- il y a 6 heures
FantasIA : Démystifier l'intelligence artificielle par les contes et légendes du quotidien
Catégorie
🤖
TechnologieTranscription
00:01On est samedi, il est 14 heures, on est à VivaTech et vous n'êtes toujours pas en overdose d
00:08'IA.
00:09C'est moi qui devrais vous applaudir parce qu'entre les gadgets, les révolutions annoncées, les financements en tous sens,
00:15l'intelligence artificielle nous submerge.
00:18Tout à l'heure on demandera à une IA de faire la liste des 5 points à retenir de VivaTech
00:22dont la visibilité sera elle-même optimisée par une intelligence artificielle.
00:27Moi c'est ça qui m'intéresse. Comment est-ce qu'on évite l'overdose ? Comment est-ce qu
00:32'on reste émerveillé sans finir en bad trip ?
00:36Donc on a une demi-heure, il n'y aura pas de slides, pas de milliards à investir et pas
00:41de contrats historiques.
00:43Juste une demi-heure pour raconter ce qu'est l'IA, ce qu'est la donnée, ce qu'est l
00:48'avenir.
00:49Et je dis bien l'avenir, c'est ambitieux mais est-ce que vous savez quelle est la différence entre
00:55le futur et l'avenir ?
01:00C'est une nuance que les English speakers nous envient.
01:03Le futur est inévitable, c'est ce qui vient après le présent.
01:07On peut le prévoir en analysant les chiffres, les tendances.
01:11Mais l'avenir il est entre nos mains, il est ce que nous en ferons.
01:15L'avenir ne se prédit pas, il se construit et il s'imagine.
01:21Regardez autour de vous.
01:24On va à Vivatec comme on va au bon marché pour voir des produits merveilleux qu'on ne pourra jamais
01:28se payer.
01:30Moi j'aurais envie qu'on aille à Vivatec comme Zola aller au bon marché,
01:33pour y voir naître l'avenir et pour en faire un bonheur des dames.
01:38Alors je ne vous connais pas encore.
01:40Je ne sais pas si vous êtes ici pour voir, pour distribuer des cartes de visite, pour apprendre ou parce
01:47qu'il faut y être.
01:48Ce que je sais c'est que je parlerai de nous parce que lorsqu'on parle de données,
01:52on parle de nos visages, de nos voix, de notre réseau d'amis, de nos préférences publicitaires, de nos centres
01:58d'intérêt.
02:00Parce que contrairement aux apparences, l'IA ne s'arrête pas aux portes de Vivatec.
02:05Alors comme je suis un peu sadique, je demande souvent au public en conférence,
02:10quand est-ce que vous avez utilisé l'IA pour la dernière fois ?
02:15Et donc là on me répond, je l'ai utilisé il y a deux heures, il y a trois jours,
02:22jamais, il y a 20 minutes.
02:26Donc je regarde les gens, un sourcil levé, je leur dis, faux.
02:31L'IA, on est en train de l'utiliser en ce moment.
02:33Parce que l'IA, ce n'est pas seulement l'IA générative, ce n'est pas seulement ChatGPT,
02:38mais c'est aussi ce qui va optimiser la batterie de nos portables,
02:41c'est ce qui va sécuriser nos comptes bancaires,
02:43c'est ce qui nous évite d'être noyés sous les spams,
02:46et c'est ce qui rend ma grand-mère complotiste.
02:51Donc je vous apprends rien, vous le savez,
02:52l'IA, ce n'est pas que l'IA générative.
02:55On le sait, mais on l'oublie, parce que les IA analytiques,
02:59celles qui font la curation, celles qui vont faire de la recommandation,
03:03de la personnalisation, de l'optimisation,
03:06celles qui structurent notre quotidien, on ne les voit pas le plus souvent.
03:09Donc la prochaine fois que dans un dîner, on vous dit,
03:12oh l'IA, c'est un outil,
03:14répondez que oui, comme un martin, on l'utilise pour le meilleur et pour le pire,
03:18pour repérer des tumeurs ou pour équiper des drones tueurs,
03:21mais que c'est un outil le plus souvent invisible et qu'on laisse dans les mains des enfants.
03:27Le sondage a été révélé il y a deux jours par Ipsos.
03:3142% des 18-25 ans déclarent utiliser l'IA tous les jours.
