* En argot, un claque est une maison close, un bordel. De là, on comprend la sagesse populaire qui énonce qu’ « Une paire de claques rapporte plus qu’un coup de pied au cul ! »

IA comme un défaut !

En janvier, Antonio Casilli publiait, au Seuil, En attendant les robots. Enquête sur le travail du clic. Une source (oubliée) décrivait (entre autre) son ouvrage ainsi :

En dissipant l’illusion de l’automation intelligente, Antonio Casilli fait apparaître la réalité du digital labor : l’exploitation des petites mains de l’intelligence « artificielle », ces myriades de tâcherons du clic soumis au management algorithmique de plateformes en passe de reconfigurer et de précariser le travail humain.

Je viens de lire le livre et de réentendre Casilli à la radio (voir lien). Pour faire envie et nous rassurer quant à la validité d’une égalité QI=IA :

Sous les robots, l’apprentissage

L’intelligence artificielle que l’on a vue à l’œuvre dans les pages de cet ouvrage ne répond pas l’ambitieux programme de recherche des pionniers des années 1960 et 1970. Ces derniers étaient animés par l’ambition de doter les machines des traits qu’ils valorisaient et les êtres humains : la capacité de raisonner, de résoudre des problèmes, d’apprendre, de créer, de jouer (d’où l’insistance sur le jeu d’échecs). L’intelligence artificielle contemporaine est « étroite » ou « faible », voir superficiel. Watson, l’IA star d’IBM, a beau « comprendre » des questions formulées en langage naturel pour insister des médecins ou des conseillers financiers, elle se limite à une simple recherche par mots-clés dans un corpus de données et à un appariement avec les termes contenus dans l’énoncé pour y répondre. Sa superficialité provoque la déception des professionnels qui l’adoptent, lesquels découvrent de plus en plus souvent qu’il y a peu de substances derrière la rhétorique marketing de la multinationale américaine. Les méthodes dont Watson procède porte le nom d’une technique que l’on a rencontrée à plusieurs reprises : l’apprentissage machine, ou machine learning. Au sein du domaine plus vaste de l’intelligence artificielle, celui-ci se démarque par son inscription dans la théorie de l’apprentissage statistique. Pour apprendre, les entités logicielles doivent recevoir assez de données pour arriver à détecter des régularités dans les informations, des distributions typiques de certaines observations, des tendances et des valeurs moyennes de certaines grandeurs – autant d’« enseignements » qu’elles sont censées savoir reproduire en temps voulu. (Casilli, 2019:297)

Et encore:

Au pays des borgnes, les cyclopes sont aveugles

Aimé Shaman