François Laviolette
L’intelligence artificielle et les données massives : potentiel et défis
François Laviolette (Université Laval)
Résumé
Nous commencerons l’exposé par rapidement expliquer ce qu’est le « Big Data » et comment il est maintenant possible d’extraire de précieuses informations de ces données grâce aux algorithmes de l’intelligence artificielle (IA). Nous verrons sommairement comment fonctionnent ces algorithmes d’intelligence artificielle.
Une approche de type IA requiert cependant l’accès à une grande quantité de données. Nous verrons qu’il est souvent difficile pour les chercheurs et cliniciens d’avoir accès à une telle ressource. Une des raisons vient du fait que ce sont en grande partie des données personnelles très sensibles, ce qui soulève directement des questions de confidentialité et de protection du citoyen. Ces questions sont réelles et importantes et ne peuvent malheureusement pas être réglées simplement par une “anonymisation" des données. Il y a des choix sociaux à faire en ce sens, les données étant, pour la société, une ressource naturelle de valeur aussi grande que l’eau, l'or ou le pétrole; on ne peut donc les donner ou les vendre à n’importe qui, ni les laisser enfouies sans se soucier de leur importance.
Nous aborderons finalement certains autres défis liés à l’intelligence artificielle, notamment le problème de son interprétabilité par les humains. En effet, les IA sont très souvent construites comme des boites noires. Nous aborderons également les problèmes liés à l’équité, à la robustesse et à la difficulté de certification des IA.
Biographie
Le professeur François Laviolette est le directeur fondateur du Centre de recherche en Données Massives (CRDM) de l'Université Laval, qui regroupe plus de 65 chercheurs de six facultés travaillant sur différents aspects fondamentaux et appliqués de la science des données. Ses recherches portent sur l'intelligence artificielle, plus particulièrement sur l’apprentissage automatique (en anglais, Machine Learning). Il est un leader de la théorie PAC-bayésienne, une branche de la théorie de l'apprentissage qui permet une meilleure compréhension des algorithmes existants d'apprentissage automatique, et permet également d'en concevoir de nouveaux. Le professeur Laviolette s’intéresse entre autres au développement de nouveaux algorithmes d’apprentissage permettant de résoudre de nouveaux types de problèmes d’apprentissage, notamment des problèmes liés à la génomique et à la protéomique, à la découverte de médicaments, etc. Dans ce domaine, il a travaillé sur des intelligences artificielles interprétables qui peuvent révéler de nouvelles connaissances, en donnant des informations sur la façon dont les décisions sont prises. Une partie de son travail consiste à étendre l'IA interprétable à d'autres domaines, notamment à celui de l'assurance. À ce propos, il est titulaire de deux chaires de recherche en apprentissage automatique, une du Conseil de Recherches en Sciences Naturelles et en Génie du Canada (CRSNG) et une chaire IA Canada-CIFAR. Il est de plus, membre associé à l’institut MILA.