03:35Le problème, c'est que tous les autres l'utilisent aussi sans le savoir.
03:40C'est pour cela que j'ai voulu les montrer, ces IA du quotidien.
03:43Pas les expliquer, pas les juger, mais d'abord, en premier lieu, montrer ce que sont les données,
03:49raconter ce qu'est un pattern, un mode d'apprentissage,
03:53puis illustrer les enjeux éthiques, environnementaux, sociaux de l'IA et son imaginaire.
03:59Rien que ça.
04:00Toutes ces grosses abstractions, j'en ai fait dans Fantasia des récits, des fables, des brèves, des dialogues
04:07pour raconter ce qu'est l'IA et ce que ça n'est pas, ses promesses et celles qu'elle
04:11ne tiendra pas.
04:12Bref, tout sauf un essai.
04:14Comme Ollier a voulu dénoncer l'hypocrisie, il n'a pas fait un essai.
04:18Il a créé le tartuffe.
04:20Tenez, vous aimez les chiffres ?
04:24Quelques doutes.
04:26Selon IBM, le taux d'adoption de l'IA en entreprise augmente de 37% par an.
04:33Mais face à cela, 91% des Français souhaitent que les entreprises soient plus transparentes sur leur usage de l
04:40'IA.
04:41Autrement dit, c'est 9 Français sur 10 qui se sentent inquiets de l'utilisation de technologies
04:47qu'ils ne comprennent qu'à moitié avec des données qu'ils ne connaissent pas
04:50dans des buts que les entreprises elles-mêmes ne connaissent pas toujours.
04:54Vous seriez surpris par le nombre de personnes qui pensent que Cambridge Analytica est un spin-off d'Harry Potter.
05:01Pourtant, c'était il y a 10 ans.
05:04Vous voyez, ça vous rappelle quelque chose, Cambridge Analytica.
05:08C'était cette entreprise qui avait illégalement exploité les données de dizaines de milliers de personnes,
05:14et de millions même d'utilisateurs Facebook pour influencer, entre autres, la première élection de Trump et le Brexit.
05:22C'était il y a 10 ans.
05:23Ça ne nous rajeunit pas.
05:25Et tout le travail reste à faire aujourd'hui.
05:27Moi, à cette époque, il y a 10 ans, je rédigeais une thèse professionnelle sur la recommandation en littérature.
05:33C'est-à-dire que mon sujet, c'était comment est-ce qu'on sait qu'un livre va plaire
05:37à quelqu'un
05:38alors que cette personne ne l'a pas encore lu.
05:41Petite astuce, demain, c'est la fête des pères.
05:43Donc, si vous vous posiez la question de comment faire un cadeau, comment offrir un livre à quelqu'un,
05:48savoir que ça va plaire alors qu'on ne l'a pas lu,
05:51eh bien, l'intelligence artificielle ouvre des pistes.
05:54Mais attention, il s'agit des IA de recommandation.
05:57Et donc, c'est ces IA de recommandation qui m'avaient intéressé la mise en relation des données par similarité.
06:04Et c'est comme ça que je me suis retrouvée à travailler avec des similarités d'images à Google Agriculture.
06:10Est-ce que vous connaissez Google Agriculture ?
06:14Non, ils sont toujours aussi nuls en marketing.
06:17Google Agriculture, c'est une petite équipe au sein de Google qui a numérisé 8 millions d'oeuvres auprès des
06:23plus grands musées du monde,
06:24du MoMA, du MED, du musée d'Orsay, du musée de l'Ermitage,
06:29qui a numérisé le plafond de Chagall à l'Opéra de Paris,
06:32qui a numérisé la naissance de Vénus de Botticelli,
06:35des peintures, des sculptures, des pièces archéologiques,
06:38bref, 8 millions d'oeuvres,
06:40et qui va utiliser l'intelligence artificielle pour les rendre plus accessibles et plus utiles.
06:478 millions d'oeuvres, ça fait beaucoup.
06:50Ça fait un sacré paquet.
06:54Même en en regardant plusieurs centaines par jour,
06:57il vous faudrait plusieurs vies pour tout voir.
07:02Là, chacun des petits points de couleur, c'est une oeuvre.
