créent aussi en parallèle de nouveaux besoins et métiers. D’ailleurs elles remplacent majoritairement des emplois précaires pour en améliorer la productivité et en baisser la pénibilité. Cela pose bien sûr la question de la transition de ces postes vers de nouveaux emplois.
Un autre défi est la gestion des disparités Nord / Sud et de l’accès des nouvelles technologiques à tous. En effet, les nouvelles technologies sont principalement développées et profitent donc le plus aux pays développés et à ceux qui ont les moyens de se les offrir.
Ces différents points sont entre autres abordés dans cet autre talk de Gaël Millet, qui traite justement des possibilités et des risques présentés par l’évolution de l’intelligence artificielle :
Il faut également noter que les possibilités offertes par l’évolution de l’intelligence artificielle, peuvent aussi permettre de nombreux bienfaits.
Et pour aborder ses possibilités plus en profondeur, nous vous recommandons de suivre la communauté LYON iS-Ai et son groupe Meetup Intelligence artificielle — formes, enjeux et usages. Beaucoup de sujets y ont été abordés, tels que l’IA et la créativité, l’IA et l’énergie, l’IA et la gestion de crise, …
Sources principales
Gaël Millet — Talk ‘L’esprit et la machine’
Susan Blackmore — Consciousness An Introduction
Tim Urban — The AI Revolution: The Road to Superintelligence
Alex Byrne (MIT) — Philosophy: Minds and Machines
Timothy Leary — Chaos et Cyberculture
Si vous souhaitez aborder plus de sujets autour de la Data Science
- Retrouvez tous nos articles sur cette thématique :
De plus, nous publions régulièrement des articles sur des sujets de développement produit web et mobile, data et analytics, sécurité, cloud, hyperautomatisation et digital workplace.
Suivez-nous pour être notifié des prochains articles et réaliser votre veille professionnelle.
Retrouvez aussi nos publications et notre actualité via notre newsletter, ainsi que nos différents réseaux sociaux : LinkedIn, Twitter, Youtube, Twitch et Instagram
Vous souhaitez en savoir plus ? Consultez notre site web et nos offres d’emploi.
