L’IA au service du langage, de l’économie et du droit
Ashwin Ittoo
L’intelligence artificielle (IA) transforme en profondeur de multiples secteurs, du traitement automatique de la langue humaine à l’économie, en passant par le droit. Des recherches récentes explorent ces transformations dans des domaines aussi divers que la traduction automatique, la résolution des coréférences dans le traitement du langage, et les pratiques de tarification algorithmique. Ces travaux révèlent tout à la fois le potentiel immense de l’IA, mais aussi les défis sociaux, légaux et éthiques qu’elle pose.
Par Ashwin Ittoo
Améliorer la traduction automatique des langues oubliées : un pont numérique à bâtir
La traduction automatique (connue comme MT, pour son nom en anglais) a fait des progrès fulgurants ces dernières années. Cependant, de nombreuses langues dites « à faibles ressources », telles que le japonais, le malais ou le vietnamien, ou encore des patois locaux, tels que l’occitan ou le wallon (en Belgique francophone) peinent encore à atteindre des performances comparables à celles des langues plus répandues comme l’anglais ou le français. C’est un obstacle majeur pour des millions de locuteurs à travers le monde.
Un article récent aborde cette problématique en proposant deux stratégies innovantes. La première consiste à construire des corpus bilingues à partir de données comparables, telles que les articles de Wikipédia. Cela permet d’utiliser des ressources déjà existantes pour pallier le manque de données de traduction directe. La seconde stratégie repose sur l'utilisation de langues pivot, comme l’anglais, pour faciliter la traduction entre deux langues moins dotées.
Les résultats de ces recherches sont éloquents et permettent une augmentation de 2 à 7 points BLEU. En d'autres termes, ces techniques permettent non seulement de briser les barrières linguistiques, mais aussi d’offrir aux locuteurs de ces langues un accès plus équitable à l’information et aux technologies numériques.
Note : le point BLEU, Bilingual Evaluation Understudy, fait référence à une méthode de calcul utilisée pour évaluer la qualité des traductions automatiques en comparant une traduction générée par machine avec une ou plusieurs traductions humaines de référence. Les points BLEU sont une mesure numérique qui représente la qualité de la traduction, souvent exprimée en pourcentage.
Les embeddings : la clé pour une meilleure compréhension des textes par l’IA
Le traitement automatique du langage naturel (TALN) repose sur une technologie clé : les embeddings de mots. Ces représentations numériques permettent aux machines de comprendre et d’analyser les relations sémantiques entre les mots d’un texte. Elles sont particulièrement utiles dans des tâches comme la résolution des coréférences, c'est-à-dire l’identification des entités ou événements qui se réfèrent à une même chose dans un texte.
Prenons l'exemple de la phrase : Marie a acheté une maison. Elle est magnifique. Un bon système de résolution des coréférences doit comprendre que le pronom Elle se réfère à maison et non à Marie, grâce au contexte de la phrase. Une étude récente compare différents types d’embeddings : les statiques (comme Word2Vec), les contextuels (comme ELMo et BERT), et les embeddings de caractères.
Leur conclusion ? Ces embeddings sont appris via des réseaux neuronaux, et peuvent varier en taille. Les résultats montrent que les embeddings de plus grande taille peuvent effectivement améliorer la précision du modèle, mais ces améliorations restent marginales face au coût en ressources. En d’autres termes, il est souvent plus judicieux de privilégier des modèles plus simples et plus rapides, qui offrent des résultats comparables avec une meilleure efficacité. Cet équilibre entre performance et coûts informatiques est crucial pour le développement de systèmes TALN à grande échelle. Cette étude sert à la base la recherche actuelle de Ashwin Ittoo qui se focalise sur la compression des Large Language Models, dit LLMs (type GPT) afin de réduire leur « carbon footprint ».
Quand les algorithmes se mettent d’accord : collusion et discrimination par les prix
L’IA ne se limite pas à la linguistique. Elle joue également un rôle majeur dans les pratiques de tarification des entreprises, avec des impacts potentiellement lourds pour les consommateurs. Dans une étude, les chercheurs se penchent sur deux questions sensibles : la discrimination par les prix et la collusion tacite (voir aussi cet article des mêmes auteurs).
La discrimination par les prix consiste à ajuster les tarifs en fonction des profils des consommateurs. Par exemple, un client fidèle d’une plateforme pourrait se voir proposer des prix plus élevés qu’un nouvel utilisateur. Les algorithmes d'IA analysent en temps réel le comportement d’achat et ajustent automatiquement les prix pour maximiser les profits des entreprises. Bien que cette pratique soit légale, elle pose des questions d’équité, notamment lorsqu’elle exploite des vulnérabilités. Et pour le consommateur, elle peut bien évidemment être dommageable.
D’un autre côté, la collusion tacite est encore plus préoccupante. Contrairement à la collusion explicite, où les entreprises s’entendent directement pour fixer les prix, la collusion tacite survient lorsque les algorithmes surveillent les prix des concurrents et ajustent automatiquement leurs tarifs en conséquence. Un exemple ? Si un algorithme détecte que tous les concurrents augmentent leurs prix après chaque baisse, il peut "comprendre" qu'il vaut mieux maintenir des prix élevés pour éviter une guerre des prix, avec un effet direct et couteux pour le consommateur.
Bien que ces pratiques ne soient pas encore largement observées, les chercheurs appellent à une réglementation pragmatique qui prenne en compte les capacités actuelles de ces technologies, plutôt que de se concentrer sur des scénarios futuristes. Protéger les consommateurs tout en encourageant l’innovation technologique est un exercice d’équilibre, mais il est essentiel pour prévenir les abus.
Vers une intelligence artificielle éthique et équitable
Les travaux présentés révèlent l'immense potentiel de l’IA, mais ils soulignent aussi les défis éthiques et sociaux auxquels nous devons faire face, en accord avec le législateur. Que ce soit dans le domaine de la traduction automatique, de la résolution des coréférences ou des pratiques économiques, l’IA peut améliorer la vie des utilisateurs, mais elle peut aussi renforcer les inégalités en ayant des impacts négatifs sur les consommateurs.
Pour que les technologies de l’IA profitent à tous, il est indispensable que chercheurs, législateurs et régulateurs travaillent ensemble. Il est crucial que les innovations soient accompagnées de réformes législatives adaptées qui tiennent compte des réalités techniques, mais aussi des risques pour les droits des consommateurs.
En conclusion, les recherches récentes illustrent bien l’enjeu central de notre époque : comment exploiter les avancées technologiques tout en veillant à ce qu’elles servent l’intérêt collectif. L’IA a le potentiel de révolutionner de nombreux secteurs, mais son développement doit être encadré pour garantir que ses bénéfices soient répartis équitablement. D’où l’intérêt pour la conformité de la régulation et sa recherche à modéliser et implémenter des LLMs ayant un impact carbone minime.
Ce texte a été écrit en collaboration avec le Dr Arnaud Stiepen, expert en vulgarisation scientifique.