07:10Si vous, vous aviez tout ça,
07:12si vous aviez 8 millions d'oeuvres à votre disposition,
07:15comment est-ce que vous les organiseriez ?
07:19Ça ne rentre pas dans un compte en Suisse.
07:24Eh bien, pour retrouver ou pour découvrir une oeuvre qui nous intéresse,
07:29en général, on va les classer par métadonnées.
07:31On va utiliser le nom de l'artiste.
07:34On va utiliser la date de création.
07:36On va utiliser ce qu'on sait sur l'oeuvre,
07:39qui n'est pas l'oeuvre elle-même.
07:41Et donc, à Google Agriculture,
07:43les Creative Coders, les artistes du code,
07:45ont voulu les classer pour ce qu'elles sont,
07:48pour la manière dont elles apparaissent.
07:50Classer 8 millions d'oeuvres par similarité visuelle.
07:54Pour ça, ils ont utilisé de l'apprentissage non supervisé.
07:57Ils ont considéré uniquement les données brutes,
07:59les oeuvres elles-mêmes.
08:01Et ils ont utilisé une règle de voisinage.
08:04Si ils ont dit à la machine, plus deux oeuvres se ressemblent,
08:07plus elles seront proches.
08:09Ça, ça va donner une carte, une carte au trésor de l'histoire de l'art,
08:14sur laquelle vous voyez des continents,
08:16des archipels d'oeuvres qui se ressemblent.
08:20Donc, ça permet d'obtenir des clusters de similarité.
08:24Je pense que depuis le Covid, tout le monde sait ce qu'il y a un cluster.
08:27C'est un ensemble homogène de données.
08:30Et qui vont avoir en commun un ensemble de pixels,
08:36sans qu'on considère les métadonnées.
08:39Par exemple, si demain, vous voulez fêter la fête des pères
08:44en allant voir un tableau de Van Gogh,
08:47vous vous réveillez, vous voulez voir un Van Gogh,
08:50vous allez aller au musée d'Orsay.
08:52Vous allez aller au fond de la galerie des impressionnistes.
08:55En général, quand on cherche un Van Gogh,
08:57il se trouve au milieu d'autres oeuvres d'art moderne.
09:02Au minimum, au milieu d'autres tableaux.
09:06Eh bien, en les classant par similarité visuelle,
09:09ces 8 millions d'oeuvres,
09:10on s'est rendu compte qu'il y avait une oeuvre de Van Gogh,
09:13en l'occurrence, là, c'est sa nature morte au coin et au citron,
09:18qui se trouve dans un cluster,
09:19au milieu de cartes italiennes du XVIe siècle,
09:23d'alluminures médiévales.
09:25Vous avez...
09:27Je vais trop loin.
09:28Vous avez un paravent japonais.
09:31Des oeuvres qui n'ont pas d'inspiration en commun.
09:36Qui n'ont que cette similarité visuelle.
09:38Donc, c'est aussi une autre manière de classer les oeuvres,
09:41une autre manière de les mettre en relation,
09:43et donc une autre manière de les découvrir
09:45et d'adresser nos propres biais humains.
09:48Parce que lorsqu'on se dit un Van Gogh est absolument incomparable,
09:52lorsqu'on se dit qu'il est une valeur qui est incomparable
09:56avec celle d'une carte de la péninsule anatolienne du XVIe siècle,
10:02évidemment, c'est aussi une certaine manière, déjà,
10:05d'appréorder les oeuvres.
10:07Et puis, je pense que lorsqu'on a vu le lien qu'il y a
10:12entre une nature morte de Van Gogh et une carte de la péninsule anatolienne,
10:17lorsqu'on a vu le lien qu'il y a entre l'origine du monde de Courbet
10:22et un portrait de Karl Marx,
10:25eh bien, on a un peu mieux compris ce qu'était un pattern,
10:27ce qu'était une similarité visuelle
10:29et ce qu'était l'apprentissage non supervisé,
10:32la mise en relation de données,
10:35en l'occurrence, de données non structurées d'oeuvres
10:38pour la manière dont elles apparaissent.
10:41Parce que voir, c'est déjà la moitié de savoir.
10:44Montrer, ça permet aussi de remarquer ce qu'on a sous les yeux.
10:49On sait que sur 8 millions d'oeuvres, en gros,
10:53il doit y avoir 300 000 ou 400 000 portraits.
