Je vais être honnête: en août 2012, le deep learning, c’est pas mon terrain. Mon quotidien d’architecte, c’est des systèmes embarqués, du logiciel robuste qui doit marcher dehors, dans le bruit pis le mouvement. Mais comme passionné de techno, je garde un œil sur ce qui bouge ailleurs, pis là, il y a quelque chose qui frémit dans le monde de l’apprentissage automatique. Je l’observe de loin, mais je l’observe.

Ce qui m’intrigue, c’est le changement de discours. Pendant des années, « l’intelligence artificielle » dans l’entreprise, c’était souvent des systèmes experts repackagés: des grosses piles de règles écrites à la main qu’on présentait comme intelligentes. Là, on commence à entendre parler d’autre chose: des modèles qui apprennent à partir des données au lieu de se faire dicter chaque règle.

La différence que j’essaie de comprendre

Je veux pas me laisser emporter par le buzz, ça fait que je me ramène toujours à une question simple: d’où vient la connaissance dans le système?

flowchart TD
    A[Probleme a resoudre] --> B{D'ou vient<br/>la logique?}
    B -->|Ecrite a la main| C[Systeme expert<br/>Regles explicites]
    B -->|Apprise des donnees| D[Apprentissage<br/>Patterns implicites]
    C --> E[Previsible<br/>mais rigide]
    D --> F[Souple<br/>mais boite noire]

C’est ça, la tension qui me fascine de l’extérieur. Le système à règles, tu sais exactement pourquoi il décide ce qu’il décide. Le modèle qui apprend, lui, il peut attraper des patterns qu’aucun humain aurait pensé à coder — mais tu peux pas toujours expliquer pourquoi il a répondu ça. Plus c’est puissant, plus ça devient une boîte noire.

Pourquoi je reste prudent

Quand je lis les articles enthousiastes de 2012, je vois deux affaires en même temps. Il y a une vraie avancée: la reconnaissance d’images, de voix, ça progresse pour de vrai, c’est pas juste du vent. Mais il y a aussi un paquet de monde qui colle « intelligence artificielle » sur n’importe quoi pour vendre plus cher. Mon réflexe de veille, c’est de séparer les deux.

Pour faire le tri, je me pose toujours les mêmes questions:

Ces questions-là, je les emprunte au fond à ma propre discipline d’ingénieur. Dans l’embarqué, on accepte pas un comportement qu’on peut pas expliquer ou tester. Ça fait que quand je regarde le deep learning, mon premier réflexe c’est pas l’émerveillement, c’est: « OK, mais comment tu prouves que ça marche quand ça compte? »

Ce que je note pour plus tard

Je suis pas en train de bâtir des réseaux de neurones, pis je le ferai probablement pas de sitôt. Mais je sens que c’est le genre de courant de fond qui va finir par déborder du cercle des chercheurs pis des labos. Pas cette année, pas l’an prochain peut-être, mais ça monte.

Ça fait que je fais ce que je fais avec tout ce qui me dépasse encore: je note, je lis, je garde le vocabulaire dans un coin de ma tête. Le jour où ça va arriver pour vrai dans le monde concret que je connais, je veux pas partir de zéro. En attendant, en août 2012, je le regarde grandir avec la curiosité de quelqu’un qui sait reconnaître un changement réel sous le bruit du marketing — sans encore avoir à le mettre les mains dedans.