10:58Jusque-là, c'est un chiffre.
11:00Mais lorsqu'on les a sous les yeux,
11:02ces 300 000 ou 400 000 portraits,
11:05lorsqu'on a 400 000 pères dieux qui vous fixent,
11:09deux gens qui ont voulu laisser une trace,
11:11qui sont tous morts,
11:12mais qui voulaient laisser un témoignage de leur existence,
11:18et qui maintenant sont dans les archives du Rex Museum
11:21que personne ne va jamais visiter,
11:24eh bien, on se sent un peu coupable.
11:26Et donc, les Creative Coders ont développé une application
11:31qui s'appelle Art Selfie
11:33et qui permet de donner une nouvelle vie à ces oeuvres,
11:37de trouver de nouveaux liens
11:39en les matchant, en trouvant la similarité
11:43avec notre Selfie.
11:45Autrement dit, une application
11:47qui permet de trouver son sosie
11:48dans l'histoire de l'art.
11:51Donc, si vous voulez,
11:52on pourra essayer à la sortie
11:53sur mon portable.
11:56Surtout, cette application,
11:58elle est disponible,
11:59elle est accessible,
12:00elle rend accessible à des gens
12:03qui ne seraient pas allés au musée,
12:05l'art,
12:06et d'un autre côté,
12:07elle va revaloriser des collections
12:09qui jusque-là s'empoussiéraient
12:11dans les archives du Rex Museum.
12:15Il y avait même une dame allemande
12:17qui savait que sa grand-mère avait posé
12:19pour les peintres de Montmartre à l'époque,
12:22mais qui ne savait pas lesquelles
12:23et qui a retrouvé,
12:24grâce à Art Selfie,
12:26grâce à la recherche de ressemblance
12:28entre son selfie et des portraits,
12:30sa grand-mère sur un portrait
12:32qui avait été peint par Monet.
12:34Mais assez rapidement,
12:36on a aussi eu des histoires moins sympathiques
12:38et beaucoup d'histoires
12:39de personnes racisées
12:41qui trouvaient que leur similarité,
12:45leur sosie,
12:45n'était pas très flatteur.
12:46Il y avait beaucoup d'esclaves,
12:48beaucoup de courtisanes.
12:50Évidemment, c'est problématique.
12:52On se demande,
12:53est-ce que l'IA est raciste ?
12:57C'est discutable,
12:58mais en tout cas,
12:59c'est surtout que la base de données
13:00ne reflète pas l'ensemble du monde.
13:03Un portrait,
13:04c'était d'abord,
13:05surtout au 16e, 17e siècle,
13:08un moyen de montrer son statut social,
13:10un moyen de montrer sa richesse.
13:12C'est très occidental.
13:13C'est d'abord une tâche pâle
13:15sur un fond sombre.
13:17Je vois d'ailleurs qu'il y a la photo
13:18du cadavre de Fidel Castro
13:20qui se retrouve au milieu
13:21du cluster des portraits.
13:23On comprend pourquoi,
13:24puisque c'est classé uniquement
13:25par similarité visuelle
13:27et non pas par genre artistique.
13:30Donc, c'est très occidental,
13:31un portrait.
13:32Le fait de les exposer dans des musées,
13:34c'est aussi très occidental.
13:35On oublie souvent que le musée
13:36apparaît en 1789.
13:38Avant ça, il y avait essentiellement
13:40des collections privées.
13:41Le fait de les faire numériser
13:43par Google Agriculture,
13:44c'est encore plus occidental.
13:46Donc, tout ça, c'est des biais.
13:47Et moi, j'ai eu cette chance
13:48de pouvoir voir ce qu'était un biais
13:51sur une application
13:52qui a été utilisée
13:53par des millions de personnes
13:56sur des collections magnifiques
13:58et de pouvoir se poser directement
14:00cette question
14:01de qu'est-ce qu'on fait face à un biais.
14:03Est-ce qu'on va faire de la pédagogie
14:05et expliquer qu'un portrait,
14:09ça n'a pas vocation
14:10à représenter l'ensemble du monde,
14:11mais pendant très longtemps,
14:13c'était d'abord un marqueur
14:14de statut social ?
14:15Est-ce qu'on va, au contraire,
14:17ajouter des filtres
14:18pour survaloriser
14:19les représentations positives
14:21de personnes racisées ?
14:26J'ai été au cœur de la machine.
14:29J'ai pu voir ce qu'était un biais
14:31et c'est cette approche
14:32par la pratique
14:33que je voulais aussi raconter
14:35dans Fantasia.
14:37Et ça, des choses,
14:39j'en ai vu.
14:41Je vais vous faire une confession,
14:42ça m'a même valu
14:43une dick pic de Sundar Pichai,
14:46le PDG de Google,
14:47un lundi à 7h du matin.
14:50Je vous vois rire,
14:51c'est authentique.
14:53Je le dis tout de suite,
14:54ce n'était pas ses parties intimes,
14:57autant que je puisse savoir,
14:58mais c'était celle du David
14:59de Michel-Ange.
15:01Et en réalité,
15:03vous l'avez rapidement deviné,
15:05c'était un photomontage
15:06qui avait été fait
15:07à partir de l'application Art Selfie,
15:10à partir de l'interface d'Art Selfie,
15:12où on voyait d'un côté,
15:14au lieu d'un...
15:15Enfin, sur le selfie,
15:16il y avait un humoriste américain
15:19qui avait un visage assez long,
15:20les cheveux crépus.
15:22Et au lieu d'avoir le portrait à côté,
15:25le portrait qui lui ressemblait le plus,
15:27il y avait les parties intimes
15:29du David de Michel-Ange.
15:31C'est bien sûr un photomontage,
15:34mais de un,
15:35ça rappelle que les détournements d'images,
15:37ça existait bien avant
15:38l'intelligence artificielle générative.
15:40Et de deux,
15:42je ne sais pas si Sundar Pichai
15:43est vraiment tombé dans le panneau
15:44ou s'il a cru que d'autres y tomberaient,
15:47mais en tout cas,
15:47ça souligne le danger des deepfakes.
15:50Et surtout,
15:51lorsque ces deepfakes jouent
15:52sur le sentiment d'urgence
15:53ou lorsqu'ils jouent sur la pornographie,
15:56comme c'est le cas
15:57pour la majorité d'entre eux.
16:00Donc,
16:00puisqu'on est dans le graveleu,
16:01autant y rester.
16:03Et autant vous avouer tout de suite
16:04qu'il y a un chapitre de Fantasia
16:06qui s'intitule
16:08« Pénis et croix gammées ».
16:09Parce que cette carte au trésor
16:12qui est la TSN IMAP,
16:16on s'est dit,
16:17c'est quand même un fantastique moyen
16:19de pouvoir chercher différemment
16:23les œuvres d'art,
16:24non pas les chercher par mots-clés,
16:26non pas chercher des œuvres d'art
16:28comme on fait sur un moteur de recherche
16:30quand on tape
16:30« Joconde, Léonard de Vinci »,
16:33mais pouvoir chercher les œuvres d'art
16:35à partir soit de son visage,
16:37pour Art Selfie,
16:38soit de dessin.
16:39Ça aurait du sens
16:40de pouvoir dire
16:42« Je cherche une œuvre
16:43qui ressemble un petit peu à ça »,
16:46de pouvoir dessiner
16:47et trouver les similarités.
16:49Ça pourrait aussi être
16:50un super outil
16:51pour apprendre
16:54à reconnaître une œuvre,
16:55dire « Vous êtes à 37%
16:57de similarité
16:58avec la leçon d'anatomie
17:00de Rembrandt,
17:01vous pouvez encore
17:02vous améliorer ».
17:03Et donc, on s'est dit
17:05« On va l'utiliser
17:06avec des enfants ».
17:07Seulement, je ne sais pas
17:08si vous avez déjà laissé
17:10un écran et un stylet
17:11à des groupes d'enfants,
17:13mais assez rapidement,
17:15on s'est retrouvé
17:15avec des croix tordues
17:19avec des pénis, évidemment.
17:23Et là, ça commençait
17:24à poser problème
17:25parce qu'il se trouve
17:26qu'on en a beaucoup
17:26dans les collections
17:27de Google Agriculture.
17:29Déjà parce qu'il y a
17:30un partenariat
17:31avec le Life Magazine.
17:32Donc, des croix tordues,
17:33on en trouvait beaucoup
17:34sur les collections
17:36de photos du Berlin
17:37des années 30.
17:38On n'avait pas forcément
17:39envie de les mettre
17:40sous le nez des enfants.
17:42Et puis, des pénis,
17:44je crois qu'il n'y a
17:45que la statuaire grecque
17:47qui peut faire concurrence
17:48à l'art contemporain
17:49dans le domaine.
17:50Donc, il y a eu ce besoin
17:51de censurer la base de données,
17:53de pouvoir nettoyer
17:54la base de données
17:55pour ne pas mettre
17:57n'importe quel type
17:58d'oeuvre
17:59sous les yeux des enfants.
18:02Et donc, bien sûr,
18:03on aurait pu faire
18:04une intelligence artificielle
18:06pour nettoyer
18:06la base de données
18:08qui aurait cherché
18:09les similarités visuelles.
18:11Mais il faut dire
18:12qu'un data scientist,
18:14ça coûte cher.
18:14On était en 2017.
18:16Il y avait une coordinatrice
18:17du Lab de Google
18:18Agriculture à Bizuté.
18:20Et donc, je me suis retrouvée
18:22pendant une semaine
18:23à chercher
18:25tous les pénis,
18:28toutes les croix gammées
18:29parmi les 8 millions
18:30d'oeuvres
18:31de Google Agriculture.
18:33Et ça, au moins,
18:34ça aura eu le mérite
18:35de m'apprendre
18:36beaucoup de choses
18:36en anatomie déjà,
18:38mais aussi
18:39de m'apprendre
18:41par la pratique
18:42ce qu'étaient
18:43les petites mains
18:43de l'IA,
18:44tous ces gens
18:45qui existent encore,
18:47qu'on ne veut pas voir,
18:48mais qui font partie
18:49du monde de l'IA
18:50et qui vont
18:52labelliser des données,
18:53qui vont,
18:53toute la journée,
18:55identifier
18:55sur des photos
18:56des éléments
18:57pour entraîner
18:58les voitures autonomes,
18:59pour entraîner
19:00les sites de e-commerce
19:02et la reconnaissance
19:04d'images.
19:05Et surtout,
19:06ces petites mains
19:06de l'IA,
19:07on y contribue tous.
19:09Alors,
19:09ça se fait un petit peu
19:10moins maintenant,
19:11mais souvenez-vous
19:11des CAPTCHA
19:12de deuxième génération.
19:13Vous avez déjà remarqué ?
19:14Est-ce que vous savez
19:15d'ailleurs pourquoi
19:16est-ce qu'ils sont tous
19:17en lien avec la route
19:18quand il s'agit
19:19de repérer
19:20des lampadaires
19:21sur des images,
19:22de repérer
19:23des passages piétons,
19:24de repérer
19:24des vélos ?
19:26Non ?
19:27Vous n'avez pas
19:27un petit doute,
19:28quand même ?
19:29Bon, parce qu'évidemment,
19:30lorsqu'on remplit
19:31un CAPTCHA
19:32de ce type,
19:33on contribue
19:34à entraîner
19:34les algorithmes
19:36qui vont être utilisés
19:37pour les systèmes
19:39d'imagerie
19:40des voitures autonomes.
19:42Donc, ces pays innocents,
19:44c'est des choses
19:45qui font partie
19:46de l'écosystème
19:47de l'intelligence artificielle
19:48qu'on ne veut pas voir,
19:50qui sont certes
19:50moins impressionnantes
19:51que les IA génératives,
19:53mais que je voulais
19:54précisément
19:55pour cette raison
19:55raconter.
19:57Vous connaissez tous
19:59l'histoire du turc mécanique,
20:00cet automate
20:01du 18e siècle
20:02qui avait affronté
20:03les monarques d'Europe
20:04aux échecs,
20:06jusqu'à ce que
20:07Edgar Allan Poe,
20:10quasiment un siècle
20:11et demi plus tard,
20:12se rende compte
20:13de la supercherie
20:14et montre qu'il y avait
20:15un ingénieux système
20:16de miroirs
20:16qui permettait
20:17de masquer
20:17un homme
20:18qui était caché
20:19dans le mécanisme
20:20et qui jouait aux échecs.
20:22Je trouve important
20:23de raconter
20:24l'histoire du turc mécanique
20:26encore aujourd'hui
20:26parce que c'est précisément
20:28le nom qu'a choisi
20:29Amazon,
20:30Mechanical Turk,
20:31pour sa plateforme
20:32qui permet
20:32de louer des clics,
20:34de payer aux clics
20:36tous ces travailleurs
20:37précarisés
20:37qui vont identifier
20:39des éléments
20:40sur des images
20:40ou dans des textes.
20:43Et donc,
20:44comme je vous le disais,
20:44avec les captchas,
20:45avec Duolingo,
20:47avec plein d'autres systèmes
20:48de crowdsourcing,
20:49on en fait tous partie
20:51sans même le savoir.
20:55Moi,
20:56je me suis souvent demandé
20:57ce que Balzac écrirait
20:58s'il revenait aujourd'hui.
21:00Quel est le fait contemporain
21:01le plus marquant
21:03qui n'avait pas encore
21:03été écrit ?
21:05Qu'est-ce qui qualifie
21:06notre période contemporaine ?
21:09Et je pense que
21:10ce qui nous distingue le mieux,
21:12c'est cette production
21:14de la donnée,
21:15cette même surproduction
21:17de la donnée.
21:18C'est la capacité
21:19de production
21:19et de stockage
21:20aujourd'hui,
21:21on produit 2,5 millions
21:23de teraoctets par jour.
21:25Ce n'est même pas la peine
21:26de s'imaginer
21:27ce que ça fait.
21:28C'est 30 fois plus
21:29qu'il y a 10 ans.
21:31Et surtout,
21:31toutes ces données,
21:32c'est des informations,
21:33c'est des savoirs,
21:34c'est des rencontres,
21:36c'est des possibilités.
21:38Aujourd'hui,
21:38en 10 minutes
21:39sur LinkedIn,
21:40je rencontre plus
21:41de coups de gueule,
21:42d'informations,
21:43de savoirs,
21:44d'actualités
21:45que mes grands-parents
21:46n'en rencontraient
21:47en une vie.
21:48Et donc,
21:49c'est essentiellement ça
21:51que j'ai voulu raconter
21:52dans différents livres.
21:54Mon premier roman,
21:55en 2017,
21:56s'intitulait
21:56Lab.
21:57Il racontait l'histoire
21:59d'un homme
22:00qui a tellement
22:00de possibilités
22:01qu'il va passer sa vie
22:03à switcher,
22:04à passer
22:04d'une femme à l'autre,
22:06d'une mission à l'autre,
22:07jusqu'à plus savoir
22:08ce qu'il cherchait.
22:08Il passe,
22:09il switch.
22:10Il ne crée rien,
22:11il ne se fixe jamais,
22:13il est vide,
22:14transparent,
22:15glissant,
22:15et donc,
22:16il finit transformé
22:17en ce qui lui ressemble
22:18le plus,
22:20une capote.
22:22Donc,
22:22le livre n'avait pas été publié
22:24parce qu'en 2017,
22:25c'était un peu tôt,
22:27mais ça m'avait inspiré
22:29cette idée
22:30de faire
22:31une chaîne de Markov.
22:33Est-ce que vous voyez
22:33ce que c'est ?
22:35C'est un petit outil mathématique
22:37qui permet de prédire
22:38un élément suivant
22:38à partir
22:39des éléments actuels.
22:41C'est par exemple
22:42utilisé en météo
22:43pour prévoir la météo
22:44qu'il fera demain
22:46à partir du temps
22:48qu'il fait aujourd'hui.
22:50Et donc ça,
22:50je l'avais entraîné
22:52en 2017,
22:53non,
22:54un peu plus tard,
22:54en 2020,
22:55sur mes propres textes.
22:57Donc,
22:57c'est un moyen
22:57de faire ressortir
22:58les régularités statistiques
23:00d'un texte.
23:02Pour un écrivain,
23:03ça s'appelle
23:03ces névroses,
23:04de pouvoir les mettre en avant.
23:06Et donc,
23:06c'est de là
23:07qu'était née
23:08Fantasia,
23:08parce que c'est un peu triste
23:09à dire,
23:09mais c'est vraiment
23:11avec les chaînes de Markov
23:12que j'ai eu les meilleurs
23:13fourrires de ma vie.
23:15Et c'est surtout
23:16à partir de là
23:16qu'on s'est dit
23:17avec mon éditeur
23:18qu'il fallait raconter
23:20l'intelligence artificielle,
23:22montrer ce qu'étaient
23:23ces données,
23:25montrer que ça n'était
23:25pas seulement
23:26des chiffres
23:27dans des bases de données,
23:28que c'était pas seulement
23:29des colonnes Excel,
23:31mais que les données,
23:32ça nous concernait tous,
23:33que ça pouvait être
23:34nos textes,
23:36que ça pouvait être
23:37nos centres d'intérêt,
23:39notre visage
23:40et même notre voix.
23:42Et pour d'ailleurs
23:44vous le prouver,
23:45je vais avoir besoin
23:46de votre collaboration
23:47parce que lorsqu'on parle
23:48de la voix,
23:49ça me rappelle toujours
23:51une expérience
23:52que je trouve formidable
23:52parce que c'est un usage
23:54réellement créatif
23:55de l'intelligence artificielle
23:56analytique.
23:58Et c'est un usage
23:59qui a été fait
23:59à partir des tracks originaux
24:01de Freddie Mercury,
24:02de Queen.
24:04Ça, vous voyez qui c'est ?
24:05C'est un bon test
24:06pour l'âge de l'audience
24:07en général.
24:09Et donc Freddie Mercury
24:10à sa mort
24:11a légué les tracks originaux
24:12de ses chansons
24:14au Phoenix Trust,
24:15qui est une fondation
24:16qui oeuvre
24:16pour la sensibilisation
24:18au sida,
24:20qui a donné accès
24:21à YouTube,
24:22mais à une condition,
24:23que ça ne devienne pas
24:24une énième archive
24:25qui dorme
24:26dans l'immense base
24:28de YouTube,
24:29mais qu'ils en fassent
24:30quelque chose.
24:31Et donc c'est là
24:32qu'ils ont créé,
24:33vous me voyez venir,
24:35le karaoké IA,
24:37le Freddy Meter,
24:38qui permet de comparer
24:39sa voix
24:41à celle de Freddie Mercury
24:42de la même manière
24:43qu'on peut comparer
24:44par cette recherche
24:45de patterns
24:46notre visage
24:47au portrait
24:48de l'histoire de l'art,
24:49par exemple.
24:51Et donc,
24:51qui permet de comparer
24:52sa voix
24:53à celle de Freddie Mercury
24:54sur trois dimensions,
24:55le pitch,
24:57la mélodie
24:57et le timbre.
24:59Alors je ne vous ai pas
25:00beaucoup entendu
25:00jusqu'à présent,
25:01mais je vais quand même
25:03vous demander
25:03de crier bien fort
25:04la chanson
25:04que vous voulez
25:07chanter maintenant.
25:10Don't stop me now,
25:11We are the champions,
25:13Bohemian Rhapsody,
25:14c'est ambitieux.
25:17Somebody to love,
25:18vous vous sentez
25:19comment aujourd'hui ?
25:22We are the champions,
25:24je me sens très adapté.
25:26Donc pour ça,
25:27j'ai besoin
25:28de votre collaboration
25:28puisqu'on va avoir
25:29besoin de données
25:31et que les données,
25:32ça va être vous.
25:33et que moi,
25:34je chante très mal,
25:34pareil.
25:37Le texte s'affiche ici,
25:39c'est parti !
25:41I've paid my dues
25:44time after time
25:47I've done my sentence
25:50I've committed my crime
25:54I've made mistakes
25:59I've made a few
26:03I've made mistakes
26:05I've made mistakes
26:06You beat me
26:08And I mean to go on , on, on, on, on
26:14March م
26:27We are the champions, we are the champions, my friends.
26:40Pas si mal.
26:44Pas si mal.
27:11L'intelligence artificielle, ce n'est pas uniquement l'intelligence artificielle générative que les IA analytiques, celles qui vont faire
27:18des mises en relation, des recommandations, elles font partie de notre quotidien.
27:22Le plus souvent, elles sont invisibles. Parfois, on peut en faire des usages très créatifs.
27:27Et c'est celles-là qu'il faut essentiellement raconter, puisqu'on ne les voit pas.
27:32Merci beaucoup.
Commentaires